語音通信中音質(zhì)客觀評(píng)價(jià)研究.pdf

1、現(xiàn)代通信系統(tǒng)提供了廣泛的語音服務(wù)，語音通信已經(jīng)成為生活中不可或缺的交流方式。通信技術(shù)和通信服務(wù)的發(fā)展促進(jìn)了對(duì)通信系統(tǒng)性能的評(píng)價(jià)需求，評(píng)判語音通信系統(tǒng)性能優(yōu)劣的根本標(biāo)志之一是系統(tǒng)所輸出語音質(zhì)量的好壞，因此準(zhǔn)確有效的語音質(zhì)量評(píng)估技術(shù)是提高通信系統(tǒng)性能的關(guān)鍵技術(shù)。 主觀評(píng)價(jià)能真實(shí)反映人對(duì)語音質(zhì)量的整體滿意程度，但主觀評(píng)價(jià)費(fèi)事費(fèi)時(shí)且不適合實(shí)時(shí)性場(chǎng)合。近年來，以計(jì)算機(jī)信息處理為核心的語音質(zhì)量客觀評(píng)價(jià)成為大家關(guān)注的研究熱點(diǎn)。本論文以軍事研究

2、項(xiàng)目為背景，對(duì)通信中的語音質(zhì)量客觀評(píng)價(jià)展開了廣泛深入的研究。 本文首先闡述了語音質(zhì)量評(píng)價(jià)的含義，在介紹語音質(zhì)量客觀評(píng)價(jià)的原理及研究現(xiàn)狀之后，指出了客觀評(píng)價(jià)中存在的部分問題，并簡(jiǎn)要說明本論文的主要工作。 第二章提出了一種語音特征參數(shù)MFSC，相比于。MFCC，MFSC分析體現(xiàn)了更多的感知分析特性。將使用MFSC作為特征參數(shù)的客觀測(cè)度Mel—SD用于語音質(zhì)量評(píng)價(jià)測(cè)試，實(shí)驗(yàn)結(jié)果表明，相比于PESQ、Mel-CD，Mel-SD具

3、有更好的客觀評(píng)價(jià)性能，且Mel-SD具有對(duì)濾波器組構(gòu)造變化和壓縮因子變化的魯棒性。 以改善客觀測(cè)度的評(píng)價(jià)性能為目標(biāo)，第三章提出使用PSO算法獲取語音特征參數(shù)中各維分量對(duì)音質(zhì)客觀評(píng)價(jià)性能的相對(duì)重要性關(guān)系。論文通過將這個(gè)問題轉(zhuǎn)化為優(yōu)化問題，分別使用實(shí)數(shù)編碼和二進(jìn)制編碼的PSO算法完成特征參數(shù)：MFCC和MFSC各分量權(quán)系數(shù)的優(yōu)化和特征子集選擇的組合優(yōu)化，既得到特征參數(shù)分量之間的相對(duì)重要性關(guān)系，又有效地改善了Mel-CD和Mel-SD

4、的評(píng)價(jià)性能。 針對(duì)前向神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間長(zhǎng)及泛化性能不確定性的缺陷，論文提出了一種訓(xùn)練前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法——雙向權(quán)值調(diào)整算法(BPWA)。BPWA可以在正向和反向階段對(duì)權(quán)值作出調(diào)整，且保證輸出權(quán)值是最小范數(shù)解，該算法具有較快的學(xué)習(xí)速度，并有利于保證所訓(xùn)練網(wǎng)絡(luò)的泛化性能。針對(duì)GCNN這種新型神經(jīng)網(wǎng)絡(luò)，第四章通過定義新的廣義同余函數(shù)，增加廣義同余神經(jīng)元的可調(diào)參數(shù)，簡(jiǎn)化GCNN的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)GCNN做了改進(jìn)。論文中使用BPWA分別訓(xùn)

5、練單隱層sigmoid神經(jīng)網(wǎng)絡(luò)和改進(jìn)型GCNN，建立語音質(zhì)量感知模型，實(shí)驗(yàn)結(jié)果表明，基于BPWA-NN和BPWA-GCNN的語音質(zhì)量客觀評(píng)價(jià)系統(tǒng)具有良好的評(píng)價(jià)性能。 語音中所蘊(yùn)涵的時(shí)間信息被認(rèn)為是聽覺系統(tǒng)能夠分離和理解語音的重要信息。針對(duì)語音信號(hào)短時(shí)分析中時(shí)間信息缺失的問題，第五章中使用Lyon被動(dòng)長(zhǎng)波模型模擬語音信號(hào)在耳蝸中的非線性處理過程，將語音從一維空間轉(zhuǎn)換到二維空間的耳蝸圖表示，再通過自相關(guān)操作得到語音的相關(guān)圖。論文使用

6、灰度共生矩陣來描述相關(guān)圖特征，并從中提取特征參量作為語音質(zhì)量評(píng)價(jià)的測(cè)度。實(shí)驗(yàn)結(jié)果表明，能量測(cè)度、熵測(cè)度、一致性測(cè)度的估計(jì)結(jié)果與主觀MOS值之間的相關(guān)度超過0.9，這種使用相關(guān)圖特征參量的音質(zhì)客觀評(píng)價(jià)是一種有效的評(píng)價(jià)方法。 通信中的語音可懂度客觀評(píng)價(jià)是一項(xiàng)新的研究課題，具有重要的應(yīng)用價(jià)值。第六章利用RBFNN的良好的分類特性和通過矢量量化得到的轉(zhuǎn)移概率矩陣實(shí)現(xiàn)了兩種可懂度客觀評(píng)價(jià)的方法：OIM-RBFNN和OIM-TPD。實(shí)驗(yàn)結(jié)果