RU2757860C1 - Method for automatically assessing the quality of speech signals with low-rate coding - Google Patents

Method for automatically assessing the quality of speech signals with low-rate coding Download PDF

Info

Publication number
RU2757860C1
RU2757860C1 RU2021110011A RU2021110011A RU2757860C1 RU 2757860 C1 RU2757860 C1 RU 2757860C1 RU 2021110011 A RU2021110011 A RU 2021110011A RU 2021110011 A RU2021110011 A RU 2021110011A RU 2757860 C1 RU2757860 C1 RU 2757860C1
Authority
RU
Russia
Prior art keywords
quality
values
value
cpu
nscr
Prior art date
Application number
RU2021110011A
Other languages
Russian (ru)
Inventor
Виктор Алексеевич Аладинский
Сергей Владиславович Кузьминский
Павел Леонидович Смирнов
Original Assignee
Общество с ограниченной ответственностью "Специальный Технологический Центр"
Федеральное государственное унитарное предприятие "18 Центральный научно-исследовательский институт" Министерства обороны Российской Федерации
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 Общество с ограниченной ответственностью "Специальный Технологический Центр", Федеральное государственное унитарное предприятие "18 Центральный научно-исследовательский институт" Министерства обороны Российской Федерации filed Critical Общество с ограниченной ответственностью "Специальный Технологический Центр"
Priority to RU2021110011A priority Critical patent/RU2757860C1/en
Application granted granted Critical
Publication of RU2757860C1 publication Critical patent/RU2757860C1/en

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing

Abstract

FIELD: computer technology.
SUBSTANCE: invention relates to computer technology for processing audio data. The effect is achieved by comparing the image (m, C) of the input DS with the LRVE, which is formed in accordance with the known j-th protocol, and a single reference image (mj ref, Сj ref) of the j-th class, j=1,2,…,J obtained on the basis of the training sample with the maximum value of the speech signal quality estimate ejmах. The divergence νj is used as a measure of distinguishing between them. Here m, mj ref are the vectors of the mathematical expectation of the analyzed DS and the j-th reference image, respectively, C, Cj et are the covariance matrices of the analyzed DS and the j-th reference image. Based on the functional dependence еj=ƒ(νj), formed at the training stage and described analytically by a power polynomial, with a known value of the divergence vj between the image (m, С) and one reference image (mj ref, Сj ref) of the j-th class, calculating the value of assessing the quality of the investigated DS with LRVE, formed according to the j-th protocol, without conversion to the PCM format.
EFFECT: ensuring automatic assessment of the quality of LRVE signals without converting the investigated digital stream (DS) to the pulse-code modulation (PCM) format, which ensures the establishment of a functional (analytical) relationship between the divergence values ​​and the selected measures of the speech signal quality.
1 cl, 7 dwg

Description

Изобретение относится к области автоматической оценки качества речевых сигналов и может быть внедрено в системах контроля состояния цифровых телефонных радиолиний, использующих передачу сигналов с низкоскоростным кодированием речи (НСКР), при разработке вокодеров для оценки качества синтезируемых речевых сигналов, а также использовано на этапе анализа исходных данных при автоматическом распознавании речевых сообщений, передаваемых по цифровым линиям связи.The invention relates to the field of automatic assessment of the quality of speech signals and can be implemented in systems for monitoring the state of digital telephone radio lines using signal transmission with low-rate speech coding (NSCR), in the development of vocoders for assessing the quality of synthesized speech signals, and also used at the stage of analysis of the initial data with automatic recognition of speech messages transmitted over digital communication lines.

Заявленное техническое решение повышает эффективность средств аналогичного назначения при отсутствии исходного (сравниваемого) сигнала и исключении процедуры декодирования цифровых потоков, содержащих сообщения с НСКР.The claimed technical solution increases the efficiency of means of a similar purpose in the absence of the original (compared) signal and the exclusion of the decoding procedure for digital streams containing messages with NSCR.

Известен способ машинной оценки качества передачи речи (см. Патент РФ №2435232, МПК G10L 15/14, опубл. 27.11.2011, бюл. 33), в котором осуществляют загрузку звукового сигнала в оперативную память компьютера, выделяют в сигнале фрагменты активной и неактивной фаз, вычисляют спектры для каждой фазы, которые разделяют на критические полосы, рассчитывают значения спектральных параметров для каждой критической полосы как в спектральной, так и во временной областях, исключают из обработки фрагменты активной фазы, соответствующие тональному набору, до деления на критические полосы, осуществляют многоуровневую психоакустическую фильтрацию спектров, полученные параметры обрабатываемого сигнала сравнивают с ассоциациями, хранящимися в базе данных, и выбирают ассоциации, наиболее близкие по всем параметрам к обрабатываемому сигналу, а оценку качества речи определяют как сумму взвешенных значений степеней близости, получают значение машинной оценки качества речевого сигнала путем сравнения параметров обрабатываемого сигнала с параметрами моделей речи, хранящимися в базе ассоциаций.A known method of machine assessment of the quality of speech transmission (see RF Patent No. 2435232, IPC G10L 15/14, publ. 11/27/2011, bul. 33), in which the audio signal is loaded into the computer's RAM, the active and inactive fragments are selected in the signal phases, calculate the spectra for each phase, which are divided into critical bands, calculate the values of the spectral parameters for each critical band both in the spectral and time domains, exclude from processing the fragments of the active phase corresponding to the tonal set, before dividing into critical bands, carry out multilevel psychoacoustic filtering of spectra, the obtained parameters of the processed signal are compared with the associations stored in the database, and the associations that are closest in all parameters to the processed signal are selected, and the speech quality assessment is determined as the sum of the weighted values of the degrees of proximity, the value of the machine assessment of the speech signal quality is obtained by comparing the parameter ditch of the processed signal with the parameters of speech models stored in the association base.

Недостатком аналога является необходимость преобразования исследуемого сигнала в цифровой поток (ЦП) с импульсно-кодовой модуляцией (ИКМ). Данное преобразование для сигналов с низкоскоростным кодированием заключается в декомпрессия сжатого ЦП в приемной части вокодера, которое помимо существенных временных и вычислительных затрат неизбежно вызывает искажения в синтезируемом ЦП формата ИКМ, возрастающие при ухудшении качества канала радиосвязи. Другим недостатком аналога является конечное число ассоциаций (эталонных описаний), к одной из которых относят анализируемый сигнал, что предполагает сравнение образа входного сигнала со всеми эталонными описаниями. Недостаточное число эталонных описаний (например, не более трех эталонных описаний) не позволит оценивать качество речевого сигнала с требуемой точностью, а необоснованное увеличение их числа приведет к многократному увеличению вычислительных затрат.The disadvantage of the analogue is the need to convert the signal under study into a digital stream (CPU) with pulse-code modulation (PCM). This transformation for signals with low-rate coding consists in decompression of the compressed CPU in the receiving part of the vocoder, which, in addition to significant time and computational costs, inevitably causes distortions in the synthesized CPU of the PCM format, which increase with deterioration of the quality of the radio communication channel. Another disadvantage of the analogue is the finite number of associations (reference descriptions), one of which includes the analyzed signal, which implies comparison of the input signal image with all reference descriptions. An insufficient number of reference descriptions (for example, no more than three reference descriptions) will not allow assessing the quality of a speech signal with the required accuracy, and an unreasonable increase in their number will lead to a manifold increase in computational costs.

Наиболее близким к заявленному является способ (прототип) распознавания новых протоколов низкоскоростного кодирования речи (см. Патент РФ №2667462, МПК: G06K9/00, Н04 В1/06, опубл. 19.09.2018, бюл. №26), заключающийся в том, что принимают цифровой информационный поток Y в течение интервала времени ΔT, на основе принятого потока Y формируют нормированную автокорреляционную функцию А, по регулярным с равными интервалами Δτ экстремумам автокорреляционной функции А принимают решение о наличии блочной структуры в цифровом информационном потоке Y, по интервалам между экстремумами автокорреляционной функции А делят цифровой информационный поток Y на информационные блоки объемом Nб бит каждый, последовательно присваивают информационным блокам порядковые номера k=1,2,…, К, начиная с первого информационного блока, формируют прямоугольную информационную матрицу YK×L, L=Nб, строками которой являются последовательно размещенные друг под другом информационные блоки в соответствии с их порядковыми номерами k=1,2,…, К, поочередно выделяют столбцы

Figure 00000001
из матрицы YK×L с номерами
Figure 00000002
по каждому столбцу
Figure 00000001
информационной матрицы YK×L вычисляют значение математического ожидания
Figure 00000003
появления определенных импульсов, формируют вектор вычисленных значений математического ожидания
Figure 00000004
последовательным размещением полученных значений математического ожидания
Figure 00000003
в соответствии с их порядковыми номерами
Figure 00000005
на основе сформированного вектора значений математического ожидания m(0) путем последовательного циркулярного сдвига его значений на величину
Figure 00000006
L - 1 формируют набор М векторов
Figure 00000007
значений математического ожидания
Figure 00000008
формируют эталонные векторы значений математического ожидания mj эт, j=1,2,…,J, по каждому цифровому информационному потоку Yj эт, соответствующему j-му известному протоколу НСКР, каждый вектор значений математического ожидания
Figure 00000009
оцениваемого протокола НСКР последовательно сравнивают с эталонными векторами значений математического ожидания mj эт, j=1,2,…,J, вычисляют значение вероятности правильного распознавания
Figure 00000010
j-го протокола НСКР по каждому
Figure 00000011
вектору значений математического ожидания
Figure 00000012
принимают решение в пользу j-го протокола НСКР, для которого обеспечивается максимальное значение вероятности правильного распознавания
Figure 00000013
The closest to the claimed is a method (prototype) for recognizing new low-speed speech coding protocols (see RF Patent No. 2667462, IPC: G06K9 / 00, H04 B1 / 06, publ. 09/19/2018, bull. No. 26), which consists in that the digital information stream Y is received during the time interval ΔT, on the basis of the received stream Y, the normalized autocorrelation function A is formed, according to the regular with equal intervals Δτ extrema of the autocorrelation function A, a decision is made on the presence of a block structure in the digital information stream Y, according to the intervals between the extrema of the autocorrelation function functions A divide the digital information stream Y into information blocks of N b bits each, sequentially assign sequence numbers k = 1,2, ..., K to the information blocks, starting from the first information block, form a rectangular information matrix Y K × L , L = N b , the lines of which are information blocks sequentially placed one under the other in accordance with their order with numbers k = 1,2, ..., K, columns
Figure 00000001
from the matrix Y K × L with numbers
Figure 00000002
for each column
Figure 00000001
information matrix Y K × L calculate the value of the mathematical expectation
Figure 00000003
the appearance of certain impulses, form a vector of calculated values of the mathematical expectation
Figure 00000004
sequential placement of the obtained values of the mathematical expectation
Figure 00000003
according to their serial numbers
Figure 00000005
based on the generated vector of values of the mathematical expectation m (0) by successive circular shift of its values by the value
Figure 00000006
L - 1 form a set of M vectors
Figure 00000007
values of mathematical expectation
Figure 00000008
form the reference vectors of the values of the mathematical expectation m j et , j = 1,2, ..., J, for each digital information stream Y j et , corresponding to the j-th known NSCR protocol, each vector of the values of the mathematical expectation
Figure 00000009
of the estimated NSCR protocol is sequentially compared with the reference vectors of the values of the mathematical expectation m j et , j = 1,2, ..., J, the value of the probability of correct recognition is calculated
Figure 00000010
j-th NSCR protocol for each
Figure 00000011
vector of values of mathematical expectation
Figure 00000012
make a decision in favor of the jth NSCR protocol, for which the maximum value of the probability of correct recognition is provided
Figure 00000013

Способ-прототип обеспечивает повышение точности и скорости распознавания протоколов НСКР в условиях воздействия помех. При этом о качестве речевых сигналов с низкоскоростным кодированием косвенно можно судить по величине вероятности правильного распознавания

Figure 00000014
исследуемого ЦП у и соответствующего ему эталонного образа, при условии, что оба образа принадлежат к одному классу - известному j-му протоколу НСКР.The prototype method provides an increase in the accuracy and speed of recognition of the NSCR protocols in conditions of interference. In this case, the quality of speech signals with low-rate coding can be indirectly judged by the value of the probability of correct recognition
Figure 00000014
the studied CPU y and the corresponding reference image, provided that both images belong to the same class - the known j-th protocol of the NSCR.

В качестве недостатка прототипа следует отметить отсутствие точного соответствия между используемой мерой отличия

Figure 00000014
ЦП у от эталонного описания и какой-либо мерой качества речевого сигнала.As a disadvantage of the prototype, it should be noted that there is no exact correspondence between the used measure of difference
Figure 00000014
Cpu y from the reference description and some measure of the quality of the speech signal.

Целью заявленного технического решения является разработка способа автоматической оценки качества сигналов с низкоскоростным кодированием речи без преобразования исследуемого ЦП у с НСКР к формату ИКМ, обеспечивающего установление функциональной (аналитической) зависимости между значениями дивергенции и выбранных мер качества речевого сигнала.The aim of the claimed technical solution is to develop a method for automatically assessing the quality of signals with low-rate speech coding without converting the studied CPU with NSCR to the PCM format, which ensures the establishment of a functional (analytical) relationship between the divergence values and the selected measures of the speech signal quality.

Поставленная цель достигается тем, что в известном способе автоматической оценки качества речевых сигналов с низкоскоростным кодированием, заключающемся в том, что принимают бинарный информационный цифровой поток у объемом NЦП бит в течение интервала времени ΔT, формируют на основе у нормированную автокорреляционную функцию а, принимают решение о наличии блочной структуры в информационном потоке у по регулярным с равными интервалами Δτ экстремумам автокорреляционной функции а, делят информационный ЦП у на информационные блоки объемом Nб бит каждый по интервалам между экстремумами автокорреляционной функции а, присваивают информационным блокам последовательно порядковые номера k=1,2,…,К, начиная с первого информационного блока, формируют прямоугольную информационную матрицу Y размеров К × Z, Z=Nб, строками которой являются последовательно размещенные друг под другом информационные блоки в соответствии с их порядковыми номерами k=1,2,…, К, выделяют из матрицы Y столбцы yz, z=1,2,…,Z, определяют значения математического ожидания (МО) mz по каждому столбцу yz, формируют вектор значений МО

Figure 00000015
последовательным размещением значений МО mz, формируют обучающую выборку {yjw}W, w=1,2,…,W, W - объем обучающей выборки, которая состоит из набора цифровых потоков yjw, сформированных по заданному j-му протоколу НСКР и соответствующих максимально возможной субъективной оценке еj mах качества речевого сигнала, формируют эталонный ЦП уjэт путем последовательной конкатенации цифровых потоков yjw из состава обучающей выборки, формируют прямоугольную эталонную информационную матрицу Yj эт, строками которой являются последовательно размещенные друг под другом ЦП уj эт, вычисляют по эталонной матрице Yj эт эталонный вектор значений МО mj эт, вектор МО m оцениваемого потока НСКР последовательно сравнивают с эталонными векторами МО mj эт, принимают решение о наиболее вероятной принадлежности оцениваемого потока НСКР, в случае принятия решения о использовании неизвестного протокола НСКР при формировании ЦП у оценку качества речевого сигнала прекращают, в противном случае на основе матрицы Y вычисляют ковариационную матрицу С, формируют образ информационного ЦП у в виде совокупности (m, С), вычисляют квадратную эталонную ковариационную матрицу Сj эт, формируют эталонный образ в виде совокупности (mj эт, Сj эт), искажают эталонный ЦП уj эт введением фиксированного числа ошибочных бит пропорционально значению вероятности битовой ошибки
Figure 00000016
Figure 00000017
G - количество уровней вероятности битовых ошибок в пределах от минимального Рош(1) до максимального Pош(G) значений, формируют набор
Figure 00000018
эталонных цифровых потоков, искаженных битовыми ошибками, по каждому ЦП
Figure 00000019
аналогично составляют матрицу
Figure 00000020
совокупность которых образует набор
Figure 00000021
искаженных эталонных матриц, вычисляют соответствующие им векторы значений
Figure 00000022
и ковариационные матрицы
Figure 00000023
составляют образы (
Figure 00000024
),
Figure 00000025
искаженные битовыми ошибками, осуществляют последовательное сравнение эталонного образа (mj эт, Сj эт) и каждого из G образов (
Figure 00000026
Figure 00000027
), искаженных битовыми ошибками, путем вычисления значения дивергенции
Figure 00000028
между ними, устанавливают соответствие между значениями дивергенции
Figure 00000029
и значениями
Figure 00000030
оценки качества речевого сигнала, полученными на основе экспериментального или экспериментально-аналитического подходов, приводят соответствие между полученными наборами
Figure 00000031
и
Figure 00000032
значений к непрерывной функциональной зависимости вида еj=ƒ(νj) методом интерполяции степенным многочленом, осуществляют сравнение образа (m, С) исследуемого информационного ЦП у с НСКР и эталонного образа (mj эт, Сj эт) путем вычисления значения дивергенции νj, получают значение оценки еj качества сигнала с НСКР путем вычисления степенного многочлена вида ej=ƒ(νj) подстановкой в него известного ранее вычисленного значения νj, при выполнении условия νj<νj (1) значение оценки качества сигнала с НСКР соответствует величине ej max максимальной оценки качества речевого сигнала, при выполнении условия νj>νj (G) значение оценки качества сигнала с НСКР соответствует величине еj min минимальной оценки качества речевого сигнала.This goal is achieved by the fact that in the known method of automatic quality assessment of speech signals with low-rate coding, which consists in the fact that a binary information digital stream with a volume of N CPU bits is received during the time interval ΔT, a normalized autocorrelation function a is formed on the basis of y, a decision is made on the presence of a block structure in the information flow y along the regular with equal intervals Δτ extrema of the autocorrelation function a, divide the information CPU y into information blocks of N b bits each according to the intervals between the extrema of the autocorrelation function a, assign serial numbers k = 1,2 to the information blocks , ..., K, starting from the first information block, form a rectangular information matrix Y of sizes K × Z, Z = N b , the rows of which are information blocks sequentially placed under each other in accordance with their ordinal numbers k = 1,2, ..., K, the columns y z , z = 1,2, ..., Z, determine the values of the mathematical expectation (MO) m z for each column y z , form a vector of MO values
Figure 00000015
by sequentially placing the values of MO m z , a training sample is formed {y jw } W , w = 1,2, ..., W, W - the volume of the training sample, which consists of a set of digital streams y jw formed according to a given j-th NSCR protocol and corresponding to the maximum possible subjective assessment e j max of the quality of the speech signal, form a reference CPU at jet by sequential concatenation of digital streams y jw from the training sample, form a rectangular reference information matrix Y j et , the rows of which are consecutively placed one under the other CPUs at j et is calculated by reference matrix Y j fl reference vector MO m j et vector MO m estimated flow NCIS successively compared with reference vectors MO m j et, make a decision on the most probable supplies estimated flow NCIS values, in case the decision to use an unknown protocol NSCR during the formation of the CPU, the assessment of the quality of the speech signal is stopped, otherwise, on Again, the matrix Y calculates the covariance matrix C, forms the image of the information CPU y in the form of a set (m, C), calculates the square reference covariance matrix C j et , form a reference image in the form of a set (m j et , C j et ), distort the reference CPU y j et by introducing a fixed number of erroneous bits in proportion to the value of the bit error probability
Figure 00000016
Figure 00000017
G - the number of levels of the probability of bit errors in the range from the minimum P osh (1) to the maximum P osh (G) values, form a set
Figure 00000018
reference digital streams, distorted by bit errors, for each CPU
Figure 00000019
similarly compose the matrix
Figure 00000020
the collection of which forms a set
Figure 00000021
distorted reference matrices, calculate the corresponding vectors of values
Figure 00000022
and covariance matrices
Figure 00000023
make up images (
Figure 00000024
),
Figure 00000025
distorted by bit errors, a sequential comparison of the reference image (m j et , C j et ) and each of the G images (
Figure 00000026
Figure 00000027
) corrupted by bit errors by calculating the divergence value
Figure 00000028
between them, set the correspondence between the values of the divergence
Figure 00000029
and values
Figure 00000030
assessments of the quality of the speech signal, obtained on the basis of experimental or experimental-analytical approaches, bring the correspondence between the obtained sets
Figure 00000031
and
Figure 00000032
values to a continuous functional dependence of the form e j = ƒ (ν j ) by the method of interpolation by a power polynomial, compare the image (m, C) of the investigated information CPU y with NSCR and the reference image (m j et , C j et ) by calculating the divergence value ν j , the value of the estimate e j of the signal quality with the NSCR is obtained by calculating the power polynomial of the form e j = ƒ (ν j ) by substituting the previously known value ν j into it , when the condition ν j <ν j (1) is satisfied, the value of the estimate of the signal quality with NSCR corresponds to the value e j max of the maximum estimate of the quality of the speech signal, when the condition ν j > ν j (G) is satisfied, the value of the estimate of the quality of the signal with NSCR corresponds to the value of e j min of the minimum estimate of the quality of the speech signal.

Благодаря новой совокупности существенных признаков в заявленном способе обеспечивается автоматическая оценка качества речевых сигналов с низкоскоростным кодированием за счет сравнения образа (m, С) входной реализации у и эталонного образа (mj эт, Сj эт) с помощью меры различия, которая представлена дивергенцией νj.Thanks to the new set of essential features in the claimed method, an automatic assessment of the quality of speech signals with low-rate coding is provided by comparing the image (m, C) of the input implementation y and the reference image (m j et , C j et ) using the difference measure, which is represented by the divergence ν j .

Заявленный способ поясняется чертежами, на которых показаны:The claimed method is illustrated by drawings, which show:

на фиг. 1 - порядок формирования эталонного ЦП уj эт;in fig. 1 - the order of the formation of the reference CPU at the j floor ;

на фиг. 2 - порядок формирования прямоугольной эталонной информационной матрицы Yj эт;in fig. 2 - the order of forming a rectangular reference information matrix Y j et ;

на фиг. 3 - алгоритм оценки качества речевых сигналов с низкоскоростным кодированием;in fig. 3 is an algorithm for evaluating the quality of speech signals with low-rate coding;

на фиг. 4 - зависимость значений eзj разборчивости звуков речи от вероятности битовой ошибки Рош в речевых сигналах с низкоскоростным кодирование, сформированных по j-му протоколу LPC-10-2400 (STANAG 4197);in fig. 4 - the dependence of the values of e zj intelligibility of speech sounds on the probability of a bit error P osh in speech signals with low-rate coding, formed according to the j-th protocol LPC-10-2400 (STANAG 4197);

на фиг. 5 - табличная форма представления соответствия (3);in fig. 5 - tabular form of presentation of compliance (3);

на фиг. 6 - результаты формирования соответствия (3) для j-го протокола LPC-10-2400 (STANAG 4197) при G=8;in fig. 6 - the results of the formation of correspondence (3) for the j-th protocol LPC-10-2400 (STANAG 4197) with G = 8;

на фиг. 7 - графическая зависимость значений eзj разборчивости звуков речи от дивергенции νj между исследуемым и эталонным образами, соответствующих j-му протоколу LPC-10-2400 (STANAG 4197).in fig. 7 is a graphical dependence of the values of e zj of intelligibility of speech sounds on the divergence ν j between the studied and reference images corresponding to the j-th protocol LPC-10-2400 (STANAG 4197).

Качество речи - величина, характеризующая субъективную оценку звучания речи в испытуемом тракте по пятибалльной шкале в сравнении с эталонным трактом. Одним из важных показателей качества речи является ее разборчивость - относительное количество правильно принятых элементов речи (звуков, слогов, слов, фраз), выраженное в процентах от общего числа переданных элементов. Между различными показателями качества речи установлены функциональные взаимосвязи, что позволяет получать значения требуемых показателей, в том числе и субъективные оценки звучания речи.Speech quality is a value that characterizes the subjective assessment of the sounding of speech in the tested tract on a five-point scale in comparison with the reference tract. One of the important indicators of speech quality is its intelligibility - the relative number of correctly received speech elements (sounds, syllables, words, phrases), expressed as a percentage of the total number of transmitted elements. Functional relationships have been established between various indicators of speech quality, which makes it possible to obtain the values of the required indicators, including subjective assessments of the sound of speech.

Оценку качества речевых сигналов осуществляют при анализе свойств речевого сигнала и его источника, а также для определения эффективности системы передачи речевых сообщений в целом или свойств отдельных ее элементов, в том числе средств НСКР (см. ГОСТ Р 51061-97 Системы низкоскоростной передачи речи по цифровым каналам. Параметры качества речи и методы измерений. - М.: Госстандарт России, 1997. - 24 с. ). Субъективные методы оценки качества речи требуют участия групп подготовленных экспертов, автоматизация в них касается процессов ввода и статистической обработки результатов артикуляционного тестирования. Объективные методы оценки качества основаны на анализе каких-либо параметров и характеристик исследуемого процесса, что позволяет полностью автоматизировать процесс оценки качества речевых сигналов. В известных методах автоматической оценки качества речи предполагается определение параметров речевого сигнала, представляемого в формате ИКМ, и выбор (с некоторой точностью) соответствующих им значений оценок качества речи. В этом случае на этапе обучения осуществляется построение психофизической шкалы и ее математическое или графическое описание, которое далее используется на этапе исследования принимаемых речевых сигналов (см. Михайлов В.Г., Златоустова Л.В. Измерение параметров речи / Под ред. М.А. Сапожкова. - М.: Радио и связь, 1987. - 168 с.; Шелухин О.И., Лукьянцев Н.Ф. Цифровая обработка и передача речи / Под ред. О.И. Шелухина. - М.: Радио и связь, 2000. - 456 с.).The quality of speech signals is assessed when analyzing the properties of a speech signal and its source, as well as to determine the effectiveness of the system for transmitting speech messages as a whole or the properties of its individual elements, including NSCR means (see GOST R 51061-97 Low-speed speech transmission systems for digital channels Speech quality parameters and measurement methods - M .: Gosstandart of Russia, 1997. - 24 p.). Subjective methods for assessing the quality of speech require the participation of groups of trained experts, automation in them concerns the processes of input and statistical processing of the results of articulation testing. Objective methods for assessing the quality are based on the analysis of any parameters and characteristics of the process under study, which makes it possible to fully automate the process of assessing the quality of speech signals. In the known methods of automatic speech quality assessment, it is assumed that the parameters of the speech signal represented in the PCM format are determined and the corresponding values of the speech quality estimates are selected (with some accuracy). In this case, at the training stage, the construction of a psychophysical scale and its mathematical or graphic description is carried out, which is further used at the stage of studying the received speech signals (see Mikhailov V.G., Zlatoustova L.V. Measurement of speech parameters / Ed. By M.A. Sapozhkova. - M .: Radio and communication, 1987. - 168 p .; Shelukhin O.I., Lukyantsev N.F.Digital processing and transmission of speech / Under the editorship of OI Shelukhin. - M .: Radio and communication, 2000 .-- 456 p.).

При исследовании качества речевых сигналов, передаваемых через системы радиосвязи диапазонов ВЧ/ОВЧ с использованием НСКР, рассматривают предположение о нормальных акустических условиях при формировании речевого сигнала по ГОСТ 7153 (см. ГОСТ Р 51061-97 Системы низкоскоростной передачи речи по цифровым каналам. Параметры качества речи и методы измерений. - М.: Госстандарт России, 1997. - 24 с.). При этом основное внимание уделяется исследованию качества сигналов, формируемых на выходе декодера. Результаты исследований представляют в виде зависимости значений ОКРС от вероятности битовой ошибки Рош в ЦП, переданном через канал связи.When studying the quality of speech signals transmitted through radio communication systems of the HF / VHF ranges using NSCR, the assumption of normal acoustic conditions when forming a speech signal according to GOST 7153 is considered (see GOST R 51061-97 Low-speed speech transmission systems over digital channels. Speech quality parameters and measurement methods. - M .: Gosstandart of Russia, 1997. - 24 p.). In this case, the main attention is paid to the study of the quality of signals generated at the output of the decoder. The research results are presented in the form of the dependence of the ORS values on the probability of a bit error P osh in the CPU transmitted through the communication channel.

Таким образом, автоматическая оценка качества речевых сигналов с низкоскоростным кодированием, передаваемых с помощью средств радиосвязи, обеспечивает снижение вычислительных затрат, что определяет необходимость решения этой технической задачи.Thus, the automatic assessment of the quality of speech signals with low-rate coding, transmitted by means of radio communication, provides a reduction in computational costs, which determines the need to solve this technical problem.

Положительный эффект в предлагаемом способе достигается за счет сравнения образа (m, С) входного ЦП у с НСКР, который сформирован в соответствии с известным j-м протоколом, и единственного эталонного образа (mjэт, Сj эт) j-го класса, полученного на основе обучающей выборки с максимальным значением оценки качества речевого сигнала еj mах, при использовании меры различия между ними, в качестве которой выступает дивергенция.A positive effect in the proposed method is achieved by comparing the image (m, C) of the input CPU y with the NSCR, which is formed in accordance with the known j-th protocol, and the only reference image (m jet , C j et ) of the j-th class obtained on the basis of the training sample with the maximum value of the assessment of the quality of the speech signal е j max , using the measure of the difference between them, which is the divergence.

На основе функциональной зависимости еj=ƒ(νj), формируемой на этапе обучения и описываемой аналитически степенным многочленом, при известном значении дивергенции νj между образом (m, С) исследуемого ЦП у с НСКР и одним эталонным образом (mj эт, Сj эт) j-го класса, обеспечивается вычисление значения оценки качества исследуемого ЦП у с НСКР, сформированного по j-му протоколу, без преобразования к формату ИКМ.Based on the functional dependence е j = ƒ (ν j ), formed at the training stage and described analytically by a power polynomial, with a known value of the divergence ν j between the image (m, С) of the studied CP y with NSCR and one reference image (m j et , With j et ) of the j-th class, the calculation of the value of the quality assessment of the investigated CPU y with NSCR, formed according to the j-th protocol, without conversion to the PCM format is provided.

Реализация заявленного способа может быть осуществлена следующим образом (см. фиг. 3). До этапа ввода исходных данных целесообразно определить значения параметров ΔT, Nm информационного ЦП у, установить длительность интервала его анализа, определяемую величиной К - числом строк в прямоугольной информационной матрице Y, а также набор значений {Nб}, определить значение J, выбрать значение G и сформировать соответствующее количество обучающих выборок (yjw}W.The implementation of the claimed method can be carried out as follows (see Fig. 3). Before the stage of inputting the initial data, it is advisable to determine the values of the parameters ΔT, N m of the information CPU y, set the duration of the interval of its analysis, determined by the value of K - the number of rows in the rectangular information matrix Y, as well as the set of values {N b }, determine the value of J, select the value G and form the corresponding number of training samples (y jw } W.

Далее на подготовительном этапе (в режиме «Обучение») по обучающим выборкам {yjw} (j=1, 2,…,J) формируют эталонные цифровые потоки {Уjэт}J путем последовательной конкатенации цифровых потоков {yJw}J (см. фиг. 1). Последние реализуются по j-м протоколам НСКР и имеют максимальное значение ej mах оценки качества речевого сигнала. Далее составляют эталонные матрицы {Yjэт}J и соответствующие им эталонные описания J известных протоколов НСКР вида (mj эт, Сj эт) (см. фиг. 2).Further, at the preparatory stage (in the "Training" mode), using training samples {y jw } (j = 1, 2, ..., J), reference digital streams {У jet } J are formed by sequential concatenation of digital streams {y Jw } J (see Fig. 1). The latter are implemented according to the j-th NSCR protocols and have the maximum value e j max of the speech signal quality assessment. Further, the reference matrices {Y jet } J and the corresponding reference descriptions J of the known NSCR protocols of the form (m j et , C j et ) are made (see Fig. 2).

Устанавливают пределы изменения значений

Figure 00000033
от минимального значения Рош(1), которое соответствует минимально ощутимому снижению качества речевого сообщения, до максимального значения Pош(G), при котором уже невозможно восстановление речевого сообщения. Количество G уровней (значений) вероятности битовых ошибок определяет точность построения психофизической шкалы и, как следствие, точность оценки качества речевых сигналов с НСКР. Вместе с тем, при использовании экспериментального или экспериментально-аналитического подходов к оценке качества речевых сигналов необходимо выбрать достаточное количество 6≤G≤10 уровней вероятности битовых ошибок, например, на основе метода равномерного приближения. Последний обеспечивает минимизацию наибольшего значения абсолютной ошибки интерполяции (см. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров: Пер. с англ. - М.: Наука, 1970. - 720 с.).Sets the limits for changing values
Figure 00000033
from the minimum value P osh (1), which corresponds to the minimum perceptible decrease in the quality of the voice message, to the maximum value P osh (G), at which it is no longer possible to restore the voice message. The number G of levels (values) of the probability of bit errors determines the accuracy of constructing a psychophysical scale and, as a consequence, the accuracy of assessing the quality of speech signals with NSCR. At the same time, when using experimental or experimental-analytical approaches to assessing the quality of speech signals, it is necessary to select a sufficient number of 6≤G≤10 levels of bit error probability, for example, based on the uniform approximation method. The latter ensures the minimization of the largest value of the absolute interpolation error (see G. Korn, T. Korn, Handbook of Mathematics for Scientists and Engineers: Translated from English - Moscow: Nauka, 1970. - 720 p.).

В соответствии со значениями

Figure 00000034
Figure 00000035
вероятности битовой ошибки в эталонный ЦП уj эт вводят фиксированное количество nош битовых ошибок, определяемое выражениемAccording to the values
Figure 00000034
Figure 00000035
bit error in the master CPU y j et introduced fixed number n of bit errors err determined by the expression

Figure 00000036
Figure 00000036

где Nэ - количество символов (бит) в эталонном ЦП уj эт.where N e - the number of symbols (bits) in the reference CPU at j et .

Формируют G цифровых потоков

Figure 00000037
с объемом Nэ каждый, в которых ошибочные символы принимают значение «1», а остальные символы имеют значение «0». Распределение ошибочных символов в
Figure 00000038
- равновероятное. Формируют G цифровых потоков
Figure 00000039
, искаженных битовыми ошибками, путем поэлементного сложения эталонного ЦП уj эт по модулю 2 с каждым из G цифровых потоков
Figure 00000040
:Form G digital streams
Figure 00000037
with a volume of N e each, in which the erroneous symbols take the value "1", and the rest of the symbols have the value "0". Distribution of erroneous characters in
Figure 00000038
- equiprobable. Form G digital streams
Figure 00000039
, distorted by bit errors, by element-wise addition of the reference CPU at j et modulo 2 with each of the G digital streams
Figure 00000040
:

Figure 00000041
Figure 00000041

где ⊕ - операция сложения по модулю 2.where ⊕ is the addition operation modulo 2.

На основе цифровых потоков

Figure 00000042
, искаженных битовыми ошибками, формируют набор искаженных эталонных матриц
Figure 00000043
. Далее вычисляют соответствующие им векторы значений МО
Figure 00000044
и ковариационные матрицы
Figure 00000045
(см. Аладинский В.А., Кузьминский С.В. Метод формирования признаков распознавания протоколов низкоскоростного кодирования речи // Наукоемкие технологии. - М.: Радиотехника. №12, 2015. - С. 20-25; Патент РФ №2667462, МПК G10L 19/008, Н03М 13/03, опубл. 19.09.2018, бюл. 26). На их основе составляют информационные образы (
Figure 00000046
Figure 00000047
), искаженные битовыми ошибками. После этого осуществляют последовательное сравнение эталонного образа (mjэт, Сjэт) и образов (
Figure 00000048
Figure 00000049
), искаженных битовыми ошибками, путем вычисления значения дивергенции
Figure 00000050
между ними:Based on digital streams
Figure 00000042
corrupted by bit errors form a set of corrupted reference matrices
Figure 00000043
... Next, the corresponding vectors of MO values are calculated
Figure 00000044
and covariance matrices
Figure 00000045
(see Aladinsky V.A., Kuzminsky S.V. Method of formation of signs of recognition of low-speed speech coding protocols // Science-intensive technologies. - M .: Radio engineering. No. 12, 2015. - P. 20-25; RF Patent No. 2667462, IPC G10L 19/008, Н03М 13/03, publ. 19.09.2018, bul. 26). On their basis, information images (
Figure 00000046
Figure 00000047
) corrupted by bit errors. After that, a sequential comparison of the reference image (m jet , C jet ) and images (
Figure 00000048
Figure 00000049
) corrupted by bit errors by calculating the divergence value
Figure 00000050
in between:

Figure 00000051
Figure 00000051

где

Figure 00000052
,
Figure 00000053
- значения следов матриц Аj, Bj размерности N; ann(j), bnn(j) - соответствующие элементы диагоналей матриц Aj, Вj;
Figure 00000054
where
Figure 00000052
,
Figure 00000053
- values of traces of matrices А j , B j of dimension N; a nn (j), b nn (j) are the corresponding elements of the diagonals of the matrices A j , B j ;
Figure 00000054

Figure 00000055
(⋅)T - операция транспонирования.
Figure 00000055
(⋅) T is a transposition operation.

На основе экспериментального (прямого) или экспериментально-аналитического (косвенного) подходов устанавливают соответствие между значениями оценки качества речи

Figure 00000056
и значениями дивергенции
Figure 00000057
:Based on the experimental (direct) or experimental-analytical (indirect) approaches, a correspondence is established between the values of the speech quality assessment
Figure 00000056
and divergence values
Figure 00000057
:

Figure 00000058
Figure 00000058

Экспериментальный подход при формировании соответствия (4) заключается в разделении каждой матрицы

Figure 00000059
на элементы
Figure 00000060
декодировании цифровых потоков
Figure 00000061
с помощью синтезатора приемной части вокодера к формату ИКМ и оценке качества этих речевых сигналов, подвергнутых искажению в канале связи. Оценку осуществляют на основе какого-либо известного субъективного либо объективного методов, например, PESQ (см. Recommendation ITU-T P.862. Perceptual Evaluation of Speech Quality. Geneva, 2001.-30 p.).An experimental approach to the formation of correspondence (4) consists in dividing each matrix
Figure 00000059
on elements
Figure 00000060
decoding of digital streams
Figure 00000061
with the help of the synthesizer of the receiving part of the vocoder to the PCM format and assessing the quality of these speech signals subjected to distortion in the communication channel. Evaluation is carried out on the basis of any known subjective or objective methods, for example, PESQ (see Recommendation ITU-T P.862. Perceptual Evaluation of Speech Quality. Geneva, 2001.-30 p.).

Экспериментально-аналитический (косвенный) подход реализуется при наличии априорных сведений о функциональной зависимости еj=ƒj(Pош) значений оценки качества речевых сигналов, синтезируемых в приемной части вокодера в соответствии с j-м протоколом НСКР, которые приведены в стандартах (см. Recommendation ITU-R F.1112-1. Digitized speech transmissions for systems operating below about 30 MHz. - Radiocommunication Study Group 8, Question ITU-R 164/9. 1995 - 15 p.) или представлены разработчиками (см. Бабкин В.В. Защита от ошибок и интерполяция потерь пакетов в низкоскоростных речевых кодеках // Электросвязь, №11, 2009. - С.47-49.) от вероятности битовой ошибки Рош. Зависимость еj=fj(Pош) может быть представлена в графической или аналитической формах, что позволяет получить G значений

Figure 00000062
оценки качества речи при известных величинах
Figure 00000063
Далее осуществляют интерполяцию полученного в (4) соответствия из G сопоставленных друг другу значений дивергенции и оценок качества речи с помощью многочлена наименьшей степени. В результате получают (одним из известных способов) интерполяционную формулу степени не более (G-1) вида:The experimental-analytical (indirect) approach is implemented in the presence of a priori information about the functional dependence е j = ƒ j (P ош ) values for assessing the quality of speech signals synthesized in the receiving part of the vocoder in accordance with the j-th NSCR protocol, which are given in the standards (see . Recommendation ITU-R F.1112-1. Digitized speech transmissions for systems operating below about 30 MHz. - Radiocommunication Study Group 8, Question ITU-R 164/9. 1995 - 15 p.) Or presented by developers (see Babkin V .V. Protection against errors and interpolation of packet loss in low-speed speech codecs // Elektrosvyaz, No. 11, 2009. - P.47-49.) From the probability of bit error P osh . The dependence e j = f j (P osh ) can be presented in graphic or analytical form, which allows you to obtain G values
Figure 00000062
assessing the quality of speech at known values
Figure 00000063
Next, the correspondence obtained in (4) is interpolated from the G matched values of divergence and speech quality estimates using the least degree polynomial. As a result, an interpolation formula of degree no more than (G-1) of the form is obtained (by one of the known methods):

Figure 00000064
Figure 00000064

где a0j - свободный член;

Figure 00000065
-
Figure 00000066
коэффициент степенного многочлена для j-го протокола НСКР.where a 0j - free term;
Figure 00000065
-
Figure 00000066
coefficient of the power polynomial for the j-th NSCR protocol.

Регистрируют полученные результаты и выводят сообщение «Обучение завершено».The results obtained are recorded and the message "Training completed" is displayed.

В режиме «Оценка качества речевых сигналов» рассматривают матрицу Y (подход распространяется и на подобные ей матрицы Yj эт,

Figure 00000067
) как систему случайных величин (СВ). Текущий символ уkz (i), i=1,2,…, I - порядковый номер элемента (символа) алфавита случайной величины объемом I, которой является дискретной случайной величиной с объемом алфавита I=2 и принимает значение 1 при i=1 или 0 при i=2.In the mode "Assessment of the quality of speech signals", the matrix Y is considered (the approach is extended to similar matrices Yj this,
Figure 00000067
) how system of random variables (SV). Current character ykz (i), i = 1,2, ..., I is the ordinal number of an element (symbol) of the alphabet of a random variable of volume I, which is a discrete random variable with an alphabet volume I = 2 and takes the value 1 for i = 1 or 0 for i = 2.

Определяют численные характеристики системы СВ Y={y1, y2, …, yn, …, yz, …, yZ), где yz={ylz,y2z,…,ykn,…,ykz,…,yKz) - столбец исследуемой матрицы Y, которыми являются значения МО m и ковариационная матрица С.Determine the numerical characteristics of the SV system Y = {y 1 , y 2 ,…, y n ,…, y z ,…, y Z ), where y z = {y lz , y 2z ,…, y kn ,…, y kz ,…, Y Kz ) is the column of the studied matrix Y, which are the values of MO m and the covariance matrix C.

Вычисляют значение МО mz столбца yz, состоящего из К двоичных символов ykz, по следующей формуле (см. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. - М.: Наука, 1988. - 480 с. - ISBN 5-02-013748-0):Calculate the value of MO m z of the column y z , consisting of K binary symbols y kz , according to the following formula (see Ventzel E.S., Ovcharov L.A. Probability theory and its engineering applications. - M .: Nauka, 1988. - 480 p. - ISBN 5-02-013748-0):

Figure 00000068
Figure 00000068

где pz(i) - вероятность появления i-го значения ykz(i) в столбце yz.where p z (i) is the probability of occurrence of the i-th value y kz (i) in the y z column.

Так как уkz(2)=0, то mz=1⋅pz(1)+0⋅pz(2)=pz(1). Вычисляют вероятность pz(1) появления значения 1 в yz по формуле:Since kz (2) = 0, then m z = 1⋅p z (1) + 0⋅p z (2) = p z (1). Calculate the probability p z (1) of the appearance of the value 1 in y z by the formula:

Figure 00000069
Figure 00000069

где Sz(1) - количество символов ykz со значением 1 в yz.where S z (1) is the number of symbols y kz with value 1 in y z .

Вычисляют последовательно значения МО по столбцам yz матрицы Y, формируют наборThe MO values are sequentially calculated by the columns y z of the matrix Y, a set is formed

Figure 00000070
Figure 00000070

Определяют ковариационную матрицу С размерности Z, которая включает значения коэффициента ковариацииDetermine the covariance matrix C of dimension Z, which includes the values of the covariance coefficient

Figure 00000071
Figure 00000071

где М[⋅] - математическая операция вычисления МО;

Figure 00000072
Figure 00000073
- столбцы (векторы), содержащие центрированные СВ:where M [⋅] is a mathematical operation for calculating MO;
Figure 00000072
Figure 00000073
- columns (vectors) containing centered CBs:

Figure 00000074
Figure 00000074

n, z - порядковые номера столбцов уn и yz СВ Y;n, z - ordinal numbers of columns at n and y z CB Y;

mn, mz - столбцы (векторы) размерности К, содержащие только значения mn, mz соответственно.m n , m z - columns (vectors) of dimension K containing only the values m n , m z, respectively.

Составляют образ входного информационного ЦП у с НСКР, описываемого набором (m, С).An image of the input information CPU is compiled with the NSCR described by the set (m, C).

Проверяют гипотезы о том, что входной информационный ЦП у сформирован по одному из J заданных (известных) протоколов НСКР. При подтверждении одной из гипотез считают, что при формировании ЦП у применен j-й протокол НСКР, в противном случае выводят сообщение «Протокол НСКР: не установлен, оценка качества: нет» и прекращают оценку качества речевого сигнала.The hypotheses are tested that the input information CPU y is formed according to one of the J specified (known) NSCR protocols. When one of the hypotheses is confirmed, it is considered that the j-th NSCR protocol is applied during the formation of the CPU, otherwise the message “NSCR protocol: not installed, quality assessment: no” is displayed and the assessment of the speech signal quality is stopped.

Вычисляют по формуле (3) значения дивергенции νj между образом ЦП у, представленным набором (m, С), и эталонным образом (mj эт, Сj эт).Calculate by the formula (3) the values of the divergence ν j between the image of the CPU y, represented by the set (m, C), and the reference image (m j et , C j et ).

Считают, что при выполнении условия νj<νj (1) значение оценки качества сигнала с НСКР соответствует максимальной оценке качества речевого сигнала еj mах. В противном случае, при выполнении условия νj>νj (G), значение оценки качества сигнала с НСКР соответствует минимальной величине ej min. При невыполнении рассмотренных условий рассчитывают по найденному значению дивергенции νj согласно (5) значение еj оценки качества.It is considered that when the condition ν j <ν j (1) is fulfilled, the value of the estimate of the quality of the signal with the LSCR corresponds to the maximum estimate of the quality of the speech signal e j max . Otherwise, when the condition ν j > ν j (G) is satisfied, the value of the estimate of the signal quality with the LSCR corresponds to the minimum value of e j min . If the considered conditions are not met, the value of e j of the quality assessment is calculated from the found value of the divergence ν j according to (5).

Выводят сообщение «Протокол НСКР: j-й, оценка качества: еj». После этого завершают оценку качества сигнала с низкоскоростным кодированием.The message "NSCR protocol: j-th, quality assessment: e j " is displayed. Thereafter, the estimation of the quality of the low-rate coding signal is completed.

Имитационное моделирование заявленного способа автоматической оценки качества речевых сигналов с низкоскоростным кодированием проведено на примере исследования сигналов, сформированных на основе известного протокола НСКР LPC-10-2400 (STANAG 4197), который широко применяется на линиях радиосвязи диапазона высоких частот. По имеющейся обучающей выборке {yjw}W был сформирован эталонный ЦП уjэт, составлена эталонная матрица yjэт и соответствующее эталонное описание вида (mjэт, Сjэт)Simulation modeling of the claimed method for automatic quality assessment of speech signals with low-rate coding was carried out on the example of studying signals generated on the basis of the well-known NSCR protocol LPC-10-2400 (STANAG 4197), which is widely used on radio communication lines in the high frequency range. Based on the available training sample {y jw } W , a reference CPU for jet was formed, a reference matrix y jet and a corresponding reference description of the form (m jet , C jet ) were compiled

В настоящее время известны данные о зависимости значений eзj разборчивости звуков речи от вероятности битовой ошибки Рош в речевых сигналах с низкоскоростным кодированием (см. Recommendation ITU-R F.1112-1. Digitized speech transmissions for systems operating below about 30 MHz. - Radiocommunication Study Group 8, Question ITU-R 164/9. 1995 - 15 p.), сформированных по протоколу LPC-10-2400 (STANAG 4197). Последние приведены в графической форме (см. фиг. 4). В режиме «Обучение» был реализован экспериментально-аналитический (косвенный) подход для G=8, в результате чего получены значения в процентах

Figure 00000075
оценки качества речи при выбранных величинах
Figure 00000076
(см. фиг. 4).At present, data are known on the dependence of the values of e sj intelligibility of speech sounds on the probability of a bit error P osh in speech signals with low-rate coding (see Recommendation ITU-R F.1112-1. Digitized speech transmissions for systems operating below about 30 MHz. - Radiocommunication Study Group 8, Question ITU-R 164/9. 1995 - 15 p.), Formed using the LPC-10-2400 protocol (STANAG 4197). The latter are shown in graphical form (see Fig. 4). In the "Training" mode, an experimental-analytical (indirect) approach was implemented for G = 8, as a result of which the values were obtained in percent
Figure 00000075
assessing the quality of speech at the selected values
Figure 00000076
(see Fig. 4).

Для формирования соответствия вида (4) из эталонного ЦП уj эт на основе выражений (1) и (2) и G=8 сформированы цифровые потоки

Figure 00000077
искаженные битовыми ошибками, и соответствующие им матрицы
Figure 00000078
На основе матриц
Figure 00000079
составлены искаженные образы (
Figure 00000080
Figure 00000081
) и реализовано вычисление (выражение 3) соответствующих значений дивергенции
Figure 00000082
между эталонным и искаженными образами.To form a correspondence of the form (4) from the reference CPU at j et on the basis of expressions (1) and (2) and G = 8, digital streams are formed
Figure 00000077
corrupted by bit errors, and their corresponding matrices
Figure 00000078
Matrix-based
Figure 00000079
distorted images (
Figure 00000080
Figure 00000081
) and implemented the calculation (expression 3) of the corresponding values of the divergence
Figure 00000082
between reference and distorted images.

Выполнена интерполяция полученного соответствия (4), представленного строками 2 и 3 (см. фиг. 4). В результате расчетов получена интерполяционная формула видаInterpolation of the obtained correspondence (4), represented by lines 2 and 3 (see Fig. 4). As a result of calculations, an interpolation formula of the form

Figure 00000083
Figure 00000083

в которой члены со степенями

Figure 00000084
>3 не приведены ввиду малости величин
Figure 00000085
Последнее косвенно указывает на избыточность выбранного значения G=8. В графической форме зависимость вида (11) приведена на фиг. 7. Представленная интерполяционная формула позволяет оценивать качество речевых сигналов с низкоскоростным кодированием по протоколу LPC-10-2400 (STANAG 4197) с точностью не хуже 5%, что было установлено при исследовании цифровых потоков, сформированных по протоколу LPC-10-2400 (STANAG 4197), с известными значениями eзj качества речевых сигналов.in which terms with powers
Figure 00000084
> 3 are not given due to the smallness of the values
Figure 00000085
The latter indirectly indicates the redundancy of the selected value G = 8. In graphical form, the dependence of the form (11) is shown in Fig. 7. The presented interpolation formula makes it possible to evaluate the quality of speech signals with low-rate coding according to the LPC-10-2400 (STANAG 4197) protocol with an accuracy of at least 5%, which was established by studying digital streams formed according to the LPC-10-2400 (STANAG 4197 ), with known values of e zj quality of speech signals.

Claims (1)

Способ автоматической оценки качества речевых сигналов с низкоскоростным кодированием, заключающийся в том, что принимают бинарный информационный цифровой поток (ЦП) у объемом Nцп бит в течение интервала времени ΔT, формируют на основе у нормированную автокорреляционную функцию а, принимают решение о наличии блочной структуры в информационном потоке у по регулярным с равными интервалами Δτ экстремумам автокорреляционной функции а, делят информационный ЦП у на информационные блоки объемом Nб бит каждый по интервалам между экстремумами автокорреляционной функции а, присваивают информационным блокам последовательно порядковые номера k=1,2,…,К, начиная с первого информационного блока, формируют прямоугольную информационную матрицу Y размеров К × Z, Z=Nб, строками которой являются последовательно размещенные друг под другом информационные блоки в соответствии с их порядковыми номерами k=1,2,…, К, выделяют из матрицы Y столбцы yz, z=1,2,…, Z, определяют значения математического ожидания (МО) mz по каждому столбцу yz, формируют вектор значений МО m=(m1,m2,…,mz,…,mz) последовательным размещением значений МО mz, формируют обучающую выборку {yjw}W, w=1,2,…,W, W - объем обучающей выборки, которая состоит из набора цифровых потоков yjw, сформированных по заданному j-му протоколу НСКР и соответствующих максимально возможной субъективной оценке еjmах качества речевого сигнала, формируют эталонный ЦП уj эт путем последовательной конкатенации цифровых потоков yjw из состава обучающей выборки, формируют прямоугольную эталонную информационную матрицу Yjэт, строками которой являются последовательно размещенные друг под другом ЦП уjэт, вычисляют по эталонной матрице Yjэт эталонный вектор значений МО mjэт, вектор МО m оцениваемого потока низкоскоростного кодирования речи (НСКР) последовательно сравнивают с эталонными векторами МО mjэт, принимают решение о наиболее вероятной принадлежности оцениваемого потока НСКР, отличающийся тем, что в случае принятия решения об использовании неизвестного протокола НСКР при формировании ЦП у оценку качества речевого сигнала прекращают, в противном случае дополнительно на основе матрицы Y вычисляют ковариационную матрицу С, формируют образ информационного ЦП у в виде совокупности (m, С), вычисляют квадратную эталонную ковариационную матрицу Сjэт, формируют эталонный образ в виде совокупности (mj эт, Сj эт), искажают эталонный ЦП уjэт введением фиксированного числа ошибочных бит пропорционально значению вероятности битовой ошибки
Figure 00000086
Figure 00000087
G - количество уровней вероятности битовых ошибок в пределах от минимального Рош(1) до максимального Рош(G) значений; формируют набор
Figure 00000088
эталонных цифровых потоков, искаженных битовыми ошибками, по каждому ЦП
Figure 00000089
аналогично составляют матрицу
Figure 00000090
совокупность которых образует набор
Figure 00000091
искаженных эталонных матриц, вычисляют соответствующие им векторы значений
Figure 00000092
и ковариационные матрицы
Figure 00000093
составляют образы (
Figure 00000094
Figure 00000095
), искаженные битовыми ошибками, осуществляют последовательное сравнение эталонного образа (mj эт, Сj эт) и каждого из G образов (
Figure 00000094
Figure 00000096
), искаженных битовыми ошибками, путем вычисления значения дивергенции
Figure 00000097
между ними, устанавливают соответствие между значениями дивергенции
Figure 00000098
и значениями
Figure 00000099
оценки качества речевого сигнала, полученными на основе экспериментального или экспериментально-аналитического подходов, приводят соответствие между полученными наборами
Figure 00000100
и
Figure 00000101
значений к непрерывной функциональной зависимости вида еj=ƒ(νj) методом интерполяции степенным многочленом, осуществляют сравнение образа (m, С) исследуемого информационного ЦП у с НСКР и эталонного образа (mj эт, Сj эт) путем вычисления значения дивергенции νj, получают значение оценки еj качества сигнала с НСКР путем вычисления степенного многочлена вида еj=ƒ(νj) подстановкой в него известного ранее вычисленного значения νj, при выполнении условия νj<νj (1) значение оценки качества сигнала с НСКР соответствует величине ejmax максимальной оценки качества речевого сигнала, при выполнении условия νj>νj(G) значение оценки качества сигнала с НСКР соответствует величине ej min минимальной оценки качества речевого сигнала.A method of automatic assessment of the quality of speech signals with low-speed encoding, comprising the steps of: receiving the binary information bit stream (CPU) of the volume of N nn bit during the time interval ΔT, is formed on the basis of at normalized autocorrelation function and make a decision on availability of the block structure in information flow y along the regular with equal intervals Δτ extrema of the autocorrelation function a, divide the information CPU y into information blocks of N b bits each according to the intervals between the extrema of the autocorrelation function a, assign the information blocks sequentially serial numbers k = 1,2, ..., K, starting from the first information block, a rectangular information matrix Y of sizes K × Z, Z = N b is formed , the rows of which are information blocks sequentially placed under each other in accordance with their ordinal numbers k = 1,2, ..., K, are extracted from the matrix Y columns y z , z = 1,2, ..., Z, define the values of the mathematical expectation i (MO) m z for each column y z , form a vector of values of MO m = (m 1 , m 2 , ..., m z , ..., m z ) by sequentially placing the values of MO m z , form a training sample {y jw } W , w = 1,2, ..., W, W is the volume of the training sample, which consists of a set of digital streams y jw formed according to a given j-th NSCR protocol and corresponding to the maximum possible subjective assessment e jmax of the speech signal quality, form a reference CPU y j et by sequentially concatenating the digital streams y jw from the training sample, forming a rectangular reference information matrix y jet whose rows are sequentially arranged one below the other CPUs in jet is calculated from the reference matrix y jet reference vector MO m jet values vector MO m of the estimated low-rate speech coding (NSCR) stream is sequentially compared with the reference vectors MO m jet , a decision is made on the most probable membership of the estimated NSCR stream, the decision to use an unknown NSCR protocol when forming the CPU y stops the assessment of the quality of the speech signal, otherwise, on the basis of the matrix Y, the covariance matrix C is calculated, the image of the information CPU y is formed in the form of a set (m, C), the square reference covariance matrix C is calculated jet , form a reference image in the form of a set (m j et , C j et ), distort the reference CPU at jet by introducing a fixed number of erroneous bits in proportion to the value of the bit error probability
Figure 00000086
Figure 00000087
G - the number of levels of bit error probability in the range from the minimum P osh (1) to the maximum P osh (G) values; form a set
Figure 00000088
reference digital streams, distorted by bit errors, for each CPU
Figure 00000089
similarly compose the matrix
Figure 00000090
the collection of which forms a set
Figure 00000091
distorted reference matrices, calculate the corresponding vectors of values
Figure 00000092
and covariance matrices
Figure 00000093
make up images (
Figure 00000094
Figure 00000095
), distorted by bit errors, carry out a sequential comparison of the reference image (m j et , C j et ) and each of the G images (
Figure 00000094
Figure 00000096
) corrupted by bit errors by calculating the divergence value
Figure 00000097
between them, set the correspondence between the values of the divergence
Figure 00000098
and values
Figure 00000099
assessments of the quality of the speech signal, obtained on the basis of experimental or experimental-analytical approaches, bring the correspondence between the obtained sets
Figure 00000100
and
Figure 00000101
values to a continuous functional dependence of the form e j = ƒ (ν j ) by the method of interpolation by a power polynomial, compare the image (m, C) of the investigated information CPU y with NSCR and the reference image (m j et , C j et ) by calculating the divergence value ν j, is obtained evaluation e j signal quality value with NCIS by calculating the degree of the polynomial of the form f j = ƒ (ν j) substitution of the previously known computed value ν j, when the condition ν j <ν j (1) the value of the quality evaluation signal with NSCR corresponds to the value e jmax of the maximum estimate of the quality of the speech signal, when the condition ν j > ν j (G) is satisfied, the value of the estimate of the quality of the signal with the NSCR corresponds to the value e j min of the minimum estimate of the quality of the speech signal.
RU2021110011A 2021-04-09 2021-04-09 Method for automatically assessing the quality of speech signals with low-rate coding RU2757860C1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2021110011A RU2757860C1 (en) 2021-04-09 2021-04-09 Method for automatically assessing the quality of speech signals with low-rate coding

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2021110011A RU2757860C1 (en) 2021-04-09 2021-04-09 Method for automatically assessing the quality of speech signals with low-rate coding

Publications (1)

Publication Number Publication Date
RU2757860C1 true RU2757860C1 (en) 2021-10-21

Family

ID=78289630

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2021110011A RU2757860C1 (en) 2021-04-09 2021-04-09 Method for automatically assessing the quality of speech signals with low-rate coding

Country Status (1)

Country Link
RU (1) RU2757860C1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2271578C2 (en) * 2003-01-31 2006-03-10 Ооо "Центр Речевых Технологий" Method for recognizing spoken control commands
US20120116759A1 (en) * 2009-07-24 2012-05-10 Mats Folkesson Method, Computer, Computer Program and Computer Program Product for Speech Quality Estimation
US20180226081A1 (en) * 2011-03-10 2018-08-09 Telefonaktiebolaget Lm Ericsson (Publ) Filling of Non-Coded Sub-Vectors in Transform Coded Audio Signals
RU2667462C1 (en) * 2017-10-24 2018-09-19 федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации Method of recognizing low-speed speech coding protocols
US20200027467A1 (en) * 2018-07-20 2020-01-23 Mimi Hearing Technologies GmbH Systems and methods for encoding an audio signal using custom psychoacoustic models

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2271578C2 (en) * 2003-01-31 2006-03-10 Ооо "Центр Речевых Технологий" Method for recognizing spoken control commands
US20120116759A1 (en) * 2009-07-24 2012-05-10 Mats Folkesson Method, Computer, Computer Program and Computer Program Product for Speech Quality Estimation
US20180226081A1 (en) * 2011-03-10 2018-08-09 Telefonaktiebolaget Lm Ericsson (Publ) Filling of Non-Coded Sub-Vectors in Transform Coded Audio Signals
RU2667462C1 (en) * 2017-10-24 2018-09-19 федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации Method of recognizing low-speed speech coding protocols
US20200027467A1 (en) * 2018-07-20 2020-01-23 Mimi Hearing Technologies GmbH Systems and methods for encoding an audio signal using custom psychoacoustic models

Similar Documents

Publication Publication Date Title
JP6535706B2 (en) Method for creating a ternary bitmap of a data set
CN109599093B (en) Intelligent quality inspection keyword detection method, device and equipment and readable storage medium
CN1121681C (en) Speech processing
Sharma et al. A data-driven non-intrusive measure of speech quality and intelligibility
US9786300B2 (en) Single-sided speech quality measurement
CN107293306B (en) A kind of appraisal procedure of the Objective speech quality based on output
Dubey et al. Non-intrusive speech quality assessment using several combinations of auditory features
JP2018141917A (en) Learning device, speech synthesis system and speech synthesis method
Karbasi et al. Twin-HMM-based non-intrusive speech intelligibility prediction
Jassim et al. WARP-Q: Quality prediction for generative neural speech codecs
CN111326170B (en) Method and device for converting ear voice into normal voice by combining time-frequency domain expansion convolution
Cui et al. An Efficient Subband Linear Prediction for LPCNet-Based Neural Synthesis.
Yang et al. Parametric-based non-intrusive speech quality assessment by deep neural network
RU2757860C1 (en) Method for automatically assessing the quality of speech signals with low-rate coding
Picovici et al. Output-based objective speech quality measure using self-organizing map
Mandel et al. Audio super-resolution using concatenative resynthesis
Lin et al. Speaker-aware speech enhancement with self-attention
Iser et al. Bandwidth extension of telephony speech
Huber et al. Single-ended speech quality prediction based on automatic speech recognition
Picovici et al. New output-based perceptual measure for predicting subjective quality of speech
Mahdi et al. New single-ended objective measure for non-intrusive speech quality evaluation
Chen et al. Sepdiff: Speech separation based on denoising diffusion model
RU2801621C1 (en) Method for transcribing speech from digital signals with low-rate coding
CN113327616A (en) Voiceprint recognition method and device, electronic equipment and storage medium
RU2784691C1 (en) Method for identifying a speaker&#39;s personality by digital signals of low-speed speech codecs