[发明专利]一种语音质量评估的方法和装置

说明书

一种语音质量评估的方法和装置，包括：根据原始语音信息和由原始语音信息测试后对应的退化语音信息，按照POLQA算法计算得到所述退化语音信息中有效语音片段对应的POLQA‑MOS值；提取所述有效语音片段中的声学特征；采用深度学习算法，由有效语音片段的声学特征和所述声学特征对应的POLQA‑MOS值建立语音质量评估模型；在语音质量评估模型中输入语音数据的声学特征，获取所述语音数据ePOLQA‑MOS值。能够提高评估语音质量的准确度，进而真实反映网络用户的通话质量。

技术领域

本发明涉及通信领域，尤其涉及一种语音质量评估的方法和装置。

背景技术

移动通信网络中的语音质量包括两方面内容：清晰度和自然度，前者是衡量语音中的字、单词和句子的清晰程度，后者则是对讲话人的辨识水平。随着通信、多媒体、计算机和办公自动化以及人工智能技术的不断发展，语音信号处理已经逐渐渗透到人类社会生活的方方面面，成为影响现代社会发展的核心技术之一。语音编解码、语音通信及语音处理等系统性能的优劣也成为关乎现代社会信息交流的重要因素。

语音质量评估方法可以分为两大类：主观评价和客观评价。主观评价是以人为主体来评价语音的质量，由于人是语音的最终接受者，因此这种评价是语音质量的真实反映。1996年，国际电信联盟(ITU)组织提出的平均意见得分(MOS)是一种广泛使用的主观评价方法，用测试者的平均意见得分来直观地反映人对语音质量的感知。该方法按照语音质量的优劣程度，分为优(5分)，良(4分)，一般(3分)，差(2分)，坏(1分)等五个等级。MOS得分法的优点是：第一，由于编码系统的质量是按数值大小等级排列，所以不同失真类型的编码系统就可以相互比较；第二，评测者只需要先进行简单训练，就可直接参与评测，因而容易完成。

但是主观评价MOS缺点是费时费力，灵活性不够，稳定性较差，受到人的主观影响较大。为了克服主观评价的缺点，人们开始研究语音质量的客观评价方法，目的是使客观评价成为一种快捷而准确预测出主观评价值的语音质量评价手段。

目前，在移动通信领域，客观评价方法已成为语音质量评估的主流，客观评价方法分为主动式(侵入式)和被动式(非侵入式)。

主动式评价一般是指如主观语音质量评估(PESQ)/语音质量的客观评测标准(POLQA)双边对比的方式，这种方式需要通过路测设备和人力资源的投入，且仅适用于道路场景的评估，费时费力，无法实现全面评估网络的目的。

被动式评价目前常用的是基于网络侧指标统计的E-Model算法，这种方法的原理是将丢包率、抖动和时延等网络指标进行拟合计算，而非基于语音本身，其算法较为简单，准确性较低，无法体现用户通话的真实感知。而ITU-T在2004年公布的P.563算法，是基于单边语音的输出评估方式，但由于针对的是窄带语音，而且评估方式过于简单，无法准确合理的评估移动网络宽带语音质量。

综上，现有技术中评估移动网络宽带语音质量的准确度不高，无法真实反映网络用户的通话质量。

发明内容

本发明实施例提供了一种语音质量评估的方法，能够提高评估语音质量的准确度，进而真实反映网络用户的通话质量。

本发明实施例还提供了一种语音质量评估的装置，能够提高评估语音质量的准确度，进而真实反映网络用户的通话质量。

一种语音质量评估的方法，所述方法包括：

根据原始语音信息和由原始语音信息测试后对应的退化语音信息，按照POLQA算法计算得到所述退化语音信息中有效语音片段对应的POLQA-MOS值；

提取所述有效语音片段中的声学特征；

采用深度学习算法，由有效语音片段的声学特征和所述声学特征对应的POLQA-MOS值建立语音质量评估模型；