本发明专利技术涉及评估从传送参考语音信号的音频传输系统接收的退化语音信号的可理解性的方法。该方法包括将所述信号采样成参考信号帧和退化信号帧，并且通过将参考信号帧和退化信号帧彼此关联，形成帧对。对于每个帧对，提供表示干扰的差分函数，然后针对特定的干扰类型补偿该差分函数以提供干扰密度函数。基于多个帧对的密度函数，确定总体质量参数。该方法提供补偿总体质量参数，其意义是CVC词的可理解性的评估是由辅音的可理解性所左右的。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及通过将参考语音信号传送通过音频传输系统来提供退化语音信号，评 估从音频传输系统接收的退化语音信号的可理解性的方法，其中该方法包括：将所述参考 语音信号采样成多个参考信号帧，并且针对每个帧，确定参考信号表现；将所述退化语音信 号采样成多个退化信号帧，并且针对每个帧，确定退化信号表现；通过将每个参考信号帧与 对应的退化信号帧相关联，形成帧对，并且针对每个帧对，提供表示所述退化信号帧和关联 的所述参考信号帧之间的差的差分函数。 本专利技术还涉及一种用于执行上面描述的方法的装置和一种计算机程序产品。
技术介绍
在过去数十年间，已经使用感知测量方法开发和展开多种客观的语音质量测量方 法。在该方法中，基于感知的算法模拟在听音测试中对音频片段的质量进行定级的对象的 行为。对于语音质量，最可能使用所谓的绝对种类定级听音测试，在该测试中对象在不访问 纯净的参考语音片段的情况下判断退化语音片段的质量。在国际电信联盟（ITU)内执行的 听音测试主要使用绝对种类定级（ACR)5点意见等级，其因此还被用于由ITU标准化的客观 语音质量测量方法，感知语音质量测量（PSQM(ITU-T Rec. P. 861，1996))以及其随后的语音 质量的感知评估（PESQ (ITU-T Rec. P. 862, 2000))。这些测量标准的焦点在于窄带语音质量 (音频带宽10-3500HZ)，尽管在2005年构想出宽带扩展（50-7000HZ)。PESQ提供与窄带语 音数据的主观听音测试十分好的相关性以及对宽带数据可接受的相关性。 随着电信业推出新的宽带语音服务，出现了对经验证的性能的高级测量标准以及 支持较高的音频带宽的需求。因此，ITU-T (ITU-电信部）12研宄组发起了新的语音质量评 价算法的标准化作为PESQ的技术更新。新的第三代测量标准POLQA(感知客观听音质量评 价）克服了 PESQ P. 862标准的不足，如线性频率响应失真、在IP电话中发现的时间伸展/ 压缩、特定类型的编解码失真以及回声的影响的错误的评价。 尽管POLQA (P. 863)提供相对于之前的质量评估算法PSQM (P. 861)和PESQ (P. 862) 的诸多改进，但是目前的POLQA版本（如PSQM和PESQ)不能解决基本的主观感知质量情况， 即可理解性。尽管可理解性还依赖于诸多音频质量参数，但是可理解性比声音质量与信息 传递更加相关。就这些质量评价算法而言，可理解性与声音质量截然相反的本质使得这些 算法产生与在由人或听众评估语音信号时会被分配的分数不匹配的评估分数。将焦点保持 在信息共享的目标，人们会认为在声音质量上相似的可理解的语音信号比不太好理解的信 号更重要。 尽管取得了许多进展，但是在诸多情况下当前模型仍意料之外地不能正确地预测 人可理解性的评估分数。
技术实现思路
本专利技术的目的是寻求一种上述现有技术不足的解决方案以及提供一种评估（退 化）语音信号的质量评估算法，该质量评估算法适合于考虑语音信号的可理解性以便以最 接近于人评估的方式评估该语音信号。 本专利技术实现这个目的和其它目的，因为提供一种通过将参考语音信号传送通过所 述音频传输系统以提供退化语音信号，评估从所述音频传输系统接收的退化语音信号的可 理解性的方法。参考语音信号至少表示（表达）由辅音和元音的组合组成的一个或多个 词。参考语音信号被采样成多个参考信号帧，并且退化语音信号被采样成多个退化信号帧。 通过将参考信号帧和退化信号帧彼此关联，形成帧对。根据该方法，向每个帧对提供表示所 述退化信号帧和关联的所述参考信号帧之间的差的差分函数。针对一个或多个干扰类型补 偿差分函数，以向每个帧对提供适合于人听觉感知模型的干扰密度函数。根据多个帧对的 干扰密度函数，导出总体质量参数。总体质量参数至少指示所述退化语音信号的可理解性。 特别地，所述方法还包括：针对由参考语音信号表达的词中的至少一个词，识别与至少一个 词的至少一个辅音关联的参考信号部分和退化信号部分。根据所识别的参考信号部分和退 化信号部分，基于退化信号部分的信号功率与参考信号部分的信号功率的比较，确定退化 语音信号的干扰的程度。然后，依据所确定的与至少一个辅音关联的退化语音信号的干扰 的程度，补偿总体质量参数。 本专利技术通过认识到与语音信号中词的辅音一致的噪声和其它干扰被认为相比于 与元音一致的类似干扰更恼人且对信息传递更有破坏性。这与元音通常比辅音讲的更大声 的事实有关。此外，大多数类型的干扰平均起来的感知似乎与辅音的感知更类似，而元音则 更加突出。因此，在存在相对响的干扰时，元音经常被正确地感知，而辅音则更经常被错误 感知，导致信息传递失败。本专利技术的方法通过针对与退化语音信号中的辅音一致的退化语 音信号中体验到的干扰的量而补偿所获得的总体质量参数（即，模拟的人评估分数），正确 地考虑该方面。 根据本专利技术的实施例，识别步骤包括：将多个退化信号帧和参考信号帧中每个帧 的信号功率与第一阈值和第二阈值相比较，并且如果所述信号功率大于第一阈值且小于第 二阈值，则认为退化信号帧或参考信号帧与至少一个辅音关联。 与参考语音信号或退化语音信号中的辅音相关的信号部分可以基于该信号中的 信号功率来认识。特别地，考虑（纯净的，即优化的）参考信号，由于元音通常比辅音讲的更 大声，所以将参考信号与较高的阈值相比较使得能够从待分析的信号部分中排除元音。此 外，通过将参考语音信号中的信号功率与较低的阈值相比较，还可以排除不携带语音信息 的寂静部分。因此，通过将参考语音信号的信号功率与较高阈值和较低阈值相比较，使得能 够识别与语音信号中的辅音关联的信号部分。 通过对与退化信号部分的信号帧对应的参考信号帧进行识别的时间对齐过程，发 现与退化语音信号中的辅音关联的对应信号部分。退化语音信号帧还可以从与所识别的参 考信号部分关联的帧对中获得。 根据本专利技术的另一实施例，在第一频域中计算每个退化信号帧的信号功率，并且 在第二频域内计算每个参考信号帧的信号功率。第一频域包括说话声音和可听噪声的第一 频率范围，而第二频域包括（至少）说话声音的第二频率范围。特别地，根据另一实施例， 第一频率范围可以在300赫兹至8000赫兹之间，并且第二频率范围可以在300赫兹至3500 赫兹之间。用于分别计算退化信号帧的信号功率和参考信号帧的信号功率的频域之间的此 差分，允许通过将任何频率分量排除在语音范围以外而理想化参考信号帧，而与此同时，用 于退化信号帧的更宽频率范围可以考虑退化语音信号中可听见的干扰。 根据本专利技术的另一实施例，识别步骤包括：针对参考语音信号，识别信号功率在第 一阈值和第二阈值之间的活跃语音信号帧以及信号功率在第三阈值和第四阈值之间的轻 柔语音信号帧，并且将所述活跃语音信号帧和所述轻柔语音信号帧与退化信号帧关联，以 产生活跃语音参考信号帧、轻柔语音参考信号帧以及其关联的活跃语音退化信号帧和轻柔 语音退化信号帧，并且其中信号功率的所述比较包括将所述活跃语音参考信号帧的信号功 率、所述轻柔语音参考信号帧的信号功率、所述活跃语音退化信号帧的信号功率和所述轻 柔语音退化信号帧的信号功率彼此比较。 上面的优选实施例允许更准确地考虑在语音信号中的辅本文档来自技高网...
【技术保护点】
一种通过将参考语音信号传送通过音频传输系统以提供退化语音信号，评估从所述音频传输系统接收的所述退化语音信号的可理解性的方法，其中所述参考语音信号表达由辅音和元音的组合构成的一个或多个词，其中所述方法包括：将所述参考语音信号采样成多个参考信号帧，将所述退化语音信号采样成多个退化信号帧，并且通过将所述参考信号帧与所述退化信号帧彼此关联来形成帧对；向每个帧对提供表示所述退化信号帧和关联的所述参考信号帧之间的差的差分函数；针对一个或多个干扰类型，补偿所述差分函数，以向每个帧对提供适合于人听觉感知模型的干扰密度函数；根据多个帧对的所述干扰密度函数导出总体质量参数，所述质量参数至少指示所述退化语音信号的所述可理解性；其中，所述方法进一步包括以下步骤：针对由所述参考语音信号表达的所述词中的至少一个词，识别与所述至少一个词的至少一个辅音关联的参考信号部分和退化信号部分；根据所识别的参考信号部分和退化信号部分，基于所述退化信号部分的信号功率和所述参考信号部分的信号功率的比较，确定所述退化语音信号的干扰的程度；以及依据所确定的与所述至少一个辅音关联的所述退化语音信号的干扰的程度，补偿所述总体质量参数，以将所述总体质量参数补偿用于与所述退化语音信号中的辅音一致的干扰。...
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：约翰·杰勒德·贝伦茨，
申请(专利权)人：荷兰应用自然科学研究组织TNO，
类型：发明
国别省市：荷兰;NL
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。