广播播出设备管理系统的建设

2015-12-23邓辉江苏省广播电视总台

视听界(广播电视技术) 2015年1期

邓辉江苏省广播电视总台

一、概述

江苏广播的播出设备主要分为在用设备和备用设备两部分。在用设备，即目前正在播控区使用的设备，存放在三四楼播出机房。备用设备，即目前没有在使用的备份设备，存放在三四楼备份机房、总控机房以及六楼播控科仓库，位置相对分散，查找起来十分不便。为此，我们建立了播出设备数据库，详细记录了设备的型号、存放地点等相关信息，开发了管理平台，方便及时查询所需的设备。

二、技术内容

广播播出设备管理系统对所有播出设备进行了统计梳理，经过流程设计和表单开发，利用SQL数据库技术实施建设。

1. 系统环境

总控数据库系统环境为windows server2003。微软的企业级操作系统中, Windows Server2003 是依据.Net架构对NT 技术作了重要发展和实质性改进, 凝聚了微软多年来的技术积累, 使得系统安全性方面得以更大的提高。数据库使用的软件是SQL SERVER2000。数据库中存储着大量的、重要的数据。微软的SQL Server 2000是一种广泛使用的数据库管理系统, 很多电子商务网站、企业内部信息化平台等都是基于SQL Server2000 上的。

2. 系统架构

系统采用CS架构。C/S（Client/Server）结构，即大家熟知的客户机和服务器结构。通过C/S可以充分利用两端硬件环境的优势，将任务合理分配到Client端和Server端来实现，降低了系统的通讯开销。目前大多数应用软件系统都是C/S 形式的两层结构。由于现在的软件应用系统正在向分布式的Web 应用发展，Web和Client/Server应用都可以进行同样的业务处理，应用不同的模块共享逻辑组件，因此，内部的和外部的用户都可以访问新的和现有的应用系统。通过现有应用系统中的逻辑可以扩展出新的应用系统，这也就是目前应用系统的发展方向。

最简单的C/S 体系结构的数据库应用由两部分组成，即客户应用程序和数据库服务器程序，二者可分别称为前台程序与后台程序。运行数据库服务器程序的机器，也称为应用服务器。一旦服务器程序被启动，就随时等待响应客户程序发来的请求。客户应用程序运行在用户自己的电脑上，对应于数据库服务器，可称为客户电脑。当需要对数据库中的数据进行任何操作时，客户程序就自动地寻找服务器程序，并向其发出请求；服务器程序根据预定的规则做出应答，送回结果，应用服务器运行数据负荷较轻。另外考虑到总控范围并不算太大，最终选择采用C/S构架。

3. 系统设计

设计过程中主要运用到了类似于图书馆数据检索的概念。我们都知道目前数据库检索存在的主要问题有以下两点:漏检：由于各种原因造成查不全；检索缓慢：不合理的检索路径与检索点的组合, 造成数据的动态集非常庞大, 计算机处理速度变慢。在计算机普及, 人机对话日益增多以及检索语言与人们的思维方式趋于一致的情况下, 检索点的逻辑关系应该明确，引用概率论中的条件概率所建立的组合模型，来说明检索数据作为一个集合或者几个集合进行积、和的运算, 运用多约束条件进行算法设计, 可以得到预想的效果。使用概率是为了说明其检索的查全率、查准率, 每一个检索点都可以看成一个集合, 检索结果集只是一个数字的变化, 通过多约束条件检索的组合可以得到最大的概率。引用模型的目的不是为了计算出现事件概率的值, 只是通过概率来证明可能出现的概率应该趋近于1。我们也不能断定某一事件与其它事件是否存在独立性或互斥, 所以所有事件都设定为任意事件。引入的条件概率是建立在所确定的条件与发生的事件不是相互独立的, 否则也就失去了实际的意义。在此前提下，于是引入了多约束条件的检索。通过设置各种约束条件，让检索结果更加精确。

单一约束条件下事件的概率存在两种情况一种是事件积, 另一种是事件和。

① 设A、B、C为基本空间U的3个任意事件,且P(A)>0,则称

P(B∩C|A)=P(A∩B∩C)/P(A)

为事件A发生的条件下, 事件B、C积发生的条件概率。

如果C

P(B∩C|A)=P(B∩C)/P(A)=P(C)P(B|C)/P(A)

如果C

P(B∩C|A)=P(C)/P(A)

如果 C

P(B∩C|A)=0

② 设A、B、C为基本空间U的3个任意事件,且P(A)>0 ,则称

P(B∪C|A)=P(A∩(B∩C))/P(A)

为事件A发生的条件下, 事件B、C 和发生的条件概率。

那么

如果B

那么

同样多约束条件下单一事件的概率也存在两种情况一种是事件积, 另一种是事件和。

① 设A、B、C为基本空间U的3个任意事件,且P(AB)>0,则称

为事件A、B积的发生条件下, 事件C发生的条件概率。

如果P(AB)≠P(A)P(B),进一步可表示为:

P(C|B∩A)=P(B∩C|A)/P(B|A)

如果C

P(C|B∩A)=P(C|A)/P(B|A)

② 设A、B、C为基本空间U的3个任意事件,且P(A∪B)>0,则称

P(C|B∪A)=P(C∩(B∪A))/P(A∪B)

为事件A、B和的发生条件下,事件C发生的条件概率。

进一步可以得到:

如果C

由此可推出多约束条件下任意事件的概率：

① 设A、B、C、D为基本空间U的4个任意事件,且P(AB)>0,则称

P(C∩D|B∩A) =P(A∩B∩C∩D)/P(A∩B)

为事件A、B积的发生条件下,事件C、D积发生的概率。

如果C

那么

P(C∩D|B∩A)=P(C∩D)/P(A∩B)

② 设A、B、C、D为基本空间U的4个任意事件,且P(A∪B)>0,则称

为事件A、B和的发生条件下,事件C、D积发生的概率。

③ 设A、B、C、D为基本空间U的4个任意事件,且P(A∪B)>0,则称

为事件A、B和的发生条件下,事件C、D和发生的概率。

这样我们就建立了各种可能条件下的任意事件出现的概率模型, 如果把每一个事件看作一个检索点, 那么我们就组合成各种条件下的检索模型。

多约束条件下检索的过程是使被检索的范围越来越小，产生的可能性越来越大，也就是概率越来越大。我们把其说明为：在两个及以上检索点的约束范围内，使原有的数据总量得到进一步的减少后，再进行检索点的检索或组合检索，达到最高的查全率或查准率。系统中我们把全部可能被检索到的数据动态集看成基本空间，把每个可能被检索到的结果看成元素，而每个可能被用作检索词所得到的结果的组成看成基本事件。那么，在一定的范围内选择某一种随机试验，所发生的结果与基本空间相比形成概率。在无约束条件下，某一种事件发生的概率会很小，因为总的基本事件最大的为no，有一条件限定的情况下发生的事件为no - nx (no > nx)，某一种事件发生的概率会增大。大部分发生事件的规律是，只要约束条件Ai 一经实现，则事件Bi 必然发生或必然不发生，所以研究约束条件检索组合，进一步寻求事件发生的条件，对以后事件的发生将可能产生大的影响。在实际检索中用户对检索操作上的认识，最初只存在一种含糊的感觉或者是没有受过专业化训练的直接思维方式，是“非预知”的检索点选择和“非预知”的检索结果，用户一般不会进行4 次以上的组配检索操作。所以，首先要确定哪些检索点是独立的，哪些检索点具有子检索点，需要对检索点进行优化组合，以及对检索的结果进行“后处理”，需要预先在系统中设定可以作为约束条件的事件数，然后由用户自己去进行组配。

这一部分的设计也就是基于多约束条件的检索模型开发的。利用数据窗口实现数据的查询功能主要是运用了Quick Select模式，它是类似QBE(Query By Example)查询语言的查询模式，但是它的功能没有QBE那么强大。在此模式下，用户可以通过在一列或多列中指定SQL语言的Where语句（即查询条件），然后调用Retrieve()函数，该函数将根据指定的SQL语句执行各种查询功能。

另外，在设计过程中，综合运用了组合查询和模糊查询两种查询模式：

①组合查询：使用数据窗口来实现组合查询完全避免了传统查询模式带来的弊端，用户无需在各种文本框和下拉列表框中来一步步输入组合查询条件，相反，在此模式下，用户可以选择任意字段并在相应字段输入相应的查询条件即可。无论是使用何种开发工具或何种查询模式，如果是组合查询，其各种条件之间无非是‘与’（AND）、‘或’（OR）两种基本关系。

②模糊查询：所谓模糊查询，就是指部分条件查询。模糊性总是伴随着事物的复杂性而出现的，复杂性意味着因素的多样性，联系的多样性，应用的多样性，在实际工作中有着广泛的应用。因此，这就需要根据数据特点和实际需要进行模糊化处理。模糊概念大量存在于人们的观念之中，在对事物进行分类时，总希望对集合中的成员划分等级，如模糊查询中的前置模糊（即如“X%”的形式，其中，X为用户输入的模糊查询条件），后置模糊（即如“%X”），完全模糊（即如“%X%”）等。