FI112751B - Method and apparatus for evaluating speech transmission quality - Google Patents
Method and apparatus for evaluating speech transmission quality Download PDFInfo
- Publication number
- FI112751B FI112751B FI944391A FI944391A FI112751B FI 112751 B FI112751 B FI 112751B FI 944391 A FI944391 A FI 944391A FI 944391 A FI944391 A FI 944391A FI 112751 B FI112751 B FI 112751B
- Authority
- FI
- Finland
- Prior art keywords
- values
- period
- transmission quality
- current
- speech
- Prior art date
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims description 29
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 16
- 238000010790 dilution Methods 0.000 claims 1
- 239000012895 dilution Substances 0.000 claims 1
- 230000032258 transport Effects 0.000 claims 1
- 241000282412 Homo Species 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000014121 butter Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 210000001541 thymus gland Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
-
- 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
- G10L25/69—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for evaluating synthetic or decoded voice signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2236—Quality of speech transmission monitoring
-
- 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
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Monitoring And Testing Of Exchanges (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
Description
112751112751
Menetelmä ja laite puheen siirtotien siirtolaadun arvioimiseksiMethod and apparatus for evaluating speech transmission quality
Keksintönä on patenttivaatimuksen 1 lajimääritel-5 män mukainen menetelmä ja vaatimuksen 11 mukainen laite puheen siirtotien siirtolaadun arvioimiseksi.The invention is a method according to the species definition of claim 1 and a device according to claim 11 for evaluating the quality of speech transmission.
Hyvän siirtolaadun aikaansaaminen on ollut kaikkien sähköverkon käyttäjien kannalta tärkeää niin kauan kuin sähköisiä siirtoteitä on ollut. Kysymys, mitä laadulla 10 tarkoitetaan ja miten se on mittausteknisesti mitattavissa, muodostaa kuitenkin yhä edelleen huomattavan ongelman. Julkaisusta GB-1 455 712 tunnetaan esimerkiksi ensimmäinen menetelmä siirtolaadun testaamista varten. Tällöin verrataan tulevaa testaussignaalia sitä vastaavaan lähtösignaa-15 liin. Erotussignaali toimii tällöin arvona yksityiskohtaisesti määrittelemättömän suureen "laatu" arvioimiseksi.Achieving good transmission quality has been important for all grid users as long as there are electronic transmission links. However, the question of what is meant by quality 10 and how it can be measured in measurement terms remains a major problem. For example, GB-1 455 712 discloses a first method for testing transmission quality. The incoming test signal is then compared to its corresponding output signal-15. The difference signal then acts as a value for estimating the "quality" of an undefined quantity.
Julkaisussa EP-A-0 114 463 selitetään laitetta lähettimen ja vastaanottimen välisen yhteyslaadun mittaamiseksi. Tällöin siirretään jatkuvasti lukuisia signaaliää-20 niä. Vastaanotetut äänet digitalisoidaan ja saatetaan Fourier-muunnoksen avulla aikatasolta taajuustasolle. Yh-teyslaadun arvioimisessa käytetään siten erityisiä muun- » nettujen äänten parametreja.EP-A-0 114 463 describes a device for measuring the quality of communication between a transmitter and a receiver. In this case, a plurality of signal tones are continuously transmitted. Received sounds are digitized and transmitted using the Fourier transform from time to frequency. Thus, special parameters for the converted voices are used to evaluate the connection quality.
.! Julkaisusta DE-A-3 513 361 tunnetaan myös menetel- * » * ; 25 mä laadunmittausta varten, erityisesti radiosiirtokanavia varten, siirron ollessa juuri käynnissä. Yhteiskanavahäi-••J riöiden mittaamista varten mitataan tällöin nopeat ja hi- V · taat värähtelyt erikseen, ja niistä johdetaan laatuindi- kaattori..! DE-A-3 513 361 also discloses a method *; *; 25 for quality measurement, especially for radio transmission channels, while the transmission is in progress. To measure common channel disturbances, fast and slow V · vibrations are measured separately and a quality indicator is derived from them.
; 1 : 30 Mainituille menetelmille on yhteistä se, että suu- ; reen "laatu" arvioimista varten käytetään enemmän tai vä hemmän mielivaltaisia tietoja. Näillä tiedoilla ei ole mitään suoraa yhteyttä subjektiiviseen ihmisen tuntemukseen, erityisesti sen arvioimiseksi, voiko vastaanottava henkilö : 35 ymmärtää ihmiskieltä selkeästi vai ei. Tästä syystä on ai- 2; 1: 30 It is common to said methods that the mouth; more or less arbitrary data shall be used to assess the quality of the re. This information has no direct relation to the subjective knowledge of a human being, in particular to assess whether the recipient can: 35 clearly understand human language. For this reason, it is 2
Λ Λ r. '· I Ί I i L / yj IΛ Λ r. '· I Ί I i L / yj I
na tähän saakka ollut tavanomaista käyttää koulutettuja testihenkilöltä kriittisissä vastaanottopaikoissa esim. matkapuhelinyhteyksiä testattaessa. Nämä henkilöt päättävät puhuttujen tekstikohtien, esim. minkä tahansa kielen 5 valikoitujen lauseiden perusteella, ovatko todetut vas-taanottolaadut tyydyttäviä vai heikkoja ja siten eivät hyväksyttävissä .Until now, it has been customary to use trained test personnel in critical reception areas, such as when testing cellular connections. Based on spoken passages, e.g., selected sentences of any language, these individuals decide whether the received reception qualities are satisfactory or poor and thus unacceptable.
On itsestään selvää, että testihenkilöltä käyttävä testimenetelmä vaatii suuria uhrauksia niin taloudellises-10 ti kuin myös ajallisesti. Lisäksi menetelmän heikkoutena ovat subjektiiviset vaihtelut, jotka johtuvat eri testi-henkilöiden eroista, heidän sen hetkisestä olinpaikastaan sekä mielialoistaan.It is self-evident that the test method used by the test subject requires significant sacrifices, both economically and in time. A further weakness of the method is the subjective variations due to differences between test subjects, their current location and their moods.
Tätä taustaa vasten keksinnön tehtävänä onkin ai-15 kaansaada menetelmä, jonka avulla voidaan saavuttaa automaattisin keinoin toistettavissa olevia arviointituloksia, jotka mahdollisesti vastaavat niitä tuloksia, jotka mainitut testihenkilöt saattaisivat antaa. Tämä merkitsee sitä, että halutaan aikaansaada sellainen menetelmä, jonka avul-20 la ihmisen kuulohavaintoa vastaava laadunarviointi on automaattisesti mahdollista.Against this background, it is an object of the invention to provide a method by which automated means can be obtained to obtain reproducible evaluation results which may be equivalent to the results that said test subjects might provide. This means that it is desirable to provide a method which automatically enables a quality assessment corresponding to human hearing perception.
Tämän tehtävän ratkaisu on esitetty patenttivaati-;·. muksen 1 ja 11 tunnusmerkkiosan avulla. Epäitsenäiset vaa- ,! , timukset sisältävät keksinnön suoritusmuotoja.The solution to this problem is set forth in the claims. 1 and 11. Independent scales ,! , the thymus contains embodiments of the invention.
* ; 25 Seuraavassa keksintöä selitetään esimerkinomaises- ti tarkemmin yhden ainoan kuvion pohjalta. Kuvio on lohko- • •d kaaviokuva siirtotiestä puheyhteyttä varten johdolla kyt- v · ketyn puhelimen 11 sekä matkapuhelimen 12, esim. autopuhe limen välillä. Kiinteä puhelin 11 kuuluu esimerkiksi ; ' : 30 yksityiseen verkkoon 13, jota symbolisoi talon keskus 14.*; The invention will now be described, by way of example, in more detail on the basis of a single figure. The figure is a block diagram of a transmission path for voice communication between a wired telephone 11 and a mobile telephone 12, e.g., a car telephone. Fixed telephone 11 includes, for example; ': 30 to a private network 13, symbolized by the center 14 of the house.
Tämä talon keskus 14 on liitetty kiinteästi asennetun yh-dysjohdon 15 välityksellä yleiseen puhelinverkkoon 16, jota symbolisoi laitoksen keskus 17.This center 14 of the house is connected via a fixed connection 15 to the public telephone network 16, symbolized by the center 17 of the plant.
Yleinen puhelinverkko 16 toimii yhdessä matkapuhe-35 linverkon 18 kanssa, mitä symboloi kiinteä, antennilla 20 3 A < Γ r? f si 1 11./ o ! varustettu liikkuvien asemien solmukeskus 19 sekä yhdys-johto 21. Antennin 20 ja matkapuhelimen 12 välillä on viestinyhteys 22, joka kahden puhelimen 11, 12 välisen siirtolaadun suhteen on yleensä kriittisin.The public telephone network 16 cooperates with the cellular network 35, which is symbolized by a fixed antenna 20 3 A <Γ r? f si 1 11./ o! provided with a mobile switching node 19 and a connecting cable 21. There is a communication connection 22 between the antenna 20 and the mobile phone 12, which is generally the most critical in terms of transmission quality between the two phones 11, 12.
5 Siirtolaadun arvioimiseksi liitetään jäljempänä selitettävä mittauslaitteisto siirtotien molempiin päihin siten, että se käyttää siirtotietä samalla tavoin tai ainakin hyvin samantapaisesti kuin ihminen. Tämä tarkoittaa sitä, että mainittujen päiden tulisi sijaita mahdollisim-10 man lähellä lähetyspuolen puhelimen puhemikrofonia tai vastaanottopuolen puhelimen kuulorasiaa. Käytännön syistä ja koska päätelaitteiden, ts. puhelimien vaikutukset ovat vähäiset ja tunnetut, voidaan "päinä" tietenkin käyttää mahdollisimman ongelmattomia liityntöjä, esim. puhelimen 15 seinäpistorasioita verkkopuolella ja viestinyhteyttä 22, sikäli kuin mittauslaitteen antennin puoleiset kytkentä-piirit ovat samanlaiset kuin matkapuhelimen 12 vastaavat piirit.5 To evaluate the transmission quality, the measuring apparatus described below is connected to both ends of the transmission path so that it uses the transmission path in the same way or at least in a very similar manner to human. This means that the said ends should be located as possible man-10 near the transmission side telephone voice microphone or telephone kuulorasiaa receiving side. For practical reasons and since the effects of terminals, i.e. telephones, are small and known, "as-is" terminals can of course utilize as problem-free interfaces as the wall sockets of the telephone 15 and the communication 22, insofar as the antenna switching circuits .
Kuviossa viitemerkki 31 tarkoittaa liikkuvaa mit-20 tausyksikköä, joka on asennettu esim. autoon ja jota syötetään ajoneuvon akusta. Tämä mittausyksikkö 31 on liitet-ty testattavan viestinyhteyden 22' välityksellä liikkuvien asemien solmukeskukseen 19. Lisäksi kuvioon on piirretty .! , paikallaan pysyvä mittauslaite 32, joka on liitetty puhe- * ; 25 linverkkoon 13. Mittausyksiköt 31 ja 32 muodostavat yhdes- sä mainitun mittauslaitteiston, jonka avulla siirtotien : laatu yksityisessä verkossa 13, yleisessä verkossa 16 ja ·.· ennen kaikkea viestinyhteydessä 22 tai 22' voidaan testa ta .In the figure, reference numeral 31 denotes a mobile measuring unit 20, which is mounted e.g. in a car and is supplied by a vehicle battery. This measuring unit 31 is connected to the node 19 of the mobile stations through the communication link 22 'to be tested. , a stationary measuring device 32 connected to a voice *; The measurement units 31 and 32 together form the said measuring apparatus, by means of which the quality of the transmission path: in the private network 13, in the public network 16 and · · · in particular in the communication connection 22 or 22 'can be tested.
; 30 Menetelmä siirtolaadun arvioimiseksi perustuu sii- hen, että testaussignaaleina käytetään ihmiskielen jaksoja SS. Tältä osin menetelmä on yhtenevä alussa kuvatun mene-’ telmän kanssa, jossa ihmiset testihenkilöinä suorittavat arvioinnin. Erityisen edulliseksi on osoittautunut lyhyen : : 35 lauseen käyttö, jolloin lauseen osat puhuu vuorotellen 4 1 i /i / j 1 naisen ja vuorotellen miehen ääni. Lauseen keston tulee tällöin olla n. 2-10 sekuntia, esim. 5 sekuntia. Pitempiä jaksoja voidaan koota ongelmitta siten, että lyhyt lause lähetetään ja vastaavasti vastaanotetaan mielival-5 täisen usein ja aivan peräkkäin. Kielellä, jolla lause puhutaan, ei ole merkitystä. Siten voidaan käyttää mitä tahansa kieltä.; The method for estimating transmission quality is based on the use of human-language sequences SS as test signals. In this regard, the method is consistent with the method described initially in which humans as test subjects perform an evaluation. Particularly advantageous has been the use of a short:: 35 sentence, where the parts of the sentence speak alternately 4 1 i / i / j 1 female and alternately male voice. In this case, the block duration should be about 2-10 seconds, for example 5 seconds. Longer sequences can be assembled without problems such that a short sentence is transmitted and received, respectively, as often and sequentially as possible. The language spoken does not matter. Thus any language can be used.
Menetelmä perustuu edelleen neuroniverkoston ominaisuuksiin, erityisesti näiden verkkojen harjoitettavuu-10 teen. Lisäksi menetelmän pohjana ovat soveltuvat esi- ja jälkikäsittelymenetelmät, joiden avulla käsiteltäviä tietoja vähennetään tai muutetaan siten, että syntyy käytetylle neuroniverkolle soveltuvia syöttö- ja tulostusarvo-ja.The method is still based on the properties of the neural network, in particular the practicability of these networks. In addition, the method is based on suitable pre- and post-processing methods by which the data to be processed is reduced or modified so as to produce input and output values suitable for the neural network used.
15 Neuroniverkolla tarkoitetaan laitetta, joka yhdis tää lukuisat tuloneuronit (toisten) lukuisten yhteyksien sekä peitetyn neuronikerroksen välityksellä joihinkin harvoihin lähtöneuroneihin. Verkon avulla on harjoitteluvaiheen jälkeen mahdollista tunnistaa mielivaltainen, ennal-20 ta aseteltu tulostusmalli. Tätä varten viitataan esim.15 A neural network is a device that connects a plurality of input neurons via (second) multiple connections and a masked layer of neurons to some rare output neurons. After the training phase, the network allows you to identify an arbitrary pre-set print pattern. For this, reference is made e.g.
S. Grossbergin teokseen "Nonlinear Neuronal Networks: ,,, : Principles, Mechanism and Architectures", NeuronalS. Grossberg's "Nonlinear Neuronal Networks: ,,, Principles, Mechanism and Architectures", Neuronal
Networks no: 1, 1988, sivut 17 - 61.Networks no: 1, 1988, pages 17-61.
, Kuten edellä mainittiin on neuroniverkon eteen • ; 25 kytketty esikäsittely-yksikkö ja valinnaisesti sen perään jälkikäsittely-yksikkö. Esikäsittely-yksikön tuloon vie-dään ne arvioitavat puhejaksot SS, jotka ovat kulkeneet v testattavan siirtotien läpi. Esikäsittely-yksikkö muuntaa nämä jaksot SS väliarvoiksi ZW, jotka siirretään neuroni-; 30 verkkoon. Neuroniverkko arvioi aina sen hetkiset väliarvot 2W ja antaa näille tai vain yhdelle sen hetkiselle puhe-jaksolle SS erilaisten lähtöjensä aktivointien välityksellä tietyn määrän esimerkiksi kahdesta tai kolmesta mahdollisesta arviointiarvosta WW. Mahdolliset 35 arviointiarvot voidaan tällöin liittää käsitteisiin <hyvä> 5 112751 ja <huono> tai <hyvä>, <keskinkertainen> ja <huono>, jotka ilmaisevat ihmisen ymmärrettävissä olevalla tavalla aina sen hetkisen siirtolaadun., As mentioned above is in front of the neural network •; 25 connected pre-treatment unit and optionally a post-treatment unit. At the input of the pretreatment unit, the evaluated speech cycles SS that have passed through the transmission path under test are transmitted. The pretreatment unit converts these cycles SS into intermediate values ZW, which are transmitted to the neuron; 30 network. The neural network always evaluates the current intermediate values 2W and gives these or only one current speech sequence SS, through the activation of its various outputs, a certain amount of, for example, two or three possible evaluation values WW. The possible rating values 35 can then be associated with the concepts <good> 5 112751 and <bad> or <good>, <medium> and <bad>, which in a comprehensible manner always indicate the current transmission quality.
Mainittua esikäsittelyä varten on suunniteltu eri-5 tyisesti ainakin seuraavat menetelmävaiheet: Käytettävän puhejakson SS eteen asetetaan synkro-nointimalli SM, joka vastaanottopuolella on helposti havaittavissa ristikorrelaation avulla. Tämän mallin SM tehtävänä on määrittää mahdollisimman tarkka alkamisajankohta 10 kunkin vastaanotetun jakson SS kohdalla ja sen ajallinen pituus on n. 50 - 100 ms.In particular, at least the following method steps have been devised for said pre-processing: A synchronization model SM is placed in front of the speech period SS used, which is readily discernible on the receiving side by means of cross-correlation. The purpose of this model SM is to determine the most accurate start time 10 for each received period SS and its duration is about 50-100 ms.
Vastaanottopuolella puhejakson SS täytyy esiintyä digitaalisessa muodossa. Digitaalisessa siirrossa on jo etukäteen käytettävissä digitaalisia näytteitys- tai amp-15 litudiarvoja AP normitetuin aikavälein. Analogisessa siirrossa täytyy analoginen vastaanotettu signaali näytteittää tunnetulla tavalla, jolloin saadaan esim. 125 ps:n kiintein näytteenottovälein, joka vastaa 8 kbit/s, aina yksi amplitudiarvo AP.On the receiving side, the speech period SS must be in digital form. Digital sampling already provides digital sampling or amp-15 lithium values of AP at predetermined time intervals. In analog transmission, the analog received signal must be sampled in a known manner, for example, at a fixed sampling interval of 125 ps corresponding to 8 kbit / s, there is always one amplitude value AP.
20 Heti kun alkamisajankohta on määritetty, jaetaan seuraava puhejakso SS useisiin aikaväleihin ZI. Jako voi ; tapahtua siten, että kaikki aikavälit ovat yhtä pitkiä.As soon as the start time is determined, the next speech period SS is divided into several time slots ZI. Division of butter; so that all the time slots are of equal length.
#·;·. Tämä merkitsee esimerkiksi sitä, että jakso SS jaetaan ,!. 300:ssa aikavälissä kussakin 256:een näytteitysväliin AS.# ·; ·. This means, for example, that the period SS is divided,!. In 300 time slots in each of the 256 sampling slots AS.
' ; 25 Aikavälit ZI voidaan kuitenkin muodostaa myös eri pitui- ··· siksi, esimerkiksi riippuen aina sen hetkisten puhesignaa- ...: lien tyypistä, ts. puhetauosta, vokaaliäänteistä jne. Vä- V · lit ZI voivat lisäksi peittää toinen toisensa esimerkiksi 50 %:n verran. Tämä tarkoittaa sitä, että kun näytteitys-30 välejä AS on 256 aikaväliä kohden, aina 128 näistä näyt-teitysväleistä on samoja seuraavan aikavälin ZI näyttei-7, tysvälien kanssa. Tämä pienentää erittäin äkillisten siir tymien todennäköisyyttä vierekkäisten aikavälien ZI välillä.'; However, the time slots ZI can also be formed for different lengths, e.g. depending on the type of speech signals being present, i.e. speech pause, vowel sounds, etc. The ZIs may additionally overlap each other, for example by 50% . This means that when the sampling intervals 30 are AS per 256 time slots, always 128 of these sampling intervals are the same as the sampling time intervals ZI of the next time slot. This reduces the likelihood of very sudden transitions between adjacent time slots Z1.
6 I I L / Ο i6 I I L / Ο i
Puhejakson SS kutakin aikaväliä ZI varten määritetään kaikkien näytteitysvälien AS eri amplitudiarvoista AP luonteenomainen taajuusspektri, joka liittyy aina sen hetkiseen aikaväliin ZI.For each time slot ZI of the speech period SS, a characteristic frequency spectrum of different amplitude values AP of all the sampling intervals AS, which is always associated with the current time slot Z1, is determined.
5 Kunkin taajuusspektri arvioidaan sen sisältämän energian suhteen ja jaotellaan esimerkiksi 18:aan luokkaan ja normitetaan.5 Each frequency spectrum is evaluated for its energy content and, for example, divided into 18 classes and standardized.
Täydellisten puhejaksojen SS kaikkien aikavälien ZI kaikkien normitettujen arvojen ja toisaalta parhaalla 10 siirtolaadulla vastaanotettujen vertailujaksojen vastaavien arvojen väliset erotusarvot muodostetaan. Tällä tavoin saadaan selville optimaalisella valintatarkkuudella sen hetkisen, arvioitavan puhejakson SS poikkeamat parhaista odotettavissa olevista olosuhteista. Kaiken kaik-15 kiaan tällöin syntyy esimerkiksi 5 400 erotusarvoa. Nämä erotusarvot muodostavat oleellisesti mainitut väliarvot ZW, ts. tuloarvot neuroniverkkoa varten.The difference values between all the normalized values of all time slots ZI of the complete speech periods SS and the corresponding values of the reference periods received by the best 10 transmission quality are formed. In this way, the deviations of the currently estimated speech period SS from the best expected conditions can be determined with optimal selection accuracy. For all 15 chips, for example, 5,400 resolution values are generated. These difference values essentially form said intermediate values ZW, i.e. the input values for the neural network.
Mainittuihin esikäsittelyn menetelmävaiheisiin voidaan lisätä mielivaltainen määrä muita vaiheita.An arbitrary number of other steps may be added to said pre-treatment process steps.
20 Tällaisina vaiheina mainittakoon:20 Such steps include:
Suodatukset esim. ylipäästösuodattimien välityk-; sellä tai selektiivinen vahvistus suurten taajuuksien suh teellista nostamista varten,Filters, e.g., through high-pass filters; or selective amplification for the relative increase of high frequencies,
Aikavälin ZI arvojen muodostaminen merkki-ikkunan • ; 25 (Hamming Fenster) avulla jyrkkien reuna-arvojen eliminoi- *· : miseksi, . : Amplitudiarvojen normitus vastaanotetun puhejakson : SS erilaisten äänenvoimakkuuksien huomioimiseksi.Generation of time interval ZI values in the character window; 25 (Hamming Fenster) to eliminate sharp edges * ·,. : Normalization of amplitude values to accommodate different volumes of the received speech sequence: SS.
Mainittu, neuroniverkon lähtöjen aktivointien tai ; 30 arviointiarvojen WW valinnainen jälkikäsittely koostuu ; näiden arvojen WW tulkinnasta fuzzy-logiikan avulla.Said, for activating neural network outputs or; Optional post-processing of the evaluation values WW consists of; the WW interpretation of these values using fuzzy logic.
Fuzzy-logiikan avulla pystytään neuroniverkon lähdöistä saatavien hetkellisten aktivointien tyypin perusteella määrittämään niitä vastaava todennäköisyysarvo. Mahdollis-. ; 35 ten todennäköisyysarvojen lukumäärä kasvaa täten suurem- Γ ·~ Γ- ! 2. / O I 7 maksi kuin mahdollisten arviointiarvojen WW lukumäärä. To-dennäköisyysarvoille voidaan tällöin antaa ihmisen ymmärrettävissä olevat arvotukset <erittäin hyvä>, <hyvä>, <tyydyttävä>, <heikko> ja <hylätty>.The fuzzy logic makes it possible to determine the corresponding probability value based on the type of instantaneous activation from the neural network outputs. Possible. ; 35 the number of probability values thus increases-· ~ Γ-! 2. / O I 7 was greater than the number of possible evaluation values WW. The likelihood values can then be given to human understandable values <very good>, <good>, <satisfactory>, <poor> and <rejected>.
5 On tärkeätä harjoitella ratkaisevassa arviointi vaiheessa tarvittavaa arviointilogiikkaa valmisteluvaiheessa. Tämän johdosta sopivat henkilöt arvioivat vastaan-ottopuolella ennalta aseteltua puhejaksoa SS kaikilla mahdollisilla siirtolaaduilla sen laadun tai puheen ymmär-10 rettävyyden suhteen. Tällöin saadut, erilaiset vastaanotetut puhejaksot SS ja niitä vastaavat ihmisen suorittamat arvioinnit syötetään sitten yhdessä vastaanottopuolen mittausyksikköön 31 ja/tai 32. Tällä tavoin kulloinkin kyseessä oleva mittausyksikkö tai sen sisältämä neuroni-15 verkko oppii arvioimaan itsenäisesti vastaavia laadultaan mielivaltaisia puhejaksoja SS, ts. antamaan niille mainitut arvotukset <hyvä>, <keskinkertainen> tai <huono>.5 It is important to practice the evaluation logic needed during the crucial evaluation phase during the preparation phase. As a result, on the receiving side, the predetermined speech period SS for all possible transmission qualities is evaluated by the appropriate persons in terms of its quality or speech intelligibility. Thus obtained, the various received speech periods of the SS and the evaluations made by the human equivalent is then fed to a single reception side to the measuring unit 31 and / or 32. In this way, in each case, the respective measuring unit or of a neuron-15 network will learn to estimate independently of a quality arbitrary speech periods of SS, ie. To give them the values mentioned are <good>, <medium>, or <poor>.
Esivalmistelujakson jälkeen vastaanottopuolen mittausyksikkö 31, 32 käyttäytyy sitten varsinaisessa työvai-20 heessa, ts. mielivaltaisen kauan kestävän toisen vaiheen aikana puheen arvioinnin suhteen samoin tai ainakin lähes ; samoin kuin ihminen käyttäytyisi testihenkilönä.After the receiving side Esivalmistelujakson measurement unit 31, 32 then behaves in the actual työvai-20 stage, i.e. during a second phase of arbitrary long-lasting with respect to the speech evaluation of the same or at least approximately.; just as a person would behave as a test person.
,Kaikki mainitut menetelmävaiheet voidaan asentaa , yhdessä neuroniverkon kanssa tietokoneelle. Siten molemmat * ·’ 25 mittausyksiköt 31, 32 muodostavat edullisessa suoritusmuo- dossa tietokoneen, esim. henkilökohtaisen tietokoneen., All of the above method steps can be installed, along with a neural network, on a computer. Thus, in a preferred embodiment, the two measuring units 31, 32 form a computer, e.g. a personal computer.
,Laskenta- ja tallennustehoa voidaan tällöin kasvattaa koh-v ·' dentaen esim. lisäpiirilevyn avulla. Lisäksi myös lähetet tävät puhejaksot SS voidaan tallentaa digitaalisesti. Täl-30 laisia henkilökohtaisia tietokoneita voidaan käyttää sekä ", lähetyspuolen että myös vastaanottopuolen mittausyksiköi- nä. Täten siirtolaatua voidaan arvioida ilman muuta molem-piin suuntiin, joko peräkkäin tai myös samanaikaisesti., The computing and recording power can then be increased, for example, by means of an additional circuit board. In addition, the transmitted speech sequences SS can also be digitally stored. Such, 30 types of personal computers can be used for both, "the transmission side and the reception side as mittausyksiköi-. Thus, the transmission quality can be assessed readily They share-silicon directions, either sequentially or simultaneously.
' ' Molempien mittausyksiköiden 31, 32 tietokoneet ; 35 pystyvät tällöin edelleen sopivalla tavalla tallentamaan 8 Λ s r ry r- λ'' Computers of both units 31, 32; 35 are still able to store 8 Λ s r ry r λ in a suitable manner
! I ζ / O I! I ζ / O I
saadut arviointi- tai tulostusarvot AW. Tällä ymmärretään esim. yhdessä ajan- ja paikanmääreiden kanssa tapahtuvaa tallennusta, minkä johdosta myöhempi analysointi minkä tahansa näkökohdan mukaan on mahdollista.Estimated or Output Values AW. This is understood to mean, for example, recording in conjunction with time and position assignments, which makes subsequent analysis of any aspect possible.
5 Se millaisia selitetyt mittausyksiköt 31, 32, 335 What kind of units 31, 32, 33 described
kukin erikseen ovat rakenteeltaan, on oleellisesti käytännön seikka. Kummallekin siirtosuunnalle, ts. liikkuvalta mittausyksiköltä 31 kiinteälle mittausyksikölle 32 ja päinvastoin kiinteältä mittausyksiköltä 32 liikkuvalle 10 mittausyksikölle 31 annetaan edullisesti täydellinen arviointimahdollisuus. Tämä merkitsee sitä, että molemmat mittausyksiköt 31, 32 on varustettu sekä puhejaksojen SSeach individually are structured, is essentially a practical consideration. Preferably, both directions of transfer, i.e., from the mobile measuring unit 31 to the fixed measuring unit 32 and vice versa from the fixed measuring unit 32, are provided with a complete estimation capability. This means that both measuring units 31, 32 are provided with both speech periods SS
lähettämistä että myös toisen mittausyksikön lähettämien puhejaksojen vastaanottamista varten. Lisäksi liikkuvalta 15 mittausyksiköltä 31 toiselle liikkuvalle mittausyksikölle tapahtuvan siirron laadun arviointi on mahdollista.transmission as well as to receive speech periods transmitted by another unit. In addition, it is possible to evaluate the quality of the transfer from the mobile measuring unit 31 to another mobile measuring unit.
Kuten edeltävä selitys osoittaa, on kuvatun menetelmän toteuttamiseksi olemassa suunnaton määrä vaihtoehtoja. Siten esim. neuroniverkko voi olla rakenteeltaan 20 sellainen, että mainittujen kahden tai kolmen mahdollisen arviointiarvon WW sijaan tulostetaan viisi. Lisäksi akti-, vointien tyypit lähdöissä voivat vaihdella. Ratkaisevaa ! t näissä vaihtoehdoissa on aina se, että siirtolaadun ar- y’ ’ vioimisessa käytetään puhejaksoja SS, jotka harjoitellun • ’ ♦ 25 arviointilogiikan avulla arvioidaan niiden ymmärrettävyy- den suhteen samalla tavoin tai lähes samalla tavoin kuin ,,'j* koulutettu testihenkilö arvioisi, ts. subjektiivisten inly : himillisten kriteerien pohjalta.As shown in the preceding description, there are a huge number of alternatives for implementing the method described. Thus, for example, the neural network may have a structure 20 such that five instead of the two or three possible evaluation values WW are printed. In addition, the types of active and active at the departures may vary. Crucial! t these alternatives always consist of using speech sequences SS, which are trained by the trained evaluation logic to assess their comprehensibility in the same way or almost as if evaluated by a trained test person, i. based on subjective inly: lustful criteria.
i »i »
Claims (20)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CH285393A CH686752A8 (en) | 1993-09-22 | 1993-09-22 | Method for assessing the transmission quality of a voice transmission link |
CH285393 | 1993-09-22 |
Publications (3)
Publication Number | Publication Date |
---|---|
FI944391A0 FI944391A0 (en) | 1994-09-22 |
FI944391A FI944391A (en) | 1995-03-23 |
FI112751B true FI112751B (en) | 2003-12-31 |
Family
ID=4243054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI944391A FI112751B (en) | 1993-09-22 | 1994-09-22 | Method and apparatus for evaluating speech transmission quality |
Country Status (8)
Country | Link |
---|---|
EP (1) | EP0644674B1 (en) |
AT (1) | ATE230531T1 (en) |
CH (1) | CH686752A8 (en) |
DE (1) | DE59410223D1 (en) |
ES (1) | ES2188601T3 (en) |
FI (1) | FI112751B (en) |
NO (1) | NO312870B1 (en) |
SG (1) | SG87734A1 (en) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0714188B1 (en) * | 1994-11-25 | 2003-01-02 | T-Mobile Deutschland GmbH | Method for determining a caracteristic quality parameter of a digital speech transmission |
GB2302487B (en) * | 1995-06-16 | 1999-11-10 | Assessment Services Limited | Improvements in or relating to data analysers |
GB9512303D0 (en) * | 1995-06-16 | 1995-08-16 | Assessment Services Ltd | Improvements in or relating to data analysers |
FI961073A0 (en) * | 1996-03-07 | 1996-03-07 | Nokia Telecommunications Oy | Subscribers Foer ett radiosystem |
SE517413C2 (en) * | 1996-07-25 | 2002-06-04 | Telia Ab | Improvements in, or relating to, the measurement of the quality of telecommunications connections |
DE59712013D1 (en) | 1996-08-02 | 2004-11-18 | Ascom Ag Bern | METHOD AND ARRANGEMENT FOR ASSESSING THE QUALITY OF A TRANSMITTED VOICE SIGNAL |
US6201960B1 (en) * | 1997-06-24 | 2001-03-13 | Telefonaktiebolaget Lm Ericsson (Publ) | Speech quality measurement based on radio link parameters and objective measurement of received speech signals |
ES2296327T3 (en) | 1998-03-27 | 2008-04-16 | Ascom (Schweiz) Ag | PROCEDURE AND DEVICE FOR THE VALUATION OF TRANSMISSION QUALITY. |
ATE293333T1 (en) * | 1998-10-08 | 2005-04-15 | British Telecomm | MEASURING THE QUALITY OF VOICE SIGNALS |
US6499009B1 (en) | 1999-10-29 | 2002-12-24 | Telefonaktiebolaget Lm Ericsson | Handling variable delay in objective speech quality assessment |
EP1104924A1 (en) * | 1999-12-02 | 2001-06-06 | Koninklijke KPN N.V. | Determination of the time relation between speech signals affected by time warping |
DE10327239A1 (en) * | 2003-06-17 | 2005-01-27 | Opticom Dipl.-Ing. Michael Keyhl Gmbh | Apparatus and method for extracting a test signal portion from an audio signal |
GB0513294D0 (en) * | 2005-06-29 | 2005-08-03 | Nokia Corp | Quality assessment for telecommunications network |
CN102110436B (en) * | 2009-12-28 | 2012-05-09 | 中兴通讯股份有限公司 | Method and device for identifying mark voice based on voice enveloping characteristic |
DE102012000931A1 (en) | 2012-01-19 | 2013-07-25 | Volkswagen Ag | Method for diagnosing audio system of motor vehicle, involves emitting test signal acoustically by loud speaker of audio system of motor vehicle, where test signal is received by microphone for generating microphone signal |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH549909A (en) * | 1972-12-06 | 1974-05-31 | Siemens Ag Albis | METHOD FOR MEASURING AND / OR MONITORING THE TRANSMISSION QUALITY OF A MESSAGE TRANSMISSION SYSTEM. |
US4633411A (en) * | 1982-12-27 | 1986-12-30 | Rockwell International Corporation | Link quality analyzer |
DE3513361A1 (en) * | 1985-04-15 | 1986-10-16 | Philips Patentverwaltung Gmbh, 2000 Hamburg | METHOD AND CIRCUIT FOR THE QUALITY MEASUREMENT OF RADIO TRANSMISSION CHANNELS OF A RADIO TRANSMISSION SYSTEM |
DE3708002A1 (en) * | 1987-03-12 | 1988-09-22 | Telefonbau & Normalzeit Gmbh | Measuring method for assessing the quality of speech coders and/or transmission routes |
JPH01255346A (en) * | 1988-04-05 | 1989-10-12 | Fujitsu Ltd | System for testing communication control equipment |
JP2764277B2 (en) * | 1988-09-07 | 1998-06-11 | 株式会社日立製作所 | Voice recognition device |
US5220640A (en) * | 1990-09-20 | 1993-06-15 | Motorola, Inc. | Neural net architecture for rate-varying inputs |
CA2277975C (en) * | 1992-06-24 | 2001-11-20 | British Telecommunications Public Limited Company | Method and apparatus for objective speech quality measurements of telecommunication equipment |
-
1993
- 1993-09-22 CH CH285393A patent/CH686752A8/en not_active IP Right Cessation
-
1994
- 1994-09-19 SG SG9603090A patent/SG87734A1/en unknown
- 1994-09-19 AT AT94114695T patent/ATE230531T1/en not_active IP Right Cessation
- 1994-09-19 ES ES94114695T patent/ES2188601T3/en not_active Expired - Lifetime
- 1994-09-19 DE DE59410223T patent/DE59410223D1/en not_active Expired - Lifetime
- 1994-09-19 EP EP94114695A patent/EP0644674B1/en not_active Expired - Lifetime
- 1994-09-20 NO NO19943500A patent/NO312870B1/en not_active IP Right Cessation
- 1994-09-22 FI FI944391A patent/FI112751B/en not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
EP0644674A2 (en) | 1995-03-22 |
CH686752A8 (en) | 1996-08-15 |
SG87734A1 (en) | 2002-04-16 |
FI944391A (en) | 1995-03-23 |
EP0644674B1 (en) | 2003-01-02 |
NO312870B1 (en) | 2002-07-08 |
DE59410223D1 (en) | 2003-02-06 |
CH686752A5 (en) | 1996-06-14 |
ES2188601T3 (en) | 2003-07-01 |
ATE230531T1 (en) | 2003-01-15 |
EP0644674A3 (en) | 1996-11-20 |
NO943500D0 (en) | 1994-09-20 |
NO943500L (en) | 1995-03-23 |
FI944391A0 (en) | 1994-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI112751B (en) | Method and apparatus for evaluating speech transmission quality | |
EP0840975B1 (en) | Assessment of signal quality | |
EP0567439B1 (en) | An arrangement for comparing subjective dialogue quality for mobile telephone systems | |
Rix et al. | Perceptual Evaluation of Speech Quality (PESQ) The New ITU Standard for End-to-End Speech Quality Assessment Part I--Time-Delay Compensation | |
CN108389592B (en) | Voice quality evaluation method and device | |
US5867813A (en) | Method and apparatus for automatically and reproducibly rating the transmission quality of a speech transmission system | |
CA2196554C (en) | Test method | |
Rix | Perceptual speech quality assessment-a review | |
CN1510891A (en) | Echo check and monitor | |
US8731184B2 (en) | Performance testing of echo cancellers using a white noise test signal | |
Kitawaki et al. | Quality assessment of speech coding and speech synthesis systems | |
CA2326138C (en) | Quality evaluation method | |
Raake et al. | Telecommunications Aplications | |
Gierlich et al. | Advanced speech quality testing of modern telecommunication equipment: An overview | |
Voznak | Recent advances in speech quality assessment and their implementation | |
Tarraf et al. | Neural network-based voice quality measurement technique | |
Blatnik et al. | Influence of the perceptual speech quality on the performance of the text-independent speaker recognition system | |
Möller | Quality of Voice and Audio Transmission Systems | |
Nakatsui et al. | Subjective SNR measure for quality assessment of speech coders a cross language study | |
Počta et al. | Effect of speech activity parameter on PESQ's predictions in presence of independent and dependent losses | |
Blatnik et al. | Influence of the speech quality in telephony on the automated speaker recognition | |
Holub et al. | Transcoded speech contemporary objective quality measurements reliability | |
Badzmirowski et al. | Methods and systems for accurate as well as estimated evaluation of quality of speech signals transcoding in inter-network telecommunications link | |
Milkovic et al. | Quality measuring methods of coded speech in mobile radiocommunication systems | |
Itoh et al. | Speech quality of adaptive delta modulation (ADM) codec with syllabic companding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MA | Patent expired |