CN102157147B - 一种拾音系统语音质量客观评价的测试方法 - Google Patents

Abstract

本发明提供了一种拾音系统语音质量客观评价的测试方法，主要包括以下步骤：根据频率响应测试信号经测试环境或直接计算测试声场频率响应；然后计算均衡补偿函数；对标准测试语音信号进行均衡补偿；将均衡补偿之后的标准测试语音信号播放出来，待测拾音系统的拾音器件采集播放的语音信号，生成劣化语音文件；将标准测试语音信号和劣化语音信号进行比较，计算PESQ分值；利用映射曲线，计算MOS-LQO分；对所有样本求平均得到测试结果。本发明克服了现有语音质量客观评价测试方法仅限于端到端测量的局限性，能够应用于现场监听的拾音系统的语音质量测试。

Description

一种拾音系统语音质量客观评价的测试方法

技术领域

本发明涉及一种拾音系统语音质量客观评价的测试方法。

背景技术

一直以来，音频监控都是安全防护领域的重要内容，音频监控是指采用一定的电子技术设备和方法，对监控对象的声音进行监听的过程。音频监听包括有线监听和无线监听两种方式，有线监听是指采集音频信号之后，通过音频线、网线等有限介质传输的方式，无线监听是指利用无线通讯的方式，将采集到的音频信号以电磁波的方式进行传输，并在接收端进行解调接收的方式。

一个现场监听的拾音系统，包括了如下的部分：(1)声音拾取部分，(2)声音传输部分，(3)声音接收和处理部分。声音拾取部分主要是用于声音采集的麦克风，麦克风的种类有很多，从换能原理分，可以分为电动式、电容式、压电式等方式，从麦克风的指向性来分，可以分为全向型、心型、双向型等。声音拾取部分将空气中传播的声信号转化为电信号。声音传输部分负责将转化为电信号的声音信号传输到接收端，传输方式可以是通过音频线、有线网络、无线网络等方式，采用网络传输的方式，在发送端可能还会包含音频的压缩编码过程。声音接收和处理部分用于接收传输部分的声音信号，并进行相应的处理，处理程序可能包含了解码、降噪、存储、模拟音频输出等操作。

一个音频监控系统的性能，主要取决于拾音系统所采集的语音的质量。目前，市场上充斥着各种各样的用于音频监控的拾音系统，然而，却还没有相应的设备或者仪器对这些拾音系统的语音质量进行评价测试。

语音质量的评价，可以分为主观评价和客观评价两种方式。主观评价的方式中，目前应用最多的是平均意见分(MOS)评定法，该方法通过一个受控的测试来获得，在测试中，通过播放一段干净的未失真的语音信号，经过拾音系统拾取之后，在接收端让一组人员去听，然后给出一个1-5分的语音质量评分，所有受试人员的平均分，作为最终的语音质量评分，采用这种方法的缺点是：耗时、费力、且对受试人员的要求较高。

因此，常采用语音质量客观评价的方法。常用的客观评价方法有：感知话音质量测量法(Perceptual Speech Quality Measure，简称PSQM)，感知分析测度系统法(Perceptual AnalysisMeasurement System，简称PAMS)，感知话音质量评估法(Perceptual Evaluation of SpeechQuality，简称PESQ)等。其中，PESQ是业界应用最广泛，并且被一致认为最准确可靠的测量方法，根据国际电信联盟(International Telecommunication Union Telecommunicationstandardization Sector，简称ITU-T)的相关实验结果，基于PESQ算法评定的语音质量，与主观评定结果相关性的平均值达到93.5％。利用PESQ算法测量的语音质量结果的输出值是一个在[-0.5 4.5]之间的得分值，分值越高，说明语音质量越好。有关PESQ算法的详细内容，可以参考ITU-T的P862、P862.1、P862.2、P862.3建议书。

基于PESQ算法，目前也有一些语音质量客观评价的测试方法和测试仪器，然而，这些测试方法都是应用于端到端的通信语音质量测量的，测试仪通过模拟电话接口来测试端到端的网关之间的语音质量，将这些方法应用于语音质量测量时，存在的缺点是：现有的方法只能应用于具有电接口(比如网关、或者模拟音频接口)的语音系统或设备，而不能应用于类似监听系统的拾音系统的测量。

发明内容

有鉴于此，本发明所要解决的问题是：克服现有语音质量客观评价测试方法仅限于端到端测量的局限性，提供一种语音质量客观评价测试方法，应用于现场监听的拾音系统的语音质量测试。

本发明提供的语音质量客观评价测试的方法，包含如下的步骤：

(A)对放音音箱和测试声场的频率响应特性进行测量，

源测试信号是一段高斯白噪声n(t)，将源测试信号通过声卡经音箱播放出来，用标准麦克风采集该信号，形成音箱和测试声场的均衡信号n₁(t)，计算n(t)到n₁(t)的传输函数，该传输函数即为放音音箱和测试声场的频率响应函数，

n(t)*h(t)＝n₁(t)

其中，*表示进行卷积运算，h(t)为传输函数，h(t)的频域表达式为

$H\left(w\right)=\mathrm{FFT}\left(h\left(t\right)\right)=\frac{N_1\left(w\right)}{N\left(w\right)}=\frac{\mathrm{FFT}\left(n_1\left(t\right)\right)}{\mathrm{FFT}\left(n\left(t\right)\right)}$

其中，FFT表示计算傅立叶变换；

(B)根据(A)中频率响应计算均衡补偿函数，

在该步骤中，根据(A)中计算出来的频率响应函数，得到均衡补偿函数的表达式为

$H^{\′}\left(w\right)=\frac{1}{H\left(w\right)}$

h′(t)＝FFT^-1(H′(w))

其中，FFT^-1表示计算傅立叶逆变换；

(C)对标准测试语音文件进行频率响应的均衡补偿，

进行频率响应均衡补偿的表达式为

s′(t)＝s(t)*h′(t)

其中，s(t)为标准测试语音信号，*表示进行卷积运算，s′(t)为进行均衡补偿之后的标准测试语音信号；

(D)将均衡补偿之后的标准测试语音信号s′(t)播放出来，将待测拾音系统的拾音器件放在与标准麦克风相同的位置，采集播放的语音信号，形成待测拾音系统的劣化语音信号d(t)；

(E)将标准测试语音信号和劣化语音信号进行比较，利用PESQ算法计算客观评价的PESQ分值；

(F)利用客观评分PESQ向主观MOS-LQO的映射曲线，计算每一个样本映射到主观域的MOS-LQO得分；

(G)对所有MOS-LQO得分计算平均分，形成待测设备的最终语音质量客观评分。

所述源测试信号的时长较佳为0.5-1.5s，例如可以为1s。

较佳地，所述标准测试语音信号s(t)是采集的干净语音，语音内容是由经过语音平衡、幅度符合Г-分布、长期平均功率谱符合GB 7347-1987规定的语句构成。标准测试语音信号符合ITU-T P.862.3建议书的要求。

所述映射曲线可以是经过主客观语音质量测试试验拟合出来的。

本发明提供的拾音系统语音质量客观评价的测试方法能够应用于现场监听的拾音系统的语音质量测试，得出准确的客观评价结果。

附图说明

图1为拾音系统的采样率是8000Hz时，通过PESQ算法计算出的PESQ分值向主观域映射的映射曲线；

图2为拾音系统的采样率是16000Hz时，通过PESQ算法计算出的PESQ分值向主观域映射的映射曲线；

图3为本发明中所提出的拾音系统语音质量客观评价测试方法的测试流程图

具体实施方式

下面根据附图和实施例对本发明作进一步的详细说明：

本发明提供了一种拾音系统语音质量客观评价测试的方法，该测试方法用于在消声室环境内完成对用于现场监听等应用的拾音系统进行语音质量客观评价测试，如图3所示，主要包括以下步骤：根据频率响应测试信号经测试环境或直接计算测试声场频率响应；然后计算均衡补偿函数；对标准测试语音进行均衡补偿；将均衡补偿之后的标准测试语音信号播放出来，待测拾音系统的拾音器件采集播放的语音信号，生成劣化语音文件；将标准测试语音信号和劣化语音信号进行比较，计算PESQ分值；利用映射曲线，计算MOS-LQO分；对所有样本求平均得到测试结果。

下面通过具体实施例对本发明做进一步说明，其步骤为：

(1)、测量音箱和测试声场的频率响应。首先，经过声卡和音箱播放一段高斯白噪声n(t)，当待测的拾音系统采样率为8000Hz时，播放高斯白噪声的采样率也应该为8000Hz，当待测的拾音系统采样率为16000Hz时，播放高斯白噪声的采样率也应该为16000Hz，调整输出信号的音量，使声压级在79dB，然后重新播放该信号，在播放该高斯白噪声的同时，利用标准麦克风采集信号，标准麦克风放在音箱正前方100cm的地方，标准麦克风采集的信号记为n₁(t)。

根据n(t)和n₁(t)计算音箱和测试声场的频率响应，依据的公式为

$H\left(w\right)=\mathrm{FFT}\left(h\left(t\right)\right)=\frac{N_1\left(w\right)}{N\left(w\right)}=\frac{\mathrm{FFT}\left(n_1\left(t\right)\right)}{\mathrm{FFT}\left(n\left(t\right)\right)}$

其中，FFT表示计算傅立叶变换。

(2)、计算均衡补偿函数。根据(1)中的计算结果，得到用于对标准测试语音信号进行音箱和声场传输函数补偿的函数表达式为

$H^{\′}\left(w\right)=\frac{1}{H\left(w\right)}$

h′(t)＝FFT^-1(H′(w))

其中，FFT^-1表示计算傅立叶逆变换。

(3)、对标准测试语音信号进行均衡补偿。标准测试语音信号记为s(t)，均衡补偿的表达式为：

s′(t)＝s(t)*h′(t)

其中，*表示进行卷积元算。

在该步骤中，标准测试语音信号s(t)是在标准录音室内采集的干净说话人语音，发音人是具有普通话一级甲等资格的专业人员，语音内容是经过语音平衡、幅度基本符合Г-分布、长期平均功率谱一般应符合GB 7347-1987规定的语句构成。

(4)、将进行均衡补偿之后的标准测试语音信号s′(t)通过声卡和音箱播放出来，同时，将待测拾音系统的拾音器件放在与标准麦克风相同的位置，采集音箱播放的语音信号，并将采集到信号的采样率调整为待测系统的采样率，形成待测拾音系统的劣化语音信号d(t)。

(5)、对标准测试语音信号s(t)和劣化语音信号d(t)进行延时估计和对齐，使它们的延时在1s钟之内，利用PESQ算法，比较s(t)和d(t)，并给出语音质量的客观评分PESQ。

(6)、将客观评分的PESQ分值映射到主观域的MOS-LQO分值，图1是拾音系统的采样率是8000Hz(窄带应用)时的映射曲线图，图2是拾音系统的采样率是16000Hz(宽带应用)时的映射曲线图。映射曲线是经过大量的主客观试验之后拟合出来的，在主客观试验中，实验数据是将干净的参考语音信号通过多种现场监听的拾音系统进行采集、传输、和接收处理等操作得到的。

映射曲线的表达式满足：

当待测拾音系统的采样率是8000Hz时，表达式为

$y=0.999+\frac{4.999-0.999}{1+e^{-1.585x+4.42}}$

当待测拾音系统的采样率是16000Hz时，表达式为

$y=0.999+\frac{4.999-0.999}{1+e^{-1.236x+2.35}}$

(7)、为了排除测试样本中语音内容和发音人对测试结果的影响，本发明中采用了4个发音人的共20个测试样本，每一个发音人包含了5个样本，对于其它的样本，重复上述步骤(3)、(4)、(5)、(6)，由此得到20个MOS-LQO值。

(8)、对7中的20个MOS-LQO值取平均值，即得到待测系统最终的语音质量评分。

$\mathrm{MOS}-\mathrm{LQO}=\frac{1}{20}\underset{i=\mathrm{1,2},...20}{\mathrm{\Σ}}\mathrm{MOS}-{\mathrm{LQO}}_i$

(9)通过对一批测试数据进行语音质量的主客观评价试验，基于该测试方法的语音质量评价结果，与主观试验评价结果的相关系数大于0.935，相关系数的计算公式如下式所示：

$r=\frac{\mathrm{\Σ}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\mathrm{\Σ}{(x_i-\stackrel{\‾}{x})}^2{(y_i-\stackrel{\‾}{y})}^2}}$

其中，x_i表示每一个样本的主观MOS分，y_i表示主观域映射分，

表示主观MOS分的平均值，

表示主观域映射分的平均值。相关系数反应了客观评分与主观评分的近似程度，一个好的语音质量客观评价算法，其与主观评分的相关系数应该接近于1。

Claims (5)

1.一种拾音系统语音质量客观评价的测试方法，其特征在于，包括如下步骤：

(A)对放音音箱和测试声场的频率响应特性进行测量，

源测试信号是一段高斯白噪声n(t)，将源测试信号通过声卡经音箱播放出来，用标准麦克风采集该信号，形成音箱和测试声场的均衡信号n₁(t)，计算n(t)到n₁(t)的传输函数，该传输函数即为放音音箱和测试声场的频率响应函数，

n(t)*h(t)＝n₁(t)

其中，*表示进行卷积运算，h(t)为传输函数，h(t)的频域表达式为

$H\left(w\right)=\mathrm{FFT}\left(h\left(t\right)\right)=\frac{N_1\left(w\right)}{N\left(w\right)}=\frac{\mathrm{FFT}\left(n_1\left(t\right)\right)}{\mathrm{FFT}\left(n\left(t\right)\right)}$

其中，FFT表示计算傅立叶变换；

(B)根据(A)中频率响应计算均衡补偿函数，

在该步骤中，根据(A)中计算出来的频率响应函数，得到均衡补偿函数的表达式为

$H^{\′}\left(w\right)=\frac{1}{H\left(w\right)}$

h′(t)＝FFT^-1(H′(w))

其中，FFT^-1表示计算傅立叶逆变换；

(C)对标准测试语音文件进行频率响应的均衡补偿，

进行频率响应均衡补偿的表达式为

s′(t)＝s(t)*h′(t)

其中，s(t)为标准测试语音信号，*表示进行卷积运算，s′(t)为进行均衡补偿之后的标准测试语音信号；

(D)将均衡补偿之后的标准测试语音信号s′(t)通过所述声卡和所述音箱播放出来，将待测拾音系统的拾音器件放在与标准麦克风相同的位置，采集播放的语音信号，形成待测拾音系统的劣化语音信号d(t)；

(E)将标准测试语音信号和劣化语音信号进行比较，利用PESQ算法计算客观评价的PESQ分值；

(F)利用客观评分PESQ向主观MOS-LQO的映射曲线，计算每一个样本映射到主观域的MOS-LQO得分；

(G)对所有MOS-LQO得分计算平均分，形成待测设备的最终语音质量客观评分。

2.根据权利要求1所述的拾音系统语音质量客观评价的测试方法，其特征在于，所述源测试信号的时长为0.5-1.5s。

3.根据权利要求1所述的拾音系统语音质量客观评价的测试方法，其特征在于，所述源测试信号的时长为1s。

4.根据权利要求1所述的拾音系统语音质量客观评价的测试方法，其特征在于，所述标准测试语音信号s(t)是采集的干净语音，语音内容是由经过语音平衡、幅度符合Γ-分布、长期平均功率谱符合GB 7347-1987规定的语句构成。

5.根据权利要求1所述的拾音系统语音质量客观评价的测试方法，其特征在于，所述映射曲线是经过主客观语音质量测试试验拟合出来的。

Images