JP4761391B2 - 受聴品質評価方法および装置 - Google Patents

Description

本発明は、受聴品質評価方法および装置に係り、特に、パケット通信網を介して提供される音声や楽曲等の音声系IPパケットメディアサービスの品質を端末側で客観的に評価できる受聴品質評価方法および装置に関する。

パケット通信網を利用したVoIPなどの音声サービスでは、音声品質がパケット通信網のトラヒック変動などのパケット転送品質に大きく影響される。そのため、サービス中に何らかの原因で音声品質が低下した際の品質を把握し、品質を回復・維持させるための制御に反映できるように、端末側において音声品質を測定・評価する技術が研究されている。

従来、音声や楽曲品質の評価を行う際には、様々な年代の男女を被験者として実際に音声データを受聴させ、５段階の評点を行わせる主観評価法が用いられてきた。主観評価法は、全被験者から得られた評価結果を統計処理することによってMOS(Mean Opinion Score)と呼ばれるスカラ量を算出し、その値により音声や楽曲品質の良し悪しについて評価しようとするものである。

しかしながら、主観評価法は被験者の収集、評価試験実施環境の構築作業などに多大な労力を要し、また被験者の負担も大きい。さらに、被験者の年代あるいは性別の偏りや試験当日の体調など、評価結果に大きな影響を与える不確定要素があるため、常に一定の評価結果を得ることが難しい。

これを背景に、主観評価の要因となる物理的な特徴量（例えば、歪み）を選び出し、それら特徴量を客観的に測定することにより、人手を介さずに品質を評価する客観評価法がこれまでに幾つか提案されてきた。

音声や楽曲の信号品質の客観評価装置は、原信号を参照信号として用い、評価対象信号との比較により推定MOS値を算出するイントルーシブ方式、および評価対象信号のみを分析し推定MOS値を算出するノンイントルーシブ方式に大別できる。音声信号のイントルーシブ方式としてITU-T勧告P.862、同音声信号のノンイントルーシブ方式としてITU-T勧告P.563，G.107が国際標準化されている。

ITU-T勧告P.862はPESQ（Perceptual Evaluation of Speech Quality）として知られており、主観評価法により得られるMOS値との相関も良好であり、信頼性の高い音声評価法として一般に用いられている。ITU-T勧告G.107は、エコー量およびパケットロス率、ディレイ等のパケット転送品質情報を元にR値と呼ばれるスカラ量を算出し、その値により音声品質の良し悪しについて評価しようとするものである。

パケット通信網を利用した音声サービスにおいて、その音声品質を端末エンドで評価する従来技術として特許文献１がある。特許文献１では、リアルタイム通信型プロトコルであるRTP（Real-time Transport Protocol）およびその制御プロトコルであるRTCP（RTP Control Protocol）を利用して、パケットロス率、ディレイ、ジッタ等のIPパケット転送品質情報を収集することによって音声品質の評価を行っている。
特開２００６−１５７５０７号公報

上述のイントルーシブ方式では、客観評価値を算出する際に評価用の参照信号を必要とするため、サービス中に受信側でその音声品質を測定することは困難である。また、ノンイントルーシブ方式は前述の参照信号を必要としないため、サービス中に受信側でその品質を測定可能であるものの、対象となる信号に対して周波数分析、ピッチ抽出等の処理負荷の高い信号処理を施す必要がある。このため、CPU能力およびメモリ量が限られている携帯端末装置等では、その処理を行うことは困難である。

一方、ITU-T勧告G.107をはじめ、パケットロス率、ジッタ、ディレイ等のパケット転送品質情報を用いて音声品質を算出する方法は、前述の端末上でも比較的容易に実装可能である。ただし、この方法による音声品質の評価結果は、実際に人間が知覚する音声品質と大きく乖離する場合がある。これは、送信されて来る全てのパケットが一様に音声品質評価をする上で重要なデータを含んでいることを前提とし、発生したパケットロス全てを区別なく等価に扱っているためである。

ところで、通常の通話音声の場合、単語と単語の間における息継ぎ、沈黙など無音区間が存在するため、有音区間は会話全体の４０％程度であることが知られている。したがって、VoIPサービス中に多くのパケットがロスした場合であっても、それらが全て無音区間で発生していればユーザは音質の劣化をほとんど知覚することはない。

一方、わずかなパケットロスであっても、それらが母音部あるいは話頭部などで発生したものであれば、ユーザは著しく音質が劣化したと感じる。また、パケットロスがバースト的に発生する場合とランダム的に発生する場合とでは、ユーザの知覚する音声品質が大きく異なるため、単にIPレベルで観測したパケットロス率の大小によって受聴品質を精度良く推定することは困難である。

本発明の目的は、上記した従来技術の課題を解決し、パケット通信網を介して提供される音声や楽曲等の音声系のIPパケットメディアサービスの品質を端末側で客観的に評価できる受聴品質評価方法および装置を提供することにある。

上記した目的を達成するために、本発明の受聴品質評価装置は、パケットロスを検出するパケットロス検出手段と、受信パケットのペイロード情報に基づいてロスパケットの特徴量を予測する特徴量予測手段と、この特徴量の予測結果に基づいて、各ロスパケットに対して、受聴品質に与える影響が反映された重み付けを行う加重処理手段と、各ロスパケットの重み情報に基づいて、パケット転送品質に関する物理パラメータを算出する物理パラメータ算出手段と、算出された物理パラメータに基づいて受聴品質を算出する信号品質評価手段とを含むことを特徴とする。

また、本発明では前記特徴量予測手段が、受信パケットのペイロード情報から求まる正規化パワー、ゼロ交叉数、および／または符号化情報に基づいてロスパケットの符号化情報を予測し、前記加重処理手段が、ロスパケットの特徴量と所定の閾値との比較結果に基づいてロスパケットを重み付けし、重み付けされたロスパケットに基づいて受聴品質が算出されるようにしたことを特徴とする。

本発明によれば、以下のような効果が達成される。
(1)各ロスパケットに対して、受聴品質に与える影響が反映された重み付けが行われ、重み付けされたロスパケットに基づいて受聴品質が評価されるので、パケット通信網を介して提供される音声や楽曲等の音声系のIPパケットメディアサービスの品質を端末側で客観的に評価できるようになる。
(2)受聴品質を評価する際に、受信信号に対して周波数分析やピッチ抽出等の処理負荷の高い信号処理を施す必要がないので、携帯電話相当の非力な処理能力しか持たない端末装置においても受聴品質の評価が可能になる。

以下、図面を参照して本発明の最良の実施の形態について詳細に説明する。図１は、本発明に係る受聴品質評価装置を備えた携帯電話端末１の主要部の構成を示したブロック図であり、ここでは、本発明の説明に不用な構成は図示が省略されている。

パケットロス検出部１０１は、一定周期(例えば、５秒)の間に受信された音声パケットを対象にパケットロスの検出を行う。図２は、VoIPサービスの通信プロトコルとして利用されるリアルタイム伝送プロトコルRTPのRTPヘッダフォーマットを示した図である。

ヘッダ内のシーケンス番号(sequence number)フィールドには、送信側におけるパケット送信順に従って、その値が１ずつ増加する値が挿入される。したがって、今回の受信パケットのシーケンス番号が、直前に受信したパケットのシーケンス番号に１を加えた値より大きければ、今回と前回との間でパケットロスが発生したと判断できる。

パケットロス検出部１０１は、受信パケットのsequence numberフィールドを観測することにより、図３に一例を示したように、IPレベルで観察できるロスパターン情報を生成する。ここで生成されたロスパターン情報は、特徴量予測部１０２および加重処理部１０３へ提供される。

特徴量予測部１０２は、ロスパケットの特徴量を、当該ロスパケットの送信タイミングの直前に送信されて携帯電話端末１に到着した受信パケットのペイロード情報に基づいて予測する。

図４は、本実施形態におけるロスパケットの特徴量の予測方法を説明するための図であり、８秒間の音声データを２０ミリ秒毎に切り出し、その正規化パワーを算出した様子を示している。

図示したように、音声信号の正規化パワーは局所的に観察すると比較的滑らかに変化していることがわかる。すなわち、連続する２つの音声パケットについて、その正規化パワーの大きさは類似していると言える。そこで、本実施形態ではパケットロスが検出されると、その直前の受信パケットから音声信号に相当するペイロード情報を抽出して正規化パワーを算出し、この正規化パワーがロスパケットの特徴量として予測される。ここで算出された各ロスパケットの特徴量（正規化パワー）は加重処理部１０３に供給される。

前記加重処理部１０３は、前記パケットロス検出部１０１から提供されるロスパターン情報、および前記特徴量予測部１０２から提供される各ロスパケットの特徴量（本実施形態では、正規化パワー）に基づいて重み付きロスパターン情報を生成する。

加重処理部１０３には、各ロスパケットが音声受聴品質に実際に与える影響度合を、その特徴量に基づいて定量的に定義する影響度合テーブル１０３ａが予め登録されている。図５は、影響度合テーブル１０３ａの一例を示した図であり、ロスパケットの特徴量と影響度合αとが対応付けられており、各ロスパケットが、音声受聴品質に与える影響度合の観点から何個分のロスパケットに相当するかが、実数で表現される影響度合αとして登録されている。

本実施形態のように、ロスパケットの特徴量として正規化パワーを採用するのであれば、前記影響度合テーブル１０３ａは、図６に一例を示したように定義される。そして、正規化パワーPが０〜−P1の範囲であれば、パケットロスが有音区間で発生したものと判断され、１個のロスパケットが通常通り一個のパケットロスとして扱われる。

これに対して、正規化パワーPが−P1〜の範囲であれば、ロスパケットのペイロードが無音に相当し、パケットロスが無音区間で発生したものと判断されるので、１個のロスパケットが０個のパケットロスとして扱われる。すなわち、ロスパケットが音声受聴品質に対してほとんど影響を与えないので、パケットロスが発生しなかったものとして扱われる。

前記加重処理部１０３はさらに、図７に示したように、前記パケットロス検出部１０１から提供されるロスパターン情報に前記各ロスパケットの影響度合αを乗じて重み付きロスパターンを出力する。

図１へ戻り、物理パラメータ算出部１０４は、端末装置１で収集可能な物理パラメータのうち、予め受聴品質への影響が大きいパラメータの値を算出する。端末装置１で収集可能な物理パラメータには、例えば図８に示したように、RTCP XR VoIP Metricsで定義される物理パラメータがある。

本発明では、これらのパラメータのうち、例えば図９に示したようなパラメータを受聴品質への影響が大きいパラメータとして予め選別しておく。物理パラメータ算出部１０４は、前記加重処理部１０３から提供される重み付きロスパターンを利用して、前記選別された物理パラメータを算出する。ここで算出された物理パラメータは信号品質評価部１０５へ提供される。

信号品質評価部１０５は、図１０に示したように、前記物理パラメータ算出部１０４で算出された各物理パラメータに基づいて受聴品質を算出するための変換関数を備えている。

この変換関数は、例えば、使用する物理パラメータを説明変数、信号品質の主観評価値を目的変数として、重回帰分析を行うことにより算出できる。また、使用する物理パラメータと信号品質の主観評価値とを対にして、統計モデルを用いた学習を行うことによって変換関数を算出してもよい。

図１１は、本発明による音声受聴品質の評価結果(MOS_proposed)とITU-T勧告P.862.1による音声受聴品質評価結果(MOS_p862.1)との相関を表している。この結果において、両評価結果の相関係数は0.85を上回っている。図１２は、次式(1)を用いて算出した推定誤差を表している。

図１２において、約８４％の評価データは誤差が±０．２５以内に収まっており、約９７％の評価データは誤差が±０．５以内に収まっている。これらの評価結果から、本発明によれば音声受聴品質を精度良く推定できることがわかる。

なお、上記した実施形態では、正規に受信したパケットのペイロード情報に基づいてロスパケットの特徴量を正規化パワーとして予測し、この正規化パワーに基づいて各ロスパケットに重み付けを行うものとして説明したが、本発明はこれのみに限定されるものではなく、受信パケットのペイロード情報に基づいてゼロ交叉数や符号化データ（例えば、ピッチ、コードブックインデックス番号）を算出し、これらをロスパケットの特徴量としても良い。

図１３は、ロスパケットの特徴量としてゼロ交叉数を採用した場合に、前記加重処理部１０３に用意される影響度合テーブル１０３ｂの一例を示した図であり、ゼロ交叉数と閾値P1との大小関係に応じて影響度合αが求められる。

同様に、図１４は、ロスパケットの特徴量として符号化データ（ピッチ）を採用した場合に、前記加重処理部１０３に用意される影響度合テーブル１０３ｃの一例を示した図であり、ピッチと閾値P1との大小関係に応じて影響度合αが求められる。

また、上記した実施形態では、特徴量予測部１０２は受信パケットのペイロード情報に基づいてロスパケットの特徴量を一つだけ予測するものとして説明したが、本発明はこれのみに限定されるものではなく、前記特徴量予測部１０２に、受信パケットのペイロード情報に基づいてロスパケットの正規化パワーを予測する第１予測部、ゼロ交叉数を予測する第２予測部、および符号化データを予測する第３予測部の少なくとも２つを設け、評価対象となるサービスの種類（例えば、音声、楽曲）および符号化方式(例えば、EVRC、AAC)に応じていずれかの予測部を選択し、荷重処理部１０３が、選択された特徴量に基づいて重み付きロスパターンを生成するようにしても良い。

例えば、サービス種類が音声であれば、無音区間と有音区間との識別が比較的容易なので、特徴量として正規化パワーやゼロ交叉数を採用し、サービス種類が楽曲であれば、無音区間と有音区間との識別が難しいので、特徴量として符号化データを採用するようにしても良い。

さらに、図５，６、１３，１４に関して説明した影響度合テーブルにおいて、特徴量と影響度合αとを関連づけるパラメータP1，P2は固定値である必要はなく、評価対象となるサービスの種類や符号化方式に応じてパラメータP1，P2が変化するようにしても良い。

本発明に係る受聴品質評価装置を備えた携帯端末のブロック図である。 RTPパケットのヘッダフォーマットを示した図である。 パケットロス検出部で生成されるロスパターンの一例を示した図である。 信号波形と正規化パワーとの関係を示した図である。 加重処理部に備わる影響度合テーブルの一例を示した図である。 正規化パワーと影響度合αとを対応付ける影響度合テーブルの一例を示した図である。 影響度合αに基づいて重み付きロスパターンを生成する手順を示した図である。 RTCP XR VoIP Metricsのパケットフォーマットを示した図である。 物理パラメータ算出部において算出される物理パラメータの一例を示した図である。 信号品質評価部の構成を示したブロック図である。 発明による音声受聴品質の評価結果とITU-T勧告P.862.1による音声受聴品質評価結果との相関を示した図である。 本発明による音声品質評価値の推定誤差を示した図である。 ゼロ交叉数と影響度合αとを対応付ける影響度合テーブルの一例を示した図である。 ピッチと影響度合αとを対応付ける影響度合テーブルの一例を示した図である。

符号の説明

１…携帯電話端末，１０１…パケットロス検出部，１０２…特徴量予測部，１０３…加重処理部，１０４…物理パラメータ算出部，１０５…信号品質評価部

Claims (13)

1. パケット通信網を利用して提供される音声系IPパケットメディアサービスの品質を評価する受聴品質評価装置において、
   パケットロスを検出するパケットロス検出手段と、
   前記ロスパケットの直前の受信パケットのペイロード情報に基づいてロスパケットの特徴量を予測する特徴量予測手段と、
   前記特徴量の予測結果に基づいて、各ロスパケットに対して、受聴品質に与える影響が反映された重み付けを行う加重処理手段と、
   前記各ロスパケットの重み情報に基づいて、パケット転送品質に関する物理パラメータを算出する物理パラメータ算出手段と、
   前記算出された物理パラメータに基づいて受聴品質を算出する信号品質評価手段とを含むことを特徴とする受聴品質評価装置。
2. 前記特徴量予測手段が、前記ロスパケットの直前の受信パケットのペイロード情報から求まる正規化パワーに基づいてロスパケットの正規化パワーを予測する第１予測手段を含み、
   前記加重処理手段は、前記正規化パワーの予測結果に基づいて各ロスパケットに重み付けを行うことを特徴とする請求項１に記載の受聴品質評価装置。
3. 前記特徴量予測部が、前記ロスパケットの直前の受信パケットのペイロード情報から求まるゼロ交叉数に基づいてロスパケットのゼロ交叉数を予測する第２予測手段を含み、
   前記加重処理手段は、前記ゼロ交叉数の予測結果に基づいて各ロスパケットに重み付けを行うことを特徴とする請求項１に記載の受聴品質評価装置。
4. 前記特徴量予測部が、前記ロスパケットの直前の受信パケットのペイロード情報から求まる符号化情報に基づいてロスパケットの符号化情報を予測する第３予測手段を含み、
   前記加重処理手段は、前記符号化情報の予測結果に基づいて各ロスパケットに重み付けを行うことを特徴とする請求項１に記載の受聴品質評価装置。
5. 前記特徴量予測部が、
   前記ロスパケットの直前の受信パケットのペイロード情報に基づいてロスパケットの異なる特徴量を予測する複数の予測手段と、
   メディアサービスの種類に応じていずれかの予測手段を選択する選択手段とを備え、
   前記加重処理手段は、選択された特徴量に基づいて各ロスパケットに重み付けを行うことを特徴とする請求項１に記載の受聴品質評価装置。
6. 前記特徴量予測手段が、
   前記ロスパケットの直前の受信パケットのペイロード情報から求まる正規化パワーに基づいてロスパケットの正規化パワーを予測する第１予測手段、前記ロスパケットの直前の受信パケットのペイロード情報から求まるゼロ交叉数に基づいてロスパケットのゼロ交叉数を予測する第２予測手段、および前記ロスパケットの直前の受信パケットのペイロード情報から求まる符号化情報に基づいてロスパケットの符号化情報を予測する第３予測手段の少なくとも２つを備えたことを特徴とする請求項５に記載の受聴品質評価装置。
7. 前記加重処理手段が、ロスパケットの特徴量を所定の閾値と比較し、この比較結果に基づいてロスパケットを重み付けすることを特徴とする請求項１ないし６のいずれかに記載の受聴品質評価装置。
8. 前記所定の閾値が、メディアサービス種別に応じて異なることを特徴とする請求項７に記載の受聴品質評価装置。
9. 前記加重処理手段が、IPレベルで観測できるロスパターンに対して、受聴品質に与える影響を考慮した重み付けを行うことを特徴とする請求項１ないし８のいずれかに記載の受聴品質評価装置。
10. 前記物理パラメータ算出手段が、受聴品質に影響する物理パラメータを算出することを特徴とする請求項１ないし９のいずれかに記載の受聴品質評価装置。
11. 前記信号品質評価手段が、前記物理パラメータ算出手段において算出された物理パラメータに基づいて受聴品質を算出する変換関数を備えたことを特徴とする請求項１ないし１０のいずれかに記載の受聴品質評価装置。
12. 前記パケットロス検出手段が、受信パケットのヘッダに登録されているシーケンス番号に基づいてパケットロスを検出することを特徴とする請求項１ないし１１のいずれかに記載の受聴品質評価装置。
13. パケット通信網を利用して提供される音声系IPパケットメディアサービスの品質を評価する受聴品質評価方法において、
    パケットロスを検出する手順と、
    前記ロスパケットの直前の受信パケットのペイロード情報に基づいて前記ロスパケットの特徴量を予測する手順と、
    前記特徴量の予測結果に基づいて、各ロスパケットに対して、受聴品質に与える影響が反映された重み付けを行う手順と、
    前記各ロスパケットの重み情報に基づいて、パケット転送品質に関する物理パラメータを算出する手順と、
    前記算出された物理パラメータに基づいて受聴品質を算出する手順とを含むことを特徴とする受聴品質評価方法。

Images