基于DSP的海量实时多媒体数据分析系统设计

 随着计算机应用系统的不断发展和完善，在各个领域产生了海量实时多媒体数据。这些海量数据可能已不被应用系统直接引用，但存在着大量的查询和分析价值。而对海量信息的利用离不开底层对数据的操作。然而，数据不断膨胀往往给应用系统带来一些难以忍受的后果，最典型的是系统在运行过程中资源消耗需求量越来越大，运行效率明显降低，而随着时间的推移，难度也在增大。例如体育赛事技术数据统计，随着大型赛事的增多。在比赛过程中，教练员需要根据场上数据和技术统计结果对人员和策略进行及时调整，从而控制比赛节奏，赢取比赛胜利。传统的海量实时多媒体数据分析，采用以实验者为基础的数据统计后处理方法，通过录像分析，以每个实验者为单点模型，构建单点互联系统，基于统计软件实现数据分析，无法保证实时性，分析误差大。

对于海量实时多媒体数据分析，国内许多学者进行了相关研究，取得了一定成果，但同时也存在一些问题。文献中提出了一种采用无线传感器网络的方法，实现海量实时多媒体数据分析，通过大带宽数据链，首先实现数据采集，以此为基础，采用数据融合的方法实现数据融合后处理，在各分布式的节点获取数据后，通过网络技术将所有数据传输到统一的计算机上进行处理，设计中侧重数据链，而对于数据分析和统计的研究较少。文献中提出一种基于实时异构嵌入式系统的海量实时多媒体数据分析方法，采用嵌入式系统的多任务调度特性，设计任务调度算法，算法主要是启发式任务调度算法，实时性较差，所以无法实现实时数据统计。文献中提出一种基于Android系统下基于自组网络模块设计的海量实时多媒体数据分析方法，采用嵌入式的实时陛优点，融合自组网的数据特性，对数据进行实时组网与处理，但涉及分析和统计的技术参数均为最原始的数据统计结果，没有对数据进行深层次特征融合分析，且分析的参量少，具有一定的局限性。

本文在文献研究工作的基础上，提出一种基于DSP的海量实时多媒体数据分析方法，实现了微型一体化的海量实时多媒体数据分析，以高速DSP为核心架构，辅助以专用数据冗余分析单元，对实验者进行多点建模，并以模型关联特性作为分析基础，以多关联度完成数据提取与融合处理，实现海量实时多媒体数据分析。

1 基于DSP多媒体数据分析实现

1.1 微型一体化核心系统

数字信号处理器(Digital Signal Processor，DSP)是一种专用的数字处理芯片，一般采用经典的哈佛结构，形成专用的处理芯片。由于DSP是专用于处理数字信号的，具有数据处理精确、可靠性好、易于大规模集成等优点。近年来，随着DSP制造工艺的提高，其应用范围遍及数据统计和信息技术领域，DSP最小系统设计包括专用硬件设计和配套软件设计两方面。硬件设计部分的主要工作是选择合适的DSP芯片，在以芯片为核心的基础上，辅助以其他的外围配套设备芯片、数据采集芯片、系统电源电路、系统芯片复位电路，并在DSP访问存储器中设置外扩存储器电路、芯片工作晶振电路、仿真连接电路等，搭建DSP最小系统。选用经典的TMS320C5502为核心处理器，构建DSP最小系统示意图如图1所示。

系统中，由于需要设计低功耗的微型一体化系统，所以对系统的电源设计、电源功耗和体积提出了更高要求，本文采用TI的专用电源芯片实现系统电源供给，原图如图2所示。

从图2可以看出，采用专用电源芯片设计，可以满足系统微型一体化的需求。

1.2 海量数据的关联特性与关联度分析

海量实时多媒体数据的关联特性与关联度分析体现在在原始数据采集与统计的基础上，通过数据的深度分析，提取出数据的关联特性，为统计结果准确性提供保证。

以大型足球赛事实时技术统计的微型一体化实现为例，进行方法的叙述。假设球员A与球员B进行配合，则在传球时，A随机选择传球方向，其配合过程为：

通过对于球员之间的相互配合协调关联度分析，可以深入分析出最佳传球组合、进攻组合和防守组合等，为教练换人提供依据。

2 基于DSP海量实时数据分析实验

实验对象是大型足球赛事实时技术统计，用于进行基于DSP的海量实时多媒体数据分析实验。对于各种参数的统计分析有助于教练员对赛场态势做出实时调整，达到控制比赛的目的。

2.1 海量实时多媒体数据分析内容

对于大型足球赛事的海量实时多媒体数据分析主要分为两大类：一是对于整体球队的技术统计;二是对于每个运动员的技术统计。全队的技术统计主要为：交战双方的进球数、射门次数、射正次数、扑救次数、任意球数、角球数、界外球数、全队犯规数、全队越位数、红牌数、黄牌数、换人次数、控制球时间比率、双方抢断成功率、传球成功率、头球成功率等，均会进行详细的技术统计。而个人技术统计方面，除了射门次数、犯规次数、铲断次数、红黄牌等基本项目外，还包括运动员的传球数、跑动距离、活动区域半径等关键技术统计。尤其是传球的技术统计数据，细化到分为长传、中传、短传的次数和成功率。

2.2 海量实时多媒体数据分析意义

对海量实时多媒体参数进行分析，可以对每个运动员及全队情况进行总结，为战术制定提供良好的指导帮助。

采用评价方法对基于技术统计的分析指导结果进行评判，足球技术统计评价内容的不断扩展，要求将多种评价方式综合运用到目前的大型足球比赛中，提供全面的指导分析，大型足球赛事的目标多种多样，足球技术统计评价效果也各有差异。因此，足球技术统计评价的内容将越来越注重多元评价，包括足球运动员的认知能力、运动技术技能和场上情感等3方面内容，而不是单一的足球技术技能或当前状态水平考评或一种球场态势的测验，而对于足球运动员的情感态度评价则会影响到其水平的积极发挥。在以往的足球技术统计评价中，比较注重足球技术统计的终结性评价，即每个半场或全场的表现，由于这种方法存在较长的时间跨度，因而失去了实时评价，进而实时反馈调整的功能，对激励球员水平，提高比赛效果以及改进战术意义不大。应改变单纯的足球技术统计终结评价方式，而是采取足球技术统计的诊断性、形成性和终结性评价相结合的评价方法，足球技术统计的诊断性评价则主要解决球员当前的竞技状态，以确定最佳使用方法;形成性评价即在足球技术统计工作中及时发现问题，对问题诊断，及时解决问题，提出对策;足球技术统计的终结性评价采用换人方法，战术及时调整，对对方进攻进行限制、终止，降低威胁自家球门的概率，从而达到赢取比赛的目的。

3 实验结果与分析

实验采用山东鲁能与天津泰达的一场中超比赛进行海量实时多媒体数据分析，分别对整个球队的技术统计和每个运动员的技术统计进行总结，以此为依据，对教练提供基于分析结果的赛场态势帮助。对战双方全队实时多媒体数据分析，如表1所示。

球队单个球员的实时多媒体数据分析，如表2和表3所示。

对战双方实时多媒体数据分析，如表4所示。

守门员实时多媒体数据分析如表5所示。

经过海量实时多媒体数据分析，最佳进攻组合为桑德罗和安塔尔，最佳传球组合为安塔尔和苑维玮。通过对于全队技术统计进球数、射门次数、射正次数、扑救次数、双方抢断成功率、传球成功率、头球成功率等，实时将数据信息传输到替补席，以便于教练参考，为决策调整提供依据。

4 结束语

对海量实时多媒体数据进行分析，是做出正确决策的重要基础。海量实时多媒体数据分析实现的难点在于无法在微型系统下实时对全方位的数据进行统计分析，而高效的分析系统设备复杂，在现场使用困难。传统的海量实时多媒体数据分析采用以实验者为基础的数据统计后处理方法，通过录像分析，以每个实验者为单点模型，构建单点互联系统，基于统计软件实现数据分析，无法保证实时性，分析误差大。提出基于DSP的海量实时多媒体数据分析方法，实现了微型一体化的海量实时多媒体数据分析，以高速DSP为核心架构，辅助以专用数据冗余分析单元，对实验者进行多点建模，并以模型关联特性作为分析基础，以多关联度完成数据提取与融合处理，实现海量实时多媒体数据分析。实验结果表明，以一场中超联赛为样本记性测试分析，采用基于DSP的海量实时多媒体数据分析方法，实现了对于进球、射门次数、射正次数、远射、控球率、角球、控球时间、最佳传球组合，最佳进攻组合等多项关键参数的实时统计分析，对教练员实现正确调整对策具有有效帮助。