基于非侵入式PESQ-DNN的编码语音质量测量
音频与语音处理
2023-04-20 v1 声音
摘要
AMR-WB或EVS等宽带编解码器在（移动）语音通信中被广泛使用。编码语音质量的评估通常通过绝对类别评分（ACR）听音测试主观进行。然而，ACR测试对于语音通信网络的在线监测并不实用。语音质量感知评估（PESQ）是广泛使用的、以仪器方式预测ACR测试结果的指标之一。但PESQ算法需要原始参考信号，而该信号在网络监测中通常不可用，从而限制了其适用性。NISQA是一种新的基于神经网络的非侵入式语音质量测量方法，侧重于超宽带语音信号。然而，在本工作中，我们旨在使用非侵入式PESQ-DNN模型预测知名的PESQ指标。我们通过预测在噪声、串联和易错传输条件下以不同码率工作的AMR-WB或EVS编解码器所得宽带编码语音的PESQ分数，说明了该模型的潜力。我们通过测量平均绝对误差（MAE）和线性相关系数（LCC），将我们的方法与用于PESQ预测的最先进网络拓扑QualityNet、WaweNet和DNSMOS进行比较。所提出的PESQ-DNN在无帧丢失条件下分别提供了最佳的0.11总MAE和0.92 LCC，且在包含帧丢失时仍是最佳。注意，我们的模型同样可用于非侵入式预测POLQA或其他（侵入式）指标。文章录用后，代码将于GitHub提供。
引用
@article{arxiv.2304.09226,
title = {Coded Speech Quality Measurement by a Non-Intrusive PESQ-DNN},
author = {Ziyi Xu and Ziyue Zhao and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2304.09226},
year = {2023}
}