基于神经网络的非侵入式语音质量评估
音频与语音处理
2019-03-19 v1 声音
摘要
估计音频信号的感知质量对许多多媒体和音频处理系统至关重要。提供商力求提供最优且可靠的服务，以提升用户质量体验（QoE）。在这项工作中，我们研究了神经网络在非侵入式音频质量评估中的适用性。我们提出了三种基于神经网络的均值意见分（MOS）估计方法。我们将结果与三种客观测量指标进行比较：语音质量感知评估（PESQ）、ITU-T 建议书 P.563，以及语音到混响能量比。我们的评估使用了一个受卷积噪声和加性噪声污染的语音数据集，采用基于众包的质量体验评估进行标注，并用与 MOS 标签的 Pearson 相关系数和估计 MOS 的均方误差进行评价。我们提出的方法优于上述客观测量指标，其中使用梅尔频率特征的 fully connected 深度神经网络提供了最佳相关性（0.87）和最低均方误差（0.15）。
引用
@article{arxiv.1903.06908,
title = {Non-intrusive speech quality assessment using neural networks},
author = {Anderson R. Avila and Hannes Gamper and Chandan Reddy and Ross Cutler and Ivan Tashev and Johannes Gehrke},
journal= {arXiv preprint arXiv:1903.06908},
year = {2019}
}
备注
Accepted at ICASSP 2019