无线电广播是基础性战略资源,是信息通信、交通运输、国防军事和社会经济发展的重要生产要素。本文对我国广播监测实际工程中的主要任务及广播台标特点进行了详细分析,对现有采用音频检索和语音识别实现广播台标识别的技术进行研究,并分析了传统人工监测广播台标方式和现有自动化广播台标识别技术所存在的问题和不足之处。为了达到广播台标学习和识别的目的,解决因传输链路中噪声干扰造成识别准确率下降的问题,本文提出了一种具有自适应台标学习能力的广播台标识别算法。针对现有基于音频检索实现的广播台标识别技术需人工添加台标库、算法鲁棒性不佳、识别效率低的不足,该算法利用倒谱对两段含有台标信息的广播信号混合后的对数谱中等距离成分具有敏感辨识能力的特点进行广播台标学习和识别;以多个真实广播节目整点时刻的信号为音源进行实时采集,通过倒谱分析出同一广播节目下多段不同整点时刻所采集音频中高度相似的音频段及该音频段出现的起始时间点,即广播台标自动学习结果,并将学习结果放入台标库;先后通过倒谱分析广播台标样本和台标库中所有台标的相似度,计算得出最高相似度所对应台标即为广播台标样本识别结果。对所提算法通过实验进行性能测试,结果证明,所提算法在不同信噪比的加性高斯白噪声条件下表现出了较好的抗噪性能,特别是在低信噪比下（SNR小于等于5dB）,仍可以达到95.88%的广播台标识别准确率,且识别效率相较于现有算法更加符合广播实时监播的要求。最后,本文采用搭载Linux系统的树莓派4B开发板和USB音频采集卡,通过Linux系统的高级声音架构ALSA驱动音频采集卡采集实时音频流并提出将基于倒谱和基于Shazam的算法融合进行台标识别,测试了融合算法移植到嵌入式系统上的实际运行效果,从而验证了算法的工程实用性价值,实现了对广播节目的实时监测,保障了广播发射安全。