JP4716657B2

JP4716657B2 - 品質評価装置

Info

Publication number: JP4716657B2
Application number: JP2004011094A
Authority: JP
Inventors: フィッリプグレイ; マルフェイト，ルドヴィック
Original assignee: Psytechnics Ltd
Current assignee: Psytechnics Ltd
Priority date: 2003-01-18
Filing date: 2004-01-19
Publication date: 2011-07-06
Anticipated expiration: 2024-01-19
Also published as: JP2004343687A; DE60306884D1; EP1443496A1; US7606704B2; US20040186715A1; DE60306884T2; EP1443496B1; ATE333694T1

Description

本発明は、非介入式通話品質評価システムに関する。

通信リンクが伝達する信号は、数字化、暗号化や変調などのかなりの変形を受ける傾向があり、また損失の多い圧縮エラーや伝送エラーのために歪む傾向もある。

信号の品質を測定することを対象とする客観的な方法は開発が進行中であり、装置の開発、装置の試験、システム性能の評価に応用されている。

一部の自動化システムの場合、既知信号（基準信号）を、歪が発生しているシステム（試験すべき通信網や他のシステム）により再生し、劣化信号を誘導し、これと基準信号の無歪みバージョンと比較する必要がある。このようなシステムは、“介入式”品質評価システムとして知られている。というのは、試験中、試験対象のチャンネルは、一般的に、実際のトラヒックを伝達できないからである。

逆に、非介入式品質評価システムは、実際のトラヒックをチャンネルによって伝達している状態で、試験コールを必要とせずに使用できるシステムである。

非介入式試験が必要なのは、一部のテストでは試験コールが不可能なためである。もう一つの考えられる理由は、地理的な理由により着信点が多様な上によりわからないからである。さらに考えられる理由は、容量コストが試験対象ルートでは特に高くなるからである。一方、非介入式モニターの場合は、いつでも実際のコールに対処でき、性能に関する有意味な測定を実施できるからである。

公知の非介入式品質評価システムの場合、受信者パネルによって既に評価され、オピニオン平均値（ＭＯＳ）が出ている、歪んだサンプルのデータベースを利用する。

ＭＯＳは、受信者パネルに方向の決まった質問をし、限られた回答選択肢を与えることによってシステムの通話品質に関して平均的な使用者の受信状態を見つけることを目的とする主観的な試験によって得られるものである。例えば、受信品質を定めるために、使用者に“通話の品質”をＢａｄからＥｘｃｅｌｌｅｎｔまでの五段階基準で評価することを求めている。このように、ＭＯＳの場合は、全受信者の評価を平均することによってある特定の状態を計算するものである。

品質評価システムを学習するためには、各サンプルをパラメーター化し、受信者が指摘するＭＯＳの予測を最適化するパラメーターの組み合わせを決定する。国際特許出願第ＷＯ０１/３５３９３には、非介入式（非侵襲式）品質評価システムに使用する通話サンプルをパラメーター化する一つの方法が開示されている。

ところが、このような公知システムの問題の一つは、数多くの異なる種類の歪みが発生する場合、全サンプルに対して一組のパラメーターだけでは、正確な予測に有効でないことである。

本発明者の知見によれば、多くのサンプルの場合、歪みの特定型が、例えば、低ＳＮ比、信号の一部喪失、歪みのコード化、異常ノイズ特性や音歪みの存在を支配している。

本発明は、品質評価装置を学習する方法において、
それぞれが対応するオピニオン平均値（平均オピニオン評点）を有する複数のサンプルを、歪み基準に従って複数の歪み組のサンプルに分割する工程と、そして
一つのサンプルに関する歪みを対象とする複数のパラメーターから発生される歪みを対象とする品質尺度とこのサンプルに関連するオピニオン平均値との間の適合度が最適化するように歪みを対象とする評価ハンドラーを学習する工程とを有する方法を提供するものである。

さらに別なパラメーターとして非歪みを対象とするパラメーターを上記の歪みを対象とする品質尺度と結合し、次にこれらパラメーターとオピニオン平均値との間の適合度を最適化すると、この品質評価装置をさらに改善できる。

即ち、本発明は、
さらに、一つのサンプルに関する歪みを対象とする品質尺度とともに非歪みを対象とする複数のパラメーターから発生される品質尺度とこのサンプルに関連するオピニオン平均値との間の適合度が最適化するように品質評価装置の学習工程を有する方法を提供するものである。

また、本発明は、通信網の通話品質を評価する方法において、
一つのサンプルの基本歪み型を決定する工程と、
この基本歪み型を対象とする複数のパラメーターを結合して、各サンプルについて歪みを対象とする品質尺度を得る工程と、そして
この歪みを対象とする品質尺度に応じて通話品質を評価する尺度を発生する工程とを有する方法を提供するものである。

上記発生工程が、上記の歪みを対象とする品質尺度に非歪みを対象とする複数のパラメーターを結合して、上記品質尺度を得る工程を有することが好ましい。

また、本発明は、通信網の通話品質を評価する装置において、
一つのサンプルの基本歪み型を決定する手段と、
この基本歪み型を対象とする複数のパラメーターを結合して、各サンプルについて歪みを対象とする品質尺度を得る手段と、そして
この歪みを対象とする品質尺度に応じて通話品質を評価する尺度を発生する手段とを有する装置を提供するものである。

上記発生手段が、上記の歪みを対象とする品質尺度に非歪みを対象とする複数のパラメーターを結合して、上記品質尺度を得る手段を有することが好ましい。

また、本発明は、品質評価装置を学習する装置において、
それぞれが対応するオピニオン平均値を有する複数のサンプルから成るデータベースを、歪み基準に従って複数の歪み組のサンプルに分割する手段と、そして
一つのサンプルに関する歪みを対象とする複数のパラメーターから発生される歪みを対象とする品質尺度とこのサンプルに関連するオピニオン平均値との間の適合度が最適化するように歪みを対象とする評価ハンドラーを学習する手段とを有する装置を提供するものである。

当該装置は，さらに、一つのサンプルに関する歪みを対象とする品質尺度とともに非歪みを対象とする複数のパラメーターから発生される品質尺度とこのサンプルに関連するオピニオン平均値との間の適合度が最適化するように品質評価装置に学習する手段を有することが好ましい。

上記サンプルが通信網を介して伝達される通話を表し、上記品質尺度が平均的な使用者が受信する通話の品質を表すことが好ましい。

以下、例示のみを目的として、本発明の実施態様を添付図面について説明する。

図１について説明すると、インターフェース３を介して通信チャンネル２に非介入式（非侵襲式）品質評価システム１を接続する。このインターフェース３は、モニターされているデータと品質評価システム１との間に必要なデータ変換がある場合には、これを与える。後述するように、データ信号を品質評価システムによって分析し、得られた品質予測をデータベース４に記憶する。既に分析されているデータ信号に関する詳細も後で参照するために記憶しておく。さらに別なデータ信号を分析し、品質予測を更新し、所定の期間にわたって、品質予測を複数の分析されたデータ信号に関連できるようにする。

また、データベース４には、複数の異なる割り込み点からの品質予測結果を記憶することができる。データベース４については、ユーザー端子を介してユーザーが遠隔地から問い合わせることができ、データベース４に記憶されている品質予測結果を分析、可視化することができる。

図２は、非介入式（非侵襲式）品質評価の利用が考えられる割り込み点を示す具体的な通信網を示すブロック線図である。

図２に示す通信網は、世界移動体通信システム（ＧＳＭ）の移動ネットワーク２２に接続したオペレーターネットワーク２０と、第３世代（３Ｇ）移動ネットワーク２４と、そしてインターネットプロトコル（ＩＰ）ネットワーク２６とで構成する。オペレーターネットワーク２０については、場合によっては遠隔集信装置（ＲＣＵ）３２を介してデジタル市内交換機（ＤＬＥ）３０に接続した本線配盤２８、２８´を介して加入者がアクセスする。デジタル多重交換装置（ＤＭＳＵ）３４、３４´、３４´´によりコールを送り、国際交換センター（ＩＳＣ）３８を介して対応するネットワーク３６に、ボイスオーバーＩＰゲートウェイ４０を介してＩＰネットワーク２６に、ゲートウェイ移動交換センター（ＧＭＳＣ）４２を介してＧＳＭネットワーク２２に、あるいはゲートウェイ４４を介して３Ｇネットワーク２４に送ることができる。ＩＰネットワーク２６は、複数のＩＰルーターで構成するが、図２には一つのルーター４６のみを示す。ＧＳＭネットワーク２２は、複数の移動交換センター（ＭＳＣ）で構成するが、図２には一つのＭＳＣ４８のみを図示する。これらセンターについては、複数の基地トランスシーバーステーション（ＢＴＳ）に接続する。図２には一つのＢＴＳ５０のみを図示する。また、３Ｇネットワーク２４は、複数のノードで構成するが、図２には一つのノード５２のみを示す。

非介入式（非侵襲式）品質評価については、例えば、下記の点で行なうことができる。特定の加入者に対するＤＬＥ３０着信コールでは、交換機からの出力を評価することができる。ＤＭＳＵ３４、３４´、３４´´では、ＤＭＳＵと他のオペレーターとの接続との間のリンクを評価することができる。ＩＳＣ３８では、国際リンクを評価することができる。ボイスオーバーＩＰゲートウェイ４０では、ＩＰネットワークとのインターフェースを評価することができる。ＭＳＣ４８では、移動ネットワークへのコールおよびこれからのコールを評価することができる。ＩＰルーター４６では、ＩＰネットワークへのコールおよびこれからのコールを評価することができる。メディアゲートウェイ４４では、３Ｇネットワークへのコールおよびこれからのコールを評価することができる。

特定の用途に合わせて、各種の試験方法などを使用でき、ユーザーの必要要件に基づいてコール選択に関する品質の尺度を得ることができる。これらには、異なる試験スケジュールやルート選択がある。あるネットワークに多重評価点が存在する場合には、評価点間の結果を比較することが可能である。これによって、特定のリンクやネットワークサブシステムの性能をモニターできる。加入者が品質低下を認識した場合、その原因は特定の環境や故障と考えることができる。

データベース４に記憶したデータについては、以下のような応用例がある。
ネットワークの状態チェック
ネットワークの最適化
装置の仮採用/現地引渡し
リアルタイム転送
情報処理相互運用協定のモニター
ネットワーク障害探索
ルート上の警告発生
移動無線計画/最適化

図３について、本発明による非介入式（非侵襲式）品質評価システムの学習方法を説明する。なお、この方法は、汎用コンピュータを制御するソフトウェアによって実行できる。

データベース６０に、多様な範囲の条件および技術を含む、歪んだ通話サンプルを記憶する。これらを受信者パネルによって評価し、公知方法でＭＯＳを得る。従って、各通話サンプルは主観的試験から誘導されたＭＯＳをもつことになる。

６１において、各サンプルを予め処理して信号レベルを規格化し、通話サンプルを集信するネットワークにフィルター作用があるならばこれを考慮する。通話サンプルをフィルター処理し、レベルを合わせ、ＤＣオフセットがあるならばこれを除去する。加えた増幅量または減衰量を後で利用するために記憶する。

ステップ６２で、各サンプルにつきトーンを検出し、サンプルが通話やデータであるか、あるいはＤＴＭＦや楽音トーンを含むかを判定する。サンプルが通話でないと判定された場合には、このサンプルを捨て、品質評価装置の学習に使用しない。

ステップ６３で、各通話サンプルに注を付け、通話時間および沈黙/ノイズ時間を求める。これは、有声/無声通話弁別器とともに音声活動検出器（ＶＡＤ）を利用することによって行なう。

ステップ６４で、各通話サンプルに注を付け、一時的/分光学的ピッチ抽出方法を利用して、ピッチサイクルの位置を示す。これによって、ピッチ同期基準でパラメーターを抽出でき、特定の送話者とは無関係なパラメーターを得ることができる。後述する通話パラメーター化の一部として抽出した声道記述子（ＶｏｃａｌＴｒａｃｔＤｅｓｃｒｉｐｔｏｒｓ）の場合は、通話ファイルの有声部分から取り出す必要がある。最終ピッチサイクル識別子を利用して、この抽出の境界を求める。ピッチ構造の時間経過による特性の特性化をステップ６５に送り、通話パラメーターの要部を構成する。

パラメーター化ステップ６５については、通話サンプルに存在する歪みに対応する情報を保存した状態で、データの処理量を少なくするように設計する。

本発明の本実施態様では、以下のパラメーターを含む３００以上の候補パラメーターを計算する。
ノイズレベル
ＳＮ比
送話者の平均ピッチ
ピッチバラツキ記述子
長さバラツキ
フレーム間内容バラツキ
瞬時レベル変動

声道記述子：
上記に加え、声道記述子の各種記述を計算する。声道モデル、瞬時蓋然性バラツキおよび不法シーケンスの全体的な適合度を計算する。個々の声道モデル要素につき時間経過による平均値および統計値についても基本パラメーターとして含める。例えば、国際特許出願第ＷＯ０１/３５３９３を参照。

ステップ６６で、各サンプルに関連するパラメーターを処理し、このサンプルに存在する基本歪みを、本実施態様では、低ＳＮ比、信号の一部喪失、歪みのコード化、異常ノイズ特性、音の歪みを含む基本歪みを識別する。これによって、データベース６０のサンプルを、各サンプルに存在する基本歪みに応じて複数の歪み組６７、６７´．．．６７^ｎに分割できる。

通話サンプルの基本歪み型が、この通話サンプルについてどの歪みを対象とする評価ハンドラーマッピングを学習するかを決定する。単一の歪み組６７、６７´．．．６７^ｎ中のサンプルを使用して、ステップ６８、６８´．．．６８^ｎの一つで各歪みハンドラーについてマッピング７６、７６´．．．７６^ｎを学習する。歪み組の通話サンプル毎のパラメーターと各通話サンプルに関連するＭＯＳとの間の最適マッピングをこの歪み組のサンプルについて決定したなら、結果として最適マッピングになる特定パラメーターの識別を含む、マッピングの特性化をステップ６９、６９´．．．６９^ｎの一つで保存する。

本実施態様では、マッピングは、選択したパラメーターとＭＯＳとの間の線形マッピングであり、最適なマッピングについては、各歪みを対象とする評価ハンドラーをステップ６８、６８´．．．６８^ｎの一つで学習したなら、各パラメーターの重みとともに特定のマッピングに使用された一組のパラメーターによって歪みを対象とするマッピング７６、７６´．．．７６^ｎが特性化されるように、線形回帰分析を使用して決定する。

ステップ６８、６８´．．．６８^ｎでの歪みを対象とする評価ハンドラーのそれぞれのマッピング７６、７６´．．．７６^ｎの学習が終了したなら、図４について以下説明するように、品質評価装置について全体的なマッピングを行なう。

図３について既に説明したように、図３のステップ６１−６４を表すステップ７０で通話データベース６０からのサンプルを処理する。

ステップ６５で、既に説明したように、通話サンプルをパラメーター化する。また、ステップ６６で、基本歪み型を識別する。ある特定のサンプルについて基本歪み型を識別したなら、この歪み型に関連する歪みを対象とする評価ハンドラーを選択し、このサンプルをさらに処理する。例えば、歪みハンドラー７２^ｎを選択した場合には、この歪みハンドラー７２^ｎは対応する前に学習したマッピング７６^ｎを使用するが、この特性はステップ６９^ｎで保存されている（図３）。

この特定のサンプルについてステップ６５で発生した通話パラメーターと一緒に、歪みハンドラー７２^ｎが発生した品質尺度を使用して、既に説明した歪みを対象とする評価ハンドラーと同様な方法よりステップ７３で品質評価装置全体マッピングを学習する。ステップ７４で、品質評価装置に使用できるように、全体マッピング７７の特性を保存する。

学習を終了した非介入式（非侵襲式）品質評価装置の動作について、以下、図５に即して説明する。

品質評価装置の学習ステップは、図４に示したステップと同様であり、品質評価装置全体のマッピング学習時に行なう。

なお、この場合には、一つのサンプルのみを一度に処理、一つの歪みを対象とする評価ハンドラーのみを使用する。マッピング学習のステップ７３およびマッピング特性を保存するステップ７４の代わりにステップ７５を使用する。このステップ７５では、前に保存したマッピング特性７７を使用して、このサンプルのＭＯＳを決定する。

あるサンプルについてパラメーターを実際に計算することは、所定の歪みを対象とする評価ハンドラーによって、あるいはステップ７５でのＭＯＳ決定のために、基本歪み型を決定するためにこれらを使用しない場合には、明らかに必要ない。従って、ステップ６６で基本歪み型を識別するために必要な、あるいはステップ７５でＭＯＳの全体的な決定に必要なパラメーターをステップ６５で計算するだけで、図５に示す方法を最適化することが可能になる。次に、他のパラメーターについては、所定の基本歪み評価ハンドラーが必要とする場合にのみ、計算する。

なお、当業者ならば、上記方法は、通常のプログラム可能なコンピュータで実行でき、上記方法を実施するためにプログラム可能なコンピュータを制御する指令を解読するコンピュータプログラムをコンピュータ読み取り式媒体で与えることできることを理解できるはずである。

また、上記方法を通話信号に具体的に言及して説明してきたが、例えばビデオ信号など他の種類の信号にも適用できることはいうまでもない。

非介入式（非侵襲式）品質評価システムの概略図である。あるネットワークにおいて考えられる非介入モニター点を示す概略図である。本発明の品質評価装置の学習方法を示すフローチャートである。本発明の品質評価装置の学習方法を示す別なフローチャートである。本発明の評価装置の学習を示すフローチャートである。

符号の説明

６０：データベース
６５：通話パラメーターの抽出
６６：基本ゆがみの識別
７０：サンプル処理
７２：歪みハンドラー１
７２´：歪みハンドラー２
７２^ｎ：歪みハンドラー
７５：ＭＯＳの決定
７７：マッピング特性

Claims

品質評価装置の学習工程の方法において、
それぞれが対応するオピニオン平均値を有する複数のサンプルをデータベースに有し、
前記サンプルの各々を、それぞれ複数のパラメーターで表し、
前記パラメーターに基づいて前記サンプルに存在する基本歪みの型を識別し、
前記サンプルに存在する前記基本歪みの型に従って前記サンプルを複数の歪み組に分割し、
前記歪み組のそれぞれに対応する複数の評価ハンドラーを有し、且つ前記複数の評価ハンドラーのそれぞれが前記サンプル毎に一つの品質尺度を生成し、
前記サンプル毎に表した前記パラメーターから発生される前記品質尺度と前記サンプル毎の前記オピニオン平均値との間の適合度を最適化するように、前記サンプルの前記品質尺度と前記オピニオン平均値とのマッピングを行なうことで前記評価ハンドラーを学習することを特徴とする方法。
さらに、一つのサンプルの歪みについての前記品質尺度に非歪みサンプルから抽出した複数のパラメーターを結合して、この歪みサンプルのオピニオン平均値との間の適合度を前記マッピングによって最適化する学習工程を有する請求項１記載の方法。
前記サンプルが通信網を介して伝達される通話を表し、前記品質尺度を通話品質の尺度として平均的な使用者が受信する通話の品質を表す請求項１または２記載の方法。
通信網の通話品質を評価する方法において、
通話のサンプルの各々を、それぞれ複数のパラメーターで表し、前記パラメーターに基づいて前記サンプル毎の基本歪み型をそれぞれ決定する工程と、
サンプル毎に異なる歪み夫々の品質尺度を提供するために、前記基本歪み型の各々に対応する評価ハンドラーに前記サンプルの前記パラメーターを入力して、前記評価ハンドラーが前記サンプル毎に一つの前記品質尺度を生成する工程と
を有し、そして、
前記品質尺度を前記通話品質の尺度として発生する発生工程とを有することを特徴とする方法。
前記発生工程が、前記品質尺度に非歪みサンプルから抽出したパラメーターを結合して、前記品質尺度を前記通話品質の尺度として得る工程を有する請求項４記載の方法。
前記サンプルが通信網を介して伝達される通話を表し、前記品質尺度を前記通話品質の尺度として平均的な使用者が受信する通話の品質を表す請求項４または５記載の方法。
請求項１〜６のいずれかに記載の方法を実行するコンピュータプログラム。
通信網の通話品質を評価する装置において、
通話のサンプルの各々を、それぞれ複数のパラメーターに変換する手段と、
前記パラメーターに基づいて前記サンプル毎の基本歪み型をそれぞれ決定する手段と、
サンプル毎に異なる歪み夫々の品質尺度を提供するために、前記サンプルの前記パラメーターを入力し、前記サンプル毎に一つの前記品質尺度を生成し且つ前記基本歪み型の各々に対応する評価ハンドラーと
を有し、そして
前記品質尺度を前記通話品質の尺度として発生する発生手段とを有することを特徴とする装置。
前記発生手段が、前記歪みについての品質尺度に非歪みサンプルから抽出した複数のパラメーターを結合して、前記品質尺度を前記通話品質の尺度として得る手段を有する請求項８記載の装置。
品質評価装置に学習手段を備えた装置において、
それぞれが対応するオピニオン平均値を有する複数のサンプルをデータベースに有し、前記サンプルの各々を、それぞれ複数のパラメーターで表し、前記パラメーターに基づいて前記サンプルに存在する基本歪みの型を識別し、前記サンプルに存在する前記基本歪みの型に従って前記サンプルを複数の歪み組に分割する分割手段と、
前記歪み組のそれぞれに対応する複数の評価ハンドラーを有し、且つ前記複数の評価ハンドラーのそれぞれが前記サンプル毎に一つの品質尺度を生成し、前記サンプル毎に表した前記パラメーターから発生される前記品質尺度と前記サンプル毎の前記オピニオン平均値との間の適合度を最適化するように、前記サンプルの前記品質尺度と前記オピニオン平均値とのマッピングを行なうことで前記評価ハンドラーを学習する学習手段とを有することを特徴とする装置。
さらに、一つのサンプルの歪みについての品質尺度に非歪みサンプルから抽出した複数のパラメーターを結合して、この歪みサンプルのオピニオン平均値との間の適合度を前記マッピングによって最適化する学習手段を有する請求項１０記載の装置。