VoIP語音質量評價研究.pdf

1、建立VoIP語音評價模型有越來越重要的技術意義和商業(yè)意義。
　　語音質量的評價包含主觀方法和客觀方法。其中主觀方法(e.g.MOS)是客觀方法的基準，但是主觀方法緩慢，耗時，昂貴?？陀^方法包含干擾式語音評價和非干擾式語音評價。有許多因素影響IP電話語音質量，我們把這些因素劃分成兩種類型：網絡因素(e.g.丟包，抖動和延遲等)和非網絡因素(e.g.編碼類型，回音，噪聲等).本文主要的目標是分析不同因素對語音質量的影響，并給出新型的高

2、效的模型評價VoIP語音質量。我們建立一個新的VoIP模擬平臺，實驗中網絡仿真軟件采用NIST Net，語音通信協(xié)議由OpenPhone實現(xiàn)。這個模擬實驗環(huán)境和其他研究者的模擬環(huán)境相比更為‘真實’。
　　我們的研究工作和貢獻包括：
　　1)分析延遲抖動標準差和語音語種因素對語音質量的影響，分別提出了兩種對標準E模型的擴展方法，基于延遲抖動標準差的擴展E模型和基于語音因素的E模型的擴展方法.我們首先分析了網絡延遲抖動對網絡語音

3、的影響，通過實驗揭示了把延遲抖動的標準差來作為參數(shù)描述延遲語音質量是合理的，據(jù)此對標準E模型進行了擴展，結果得到了驗證。之后，我們還分析了語音因素對網絡語音的質量影響，我們仔細的選擇實驗語音，發(fā)現(xiàn)不同語種性別的語音在相似環(huán)境下語音質量是略有差別的，并給出了對于E模型的修正系數(shù)I1。近年來，網絡的自相似特性被廣泛揭示。自相似特性可以用Hurst系數(shù)H(0.5

4、該參數(shù)描述網絡抖動特征對語音質量的影響。在我們的研究過程中，我們發(fā)現(xiàn)在我們的實驗環(huán)境中，Hurst系數(shù)并不適合引入來描述網絡語音質量，我們分析其原因可能與時間尺度相關。
　　2)提出一個新的神經網絡模型。神經網絡模型最近被用來評價語音和視頻質量，但是早期的方法依賴于主觀測試生成訓練序列，不幸的是主觀方法代價比較高，很難考慮復雜細致的輸入條件，比如Internet的變化因素。L.Sun在2002年提出一個基于客觀測量的神經網絡模型，

5、但受限于沒有使用最新的PESO評分標準，并且模擬實驗平臺過于簡單。Al-Akhras在2009年提出的是一個與E模型混合式的神經元方法，輸入層只考慮了丟包因素的影響，沒有考慮語音編碼等基本要素，最后實現(xiàn)中還需要復雜的主觀測試。我們使用了最新的PESQ算法，實驗平臺采集的數(shù)據(jù)更為真實可靠。我們增加了參數(shù)延遲標準差和語音變量作為輸入元素，并驗證了模型是準確有效的。
　　3)提出基于多元回歸算法的語音質量評價模型。我們根據(jù)參數(shù)延遲標準差