CN104506387A - 一种评估lte通信系统语音质量的方法 - Google Patents

Abstract

本发明公开了一种评估LTE通信系统语音质量的方法，包括以下步骤：E-Model模型参数初始化；提取相关参数；提取语音片段；计算语音编解码损耗；计算时延损耗；计算抖动损耗；计算语音评估的MOS分数和传输等级因子R，并将其换算为相应的MOS分数。本发明将应用层RTP和RTCP协议引入到LTE通信系统的语音质量评估方案中，可有效地评估LTE通信系统中时延抖动所造成的语音质量损失；将RTCP协议引入LTE通信系统网络包时延的估计方法，可有效提高时延对语音质量损失的评估性能；将RTP协议引入LTE通信系统网络包抖动的估计方法，可有效提高抖动对语音质量损失的评估性能，可自适应进行调度控制和无线资源分配。

Description

一种评估LTE通信系统语音质量的方法

技术领域

本发明涉及一种语音质量评估技术，特别是一种评估LTE通信系统语音质量的方法。

背景技术

LTE(Long-Term Evolution,长期演进)是3GPP(3rd Generation PartnershipProject,第三代合作伙伴计划)对包括核心网在内的第三代移动通信网络的全面演进，它采用了一些先进技术，包括正交频分复用技术、多输入多输出技术(MIMO)、以波束成型为主的智能天线技术、调制和编码链路自适应技术(AMC)等。在接入网层面，LTE通信系统主要由空中无线接口和无线接入网两部分组成。在下行链路，LTE通信系统采用正交频分复用多址接入(OFDMA)技术；在上行链路，则采用单载波-频分复用多址接入(SC-FDMA)技术。在核心交换层面，LTE通信系统取消了传统的电路交换，全面采用IP网络来承载语音通信和其它通信业务。LTE通信系统采用了先进的无线接入技术和IP网络技术，可显著提升语音通信质量和数据传输速率。

话音业务是通信系统的基础业务，话音质量是LTE通信系统性能的一项重要指标。为了保证较高的通话质量，在LTE通信系统中，通信资源的调度和分配控制策略变得越来越重要，这就需要根据当前LTE通信网络的语音质量对无线资源进行灵活的管理。为了对移动通信网络的语音质量进行评价，ITU-T G.107标准给出了基于E-Model模型的语音质量客观评估技术，该技术考虑了通话时延、回声、噪声等语音通信中存在的性能损失，也在一定程度上考虑了抖动、丢包等分组网络中特有的问题。下面对现有技术进行描述：

一、主观MOS评价

主观评价是通过人的主观感受来划分语音质量的等级，进而衡量语音质量的方法。它直接反映了评价者对语音质量的主观印象，符合人类对语音质量的真实感受。

在MOS(Mean Opinion Scores，平均意见得分)评分法中，参加语音质量评价的测试人员对待测语音进行评分，分数根据表1分为5个等级；然后，将所有测试人员的平均分数作为所测语音质量的MOS分数。由于人的心理等主观因素以及客观环境的不断变化，每次测试出的MOS分数结果都不尽相同，并且存在波动。为了抑制这种波动，参与评分的人数需40人以上，而且待测的语音数据应该包括男声、女声以及童声等各种类型，测试环境也要尽量保持相同。主观评价要求投入大量的人力，并且需要进行多次的测试，过程费时费力且受人主观感受的影响，难以实现对语音的实时评测。

表1 MOS分值标准

MOS判分	质量级别	失真级别
			4.0-5.0	优(Excellent)	不觉察
3.5-4.0	良(Good)	刚有觉察
			3.0-3.5	可(Fair)	有觉察且刚觉可厌
1.5-3.0	差(Poor)	明显觉察且可厌但可忍受
			0-1.5	不可接受(Unacceptable)	不可忍受

二、E-Model语音评估模型

E-Model是ITU-T G.107标准提出的语音质量评价模型，它充分考虑了通话时延、回声和噪声等语音通信中存在的性能损失，也在一定程度上考虑了抖动和丢包等分组网络中特有的问题，适用于VoIP(Voice over IP)等影响因素比较多的语音通信环境。该模型先根据网络时延、噪声以及语音编解码器等环境参数，计算出传输性能等级系数R，再将其转化为MOS分值。

传输性能等级系数R的表达式为：

R＝R₀-I_s-I_d-I_e-eff+A  (1)

其中，R表示传输性能等级系数，R₀表示基本信噪比，包括电路噪声和室内噪声；I_s表示近似与声音传输同步的损耗；I_d表示时延修复因子，包括呼叫方和接收方两方面回声的影响以及端到端传输导致的时延；I_e-eff表示设备损耗因子，包括低速率语音编解码以及网络丢包所造成的损伤；A表示由通信系统所产生的损伤补偿。下面对这些参数进行详细说明。

(1)基本信噪比R₀

影响R₀的主要因素包括：响度评测值(包括发送端响度评测值SLR，接收端响度评测值RLR)，背景噪声(包括发送端噪声P_s,接收端噪声P_r)，电话时延值(包括发送端时延D_s,接收端时延D_r)，说话者回音响度额定值TELR。

$R_0=15-1.5[\mathrm{SLR}+{10\log }_{10}({10}^{\frac{N_c}{10}}+{10}^{\frac{N_{\mathrm{os}}}{10}}+{10}^{\frac{N_{\mathrm{or}}}{10}}+{10}^{\frac{N_{\mathrm{fo}}}{10}})]---\left(2\right)$

其中：

①N_c表示电路引起的所有噪声功率之和。

②N_os表示发送端背景噪声引起的电路噪声，即

N_os＝P_s-SLR-D_s-100+0.004(P_s-OLR-D_s-14)²  (3)

OLR＝SLR+RLR  (4)

③N_or表示接收端背景噪声引起的电路噪声

N_or＝RLR-121+P_re+0.008(P_re-35)²  (5)

$P_{\mathrm{re}}=P_r+10\log [1+{10}^{\frac{10-\mathrm{LSTR}}{10}}]---\left(6\right)$

这里，LSTR＝STMR+D，STMR表示掩蔽电话侧音能力的评级。

④N_fo表示接收端的噪声，即

N_fo＝N_for+RLR,N_for＝-64dBmp  (7)

(2)同步损伤系数I_s

I_s表示语音实时传输所产生的同步损伤。影响I_s的主要因素有：话音响度，说话人回声响度，单向时延时间(T)以及定点化引起的量化失真度(qdu)。

I_s的表达式为：

I_s＝I_olr+I_st+I_q  (8)

其中：

①I_olr表示由于话音响度太低而引起的话音质量损耗，即

$I_{\mathrm{olr}}=20[{\{1+{\left(\frac{X_{\mathrm{olr}}}{8}\right)}^8\}}^{\frac{1}{8}}-\frac{X_{\mathrm{olr}}}{8}]---\left(9\right)$

X_olr＝OLR+0.2(64+N₀-RLR)  (10)

②I_st表示非最优的侧音引起的损耗，即

$I_{\mathrm{st}}=10{[1+{\left(\frac{{\mathrm{STMR}}_0-12}{5}\right)}^6]}^{\frac{1}{6}}-46{[1+{\left(\frac{{\mathrm{STMR}}_0}{23}\right)}^{10}]}^{\frac{1}{10}}+36---\left(11\right)$

${\mathrm{STMR}}_0=-{10\log }_{10}[{10}^{-\frac{\mathrm{STMR}}{10}}+e^{-\frac{T}{4}}{10}^{-\frac{\mathrm{TELR}}{10}}]---\left(12\right)$

③I_q表示量化失真所造成的损伤，即

I_q＝15log[1+10^Y+10^Z]  (13)

$Y=\frac{R_0-100}{15}+\frac{46}{8.4}-\frac{G}{9}---\left(14\right)$

$Z=\frac{46}{30}-\frac{G}{40}---\left(15\right)$

G＝1.07+0.258Q+0.0602Q²  (16)

Q＝37-15log(qdu)  (17)

(3)时延损伤系数I_d

I_d表示语音信号的时延损伤。影响I_d的主要因素有：时延，说话者回声响度，受话者回声响度等。

I_d＝I_dte+I_dle+I_dd  (18)

其中：

①I_dte表示发送端回声所造成的损伤，即

$I_{\mathrm{dte}}=[\frac{R_{\mathrm{oe}}-R_e}{2}+\sqrt{\frac{{(R_{\mathrm{oe}}-R_e)}^2}{4}+100}-1](1-e^{-T})---\left(19\right)$

R_oe＝-1.5(N₀-RLR)  (20)

R_e＝80+2.5(TERV-14)  (21)

$\mathrm{TERV}=\mathrm{TELR}-40\log \frac{1+\frac{T}{10}}{1+\frac{T}{150}}+{6e}^{{-0.3T}^2}---\left(22\right)$

②I_dle表示接收端回声所造成的损伤，即

$I_{\mathrm{dle}}=\frac{R_0-R_{\mathrm{le}}}{2}+\sqrt{\frac{{(R_0-R_{\mathrm{ie}})}^2}{4}+169}---\left(23\right)$

R_le＝10.5(WEPL+7)(T_r+1)^-0.25  (24)

③I_dd表示太长的绝对时延所引起的损伤，即

$X=\frac{\log \left(\frac{T_a}{100}\right)}{\log 2}.$

(4)设备损伤系数I_e-eff

I_e-eff表示低比特率编码及丢包所造成的损伤。I_e-eff的表达式为^[3]：

$I_{e-\mathrm{eff}}=I_e+(95-I_e)\frac{P_{\mathrm{pl}}}{\frac{P_{\mathrm{pl}}}{\mathrm{BurstR}}+B_{\mathrm{pl}}}---\left(26\right)$

其中，I_e表示语音编解码所造成的损伤因素，B_pl表示与语音编解码有关的信息包丢失强度系数，P_pl表示丢包率，BurstR表示网络丢包突发比率：

(5)较先进的通信系统所产生的损伤补偿A

当通信系统有足够的技术优势时，可对话音质量提供补偿。传统PSTN电话为0，WLAN设置为20。

(6)默认值

ITU G.107中给出了E-Model模型中各参数的默认值。如果所有参数均设定为默认值，最终计算得到的R值为93.2，求得的MOS默认值为4.41。表2给出了各参数的默认值以及所允许的范围。

传输性能等级系数R的范围从0到100。R＝0表示质量极差，R＝100表示质量极好。于是，MOS评分可表示为

$\mathrm{MOS}=\left\{\begin{array}{cc}1,& R<6.5\\ 1+0.035R+R(R-60)(100-R\&times;7\&times;{10}^{-6}),& 6.5<R<100\\ 4.5,& R>100\end{array}\right.---\left(28\right)$

表2 E-Model模型中各参数的默认值及允许的范围

三、改进的E-Model模型

Whai En Chen等人[Chen W E,Lin P J,Lin Y B.Real-time VoIP qualitymeasurement for mobile devices.IEEE Systems Journal,2011,5(4):538-544.]通过丢包率和丢包分布突发比来评估丢包对语音质量造成的影响。该方法对E-Model模型中的设备损伤系数I_e-eff进行了改进，其表达式为：

$I_{e-\mathrm{eff}}=I_e+(95-I_e)\frac{P_{\mathrm{pl}}}{\frac{P_{\mathrm{pl}}}{\mathrm{BurstR}}+B_{\mathrm{pl}}}---\left(29\right)$

其中，I_e表示语音编解码所造成的损伤因素，B_pl表示与语音编解码有关的信息包丢失强度系数，P_pl表示丢包率，BurstR表示网络丢包突发比率：

I_e的取值如表3所示。

表3 各种编码器的I_e取值

综上所述，现有的技术方案主要基于标准世界时和人为的加工处理，大多还停留在理论层面，并且不适用于LTE通信系统实时评估的工程应用当中。当实际应用时，它存在用户信息公开和协议层内容改变等问题。基于E-Model模型的语音质量客观评估方法还存在评估不准的问题。

本发明用到的简称释义汇总如下：

3GPP：3rd Generation Partnership Project,第三代合作伙伴计划；

AMC：Adaptive Modulation and Coding，调制和编码链路自适应技术；

IP：Internet Protocol,因特网协议；

ITU：International Telecommunications Union,国际电信联盟；

LTE：Long-Term Evolution,长期演进；

MIMO：Multi-input Multi-output，多输入多输出；

MOS：Mean Opinion Scores，主观语音评价；

OFDM：Orthogonal Frequency Division Multiplexing,正交频分复用；

OFDMA：Orthogonal Frequency Division Multiple Access,正交频分多址；

PCC：Pearson Correlation Coefficient，皮尔森相关系数；

PESQ：Perceptual Evaluation of Speech Quality，感知语音质量评估；

QAM：Quadrature Amplitude Modulation,正交幅度调制；

QoS:Quality of Service,服务质量；

RMSE：Root Mean Square Error，均方根误差；

RTCP：Real-time Transport Control Protocol，实时传输控制协议；

RTP：Real-time Transport Protocol，实时传输协议；

SC-FDMA：单载波-频分复用多址接入；

VoIP：Voice over Internet Protocol,网络电话。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种可以实际应用并可提高语音评估质量的评估LTE通信系统语音质量的方法。

为了实现上述目的，本发明的技术方案如下：

一种LTE通信系统包括无线接入网络和核心交换网络。因此，LTE通信系统中以发送端为起点的系统时延也包括无线接入网络中资源调度和切换功能所造成的时延，以及核心交换网络中路由选择和队列缓冲功能所造成的网络时延。如果分别对这两部分的各种时延进行分别讨论，则会得不偿失，并且估计结果未必会考虑到所有的因素。

本发明根据应用层中的RTP和RTCP协议内容，分别对LTE通信系统的无线接入网络和核心交换网络的协议栈结构进行分析，对E-Model模型中的I_d因子进行改进，提出抖动损耗因子I_j及其求解方案。

LTE通信系统在语音通信方面使用了VoIP(Voice over Internet Protocol,网络电话)相关技术，并利用RTP协议(Real-time Transport Protocol,RTP)和RTCP协议(RTP Control Protocol,RTCP)承载语音流。RTP协议和RTCP协议属于应用层协议。RTP协议包括包的序列号、时间戳、数据类型以及语音编解码方式等信息；RTCP用于通话控制和流量控制，并提供实时的QoS保障。RTP协议包的固定包头格式如图2所示。

RTP协议的包头部分包括：版本号V(2比特)、填充标识位P(1比特)、扩展标识位X(1比特)、同步源辨识(SSRC)的数目CC(4比特)、指示器位M(1比特)、净载类型PT(7比特)、序列号SN(16比特)和时间戳timestamp(32比特)、同步源SSRC(32bis)标识和贡献数据源(CSRC，32比特)标识。其中，时间戳的长度为32比特，记录了RTP数据包第一个字节采样的时刻。根据网络包的包头中时间戳的相关信息，即可得到发送端UE封装该网络包的起始时间。

RTCP协议规定了RTCP包的类型包括发送者报告(Sender Report,SR)、接收者报告(Receiver Report,RR)以及最后一个包发送的指示等。其中，包含了发送者相关信息的SR包的格式如图3所示。

SR包的格式中包括版本号V(2比特)、填充标识位P(1比特)、接收报告的块数RC(5比特)、包的类型编号PT(8比特，该协议中PT＝200)、包的长度(16比特)、发送方同步源辨识SSRC(32比特)以及NTP时间戳(包括高32位和低32位)等内容。

SR包中与时延和抖动的计算有关的部分罗列如下：

NTP时间戳：记录了SR包发送时相对于1900年1月1日零点的时间差，单位为秒，长度为64比特(前32位是整数部分，后32位是小数部分)。NTP是网络时间协议的简称(Network Time Protocol)，其准确的时间来源于国际标准时间：通用协调世界时(Universal Time Coordinated,UTC)。

最后一个SR的时间戳(LSR)：记录了接收端所接收到的最近的SR包中NTP时间戳的中间截取部分，单位为秒，长度为32比特(前16位是整数部分，后16位是小数部分)。

从接收到最后一个SR，到发送此SR为止的时延(DLSR)：记录了从接收端收到SR包开始、直到对该SR包发送回复RR包为止的时延，亦即接收端处理SR包所产生的时间间隔；单位为秒，长度为32比特(前16位是整数部分，后16位是小数部分)。

时延抖动：记录了相邻语音包的时延抖动，单位为秒，长度为32比特(前16位是整数部分，后16位是小数部分)。

RR包的格式与SR包类似，所不同的是时间戳的起点和终点是相反的。

一种评估LTE通信系统语音质量的方法，包括以下步骤：

A、E-Model模型参数初始化：从E-Model模型的配置文件中读取相关的默认参数，并对E-Model模型进行初始化；

B、提取相关参数：从配置文件和实时网络包的反馈信息中提取相关参数，所述的相关参数包括网络包的编解码方式、载荷长度、时间戳、语音/静音标记以及是否丢包的标记，并进行网络包的实时存储和处理。

C、提取语音片段：根据网络包的语音/静音标记，提取静音包之间连续的语音包作为一次评估的语音片段；

D、计算语音编解码损耗：根据步骤B中得到的编解码方式求出I_e的值，并作为输出值备用；

E、计算时延损耗；根据网络包中的RTCP时间戳信息，计算时延损耗因子I_d；

时延的估计过程通过传送三次RTCP包完成：发送者报告SR包、接收者报告RR包、发送者报告SR包。具体步骤如下：

E1、在接收端收到的从用户设备UE端发送的第一个SR包中，记录UE端SR包生成的开始时间t_sr以及UE端的处理时延t_d-sr；所述的开始时间t_sr记录在LSR包中，所述的处理时延t_d-sr记录在DLSR包中；

E2、接收端向UE端发送的RR包中，记录生成RR包的起始时间t_rr以及接收端的处理时延t_d-rr；所述的起始时间t_rr记录在LSR包中，所述的处理时延t_d-rr记录在DLS包R中；

E3、接收端收到的从UE端发送的第二个SR包中记录UE端SR包生成的开始时间t_sr，所述的开始时间t_sr记录在LSR包中；

E4、计算时延：

从UE端到接收端的单向路径时延为：T₁＝t_rr-t_sr-t_d-sr；

从接收端到UE端的单向路径时延为：T₂＝t′_sr-t_rr-t_d-rr；

UE端的处理时延为：T_d-ue＝t_d-sr；

接收端的处理时延为：T_d-r＝t_d-rr；

E5、计算时延损伤因子I_d；

E-Model模型中与时延有关的参数有：平均单路回声路径时延T，四线路径环路时延T_r和无回声连接中的全程时延T_a；根据步骤E4，得到这三个参数的求解公式为：

T_r＝T_d-ue+T_d-r+T₁+T₂＝t′_sr-t_sr

$T=\frac{T_r}{2}=\frac{t_{\mathrm{sr}}^{\&prime;}-t_{\mathrm{sr}}}{2}$

T_a＝T₁+T₂＝t′_sr-t_sr-t_d-sr-t_d-rr

E-Model模型中时延损伤因子I_d求解公式为

I_d＝I_dte+I_dle+I_dd

其中：

I_dte表示发送端回声所造成的损伤，即：

$I_{\mathrm{dte}}=[\frac{R_{\mathrm{oe}}-R_e}{2}+\sqrt{\frac{{(R_{\mathrm{oe}}-R_e)}^2}{4}+100}-1](1-e^{-T})$

R_oe＝-1.5(N₀-RLR)

R_e＝80+2.5(TERV-14)

$\mathrm{TERV}=\mathrm{TELR}-40\log \frac{1+\frac{T}{10}}{1+\frac{T}{150}}+{6e}^{{-0.3T}^2}$

I_dle表示接收端回声所造成的损伤，即：

$I_{\mathrm{dle}}=\frac{R_0-R_{\mathrm{le}}}{2}+\sqrt{\frac{{(R_0-R_{\mathrm{ie}})}^2}{4}+169}$

R_le＝10.5(WEPL+7)(T_r+1)^-0.25

I_dd表示太长的绝对时延所引起的损伤，即：

$X=\frac{\log \left(\frac{T_a}{100}\right)}{\log 2}.$

至此，将平均单路回声路径时延T，四线路径环路时延T_r和无回声连接中的全程时延T_a代入E-Model模型中，即求得时延损伤因子I_d；

式中，SLR为发送端响度评测值，RLR为接收端响度评测值，TELR为说话者回音响度额定值，WEPL为加权回声通道损耗。

F、计算抖动损耗：根据网络包中的RTP时间戳信息计算抖动损耗因子I_j:

RTCP包头中的抖动信息反映了相邻语音包的时延抖动；利用一组语音包的平均抖动和方差对E-Model模型进行改进，提出抖动损耗因子I_j的概念，通过平均抖动时间、抖动方差和语音片段的实际长度对抖动损耗进行估计；

进行一次语音评估的对象是两个静音包之间的有效语音片段。设语音包的数目为n，记录的抖动分别为j₁、j₂、…、j_n，则该语音片段的平均抖动J和抖动方差D分别为：

$J=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{j}_i$

$D=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(j_i-J)}^2$

于是，抖动损耗因子I_j的估值为：

$I_j=a\&CenterDot;{\left(\frac{J}{D}\right)}^3+b\&CenterDot;{\left(\frac{J}{D}\right)}^2+c\&CenterDot;\left(\frac{J}{D}\right)+d$

其中，a～d为多项式系数，它们通过最小二乘拟合方法来确定，分别取值为：-15.5、33.5、4.4和13.6；

G、计算E-Model模型中的其余部分，一般采用默认值；

H、计算语音评估的MOS分数和传输等级因子R，并将其换算为相应的MOS分数。

与现有技术相比，本发明具有以下有益效果：

1、本发明将应用层RTP和RTCP协议引入到LTE通信系统的语音质量评估方案中，可有效地评估LTE通信系统中时延抖动所造成的语音质量损失。

2、本发明将RTCP协议引入LTE通信系统网络包时延的估计方法，可有效提高时延对语音质量损失的评估性能。

3、本发明将RTP协议引入LTE通信系统网络包抖动的估计方法，可有效提高抖动对语音质量损失的评估性能。

4、本发明适用于LTE通信系统语音质量评估的完整流程和评价系统。

5、本发明采用最小二乘方法，提出了一种应用层时间戳提取技术，可提高语音评估的质量。本发明致力于实时评估LTE通信系统中语音通信的质量，使得系统可自适应地进行调度控制和无线资源分配，并满足用户更高的通信体验需求。

附图说明

本发明共有附图3张，其中：

图1是本发明的流程图。

图2是RTP协议包的固定包头格式。

图3是RTCP协议SR包格式。

具体实施方式

下面结合附图对本发明进行进一步地描述。

为了验证本发明方法的有效性，按照图1所示流程，进行了相关的实时语音质量评估实验。原始的语音文件从ITU-T P-series的语音数据库supplement23中随机选取，包括10个男声语音和10个女声语音，所选语音文件与训练阶段中所选的文件不同。根据评估算法的需要，将这些语音分为126个片段，并设置不同的LTE通信系统参数(包括系统时延、丢包、编解码方式等)，再分别对这些片段进行语音质量的评估。部分结果如表4所示。由表4可见，通过与PESQ评价分的对比可知，本发明提出的技术方案的相关度与PESQ较高，可有效地评价由系统时延和抖动所造成的对语音质量的影响；同时，由于方案从协议层中提取时间戳等相关信息，并且只采用三次多项式进行估计，因此可保持较低的计算复杂度。

表4 女声语音第26个片段的评分结果

Claims (1)

1.一种评估LTE通信系统语音质量的方法，其特征在于：包括以下步骤：

A、E-Model模型参数初始化：从E-Model模型的配置文件中读取相关的默认参数，并对E-Model模型进行初始化；

B、提取相关参数：从配置文件和实时网络包的反馈信息中提取相关参数，所述的相关参数包括网络包的编解码方式、载荷长度、时间戳、语音/静音标记以及是否丢包的标记，并进行网络包的实时存储和处理；

C、提取语音片段：根据网络包的语音/静音标记，提取静音包之间连续的语音包作为一次评估的语音片段；

D、计算语音编解码损耗：根据步骤B中得到的编解码方式及下表求出I_e的值，并作为输出值备用；

各种编码器的I_e取值表

E、计算时延损耗；根据网络包中的RTCP时间戳信息，计算时延损耗因子I_d；

时延的估计过程通过传送三次RTCP包完成：发送者报告SR包、接收者报告RR包、发送者报告SR包；具体步骤如下：

E1、在接收端收到的从用户设备UE端发送的第一个SR包中，记录UE端SR包生成的开始时间t_sr以及UE端的处理时延t_d-sr；所述的开始时间t_sr记录在LSR包中，所述的处理时延t_d-sr记录在DLSR包中；

E2、接收端向UE端发送的RR包中，记录生成RR包的起始时间t_rr以及接收端的处理时延t_d-rr；所述的起始时间t_rr记录在LSR包中，所述的处理时延t_d-rr记录在DLS包R中；

E3、接收端收到的从UE端发送的第二个SR包中记录UE端SR包生成的开始时间t_sr，所述的开始时间t_sr记录在LSR包中；

E4、计算时延：

从UE端到接收端的单向路径时延为：T₁＝t_rr-t_sr-t_d-sr；

从接收端到UE端的单向路径时延为：T₂＝t′_sr-t_rr-t_d-rr；

UE端的处理时延为：T_d-ue＝t_d-sr；

接收端的处理时延为：T_d-r＝t_d-rr；

E5、计算时延损伤因子I_d；

E-Model模型中与时延有关的参数有：平均单路回声路径时延T，四线路径环路时延T_r和无回声连接中的全程时延T_a；根据步骤E4，得到这三个参数的求解公式为：

T_r＝T_d-ue+T_d-r+T₁+T₂＝t′_sr-t_sr

$T=\frac{T_r}{2}=\frac{t_{\text{sr}}^{\&prime;}-t_{\mathrm{sr}}}{2}$

T_a＝T₁+T₂＝t′_sr-t_sr-t_d-sr-t_d-rr

E-Model模型中时延损伤因子I_d求解公式为

I_d＝I_dte+I_dle+I_dd

其中：

I_dte表示发送端回声所造成的损伤，即：

$I_{\mathrm{dte}}=[\frac{R_{\mathrm{oe}}-R_e}{2}+\sqrt{\frac{{(R_{\mathrm{oe}}-R_e)}^2}{4}+100}-1](1-e^{-T})$

R_oe＝-1.5(N₀-RLR)

R_e＝80+2.5(TERV-14)

$\mathrm{TERV}=\mathrm{TELR}-40\log \frac{1+\frac{T}{10}}{1+\frac{T}{150}}+6e^{-0.3T^{\text{2}}}$

I_dle表示接收端回声所造成的损伤，即：

$I_{\mathrm{dle}}=\frac{R_0-R_{\mathrm{le}}}{2}+\sqrt{\frac{{(R_0-R_{\mathrm{ie}})}^2}{4}+169}$

R_le＝10.5(WEPL+7)(T_r+1)^-0.25

I_dd表示太长的绝对时延所引起的损伤，即：

$X=\frac{\log \left(\frac{T_a}{100}\right)}{\log 2};$

至此，将平均单路回声路径时延T，四线路径环路时延T_r和无回声连接中的全程时延T_a代入E-Model模型中，即求得时延损伤因子I_d；

式中，SLR为发送端响度评测值，RLR为接收端响度评测值，TELR为说话者回音响度额定值，WEPL为加权回声通道损耗；

F、计算抖动损耗：根据网络包中的RTP时间戳信息计算抖动损耗因子I_j:

RTCP包头中的抖动信息反映了相邻语音包的时延抖动；利用一组语音包的平均抖动和方差对E-Model模型进行改进，提出抖动损耗因子I_j的概念，通过平均抖动时间、抖动方差和语音片段的实际长度对抖动损耗进行估计；

进行一次语音评估的对象是两个静音包之间的有效语音片段；设语音包的数目为n，记录的抖动分别为j₁、j₂、…、j_n，则该语音片段的平均抖动J和抖动方差D分别为：

$J=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{j}_i$

$D=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left(j_{i}J\right)}^2$

于是，抖动损耗因子I_j的估值为：

$I_j=a\&CenterDot;{\left(\frac{J}{D}\right)}^3+b\&CenterDot;{\left(\frac{J}{D}\right)}^2+c\&CenterDot;\left(\frac{J}{D}\right)+d$

其中，a～d为多项式系数，它们通过最小二乘拟合方法来确定，分别取值为：-15.5、33.5、4.4和13.6；

G、计算E-Model模型中的其余参数，其余参数采用默认值；

H、计算语音评估的MOS分数和传输等级因子R，并将其换算为相应的MOS分数。