CN114258069A - 语音通话质量评估方法、装置、计算设备及存储介质 - Google Patents

语音通话质量评估方法、装置、计算设备及存储介质 Download PDF

Info

Publication number
CN114258069A
CN114258069A CN202111625570.6A CN202111625570A CN114258069A CN 114258069 A CN114258069 A CN 114258069A CN 202111625570 A CN202111625570 A CN 202111625570A CN 114258069 A CN114258069 A CN 114258069A
Authority
CN
China
Prior art keywords
voice call
packet
abnormal
data packet
voice
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111625570.6A
Other languages
English (en)
Other versions
CN114258069B (zh
Inventor
袁柏霜
王广善
王宗晖
顾龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dongtu Tuoming Technology Co ltd
Original Assignee
Beijing Dongtu Tuoming Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Dongtu Tuoming Technology Co ltd filed Critical Beijing Dongtu Tuoming Technology Co ltd
Priority to CN202111625570.6A priority Critical patent/CN114258069B/zh
Publication of CN114258069A publication Critical patent/CN114258069A/zh
Application granted granted Critical
Publication of CN114258069B publication Critical patent/CN114258069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本申请实施例涉及通信技术领域，且涉及一种语音通话质量评估方法、装置、计算设备及存储介质。具体实现方案为：采集IP网中待评估网段的语音通话数据包；在语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对至少两个连续的帧进行标记；在请求速率与预设速率值相匹配的情况下，将标记的结果对应的语音通话数据包识别为语音通话数据包中的非丢包的异常包；提取异常包的特征，异常包的特征包括异常包的个数以及异常包在语音通话数据包中的占比；利用异常包的特征评估待评估网段的语音通话质量。本申请实施例可准确定位端到端的非丢包情况下的语音异常故障，针对IP网问题和无线侧问题进行网络问题定界，准确评估端到端的语音通话质量。

Description

语音通话质量评估方法、装置、计算设备及存储介质
技术领域
本发明涉及通信技术领域，尤其涉及语音通话质量评估方法及装置、计算设备和计算机可读存储介质。
背景技术
目前，针对端到端的语音通话质量评估，通常是通过无线侧上行RTP包丢包、时延、抖动等特征进行语音感知评估。但是，上述方法并不能全面、准确地评估语音质量。例如，对于从网际互连协议(Internet Protocol，IP)网端到核心网端的语音RTP包而言，在丢包、时延、抖动等特征的指标参数处于正常状态的情况下，真实的通话语音也可能存在单通、断续或吞字的现象。
另外，还可以通过解析实时传输协议(Real-time Transport Protocol，RTP)包的负载(Payload)语音信息还原语音进行感知评估，但是，Payload语音信息中包含用户语音信息。采用上述方法进行语音感知存在信息安全问题。
发明内容
鉴于现有技术的以上问题，本申请实施例提供一种语音通话质量评估方法及装置、计算设备和计算机可读存储介质，可以准确定位IP端到核心网端的非丢包情况下的语音异常故障，实现IP网和无线侧进行网络问题定界，完善端到端的语音通话质量评估。
为达到上述目的，本申请第一方面提供了一种语音通话质量评估方法，包括：
采集IP网中待评估网段的语音通话数据包；
在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记；
在所述请求速率与预设速率值相匹配的情况下，将所述标记的结果对应的语音通话数据包识别为语音通话数据包中的非丢包的异常包；提取所述异常包的特征，所述异常包的特征包括所述异常包的个数以及所述异常包在所述语音通话数据包中的占比；
利用所述异常包的特征，评估所述待评估网段的语音通话质量。
作为第一方面的一种可能的实现方式，所述语音通话数据包包括基于实时传输协议的数据包；在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记，包括：
从所述基于实时传输协议的数据包中提取负载包头信息参数；
从所述负载包头信息参数中提取请求速率；
将所述语音通话数据包中的至少两个连续的帧的所述请求速率进行对比；
在至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记。
作为第一方面的一种可能的实现方式，上述方法还包括：
根据所述语音通话数据包的长度和预设长度值，识别所述语音通话数据包中的非丢包的异常包。
作为第一方面的一种可能的实现方式，所述预设速率值为12.65kbit/s，和/或，所述预设长度值为106bit。
作为第一方面的一种可能的实现方式，利用所述异常包的特征，评估所述待评估网段的语音通话质量，包括：
利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量。
作为第一方面的一种可能的实现方式，利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量，包括：
利用随机森林模型，遍历所述异常包的特征以及所述特征的取值，得到切分变量和切分点；
利用所述切分变量和所述切分点，对所述语音通话数据包进行分类；
根据所述分类的结果，评估所述待评估网段的语音通话质量。
作为第一方面的一种可能的实现方式，所述分类的结果包括正常语音数据包和异常语音数据包；所述异常语音数据包包括单通数据包、断续数据包和吞字数据包中的至少一种。
本申请第二方面提供了一种语音通话质量评估装置，包括：
采集单元，用于采集IP网中待评估网段的语音通话数据包；
标记单元，用于在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记；
识别单元，用于在所述请求速率与预设速率值相匹配的情况下，将所述标记的结果对应的语音通话数据包识别为语音通话数据包中的非丢包的异常包；
提取单元，用于提取所述异常包的特征，所述异常包的特征包括所述异常包的个数以及所述异常包在所述语音通话数据包中的占比；
评估单元，用于利用所述异常包的特征，评估所述待评估网段的语音通话质量。
作为第二方面的一种可能的实现方式，所述语音通话数据包包括基于实时传输协议的数据包；所述标记单元包括：
第一提取子单元，用于从所述基于实时传输协议的数据包中提取负载包头信息参数；
第二提取子单元，用于从所述负载包头信息参数中提取请求速率；
对比子单元，用于将所述语音通话数据包中的至少两个连续的帧的所述请求速率进行对比；
标记子单元，用于在至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记。
作为第二方面的一种可能的实现方式，所述识别单元还用于：
根据所述语音通话数据包的长度和预设长度值，识别所述语音通话数据包中的非丢包的异常包。
作为第二方面的一种可能的实现方式，所述预设速率值为12.65kbit/s，和/或，所述预设长度值为106bit。
作为第二方面的一种可能的实现方式，所述评估单元用于：
利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量。
作为第二方面的一种可能的实现方式，所述评估单元用于：
利用随机森林模型，遍历所述异常包的特征以及所述特征的取值，得到切分变量和切分点；
利用所述切分变量和所述切分点，对所述语音通话数据包进行分类；
根据所述分类的结果，评估所述待评估网段的语音通话质量。
作为第二方面的一种可能的实现方式，所述分类的结果包括正常语音数据包和异常语音数据包；所述异常语音数据包包括单通数据包、断续数据包和吞字数据包中的至少一种。
本申请第三方面提供了一种计算设备，包括：
通信接口；
至少一个处理器，其与所述通信接口连接；以及
至少一个存储器，其与所述处理器连接并存储有程序指令，所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执行上述第一方面任一所述的方法。
本申请第四方面提供了一种计算机可读存储介质，其上存储有程序指令，所述程序指令当被计算机执行时使得所述计算机执行上述第一方面任一所述的方法。
本发明的这些和其它方面在以下(多个)实施例的描述中会更加简明易懂。
附图说明
以下参照附图来进一步说明本发明的各个特征和各个特征之间的联系。附图均为示例性的，一些特征并不以实际比例示出，并且一些附图中可能省略了本申请所涉及领域的惯常的且对于本申请非必要的特征，或是额外示出了对于本申请非必要的特征，附图所示的各个特征的组合并不用以限制本申请。另外，在本说明书全文中，相同的附图标记所指代的内容也是相同的。具体的附图说明如下：
图1为端到端的语音通信系统架构示意图；
图2为本申请实施例提供的语音通话质量评估方法的一实施例的示意图；
图3为实时传输协议(RTP)报文格式示意图；
图4为本申请实施例提供的语音通话质量评估方法的Payload header包头解析的示意图；
图5为本申请实施例提供的语音通话质量评估方法的一实施例的示意图；
图6为本申请实施例提供的语音通话质量评估方法的样本分析示意图；
图7为本申请实施例提供的语音通话质量评估方法的样本分析示意图；
图8为随机森林模型示意图；
图9为本申请实施例提供的语音通话质量评估方法的一实施例的示意图；
图10为本申请实施例提供的语音通话质量评估装置的一实施例的示意图；
图11为本申请实施例提供的语音通话质量评估装置的一实施例的示意图；
图12为本申请实施例提供的计算设备的示意图。
具体实施方式
说明书和权利要求书中的词语“第一、第二、第三等”或模块A、模块B、模块C等类似用语，仅用于区别类似的对象，不代表针对对象的特定排序，可以理解地，在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
在以下的描述中，所涉及的表示步骤的标号，如S110、S120……等，并不表示一定会按此步骤执行，在允许的情况下可以互换前后步骤的顺序，或同时执行。
说明书和权利要求书中使用的术语“包括”不应解释为限制于其后列出的内容；它不排除其它的元件或步骤。因此，其应当诠释为指定所提到的所述特征、整体、步骤或部件的存在，但并不排除存在或添加一个或更多其它特征、整体、步骤或部件及其组群。因此，表述“包括装置A和B的设备”不应局限为仅由部件A和B组成的设备。
本说明书中提到的“一个实施例”或“实施例”意味着与该实施例结合描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在本说明书各处出现的用语“在一个实施例中”或“在实施例中”并不一定都指同一实施例，但可以指同一实施例。此外，在一个或多个实施例中，能够以任何适当的方式组合各特定特征、结构或特性，如从本公开对本领域的普通技术人员显而易见的那样。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。如有不一致，以本说明书中所说明的含义或者根据本说明书中记载的内容得出的含义为准。另外，本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。为了准确地对本申请中的技术内容进行叙述，以及为了准确地理解本发明，在对具体实施方式进行说明之前先对本说明书中所使用的术语给出如下的解释说明或定义：
1)实时传输协议(Real-time Transport Protocol，RTP)：是一个网络传输协议。RTP协议说明了在互联网上传递音频和视频的标准数据包格式。RTP协议常用于流媒体系统，视频会议和一键通(Push to Talk)系统，是IP电话产业的技术基础。
2)媒体网关控制协议(Media Gateway Control Protocol，MGCP)：MGCP协议定义的连接模型包括端点(endpoint)和连接(connection)两个主要概念。其中，端点是数据源或数据宿，可以是物理端点，也可以是虚拟端点；端点类型包括数字通道、模拟线、录音服务器接入点及交互式话音响应接入点；端点标识由端点所在网关域名和网关中的本地名两部分组成。连接可以是点到点连接或多点连接。点到点连接是两个互相发送数据的端点之间的一种关联。该关联在两个端点都建立起来后，就可开始传送数据。
3)会话边界控制器(Session Border Controller，SBC)：是部署在网络边界，用来控制会话初始协议(Session initialization Protocol，SIP)会话的设备或软件。其中，Session表示会话，Border表示网络边界，Controller表示控制器。SBC是基于IP的语音传输(Voice over Internet Protocol，VoIP)通信中的IP业务网关，通常在运营商IP多媒体子系统(IP Multimedia Subsystem，IMS)及企业VoIP中应用。SBC能够同时支持VoIP会话信令代理、媒体代理。
4)同步信源(Synchronization source，SSRC)标识符：用于标识同步信源。该标识符是随机选择的，参加同一视频会议的两个同步信源不能有相同的SSRC。
5)自适应多速率编解码器(Adaptive Multi－Rate Codec,AMR)：自适应多码率编译码器是一种在较大数据传输速率范围内的编译码器，AMR编解码器也用在多种蜂窝系统中协调编译码器标准。AMR语音编码器可根据无线信道和传输状况来自适应地选择一种最佳信道模式(全速率或半速率)和信源编码模式(以比特率来区分)进行编码传输。AMR选择最适合的信道模式和信源编码模式，以提供语音质量和系统容量的最佳折衷。AMR语音编码器根据信道状况进行自适应切换的技术包括两个方面，信道模式的自适应以及信源编码模式和信道编码模式的自适应。
6)增强型语音通话服务编解码(Enhance Voice Services，EVS)：是可以在5.9kbps至128kbps的码率范围内工作的语音频编码器。EVS不仅对于语音和音乐信号都能够提供非常高的音频质量,而且还具有很强的抗丢帧和抗延时抖动的能力,可以为用户带来全新的体验。
下面先对现有的方法进行介绍，然后再对本申请的技术方案进行详细介绍。
现有技术一：在核心网端采集无线侧到核心网的上行RTP包和IP网端到核心网端的下行RTP包，通过丢包、时延、抖动等特征建立端到端的网络质量评估体系，评估在语音通话过程中是否存在单通、断续、吞字等现象。
如图1示出了端到端的语音通信系统架构示意图。通常情况下，端到端通话可涉及手机、基站、核心网、IP网元。从手机到基站、再到核心网的这部分网络架构可定义为A端。也就是说，从无线侧到核心网的这部分网络架构可定义为A端。从IP网到核心网的这部分网络架构可定义为B端。目前，针对端到端的语音通信系统的全网级评估体系通常是基于A端的RTP包的网络无线丢包、时延、抖动等特征的指标参数进行语音通话质量评估。对于B端业务，也就是从IP网端到核心网端的语音通话业务而言，由于B端通常是光纤传输，在B端几乎没有时延和丢包问题，通常可认为B端网络是没有问题的。B端业务主要为流媒体编解码。当网络媒体包的处理队列已满，正常语音包在编解码后，封装成无声的RTP包(非语音包)发送给另一端通信设备，例如发送给另一端的手机。在一种情况下，可能RTP包的序列和丢包、时延、抖动等特征的指标参数处于正常状态，但真实的通话语音也可能存在单通、断续和吞字的现象。在这种情况下实际上用户可能是听不到声音的。
现有技术一存在着以下的缺陷：没有针对B端网络进行准确地语音通话质量评估。在丢包、时延、抖动等特征的指标参数处于正常状态的情况，真实的通话语音也可能存在单通、断续和吞字的现象。仅通过丢包、时延、抖动等特征只能评估无线侧上行语音质量，无法准确进行网络问题定界。
现有技术二：通过解析RTP包的Payload语音信息还原语音，进行语音通话质量评估。判断通话语音是否存在单通、断续和吞字等现象。
现有技术二存在着以下的缺陷：RTP包的Payload语音信息中包含用户语音信息。为保证用户的信息安全，不宜采用解析Payload语音信息的方式进行网络问题定界。
基于上述现有技术所存在的技术问题，本申请提供了一种语音通话质量评估的方法。本申请实施例采集待评估网段的语音通话数据包，并识别语音通话数据包中的异常包。将异常包的个数以及异常包在语音通话数据包中的占比作为异常包的特征，利用异常包的特征，评估待评估网段的语音通话质量。由于将异常包的个数以及异常包在语音通话数据包中的占比作为异常包的特征，能够解决现有技术一提到的通过丢包、时延、抖动等特征只能评估无线侧上行语音质量。并且，现有技术一仅能基于A端的RTP包的特征的指标参数进行语音通话质量评估。本申请实施例可实现B端语音质量评估。最终在A端和B端均实现端到端完整链路质量评估。其中，A端出现丢包、时延问题属于无线侧问题；B端出现问题属于编解码问题，对语音质量也能起到问题定界的作用。并且，相对现有技术二，本申请实施例不需要解析Payload语音信息，可保证用户的信息安全。
图2为本申请实施例提供的语音通话质量评估方法的一实施例的示意图。如图2所示，该语音通话质量评估方法可以包括：
步骤S210，采集IP网中待评估网段的语音通话数据包；
步骤S215，在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记；
步骤S220，在所述请求速率与预设速率值相匹配的情况下，将所述标记的结果对应的语音通话数据包识别为语音通话数据包中的非丢包的异常包；
步骤S230，提取所述异常包的特征，所述异常包的特征包括所述异常包的个数以及所述异常包在所述语音通话数据包中的占比；
步骤S240，利用所述异常包的特征，评估所述待评估网段的语音通话质量。
针对端到端的语音通话质量评估，仅通过丢包、时延、抖动等特征无法准确进行网络问题定界。在丢包、时延、抖动等特征的指标参数处于正常状态的情况下，真实的通话语音也可能存在单通、断续和吞字的现象。在这种情况下，语音通话数据包中可能存在一部分异常包。本申请实施例中，利用语音通话数据包中的异常包的特征评估待评估网段的语音通话质量，可以在包、时延、抖动等特征的指标参数处于正常状态的情况下，发现单通、断续和吞字等问题，从而可以准确地进行网络问题定界。
本申请实施例中，对IP网中待评估网段进行语音通话质量评估，可首先采集B端的网络数据。参见图1和图2，5G核心网的网络接口包括N3和N6。在步骤S210中，可在5G核心网的N6接口采集语音通话数据包。其中，语音通话数据包可以包括RTP包。
在步骤S215中，可对步骤S210中采集到的语音通话数据包进行解析，提取语音通话数据包中的数据信息。例如，可在采集到的RTP包中提取到RTP包的长度(RTPlenth)、包序列(Sequence Number)、时间戳(TimeStamp)、请求速率等数据信息。根据以上提取的数据信息，可识别语音通话数据包中的异常包。在一个示例中，如果语音通话数据包中的第二个帧和第一个帧的请求速率相同，则将第二个帧和第一个帧进行标记。在步骤S220中，再将第二个帧和第一个帧的请求速率与预设速率值相匹配，在匹配成功的情况下，将第二个帧和第一个帧对应的语音通话数据包识别为语音通话数据包中的异常包。在步骤S230中，可针对步骤S220中识别得到的异常包，进一步对异常包进行特征提取。例如，可统计异常包的个数以及异常包在语音通话数据包中的占比。在一个示例中，采集到待评估网段的语音通话数据包共8630个，从语音通话数据包中识别得到的异常包有102个。则提取到的异常包的特征可包括：异常包的个数是102个，异常包在语音通话数据包中的占比是102/8630＝1.18％。
在步骤S240中，利用步骤S230中提取到的异常包的特征，可进行网络问题定界。例如，将上述异常包的特征输入机器学习模型，利用机器学习模型进行网络问题定界，判断待评估网段的语音通话数据包是否属于正常语音数据包。在另一种实施方式中，也可以利用机器学习模型判断待评估网段在语音通话过程中，是否存在单通、断续和吞字等现象。进而，在上述网络问题定界的基础上，可以评估所述待评估网段的语音通话质量。
一方面，本申请实施例将异常包的个数以及异常包在语音通话数据包中的占比作为异常包的特征，在非丢包情况下也能够捕捉到网络的异常特征，可以准确定位端到端的非丢包情况下的语音异常故障。本申请实施例可用于对于B端的IP网问题，可针对从IP网到核心网的B端进行网络问题定界。同时可与A端的网络问题定界相结合，可针对IP网问题和无线侧问题进行网络问题定界。利用本申请实施例的语音通话质量评估方法，可以准确地评估端到端的语音通话质量。
另一方面，以采集到RTP包为例，通过解析RTP报文信息，可获取RTP包的长度(RTPlenth)、包序列(Sequence Number)、时间戳(TimeStamp)等信息。通过解析Payload的报头信息，可获取请求速率等信息。本申请实施例在进行语音通话质量评估的过程中，仅需要解析RTP报文信息及Payload的报头信息，而不需要解析Payload语音信息，可保证用户的信息安全。
在一种实施方式中，所述语音通话数据包包括基于实时传输协议(RTP)的数据包。
图3为实时传输协议(RTP)报文格式示意图。如图3所示，一个实时传输协议(RTP)数据传输包(An RTP Data Transfer Packet)报文包括以下几个组成部分：包序列(Sequence Number)、时间戳(TimeStamp)、同步信源SSRC标识符(Synchronization sourceidentifier)、特约信源CSRC标识符(Contributing source identifiers)、作为可选项的扩展头部(Header extension)、负载格式相关的负载包头(Payload header)和负载数据(Payload data)。
参见图1至图3，在上述步骤S110中，可在5G核心网的N6接口采集RTP包。在一个示例中，可提取RTP信息中的Payload header、Sequence Number、Timestamp、SSRC等信息。其中，Sequence Number、Timestamp可用于判断网络丢包现象、计算网络时延，SSRC可作为用户通话唯一标识。
图4为本申请实施例提供的Payload header包头解析的示意图。Payload header包头包含Frame Type和mode type request等参数信息。按照预定的信息编码规则，在Payload header包头的指定位置存储Frame Type和mode type request参数信息。参见图4，在指定位置读取到编码信息“73c2”，按照预定的信息编码规则，将该编码信息解析成Frame Type和mode type request参数信息。其中，Frame Type代表终端语音速率，modetype request代表请求速率。参见图4，解析的结果为：终端语音速率是23.05kbit/s，请求速率是12.65kbit/s。
在后续过程中，可根据以上提取和解析出的数据，识别语音通话数据包中的异常包，并利用异常包的特征对待评估网段的语音通话质量进行评估。在上述过程中不涉及提取Payload data语音数据，不需要解析Payload语音信息，可保证用户的信息安全。
图5为本申请实施例提供的语音通话质量评估方法的一实施例的示意图。如图5所示在一种实施方式中，图2中的步骤S215，在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记，具体可包括：
步骤S510，从所述基于实时传输协议的数据包中提取负载包头信息参数；
步骤S520，从所述负载包头信息参数中提取请求速率；
步骤S530，将所述语音通话数据包中的至少两个连续的帧的所述请求速率进行对比；
步骤S540，在至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记。
在一个示例中，可针对B端采集的网络数据进行分析。例如，可分别对正常的RTP包样本和异常的RTP包样本进行分析。其中，异常的RTP包样本可包括单通RTP包样本、断续RTP包样本和吞字RTP包样本中的至少一种。具体地，可提取RTP包中的Sequence Number(包序列)、TimeStamp(时间戳)、mode type request(Payload headerx信息)等信息，用于构建B端特征。
以AMR语音编码为例，有问题的现场真实语音录音文件存在单通、断续和吞字现象。语音出现问题时B端异常的RTP包对应的情况是：语音包大小为106bit、包序列完整无丢包现象，以及，payload data中的非语音帧(homing帧)固定不变，对应的mode typerequest的编码请求速率固定为12.65kbit/s。在这种情况下，终端上行发送的正常语音包在流媒体编解码出现异常，生成无声语音封装发送。
图6为本申请实施例提供的语音通话质量评估方法的样本分析示意图。图6所示出了异常的RTP包样本中的homing帧的分析情况。其中，Sequence Number(包序列)数据表示采集的RTP包的数据信息包括帧序号为62920至62935的连续的帧的数据信息。对应查看连续的帧对应的mode type request数据，可发现，异常的RTP包样本的显著特征是homing帧固定不变，其请求速率固定为12.65kbit/s。
仍以AMR语音编码为例，B端正常的RTP包对应的情况是：RTP序列完整无丢包现象、payload data是动态变化的语音帧，以及mode type request编码请求速率在6.6-23.85kit/s范围内动态变化。
图7为本申请实施例提供的语音通话质量评估方法的样本分析示意图。图7所示出了正常的RTP包样本的分析情况。其中，Sequence Number(包序列)数据表示采集的RTP包的数据信息包括帧序号为65310至65325的连续的帧的数据信息。对应查看连续的帧对应的mode type request数据，可发现，正常的RTP包样本的mode type request编码请求速率是动态变化的。
在上述对网络数据进行分析的基础上，可识别待评估网段的语音通话数据包中的异常包。在步骤S510中，可从RTP包中提取负载包头信息参数。其中，负载包头信息参数包括负载格式相关的负载包头(Payload header)。Payload header包头包含mode typerequest参数信息。mode type request参数信息代表请求速率。
在步骤S520中，可从RTP包的Payload header包头中提取mode type request参数信息，得到请求速率。在后续步骤中根据所述请求速率，在上述对网络数据进行分析的基础上，识别语音通话数据包中的异常包。具体地，在请求速率固定为12.65kbit/s的情况下，则该语音通话数据包可能为异常包；在请求速率是动态变化的情况下，则该语音通话数据包可能为正常包。
在一种实施方式中，上述方法还包括：
根据所述语音通话数据包的长度和预设长度值，识别所述语音通话数据包中的非丢包的异常包。
在一个示例中，还可提取RTP包中的lenth(长度)信息，用于构建B端特征。其中，RTPlenth可用于区别语音和静默音。前文所述的异常包通常可包括异常无声的语音包。异常无声的语音包与静默音包中的RTP包存在包length信息和mode type request信息的区别。静默音包的length为81bit，mode type request也是动态变化的。
正常包中包括正常有声的语音包和静默音包。语音包包括异常无声的语音包和正常有声的语音包。语音包的length为106bit。
在一个示例中，预设长度值为106bit。若提取的RTP包中的lenth为81bit，则可确定该语音通话数据包属于正常包中的静默音包。若提取的RTP包中的lenth为106bit，则可确定该语音通话数据包属于语音包。在这种情况下，进一步判断请求速率是否动态变化。在请求速率固定为12.65kbit/s的情况下，则该语音通话数据包可能为异常包；在请求速率是动态变化的情况下，则该语音通话数据包可能为正常包，即正常有声的语音包。
以上关于静默音包、正常有声的语音包和异常无声的语音包的特征对比，参见表1所示。
表1语音包特征表
Figure BDA0003439874860000091
在一个示例中，在步骤S530中可以将语音通话数据包中的第二个帧的mode typerequest和第一个帧的mode type request进行对比。在步骤S540中，如果第二个帧和第一个帧的mode type request代表的请求速率相同，则将第二个帧和第一个帧进行标记。例如，可以将第二个帧和第一个帧的mode type request标记为1。在后续步骤中再将第二个帧和第一个帧的请求速率与预设速率值相匹配，在匹配成功的情况下，将第二个帧和第一个帧对应的语音通话数据包识别为语音通话数据包中的异常包。
在一种实施方式中，所述预设速率值为12.65kbit/s。在一个示例中，根据编码器的类别，可将mode type request代表的请求速率分类，共计19类。其中，AMR编码器对应的类别共计12类，EVS编码器对应的类别共计7类。可针对每个类别设置对应的预设速率值。
在上述示例中，对至少两个连续的具有相同的请求速率的帧进行标记之后，可在此基础上筛选出请求速率为12.65kbit/s的连续帧。具体地，通过对RTP包的序列号进行计算，可识别是否为连续帧。满足连续帧的mode type request标记为1的帧可计为mode typerequest异常，其对应的语音通话数据包识别为语音通话数据包中的异常包。
再参见图2，本申请实施例中，在步骤S220，识别语音通话数据包中的非丢包的异常包之后，可执行步骤S230，提取所述异常包的特征。
在一个示例中，可利用异常包的个数以及异常包在语音通话数据包中的占比，构建成B端从IP网端到核心网端的RTP包特征。表2示出了异常包的RTP包特征。
表2异常包特征表
Figure BDA0003439874860000101
从以上统计数据可以看到，包括丢包率、RTP时延、语音时延、抖动在内的特征数据值都是正常的。但是，在这种情况下，真实的通话语音也可能存在单通、断续和吞字的现象。
参见表2，以断续现象为例，采集到待评估网段的语音通话数据包共238个，从语音通话数据包中识别得到的异常包有186个。则提取到的异常包的特征可包括：异常包的个数是186个，异常包在语音通话数据包中的占比是186/238＝48％。
在一种实施方式中，图2中的步骤S240，利用所述异常包的特征，评估所述待评估网段的语音通话质量，具体可包括：
利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量。
图8为随机森林模型示意图。在机器学习中，随机森林模型是一个包含多个决策树的分类器。随机森林模型是利用多个决策树对样本进行训练并预测的一种分类器。在采用随机森林模型进行分类的过程中，利用每个决策树得到各自的分类结果之后，将多个决策树的结果汇总以提升分类准确率。在一个示例中，随机森林模型输出的类别可以由各个决策树输出的类别的众数而定。其中，众数是指在统计分布上具有明显集中趋势点的数值，代表数据的一般水平。例如，可以通过对各个决策树的分类结果的投票，得到随机森林的输出结果。
在图8中，Feature(f)表示待选特征，Tree tn表示第n个决策树，Pn(c|f)表示第n个决策树输出的分类结果，∑表示将多个决策树的结果进行汇总。
在随机森林模型中，待选特征是随机选取的。随机森林中的决策树的每一个分裂过程并未用到所有的待选特征，而是从所有的待选特征中随机选取一定的特征，之后再在随机选取的特征中选取最优的特征。这样能够使得随机森林中的决策树都能够彼此不同，提升系统的多样性，从而提升分类性能。
在一个示例中，可将异常包的个数以及异常包在语音通话数据包中的占比作为随机森林模型的待选特征。在另一个示例中，也可以将异常包的个数以及异常包在语音通话数据包中的占比，以及抖动、丢包率、RTP时延和语音时延中的至少一种作为随机森林模型的待选特征。
图9为本申请实施例提供的语音通话质量评估方法的一实施例的示意图。如图9所示，在一种实施方式中，利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量，包括：
步骤S1010，利用随机森林模型，遍历所述异常包的特征以及所述特征的取值，得到切分变量和切分点；
步骤S1020，利用所述切分变量和所述切分点，对所述语音通话数据包进行分类；
步骤S1030，根据所述分类的结果，评估所述待评估网段的语音通话质量。
本申请实施例中，随机森林模型可以是多个决策树打包组合而成的。训练随机森林模型首先需要训练多个决策树。在训练决策树的过程中需要考虑怎样选择切分变量、切分点，以及怎样衡量一个切分变量、切分点的好坏。其中，切分变量是空间切分的参考变量，它是在分类问题中被用于切分，以实现最优化分类的一类变量。切分变量和切分点被用于寻找输入空间的最优划分法，也是相关指标和判断依据。切分变量可以是对应的特征，而切分点可以是对应切分变量的某个值。
针对于切分变量和切分点的选择，本申请实施例可采用穷举法，即遍历每个特征和每个特征的所有取值，最后从中找出最好的切分变量和切分点。针对于切分变量和切分点的好坏，可以以切分后节点的不纯度来衡量，即以各个子节点不纯度的加权和G(xi，vij)来衡量，其计算公式如下：
Figure BDA0003439874860000111
其中，xi为某一个切分变量，vij为切分变量的一个切分值，nleft、nriqht、Ns分别为切分后左子节点的训练样本个数、切分后右子节点的训练样本个数以及当前节点所有训练样本个数，Xleft、Xleft分别为左子节点的训练样本集合和右子节点的训练样本集合，H(X)为衡量节点不纯度的函数。
在一种实施方式中，所述分类的结果包括正常语音数据包和异常语音数据包；所述异常语音数据包包括单通数据包、断续数据包和吞字数据包中的至少一种。
在本申请实施例采用随机森林模型评估语音通话质量的过程中，可首先利用训练集中的样本数据对随机森林模型进行训练。训练完成后再利用验证集中的样本数据对随机森林模型进行验证。
在本申请的一种实施方式中，分类的结果包括正常语音数据包和异常语音数据包。在一个示例中，从训练集中抽取正样本238个，负样本411个，对随机森林模型进行训练。其中，正样本是异常语音样本，负样本是正常语音样本。然后抽取验证集中的200个正负样本对随机森林模型进行验证。
一个示例性的模型验证结果记录表如表3所示。在表3的记录数据中，对200个正负样本的预测结果进行统计，模型预测的准确率达到99％；对正样本的预测结果进行统计，模型预测的召回率达到98％。
表3模型验证结果记录表
Figure BDA0003439874860000121
其中，TP(true positive)表示被正确分类的正例；FN(false negative)表示本来是正例，错分为负例；FP(false positive)表示本来是负例，被错分为正例；TN(truenegative)表示被正确分类的负例。
在本申请的另一种实施方式中，分类的结果包括正常语音数据包以及单通数据包、断续数据包和吞字数据包中的至少一种。其中，单通数据包、断续数据包和吞字数据包属于异常语音数据包。参见表2所示，在真实的通话语音中出现单通、断续和吞字等现象的情况下，以上几种不同的异常状况对应的异常包特征的数据也是不相同的。例如，出现单通的情况下异常包在语音通话数据包中的占比是100％，而出现吞字的情况下异常包在语音通话数据包中的占比仅有1.18％。本申请实施例中将异常包的个数以及异常包在语音通话数据包中的占比作为特征，利用随机森林模型不仅可预测语音通话数据包是否为正常语音数据包，针对异常语音数据包还可进一步预测不同的异常状况对应的类别。不同的异常状况对应的类别包括单通数据包、断续数据包和吞字数据包中的至少一种。
在一个示例中，对于B端的IP网问题，可采用本申请实施例提供的语音通话质量评估方法，针对从IP网到核心网的B端进行网络问题定界，构建B端网络评估系统。然后将B端网络评估系统加入到A端评估评估系统，形成一条完整的端到端质量评估系统，用于定位IP网问题和无线侧问题。
本申请实施例提供的语音通话质量评估方法可以准确定位IP网到核心网端非丢包情况下的语音异常故障，可以在包、时延、抖动等特征的指标参数处于正常状态的情况下，发现单通、断续和吞字等问题，从而可以准确地进行网络问题定界。可以将本申请实施例提供的语音通话质量评估方法应用于4G和5G移动网络中，用于进行网络问题定界以及语音通话质量评估。
综上，本申请实施例将异常包的个数以及异常包在语音通话数据包中的占比作为异常包的特征，在非丢包情况下也能够捕捉到网络的异常特征，可以准确定位端到端的非丢包情况下的语音异常故障，可针对IP网问题和无线侧问题进行网络问题定界，进而可以准确地评估端到端的语音通话质量。
如图10所示，本申请还提供了相应的一种语音通话质量评估装置的实施例，关于该装置的有益效果或解决的技术问题，可以参见与各装置分别对应的方法中的描述，或者参见发明内容中的描述，此处不再一一赘述。
在该语音通话质量评估装置的实施例中，该装置包括：
采集单元1110，用于采集IP网中待评估网段的语音通话数据包；
标记单元1115，用于在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记；识别单元1120，用于在所述请求速率与预设速率值相匹配的情况下，将所述标记的结果对应的语音通话数据包识别为语音通话数据包中的非丢包的异常包；
提取单元1130，用于提取所述异常包的特征，所述异常包的特征包括所述异常包的个数以及所述异常包在所述语音通话数据包中的占比；
评估单元1140，用于利用所述异常包的特征，评估所述待评估网段的语音通话质量。
在一种实施方式中，所述语音通话数据包包括基于实时传输协议的数据包；
如图11所示，在一种实施方式中，所述标记单元1115包括：
第一提取子单元1121，用于从所述基于实时传输协议的数据包中提取负载包头信息参数；
第二提取子单元1122，用于从所述负载包头信息参数中提取请求速率；
对比子单元1123，用于将所述语音通话数据包中的至少两个连续的帧的所述请求速率进行对比；
标记子单元1124，用于在至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记。
在一种实施方式中，所述识别单元1120还用于：
根据所述语音通话数据包的长度和预设长度值，识别所述语音通话数据包中的非丢包的异常包。
在一种实施方式中，所述预设速率值为12.65kbit/s，和/或，所述预设长度值为106bit。
在一种实施方式中，所述评估单元1140用于：
利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量。
在一种实施方式中，所述评估单元1140用于：
利用随机森林模型，遍历所述异常包的特征以及所述特征的取值，得到切分变量和切分点；
利用所述切分变量和所述切分点，对所述语音通话数据包进行分类；
根据所述分类的结果，评估所述待评估网段的语音通话质量。
在一种实施方式中，所述分类的结果包括正常语音数据包和异常语音数据包；所述异常语音数据包包括单通数据包、断续数据包和吞字数据包中的至少一种。
图12是本申请实施例提供的一种计算设备900的结构性示意性图。该计算设备900包括：处理器910、存储器920、通信接口930。
应理解，图12中所示的计算设备900中的通信接口930可以用于与其他设备之间进行通信。
其中，该处理器910可以与存储器920连接。该存储器920可以用于存储该程序代码和数据。因此，该存储器920可以是处理器910内部的存储单元，也可以是与处理器910独立的外部存储单元，还可以是包括处理器910内部的存储单元和与处理器910独立的外部存储单元的部件。
可选的，计算设备900还可以包括总线。其中，存储器920、通信接口930可以通过总线与处理器910连接。总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
应理解，在本申请实施例中，该处理器910可以采用中央处理单元(centralprocessing unit，CPU)。该处理器还可以是其它通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(Application specific integrated circuit，ASIC)、现成可编程门矩阵(field programmable gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。或者该处理器910采用一个或多个集成电路，用于执行相关程序，以实现本申请实施例所提供的技术方案。
该存储器920可以包括只读存储器和随机存取存储器，并向处理器910提供指令和数据。处理器910的一部分还可以包括非易失性随机存取存储器。例如，处理器910还可以存储设备类型的信息。
在计算设备900运行时，所述处理器910执行所述存储器920中的计算机执行指令执行上述方法的操作步骤。
应理解，根据本申请实施例的计算设备900可以对应于执行根据本申请各实施例的方法中的相应主体，并且计算设备900中的各个模块的上述和其它操作和/或功能分别为了实现本实施例各方法的相应流程，为了简洁，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行一种多样化问题生成方法，该方法包括上述各个实施例所描述的方案中的至少之一。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括、但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本申请的较佳实施例及所运用的技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明的构思的情况下，还可以包括更多其他等效实施例，均属于本发明的保护范畴。

Claims (10)

1.一种语音通话质量评估方法，其特征在于，包括：
采集IP网中待评估网段的语音通话数据包；
在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记；
在所述请求速率与预设速率值相匹配的情况下，将所述标记的结果对应的语音通话数据包识别为语音通话数据包中的非丢包的异常包；
提取所述异常包的特征，所述异常包的特征包括所述异常包的个数以及所述异常包在所述语音通话数据包中的占比；
利用所述异常包的特征，评估所述待评估网段的语音通话质量。
2.根据权利要求1所述的方法，其特征在于，所述语音通话数据包包括基于实时传输协议的数据包；在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记，包括：
从所述基于实时传输协议的数据包中提取负载包头信息参数；
从所述负载包头信息参数中提取请求速率；
将所述语音通话数据包中的至少两个连续的帧的所述请求速率进行对比；
在至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记。
3.根据权利要求1所述的方法，其特征在于，还包括：
根据所述语音通话数据包的长度和预设长度值，识别所述语音通话数据包中的非丢包的异常包。
4.根据权利要求3所述的方法，其特征在于，所述预设速率值为12.65kbit/s，和/或，所述预设长度值为106bit。
5.根据权利要求1至4中任一项所述的方法，其特征在于，利用所述异常包的特征，评估所述待评估网段的语音通话质量，包括：
利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量。
6.根据权利要求5所述的方法，其特征在于，利用所述异常包的特征，采用随机森林模型评估所述待评估网段的语音通话质量，包括：
利用随机森林模型，遍历所述异常包的特征以及所述特征的取值，得到切分变量和切分点；
利用所述切分变量和所述切分点，对所述语音通话数据包进行分类；
根据所述分类的结果，评估所述待评估网段的语音通话质量。
7.根据权利要求6所述的方法，其特征在于，所述分类的结果包括正常语音数据包和异常语音数据包；所述异常语音数据包包括单通数据包、断续数据包和吞字数据包中的至少一种。
8.一种语音通话质量评估装置，其特征在于，包括：
采集单元，用于采集IP网中待评估网段的语音通话数据包；
标记单元，用于在所述语音通话数据包中至少两个连续的帧具有相同的请求速率的情况下，对所述至少两个连续的帧进行标记；
识别单元，用于在所述请求速率与预设速率值相匹配的情况下，将所述标记的结果对应的语音通话数据包识别为语音通话数据包中的非丢包的异常包；
提取单元，用于提取所述异常包的特征，所述异常包的特征包括所述异常包的个数以及所述异常包在所述语音通话数据包中的占比；
评估单元，用于利用所述异常包的特征，评估所述待评估网段的语音通话质量。
9.一种计算设备，其特征在于，包括：
通信接口；
至少一个处理器，其与所述通信接口连接；以及
至少一个存储器，其与所述处理器连接并存储有程序指令，所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执行权利要求1-7任一所述的方法。
10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令当被计算机执行时使得所述计算机执行权利要求1-7任一所述的方法。
CN202111625570.6A 2021-12-28 2021-12-28 语音通话质量评估方法、装置、计算设备及存储介质 Active CN114258069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111625570.6A CN114258069B (zh) 2021-12-28 2021-12-28 语音通话质量评估方法、装置、计算设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111625570.6A CN114258069B (zh) 2021-12-28 2021-12-28 语音通话质量评估方法、装置、计算设备及存储介质

Publications (2)

Publication Number Publication Date
CN114258069A true CN114258069A (zh) 2022-03-29
CN114258069B CN114258069B (zh) 2023-06-27

Family

ID=80798494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111625570.6A Active CN114258069B (zh) 2021-12-28 2021-12-28 语音通话质量评估方法、装置、计算设备及存储介质

Country Status (1)

Country Link
CN (1) CN114258069B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005348163A (ja) * 2004-06-03 2005-12-15 Nippon Telegr & Teleph Corp <Ntt> Ｉｐ網における音声モニタ方法及び装置
CN101437032A (zh) * 2008-12-19 2009-05-20 重庆邮电大学 基于sip协议的voip语音质量监测系统及检测方法
CN101572910A (zh) * 2009-06-08 2009-11-04 华为技术有限公司 调整语音帧相位的方法、基站收发信台及基站子系统
WO2014029291A1 (zh) * 2012-08-24 2014-02-27 华为技术有限公司 一种语音质量评估方法、网元及系统
CN105979495A (zh) * 2016-06-30 2016-09-28 上海华为技术有限公司 一种提高通话质量的方法、无线网络控制器以及核心网
CN109302603A (zh) * 2017-07-25 2019-02-01 中国移动通信集团北京有限公司 一种视频通话质量评估方法和装置
CN109427327A (zh) * 2017-09-05 2019-03-05 中国移动通信有限公司研究院 音频通话评估方法、评估设备及计算机存储介质
US20190073603A1 (en) * 2017-09-06 2019-03-07 InfoVista Sweden AB SYSTEM AND METHOD FOR MACHINE LEARNING BASED QoE PREDICTION OF VOICE/VIDEO SERVICES IN WIRELESS NETWORKS
CN110401622A (zh) * 2018-04-25 2019-11-01 中国移动通信有限公司研究院 一种语音质量评估方法、装置、电子设备和存储介质
CN110636543A (zh) * 2018-06-22 2019-12-31 大唐移动通信设备有限公司 一种语音数据处理方法及装置
WO2020259448A1 (zh) * 2019-06-25 2020-12-30 腾讯科技（深圳）有限公司 数据的处理方法及装置、计算机可读存储介质和电子装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005348163A (ja) * 2004-06-03 2005-12-15 Nippon Telegr & Teleph Corp <Ntt> Ｉｐ網における音声モニタ方法及び装置
CN101437032A (zh) * 2008-12-19 2009-05-20 重庆邮电大学 基于sip协议的voip语音质量监测系统及检测方法
CN101572910A (zh) * 2009-06-08 2009-11-04 华为技术有限公司 调整语音帧相位的方法、基站收发信台及基站子系统
WO2014029291A1 (zh) * 2012-08-24 2014-02-27 华为技术有限公司 一种语音质量评估方法、网元及系统
CN105979495A (zh) * 2016-06-30 2016-09-28 上海华为技术有限公司 一种提高通话质量的方法、无线网络控制器以及核心网
CN109302603A (zh) * 2017-07-25 2019-02-01 中国移动通信集团北京有限公司 一种视频通话质量评估方法和装置
CN109427327A (zh) * 2017-09-05 2019-03-05 中国移动通信有限公司研究院 音频通话评估方法、评估设备及计算机存储介质
US20190073603A1 (en) * 2017-09-06 2019-03-07 InfoVista Sweden AB SYSTEM AND METHOD FOR MACHINE LEARNING BASED QoE PREDICTION OF VOICE/VIDEO SERVICES IN WIRELESS NETWORKS
CN110401622A (zh) * 2018-04-25 2019-11-01 中国移动通信有限公司研究院 一种语音质量评估方法、装置、电子设备和存储介质
CN110636543A (zh) * 2018-06-22 2019-12-31 大唐移动通信设备有限公司 一种语音数据处理方法及装置
WO2020259448A1 (zh) * 2019-06-25 2020-12-30 腾讯科技（深圳）有限公司 数据的处理方法及装置、计算机可读存储介质和电子装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
江亮亮: "《三维网格模型和网络语音质量评估技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
郝佳: "《基于语音信号的干扰测度评估系统研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
黄石磊， 刘轶，程刚: "《一种改进的语音质量感知评估算法》", 《计算机工程》, vol. 38, no. 18 *

Also Published As

Publication number Publication date
CN114258069B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
US20240223697A1 (en) Systems and methods for detecting call provenance from call audio
JP6386376B2 (ja) マルチレート・スピーチ／オーディオ・コーデックのためのフレーム損失隠匿
US11748643B2 (en) System and method for machine learning based QoE prediction of voice/video services in wireless networks
CN101218813A (zh) 用于电话会议的空间化设置
CN110838894A (zh) 语音处理方法、装置、计算机可读存储介质和计算机设备
CN112767955B (zh) 音频编码方法及装置、存储介质、电子设备
CN101336450A (zh) 在无线通信系统中用于语音编码的方法和装置
CN114071131A (zh) 用于视频编解码设备的测试装置、方法、电子设备和介质
CN110636176B (zh) 一种通话故障检测方法、装置、设备及存储介质
Ortega et al. Evaluation of the voice quality and QoS in real calls using different voice over IP codecs
CN109817243B (zh) 一种基于语音识别和能量检测的语音质量检测方法和系统
CN114258069B (zh) 语音通话质量评估方法、装置、计算设备及存储介质
Dantas et al. Comparing network performance of mobile voip solutions
US20110295601A1 (en) System and method for automatic identification of speech coding scheme
CN109314886A (zh) 编解码器专用的无线电链路适配
US20200162603A1 (en) Methods and Devices for Improvements Relating to Voice Quality Estimation
Orosz et al. A new application-aware no-reference quality assessment method for IP voice services
CN118800281A (zh) 语音质量评估方法、装置及存储介质
Dantas et al. Bandwidth performance analysis of mobile VoIP solutions
JP2002271390A (ja) パケット通信音声シミュレーション装置および方法
dos Santos Neves Methods for quality enhancement of voice communications over erasure channels
Neves Methods for quality enhancement of voice communications over erasure channels
Norlund Voice over IP in PDC Packet Data Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant