基于PESQ算法的MOS测试解决方案

基于PESQ算法的MOS测试解决方案

ID:42243883

大小:148.00 KB

页数:5页

时间:2019-09-11

基于PESQ算法的MOS测试解决方案_第1页
基于PESQ算法的MOS测试解决方案_第2页
基于PESQ算法的MOS测试解决方案_第3页
基于PESQ算法的MOS测试解决方案_第4页
基于PESQ算法的MOS测试解决方案_第5页
资源描述:

《基于PESQ算法的MOS测试解决方案》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、基于PESQ算法的MOS测试解决方案时间:2009-06-06     【摘要】本文通过介绍鼎利公司基于PESQ专利算法的MOS测试解决方案,以及在各运营商的实际应用案例,展示了MOS测试在无线网络语音质量评估、优化以及提高用户感知度方面的重要作用。      关键字PESQMOS语音服务质量。引言       随着无线网络技术的不断发展和网络的逐渐普及,客户对网络的整体语音服务质量的要求不断提高,可以说,语音质量的好坏直接影响着用户对于运营商的选择。因此,根据移动通信网络服务质量的要求,建立一套语音质量客观评价标准,来更好的对网络语音服务质量进行定量分析和评估,就

2、逐步成为移动网络运营商在网络建设过程中必须考虑的关键问题。       最早的语音质量评测标准仅是基于无线指标的(RxQual),但实际语音在传输中会经过无线、传输、交换、路由等多个节点,任一环节出现问题都会导致用户语音感知差,仅仅考虑无线指标是无法发现和定位语音质量问题的,于是基于用户感知的语音质量评价方法逐渐成为用户语音服务质量评测的最主要标准。 一、MOS语音质量评价方法      常用的语音质量评价方法分为主观评价和客观评价。早期语音质量的评价方式是凭主观的,人们在打通电话之后通过人耳来感知语音质量的好环。1996年国际ITU组织在ITU-TP.800和P.

3、830建议书开始制订相关的评测标准:MOS(MeanOpinionScore)测试。它是一种主观测试方法,将用户接听和感知语音质量的行为进行调研和量化,由不同的调查用户分别对原始标准语音和经过无线网传播后的衰退声音进行主观感受对比,评出MOS分值(见表一)。不过显而易见,在现实中让一组人接听语音和评价语音质量是非常困难和昂贵的。                                                                                                 表一MOS分值对照表              

4、                                                                                    注:对于GSM网络而言,评分在3以上即为比较好的语音质量。       因此,ITU组织推行了大量的端到端语音质量客观测试技术的标准化工作,发布了几种语音评估算法标准:PAMS、PSQM、PSQM+、MNB、PESQ。MOS评测开始摆脱原始的主观评估方式,而使用量化算法计算相对应的级别及语音质量好坏程度。      其中,P.862-PESQ(PerceptualEvaluationofSpeechQ

5、uality)算法是ITU组织在2001年2月发布的目前最新的语音传输质量测量标准,由于其强大的功能和良好的相关性,它迅速成为目前最主流的语音评估算法。PESQ算法适用于评价各类端对端网络的语音质量,它综合考虑了感知中的各项影响因素(如编解码失真、错误、丢包、延时、抖动和过滤等)来客观地评价语音信号的质量,从而提供可以完全量化的语音质量衡量方法。 二、PESQ算法原理       从PESQ算法模型的结构图(见图一)中可以看到整个算法的处理流程。参考信号和通过无线网络传输后的退化信号通过电平调整,再用输入滤波器模拟标准电话听筒进行滤波(FFT)。这两个信号在时间上对

6、准,并通过听觉变换。这个变换包括对系统中线性滤波和增益变化的补偿和均衡,再通过认知模型,从而映射到对主观平均意见分的预测。一般情况下,输出信号和参照信号的差异性越大,计算出的MOS分值就越低。                                                                                                                                     图一PESQ算法模型       PESQ作为ITU-P.862中推荐的语音评估最新算法,相对于PSQM和MNB只

7、能用于窄带编解码测量,并且对某些类型的编解码、背景噪声和端到端的影响,比如滤波和时延变化只能给出不精确的预测值,它的算法模型能提供更好的相关性(见表二),能在更广泛的条件下对主观质量给出精确的预测,包括背景噪声,模拟滤波,时延变化等。                                                                               表二不同语音评估算法的相关性TYPECorr.Coeff.PESQPAMSPSQMPSQM+MNBMobileNetworkaverage0.9620.9540.9240.93

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。