CN107481734B - 语音质量评价方法及装置 - Google Patents
语音质量评价方法及装置 Download PDFInfo
- Publication number
- CN107481734B CN107481734B CN201710954159.0A CN201710954159A CN107481734B CN 107481734 B CN107481734 B CN 107481734B CN 201710954159 A CN201710954159 A CN 201710954159A CN 107481734 B CN107481734 B CN 107481734B
- Authority
- CN
- China
- Prior art keywords
- threshold
- voice
- spectrogram
- determining
- noise
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 abstract description 24
- 230000035807 sensation Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 22
- 238000001303 quality assessment method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 210000005069 ears Anatomy 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/60—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for measuring the quality of voice signals
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Telephonic Communication Services (AREA)
- Telephone Function (AREA)
Abstract
本公开涉及一种语音质量评价方法及装置,包括根据接收的语音通路的语音信号生成语谱图;在所述语谱图的语音强度范围内确定多个语音强度阈值;分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;分别确定各个阈值语谱图的噪音区域;根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量。根据本公开实施例的语音质量评价方法及装置能够有效模拟人主观评价时的听觉感受,使得评价结果更为接近人耳听觉感受、更接近人的主观判断,并提高语音质量的评价效率。
Description
技术领域
本公开涉及通信技术领域,尤其涉及一种语音质量评价方法及装置。
背景技术
语音是信息传递的一种重要载体,包括短波通信在内的各种语音通信***被广泛应用于社会的各个领域,语音通信***的性能好坏是信息交流是否通畅的重要因素,而语音通路输出语音质量的好坏是评价语音通信***性能好坏的标准。
语音质量的评价可以分为两类:主观评价和客观评价。目前,主观评价采用的是人工收听不同通路的语音信号,主观对不同通路的语音信号的语音质量进行比较和选择。主观评价方法存在处理速度慢、重复性差,进而导致语音质量的评价效率低下,且主观评价方法容易受人的主观因素影响,无法在实际生产过程中或者实验中应用。
目前,客观评价主要依据原始语音信号与失真语音信号的时频域或者变换域的特征参数做对比,例如:PSQM/PSQM+(Perceptual Speed Quality Measure,感知通话质量测量)、PAMS(Perceptual Analysis Measurement System,感知分析测量)等方法。但是上述方法有较大的局限性,评价结果与编码方式有关,并且评价结果与人工评价的结果差异性很大。
发明内容
有鉴于此,本公开提出了一种语音质量的评价方法,以实现对语音质量进行客评价时,通过模拟人主观评价时的听觉感受,使得评价结果更为接近人耳听觉感受、更接近人的主观判断并提高语音质量的评价效率。
根据本公开的一方面,提供了一种语音质量评价方法,包括:
根据接收的语音通路的语音信号生成语谱图;
在所述语谱图的语音强度范围内确定多个语音强度阈值;
分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;
分别确定各个阈值语谱图的噪音区域;
根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量。
根据本公开的一方面,提供了一种语音质量评价装置,包括:
第一生成模块,用于根据接收的语音通路的语音信号生成语谱图;
第一确定模块,用于在所述语谱图的语音强度范围内确定多个语音强度阈值;
第二生成模块,用于分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;
第二确定模块,用于分别确定各个阈值语谱图的噪音区域;
第三确定模块,用于根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量。
根据本公开的另一方面,提供了一种语音质量评价装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。
这样,通过设置多个语音强度阈值进而对语音信号对应的语谱图进行阈值化处理,得到多个阈值语谱图,并确定多个阈值语谱图中的噪音区域,以根据多个阈值语谱图的噪音区域确定语音通路的语音质量。根据本公开上述实施例的语音质量评价方法可以对语音通路的语音质量进行客观评价,通过模拟人主观评价时的听觉感受,使得评价结果更为接近人耳听觉感受、更接近人的主观判断;而且本公开上述实施例的语音质量评价方法可以重复进行语音质量的评价操作,可以提高语音质量的评价效率,进一步的,可以使语音通信***中的多通路短波语音的择优切换更为准备与及时。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开一实施例的语音质量评价方法的流程图;
图2示出本公开一种噪音确定方法的流程图;
图3示出本公开一种噪音确定方法的流程图;
图4示出本公开一种噪音确定方法的流程图;
图5示出本公开一种噪音确定方法的流程图;
图6示出根据本公开一实施例的语音质量评价方法的流程图;
图7示出根据本公开一实施例的语音质量评价方法的流程图;
图8示出根据本公开一实施例的语音质量评价方法的流程图;
图9示出根据本公开一实施例的语音质量评价装置的结构框图;
图10示出根据本公开一实施例的语音质量评价装置的结构框图;
图11是根据一示例性实施例示出的一种用于语音质量评价的装置1300的框图;
图12是根据一示例性实施例示出的一种用于语音质量评价的装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的语音质量评价方法的流程图,本公开提供的语音质量评价方法可以应用于语音通信***中,用以对语音通信***中语音通路的语音质量进行评价。如图1所示,该语音质量评价方法可以包括:
步骤101、根据接收的语音通路的语音信号生成语谱图;
终端设备可以将语音通路接收的语音信号进行时域信号至频域信号的转换,以得到对应的语谱图,举例来说,可以通过STFT(Short-Time Fourier Transform,短时傅里叶变换)将语音信号进行时域至频域的转换,进而得到对应的语谱图。
步骤102、在所述语谱图的语音强度范围内确定多个语音强度阈值;
上述语音强度范围可以为语谱图中的声音数据的语音强度最大值及语音强度最小值的范围,其中,上述声音数据可以包括语音数据和噪音数据。在上述语音强度范围内可以确定多个语音强度值作为多个语音强度阈值,举例来说,可以在上述语音强度范围内设置N个语音强度阈值,可以分别包括:第一语音强度阈值,第二语音强度阈值,……,第N语音强度阈值,例如:上述语音强度范围为0.1~1.0,在该语音强度范围内可以确定4个语音强度阈值:第一语音强度阈值:0.2、第二语音强度阈值:0.4、第三语音强度阈值:0.6及第四语音强度阈值:0.8。
其中,上述语音强度阈值的数量可以由本领域技术人员根据语音质量的评价精度进行设置,举例来说,可以通过以下方式但不限于以下方式在语音强度范围内确定多个语音强度阈值:
方式一,可以在语音强度范围内等距选择N个语音强度阈值,或者在语音强度范围的中位数、或者三分之一点处、或者四分之一点处附近选择N个语音强度阈值。
方式二,在语谱图中语音强度与某一语音强度值的差值大于0的声音数据的个数满足个数阈值条件时,可以确定该语音强度值为语音强度阈值。举例来说,需要确定4个语音强度阈值,上述4个语音强度阈值对应的个数阈值条件可以分别为20%、40%、60%、80%,当语谱图中语音强度与第一语音强度值的差值大于0的声音数据的个数占语谱图中声音数据个数的20%时,可以确定该第一语音强度值为第一语音强度阈值;当语谱图中语音强度与第二语音强度值的差值大于0的声音数据的个数占语谱图中声音数据的40%时,可以确定该第二语音强度值为第二语音强度阈值,当语谱图中语音强度与第三语音强度值的差值大于0的声音数据的个数占语谱图中声音数据的60%时,可以确定该第三语音强度值为第三语音强度阈值,当语谱图中语音强度与第四语音强度值的差值大于0的声音数据的个数占语谱图中声音数据的80%时,可以确定该第四语音强度值为第四语音强度阈值。
步骤103、分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;
针对上述确定的多个语音强度阈值,根据每一个语音强度阈值与语谱图均可以生成一个对应的阈值语谱图,根据多个语音阈值强度共可以生成多个阈值语谱图。
在一种可能的实现方式中,上述分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图,可以包括:
针对每一个语音强度阈值,将所述语谱图中语音强度不小于该语音强度阈值的声音数据对应的语音强度确定为第一数值、语音强度小于该语音强度阈值的声音数据对应的语音强度确定为第二数值,以生成该语音强度阈值对应的阈值语谱图。
举例来说,上述第一数值设置为1,第二数值设置为0,假设当前根据第一语音强度阈值与语谱图生成第一阈值语谱图,语谱图中的语音强度大于或者等于该第一语音强度阈值的声音数据在对应的第一阈值语谱图中对应的语音强度可以为1,语音强度小于或者等于该第一语音强度阈值的声音数据在对应的第一阈值语谱图中对应的语音强度可以为0,根据上述声音数据在第一阈值语谱图中的语音强度可以生成对应的第一阈值语谱图。
示例性的,对应于语音强度为第一数值的声音数据在第一阈值语谱图中可以对应显示为白色,对应于语音强度为对应的声音数据在第一阈值语谱图中可以对应显示为黑色。
可以理解的是,上述第一数值设置为1,第二数值设置为0仅作为本公开中第一数值及第二数值的一种示例,而不理解为是对上述第一数值及第二数值的一种限定,实际上也可以设置第一数值为0,第二数值为1,或者可以设置第一数值为a,第二数值为b等,可以标识第一数值与第二数值不同即可,本公开对此不作具体限定,以下以上述第一数值为1,第二数值为0为例对本公开加以说明。
上述语音强度为第一数值的声音数据在阈值语谱图中对应显示为白色,语音强度为第二数值的声音数据在阈值语谱图中对应显示为黑色,仅作为本公开中生成阈值语谱图的一种示例,而不作为对本公开阈值语谱图的一种限定,实际上也可以第一数值的声音数据在阈值语谱图中对应显示为黑色,语音强度为第二数值的声音数据在阈值语谱图中对应显示为白色,或者第一数值的声音数据在阈值语谱图中对应显示为红色,语音强度为第二数值的声音数据在阈值语谱图中对应显示为绿色,能够表示两种不同语音强度的两种不同颜色均是可行的,本公开对此不作具体限定,以下以第一数值的声音数据在阈值语谱图中对应显示为白色,语音强度为第二数值的声音数据在阈值语谱图中对应显示为黑色为例对本公开加以说明。
步骤104、分别确定各个阈值语谱图的噪音区域;
本公开可以采用图像处理技术确定上述各个阈值语谱图中的噪音区域,举例来说,可以确定上述阈值语谱图中声音数据组成的白色区域的大小,或者声音数据组成的白色区域对应的区域的形状等方式确定阈值语谱图中的噪音区域。其中,位于上述噪音区域内的声音数据可以确定为噪音数据,位于非噪音区域内的声音数据可以认为是语音数据。
在一种可能的实现方式中,上述分别确定各个阈值语谱图的噪音区域,可以包括:
针对每一个阈值语谱图,可以根据一种或多种噪音确定方法确定该阈值语谱图的多个噪音区域,合并所述多个噪音区域作为该阈值语谱图的噪音区域。
本公开可以采用一种噪音确定方法确定阈值语谱图中的至少一处噪音区域,可以合并上述至少一处噪音区域作为阈值语谱图的噪音区域;本公开中还可以采用多种噪音确定方法确定阈值语谱图中的噪音区域,其中,每一种噪音确定方法均可以确定阈值语谱图中的至少一处噪音区域,可以合并上述多种噪音确定方法确定的至少一处噪音区域作为阈值语谱图的噪音区域。其中,合并上述噪音区域的方式可以包括且不限于:取交集、取并集,或者投票打分等方式。
图2示出本公开一种噪音确定方法的流程图。
在一种可能的方式中,参照图2,上述噪音确定方法可以包括第一噪音确定方法,该第一噪音确定方法可以包括:
步骤201、确定所述阈值语谱图中语音强度连续为第一数值的第一区域;
步骤202、在所述第一区域的面积大于第一阈值时,确定所述第一区域为第一噪音区域。
上述阈值语谱图中语音强度为第一数值的声音数据在阈值语谱图中对应显示为白色,语音强度为第二数值的声音数据在阈值语谱图中对应显示为黑色,上述阈值语谱图中的白色区域为语音强度连续为第一数值的区域,该区域中的所有声音数据的语音强度均为第一数值,可以确定该区域为第一区域。
可以计算上述第一区域的面积,举例来说,可以通过图像处理技术分析出上述阈值语谱图中的第一区域,计算出上述第一区域的面积。在上述第一区域的面积大于第一阈值时,可以确定该第一区域为第一噪音区域,其中,上述第一阈值可以为本领域技术人根据语音质量的精度需求确定的噪音区域的面积阈值,本公开在此上述第一阈值做具体限定。举例来说,可以计算上述阈值语谱图中每一白色区域的面积,假设上述第一阈值为5mm2,经计算上述某一白色区域的面积为6mm2,上述白色区域(第一区域)的面积大于上述第一阈值,则可以确定该第一区域为第一噪音区域;可以将上述阈值频谱图中的每一个面积大于上述第一阈值的第一区域确定为第一噪音区域,一个阈值语谱图中可以包括至少m个第一噪音区域,将上述m个第一噪音区域合并可以得到该阈值语谱图的噪音区域。
图3示出本公开一种噪音确定方法的流程图。在一种可能的实现方式中,参照图3,上述噪音确定方法可以包括第二噪音确定方法,上述第二噪音确定方法可以包括:
步骤301、确定所述阈值语谱图中的第一宽频率语音数据区域,其中,所述第一宽频率语音数据区域为:在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第一频率差值的第一语音数据区域;
步骤302、将连续的所述第一宽频率语音数据区域组成的区域确定为第二区域;
步骤303、所述第二区域对应的时间长度大于第二阈值时,确定所述第二区域为第二噪音区域。
上述阈值语谱图包括时间方向和频率方向,在频率方向上,存在对应于同一时间的多个不同频率的声音数据,该多个声音数据中对应的频率最大值和频率最小值的差值若大于第一频率差值,可以确定该频率最大值对应的声音数据至频率最小值对应的声音数据之间的区域为第一宽频率语音数据区域,其中,上述第一频率差值可以为本领域技术人员根据语音质量的精度需求确定的频率差值阈值,本公开在此不做具体限定。
若在时间方向上存在连续的多个上述第一宽频率语音数据区域,可以将该连续的多个上述第一宽频率语音数据区域组成的区域确定为第二区域。确定上述时间方向上连续出现上述第一宽频语音数据区域的时间长度,在上述时间长度大于第二阈值时,可以确定上述第二区域为第二噪音区域。其中,上述第二阈值可以为本领域技术人员根据语音质量的精度需求确定的时间长度阈值,本公开在此不做具体限定。
举例来说,假设上述阈值语谱图中在时间3ms至5ms连续出现第一宽频率语音数据区域,出现该第一宽频率语音数据区域的时间长度为3ms,假设上述第二阈值为2ms,则可以确定上述3ms至5ms连续出现的第一宽频率语音数据区域所组成的第二区域为第二噪音区域。每一阈值语谱图中可以包括至少m个第二噪音区域,将上述m个第二噪音区域合并可以得到该阈值语谱图的噪音区域。
在一种可能的实现方式中,上述噪音确定方法可以包括第三噪音确定方法,所述第三噪音确定方法可以包括:
确定所述阈值语谱图中语音强度为所述第一数值的声音数据的密度大于第三阈值的第三区域为第三噪音区域。
上述阈值语谱图可以包括多个区域,每个区域均可以包括语音强度为第一数值的声音数据及语音强度为第二数值的声音数据,在一个区域内,假设该区域内可以对应R*R个声音数据(包括M个语音强度为第一数值的声音数据、L个语音强度为第二数值的声音数据,其中M+N小于或者等于上述R*R),则上述语音强度为第一数值的声音数据的密度可以为M/(R*R)。终端设备可以检测各个区域中语音强度为第一数值的声音数据的密度,将上述密度大于第三阈值的第三区域确定为噪音区域,其中,上述第三阈值可以为本领域技术人员根据语音质量的精度需求确定的密度阈值。举例来说,确定上述第三区域中语音强度为第一数值的声音数据的密度为0.67,假设上述第三阈值为0.50,则可以确定上述第三区域为第三噪音区域。每一阈值语谱图中可以包括至少m个第三噪音区域,将上述m个第三噪音区域合并可以得到该阈值语谱图的噪音区域。
图4示出本公开一种噪音确定方法的流程图。
在一种可能的实现方式中,参照图4,上述噪音确定方法可以包括第四噪音确定方法,所述第四噪音确定方法可以包括:
步骤401、采用霍夫变换检测方法确定所述阈值语谱图中语音强度连续为所述第一数值的直线区域为第四区域;
步骤402、在所述第四区域的长度大于第四阈值时,确定所述第四区域为第四噪音区域。
本公开中可以采用霍夫变换检测方法确定上述阈值语谱图的语音强度为第一数值的声音数据组成的直线区域,举例来说,上述阈值频谱图中语音强度为第一数值的声音数据可以显示为白色,语音强度为第二数值的声音数据可以显示为黑色。可以采用霍夫变换检测方法检测上述阈值语谱图中的白色线段,在上述白色线段的长度大于第四阈值时,可以确定该白色线段对应的第四区域为第四噪音区域,其中,上述第四阈值可以为本领域技术人员根据语音质量的精度需求确定的长度阈值。例如,采用霍夫变换检测方法检测到上述阈值语谱图中存在一条由语音强度为第一数值的声音数据组成的直线区域,该直线区域的长度为1cm,假设上述第四阈值为0.8cm,则可以确定上述直线区域对应的第四区域为上述第四噪音区域。每一阈值语谱图中可以包括至少m个第四噪音区域,将上述m个第四噪音区域合并可以得到该阈值语谱图的噪音区域。
图5示出本公开一种噪音确定方法的流程图。
在一种可能的实现方式中,参照图5,上述噪音确定方法可以包括第五噪音确定方法,所述第五噪音确定方法可以包括:
步骤501、检测所述阈值语谱图中在时间方向上周期性出现的第二宽频率语音数据区域,其中,所述第二宽频率语音数据区域为在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第二频率阈值的第二语音数据区域;
步骤502、确定所述周期性出现的第二宽频率语音数据区域组成的区域为第五噪音区域。
上述阈值语谱图包括时间方向和频率方向,在频率方向上,存在对应于同一时间的多个不同频率的声音数据,该多个声音数据中对应的频率最大值和频率最小值的差值若大于第二频率差值,可以确定该频率最大值对应的声音数据至频率最小值对应的声音数据之间的区域为第二宽频率语音数据区域,其中,上述第二频率差值可以为本领域技术人员根据语音质量的精度需求确定的频率差值阈值,上述第二频率差值可以小于或者等于上述第一频率差值,本公开在此不做具体限定。
若检测到在时间方向上周期性的出现上述第二宽频率语音数据区域,可以将上述周期性出现的上述第二宽频率语音数据区域组成的区域确定为第五区域。每一阈值语谱图中可以包括至少m个第五噪音区域,将上述m个第五噪音区域合并可以得到该阈值语谱图的噪音区域。
步骤105、根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量。
图6示出根据本公开一实施例的语音质量评价方法的流程图。
在一种可能的实施方式中,参照图6,上述所述根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量,可以包括:
步骤1051、分别确定各个阈值语谱图中噪音区域的面积占对应的阈值语谱图的面积的比值;
步骤1052、确定所述各个比值的均值为所述语音通路的第一语音质量参数;
步骤1053、根据所述第一语音质量参数确定所述语音通路的语音质量。
上述第一语音质量参数可以为用于进行语音通路的语音质量评价的参数,可以通过上述第一噪音确定方法至第五噪音确定方法中的一种或者多种噪音确定方法可以分别确定各个阈值语谱图中的噪音区域,并确定上述每一阈值语谱图中的噪音区域的面积占对应的阈值语谱图的面积的比值,进而可以确定上述各个阈值语谱图的比值的均值为语音通路的第一语音质量参数,该第一语音质量参数可以表示语谱图中的噪音数据所占声音数据的比例。
举例来说,一个语谱图对应生成N个阈值语谱图,分别计算上述每个阈值语谱图中的噪音区域面积占阈值语谱图的面积的比值,可以得到对应每个阈值语谱图的比值:M(1),M(2),……M(N)。计算上述N个阈值语谱图的比值的均值:(M(1)+M(2)+……+M(N))/N,进而可以确定上述均值为接收上述语音信号的语音通路的第一语音质量参数A。
本公开中可以根据上述第一语音质量参数A确定所述语音通路的语音质量,举例来说,可以根据语音信号中的噪音数据所占的比值确定语音质量,则噪音数据占比(第一语音质量参数A)越小,语音质量越好,或者也可以根据语音信号中的语音数据所占的比值(1-A)确定语音质量,语音数据占比越大,语音质量越好,并可以进一步的对语音通信***中的多个语音通路的语音质量进行比较,确定语音通信***中语音质量最优的语音通路。
图7示出根据本公开一实施例的语音质量评价方法的流程图。
在一种可能的实施方式中,参照图7,上述所述根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量,可以包括:
步骤1054、针对所述语谱图中的每个声音数据,确定该声音数据在各个阈值语谱图中的位置,将位置位于非噪音区域内时对应的阈值语谱图确定为第一阈值语谱图集,将第一阈值语谱图集中阈值语谱图对应的最小语音强度阈值作为第一阈值,根据第一阈值和该声音数据的语音强度确定该声音数据的质量参数;
步骤1055、将各个声音数据的质量参数的均值作为所述语音通路的第二语音质量参数;
步骤1056、根据所述第二语音质量参数确定所述语音通路的语音质量。
通过上述第一噪音确定方法至第五噪音确定方法中的一种或者多种噪音确定方法可以确定上述各个阈值语谱图中的噪音区域。并可以根据上述各个阈值语谱图中的噪音区域确定上述语谱图中的每一个声音数据在各个阈值语谱图中对应的位置(在噪音区域,或者在非噪音区域)。确定一个声音数据在各个阈值语谱图中相应的位置后,将该声音数据的位置在非噪音区域的至少一个阈值语谱图确定为第一阈值语谱图集。可以确定上述第一阈值语谱图集中的至少一个阈值语谱图对应语音强度阈值,并可以将上述语音强度阈值中的最小语音强度阈值确定为第一阈值。
举例来说:上述语谱图对应生成了N个阈值语谱图,确定上述语谱图中的声音数据G(x,y)在上述N个阈值语谱图中的位置为:在其中M个阈值语谱图中的位置为非噪音区域,在其中N-M个阈值语谱图中的位置为噪音区域,将上述M个阈值语谱图确定第一阈值语谱图集。确定上述第一阈值语谱图集中的M个阈值语谱图的语音强度阈值,可以将上述M个语音强度阈值对应的最小语音强度阈值确定为第一阈值。
可以根据上述第一阈值及声音数据的语音强度确定该声音数据的质量参数,举例来说,可以确定该声音数据的语音强度与该第一阈值的差值为声音数据的质量参数。
确定上述语谱图中的每一个声音数据的质量参数,并计算上述各个声音数据的质量参数的均值,可以确定该均值为接收上述语音信号的语音通路的第二语音质量参数B。其中,上述第二语音质量参数B可以为上述语音信号中的语音数据所占的比值。
本公开可以根据上述第二语音质量参数B确定所述语音通路的语音质量,举例来说,可以根据语音信号中的语音数据所占的比值确定语音质量,语音数据占比(第二语音质量参数B)越大,语音质量越好,或者也可以根据语音信号中的噪音数据所占的比值(1-B)确定语音质量,噪音数据占比越大,语音质量越好,并可以进一步的对语音通信***中的多个语音通路的语音质量进行比较,确定语音通信***中语音质量最优的语音通路。
图8示出根据本公开一实施例的语音质量评价方法的流程图。
步骤801、接收语音通路的语音信号;
步骤802、通过短时傅里叶变换生成对应上述语音信号的语谱图;
步骤803、在上述语谱图的声音数据的语音强度范围内确定N个语音强度阈值,包括:第1语音强度阈值、第2语音强度阈值、……、第N语音强度阈值。
步骤804、根据上述N个语音强度阈值及语谱图确定N个阈值语谱图,包括:第1阈值语谱图、第2阈值语谱图、……、第N阈值语谱图。
步骤805、采用N种噪音确定方法分别确定上述N个阈值语谱图中的噪音区域;
步骤806、分别确定上述N个阈值语谱图中的噪音区域的面积占对应的阈值语谱图的面积的比值,得到比值:比值1、比值2、……、比值N;
步骤807、确定上述N个比值的均值为语音通路的语音质量参数;
步骤808、通过上述语音质量参数确定上述语音通路的语音质量。
这样,通过设置多个语音强度阈值进而对语音信号对应的语谱图进行阈值化,得到多个对应于两个语音强度值的阈值语谱图,并确定多个阈值语谱图中的噪音区域,以根据多个阈值语谱图的噪音区域确定语音通路的语音质量。根据本公开上述实施例的语音质量评价方法可以对语音通路的语音质量进行客观评价,通过模拟人主观评价时的听觉感受,使得评价结果更为接近人耳听觉感受、更接近人的主观判断;而且本公开上述实施例的语音质量评价方法可以重复进行语音质量的评价操作,可以提高语音质量的评价效率,进一步的,可以使语音通信***中的多通路短波语音的择优切换更为准备与及时。
图9示出根据本公开一实施例的语音质量评价装置的结构框图,如图11所示,该装置可以包括:第一生成模块901、第一确定模块902、第二生成模块903、第二确定模块904、及第三生成模块905;其中,
第一生成模块901,可以用于根据接收的语音通路的语音信号生成语谱图;
第一确定模块902,可以用于在所述语谱图的语音强度范围内确定多个语音强度阈值;
第二生成模块903,可以用于分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;
第二确定模块904,可以用于分别确定各个阈值语谱图的噪音区域;
第三确定模块905,可以用于根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量。
图10示出根据本公开一实施例的语音质量评价装置的结构框图。
在一种可能的实现方式中,参照图10,上述第二生成模块903,可以包括:
生成子模块9031,可以用于针对每一个语音强度阈值,将所述语谱图中语音强度不小于该语音强度阈值的声音数据对应的语音强度确定为第一数值、语音强度小于该语音强度阈值的声音数据对应的语音强度确定为第二数值,以生成该语音强度阈值对应的阈值语谱图。
在一种可能的实现方式中,参照图10,上述第三确定模块905,可以包括:
第一确定子模块9051,可以用于分别确定各个阈值语谱图中噪音区域的面积占对应的阈值语谱图的面积的比值;
第二确定子模块9052,可以用于确定所述各个比值的均值为所述语音通路的第一语音质量参数;
第三确定子模块9053,可以用于根据所述第一语音质量参数确定所述语音通路的语音质量。
在一种可能的实现方式中,参照图10,上述第三确定模块905,可以包括:
第四确定子模块9054,可以用于针对所述语谱图中的每个声音数据,确定该声音数据在各个阈值语谱图中的位置,将位置位于非噪音区域内时对应的阈值语谱图确定为第一阈值语谱图集,将第一阈值语谱图集中阈值语谱图对应的最小语音强度阈值作为第一阈值,根据第一阈值和该声音数据的语音强度确定该声音数据的质量参数;
第五确定子模块9055,可以用于将各个声音数据的质量参数的均值作为所述语音通路的第二语音质量参数;
第六确定子模块9056,可以用于根据所述第二语音质量参数确定所述语音通路的语音质量。
在一种可能的实现方式中,参照图10,上述第二确定模块904,可以包括:
第七确定子模块9041,可以用于针对每一个阈值语谱图,根据一种或多种噪音确定方法确定该阈值语谱图的多个噪音区域,合并所述多个噪音区域作为该阈值语谱图的噪音区域。
在一种可能的实现方式中,上述第七确定子模块9041可以包括:第一确定单元,
所述第一确定单元可以用于:
确定所述阈值语谱图中语音强度连续为第一数值的第一区域;
在所述第一区域的面积大于第一阈值时,确定所述第一区域为第一噪音区域。
在一种可能的实现方式中,上述第七确定子模块9041可以包括:第二确定单元,所述第二确定单元可以用于:
确定所述阈值语谱图中的第一宽频率语音数据区域,其中,所述第一宽频率语音数据区域为:在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第一频率差值的第一语音数据区域;
将连续的所述第一宽频率语音数据区域组成的区域确定为第二区域;
所述第二区域对应的时间长度大于第二阈值时,确定所述第二区域为第二噪音区域。
在一种可能的实现方式中,上述第七确定子模块9041可以包括:第三确定单元,所述第三确定单元可以用于:
确定所述阈值语谱图中语音强度为所述第一数值的声音数据的密度大于第三阈值的第三区域为第三噪音区域。
在一种可能的实现方式中,上述第七确定子模块9041可以包括:第四确定单元,所述第四确定单元可以用于:
采用霍夫变换检测方法确定所述阈值语谱图中语音强度连续为所述第一数值的直线区域为第四区域;
在所述第四区域的长度大于第四阈值时,确定所述第四区域为第四噪音区域。
在一种可能的实现方式中,上述第七确定子模块9041可以包括:第五确定单元,所述第五确定单元可以用于:
检测所述阈值语谱图中在时间方向上周期性出现的第二宽频率语音数据区域,其中,所述第二宽频率语音数据区域为在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第二频率阈值的第二语音数据区域;
确定所述周期性出现的第二宽频率语音数据区域组成的区域为第五噪音区域。
图11是根据一示例性实施例示出的一种用于语音质量评价的装置1300的框图。例如,装置1300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图11,装置1300可以包括以下一个或多个组件:处理组件1302,存储器1304,电源组件1306,多媒体组件1308,音频组件1310,输入/输出(I/O)的接口1312,传感器组件1314,以及通信组件1316。
处理组件1302通常控制装置1300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件1302可以包括一个或多个处理器1320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1302可以包括一个或多个模块,便于处理组件1302和其他组件之间的交互。例如,处理组件1302可以包括多媒体模块,以方便多媒体组件1308和处理组件1302之间的交互。
存储器1304被配置为存储各种类型的数据以支持在装置1300的操作。这些数据的示例包括用于在装置1300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件1306为装置1300的各种组件提供电力。电源组件1306可以包括电源管理***,一个或多个电源,及其他与为装置1300生成、管理和分配电力相关联的组件。
多媒体组件13013包括在所述装置1300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1308包括一个前置摄像头和/或后置摄像头。当装置1300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件1310被配置为输出和/或输入音频信号。例如,音频组件1310包括一个麦克风(MIC),当装置1300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1304或经由通信组件1316发送。在一些实施例中,音频组件1310还包括一个扬声器,用于输出音频信号。
I/O接口1312为处理组件1302和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1314包括一个或多个传感器,用于为装置1300提供各个方面的状态评估。例如,传感器组件1314可以检测到装置1300的打开/关闭状态,组件的相对定位,例如所述组件为装置1300的显示器和小键盘,传感器组件1314还可以检测装置1300或装置1300一个组件的位置改变,用户与装置1300接触的存在或不存在,装置1300方位或加速/减速和装置1300的温度变化。传感器组件1314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1316被配置为便于装置1300和其他设备之间有线或无线方式的通信。装置1300可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件1316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置1300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1304,上述计算机程序指令可由装置1300的处理器1320执行以完成上述方法。
图12是根据一示例性实施例示出的一种用于语音质量评价的装置1900的框图。例如,装置1900可以被提供为一服务器。参照图12,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作***,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (20)
1.一种语音质量评价方法,其特征在于,包括:
根据接收的语音通路的语音信号生成语谱图;
在所述语谱图的语音强度范围内确定多个语音强度阈值;
分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;
分别确定各个阈值语谱图的噪音区域;
根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量,
其中,所述分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图,包括:
针对每一个语音强度阈值,将所述语谱图中语音强度不小于该语音强度阈值的声音数据对应的语音强度确定为第一数值、语音强度小于该语音强度阈值的声音数据对应的语音强度确定为第二数值,以生成该语音强度阈值对应的阈值语谱图,
所述阈值语谱图包括所述语谱图中语音强度被确定为所述第一数值和所述第二数值的声音数据。
2.根据权利要求1所述的方法,其特征在于,所述根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量,包括:
分别确定各个阈值语谱图中噪音区域的面积占对应的阈值语谱图的面积的比值;
确定各个比值的均值为所述语音通路的第一语音质量参数;
根据所述第一语音质量参数确定所述语音通路的语音质量。
3.根据权利要求1所述的方法,其特征在于,所述根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量,包括:
针对所述语谱图中的每个声音数据,确定该声音数据在各个阈值语谱图中的位置,将位置位于非噪音区域内时对应的阈值语谱图确定为第一阈值语谱图集,将第一阈值语谱图集中阈值语谱图对应的最小语音强度阈值作为第一阈值,根据第一阈值和该声音数据的语音强度确定该声音数据的质量参数;
将各个声音数据的质量参数的均值作为所述语音通路的第二语音质量参数;
根据所述第二语音质量参数确定所述语音通路的语音质量。
4.根据权利要求1至3任一所述的方法,其特征在于,所述分别确定各个阈值语谱图的噪音区域,包括:
针对每一个阈值语谱图,根据一种或多种噪音确定方法确定该阈值语谱图的多个噪音区域,合并所述多个噪音区域作为该阈值语谱图的噪音区域。
5.根据权利要求4所述的方法,其特征在于,所述噪音确定方法包括第一噪音确定方法,所述第一噪音确定方法包括:
确定所述阈值语谱图中语音强度连续为第一数值的第一区域;
在所述第一区域的面积大于第一阈值时,确定所述第一区域为第一噪音区域。
6.根据权利要求4所述的方法,其特征在于,所述噪音确定方法包括第二噪音确定方法,所述第二噪音确定方法包括:
确定所述阈值语谱图中的第一宽频率语音数据区域,其中,所述第一宽频率语音数据区域为:在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第一频率差值的第一语音数据区域;
将连续的所述第一宽频率语音数据区域组成的区域确定为第二区域;
所述第二区域对应的时间长度大于第二阈值时,确定所述第二区域为第二噪音区域。
7.根据权利要求4所述的方法,其特征在于,所述噪音确定方法包括第三噪音确定方法,所述第三噪音确定方法,包括:
确定所述阈值语谱图中语音强度为所述第一数值的声音数据的密度大于第三阈值的第三区域为第三噪音区域。
8.根据权利要求4所述的方法,其特征在于,所述噪音确定方法包括第四噪音确定方法,所述第四噪音确定方法,包括:
采用霍夫变换检测方法确定所述阈值语谱图中语音强度连续为所述第一数值的直线区域为第四区域;
在所述第四区域的长度大于第四阈值时,确定所述第四区域为第四噪音区域。
9.根据权利要求4所述的方法,其特征在于,所述噪音确定方法包括第五噪音确定方法,所述第五噪音确定方法,包括:
检测所述阈值语谱图中在时间方向上周期性出现的第二宽频率语音数据区域,其中,所述第二宽频率语音数据区域为在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第二频率阈值的第二语音数据区域;
确定所述周期性出现的第二宽频率语音数据区域组成的区域为第五噪音区域。
10.一种语音质量评价装置,其特征在于,包括:
第一生成模块,用于根据接收的语音通路的语音信号生成语谱图;
第一确定模块,用于在所述语谱图的语音强度范围内确定多个语音强度阈值;
第二生成模块,用于分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;
第二确定模块,用于分别确定各个阈值语谱图的噪音区域;
第三确定模块,用于根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量,
其中,所述第二生成模块,包括:
生成子模块,用于针对每一个语音强度阈值,将所述语谱图中语音强度不小于该语音强度阈值的声音数据对应的语音强度确定为第一数值、语音强度小于该语音强度阈值的声音数据对应的语音强度确定为第二数值,以生成该语音强度阈值对应的阈值语谱图,
所述阈值语谱图包括所述语谱图中语音强度被确定为所述第一数值和所述第二数值的声音数据。
11.根据权利要求10所述的装置,其特征在于,所述第三确定模块,包括:
第一确定子模块,用于分别确定各个阈值语谱图中噪音区域的面积占对应的阈值语谱图的面积的比值;
第二确定子模块,用于确定各个比值的均值为所述语音通路的第一语音质量参数;
第三确定子模块,用于根据所述第一语音质量参数确定所述语音通路的语音质量。
12.根据权利要求10所述的装置,其特征在于,所述第三确定模块,包括:
第四确定子模块,用于针对所述语谱图中的每个声音数据,确定该声音数据在各个阈值语谱图中的位置,将位置位于非噪音区域内时对应的阈值语谱图确定为第一阈值语谱图集,将第一阈值语谱图集中阈值语谱图对应的最小语音强度阈值作为第一阈值,根据第一阈值和该声音数据的语音强度确定该声音数据的质量参数;
第五确定子模块,用于将各个声音数据的质量参数的均值作为所述语音通路的第二语音质量参数;
第六确定子模块,用于根据所述第二语音质量参数确定所述语音通路的语音质量。
13.根据权利要求10至12任一所述的装置,其特征在于,所述第二确定模块,包括:
第七确定子模块,用于针对每一个阈值语谱图,根据一种或多种噪音确定方法确定该阈值语谱图的多个噪音区域,合并所述多个噪音区域作为该阈值语谱图的噪音区域。
14.根据权利要求13所述的装置,其特征在于,所述第七确定子模块,包括:第一确定单元,所述第一确定单元用于:
确定所述阈值语谱图中语音强度连续为第一数值的第一区域;
在所述第一区域的面积大于第一阈值时,确定所述第一区域为第一噪音区域。
15.根据权利要求13所述的装置,其特征在于,所述第七确定子模块,包括:第二确定单元,所述第二确定单元用于:
确定所述阈值语谱图中的第一宽频率语音数据区域,其中,所述第一宽频率语音数据区域为:在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第一频率差值的第一语音数据区域;
将连续的所述第一宽频率语音数据区域组成的区域确定为第二区域;
所述第二区域对应的时间长度大于第二阈值时,确定所述第二区域为第二噪音区域。
16.根据权利要求13所述的装置,其特征在于,所述第七确定子模块,包括:第三确定单元,所述第三确定单元用于:
确定所述阈值语谱图中语音强度为所述第一数值的声音数据的密度大于第三阈值的第三区域为第三噪音区域。
17.根据权利要求13所述的装置,其特征在于,所述第七确定子模块,包括:第四确定单元,所述第四确定单元用于:
采用霍夫变换检测方法确定所述阈值语谱图中语音强度连续为所述第一数值的直线区域为第四区域;
在所述第四区域的长度大于第四阈值时,确定所述第四区域为第四噪音区域。
18.根据权利要求13所述的装置,其特征在于,所述第七确定子模块,包括:第五确定单元,所述第五确定单元用于:
检测所述阈值语谱图中在时间方向上周期性出现的第二宽频率语音数据区域,其中,所述第二宽频率语音数据区域为在频率方向上,对应于同一时间的多个声音数据的频率最大值与频率最小值的差值大于第二频率阈值的第二语音数据区域;
确定所述周期性出现的第二宽频率语音数据区域组成的区域为第五噪音区域。
19.一种语音质量评价装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
根据接收的语音通路的语音信号生成语谱图;
在所述语谱图的语音强度范围内确定多个语音强度阈值;
分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图;
分别确定各个阈值语谱图的噪音区域;
根据各个阈值语谱图的噪音区域确定所述语音通路的语音质量,
其中,所述分别根据所述多个语音强度阈值与所述语谱图生成对应的多个阈值语谱图,包括:
针对每一个语音强度阈值,将所述语谱图中语音强度不小于该语音强度阈值的声音数据对应的语音强度确定为第一数值、语音强度小于该语音强度阈值的声音数据对应的语音强度确定为第二数值,以生成该语音强度阈值对应的阈值语谱图,
所述阈值语谱图包括所述语谱图中语音强度被确定为所述第一数值和所述第二数值的声音数据。
20.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710954159.0A CN107481734B (zh) | 2017-10-13 | 2017-10-13 | 语音质量评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710954159.0A CN107481734B (zh) | 2017-10-13 | 2017-10-13 | 语音质量评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107481734A CN107481734A (zh) | 2017-12-15 |
CN107481734B true CN107481734B (zh) | 2020-09-11 |
Family
ID=60606477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710954159.0A Active CN107481734B (zh) | 2017-10-13 | 2017-10-13 | 语音质量评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107481734B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233693B (zh) * | 2020-10-14 | 2023-12-01 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种音质评估方法、装置和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478694A (zh) * | 2008-12-04 | 2009-07-08 | 上海大学 | 基于光线空间的自由视点图像质量评价方法 |
CN103471709A (zh) * | 2013-09-17 | 2013-12-25 | 吉林大学 | 乘用车车内噪声声品质预测方法 |
CN105259459A (zh) * | 2015-11-12 | 2016-01-20 | 东软集团股份有限公司 | 一种电子设备的自动化质检方法、装置和设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100717393B1 (ko) * | 2006-02-09 | 2007-05-11 | 삼성전자주식회사 | 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치 |
US9047878B2 (en) * | 2010-11-24 | 2015-06-02 | JVC Kenwood Corporation | Speech determination apparatus and speech determination method |
-
2017
- 2017-10-13 CN CN201710954159.0A patent/CN107481734B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478694A (zh) * | 2008-12-04 | 2009-07-08 | 上海大学 | 基于光线空间的自由视点图像质量评价方法 |
CN103471709A (zh) * | 2013-09-17 | 2013-12-25 | 吉林大学 | 乘用车车内噪声声品质预测方法 |
CN105259459A (zh) * | 2015-11-12 | 2016-01-20 | 东软集团股份有限公司 | 一种电子设备的自动化质检方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107481734A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
CN109887515B (zh) | 音频处理方法及装置、电子设备和存储介质 | |
CN105094957A (zh) | 视频会话窗口控制方法及装置 | |
CN106960014B (zh) | 关联用户推荐方法及装置 | |
CN109165738B (zh) | 神经网络模型的优化方法及装置、电子设备和存储介质 | |
CN110858924B (zh) | 视频背景音乐的生成方法、装置及存储介质 | |
CN107508573B (zh) | 晶振振荡频率校正方法及装置 | |
CN107480785B (zh) | 卷积神经网络的训练方法及装置 | |
CN108174269B (zh) | 可视化音频播放方法及装置 | |
CN107147936B (zh) | 弹幕的显示控制方法及装置 | |
CN110931028B (zh) | 一种语音处理方法、装置和电子设备 | |
CN106792255B (zh) | 视频播放窗口框体显示方法及装置 | |
CN110991329A (zh) | 一种语义分析方法及装置、电子设备和存储介质 | |
CN106782576B (zh) | 音频混音方法及装置 | |
CN109447258B (zh) | 神经网络模型的优化方法及装置、电子设备和存储介质 | |
CN110970015B (zh) | 一种语音处理方法、装置和电子设备 | |
CN113113044B (zh) | 音频处理方法及装置、终端及存储介质 | |
CN109769191B (zh) | 音频输出检测方法及装置、电子设备 | |
CN109992754B (zh) | 文档处理方法及装置 | |
CN107481734B (zh) | 语音质量评价方法及装置 | |
CN111292761B (zh) | 语音增强方法及装置 | |
US20170201479A1 (en) | Group message display method, device and medium | |
CN110121115B (zh) | 精彩视频片段的确定方法及装置 | |
CN107564534B (zh) | 音频品质鉴定方法和装置 | |
CN110969569A (zh) | 试镜视频的生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |