JP2017204840A

JP2017204840A - 音声品質推定装置、音声品質推定方法及びプログラム

Info

Publication number: JP2017204840A
Application number: JP2016097399A
Authority: JP
Inventors: 隆文奥山; Takafumi Okuyama; 和久山岸; Kazuhisa Yamagishi
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2016-05-13
Filing date: 2016-05-13
Publication date: 2017-11-16
Anticipated expiration: 2036-05-13
Also published as: JP6586044B2

Abstract

【課題】パケットキャプチャに基づき受聴品質を推定する際、より精度の高い有音損失率を利用した音声品質推定技術を提供することである。【解決手段】本発明の一態様は、音声パケットフローから有音損失率を推定する有音損失率推定部と、所定のマッピング関数を利用して、前記推定された有音損失率から受聴品質を推定する受聴品質推定部と、を有する音声品質推定装置であって、前記有音損失率推定部は、前記音声パケットフローにおける損失したパケットの前後のパケットが有音パケットと無音パケットとの何れの組み合わせであるかに応じて有音パケット損失数を推定し、前記推定された有音パケット損失数から前記有音損失率を推定する音声品質推定装置に関する。【選択図】図３

Description

本発明は、ネットワークを介した音声通話サービスの音声品質推定装置、方法及びプログラムに関する。

サービス事業者は、音声通話サービスを維持・改善していくために、サービスの品質を把握することが重要である。サービスの品質を評価する指標の一つが会話品質である。会話品質は、サービスの利用ユーザが会話をした時に体感する品質を表す。運用の場面においては、主観評価で会話品質を評価すると費用と時間がかかることから、会話品質の主要因である受聴品質を用いて会話品質が推定される。ここで、受聴品質とは、ユーザが音声を受聴した時に感じる品質を表す。

受聴品質の評価指標に受聴MOS（Mean Opinion Score）がある。受聴MOSの評価は、実際に評価者が音声サンプルを聴いて判定することになるが、評価者を必要とせずに推定するアルゴリズム手法がある。例えば、ＶｏＬＴＥ（Voice over Long Term Evolution）のような広帯域音声サービスの受聴MOSを推定する手法として、ＰＯＬＱＡ（Perceptual Objective Listening Quality Analysis）に基づく手法が知られている（非特許文献１参照）。ＰＯＬＱＡは、発話側から入力される参照音声信号と、受話側で出力される収録音声信号とを比較し、ＰＯＬＱＡ評価値を算出することで、受聴品質を評価する客観評価手法である。ＰＯＬＱＡ評価値は、ＩＴＵ−Ｔ（Telecommunication standardization sector of International Telecommunication Union）勧告Ｐ．８６３のImplementer's guide（P. Imp 863）で規定するマッピング関数を適用することにより、推定受聴MOS（MOS-LQO : Mean Opinion Score - Listening Quality Objective）に変換可能である。

ＰＯＬＱＡは、音声信号を入力して処理する必要がある。しかしながら、端末に録音機能が必ずしも搭載されているとは限らず、音声通話サービスの品質把握を目的とした音声信号の取得が困難な場合がある。このように音声信号を直接扱えず、ネットワーク内のパケットをキャプチャして品質を推定する際には、ＰＯＬＱＡは適用できないという不都合がある。

これに対し、パケットキャプチャを用いて高精度な品質推定をする方法が、非特許文献２、３において提案されている。非特許文献２や非特許文献３では、音声区間検出機構を持つコーデック（AMR-WB等）の特性を利用し、パケット形式により有音/無音区間の判定を行い、有音区間のパケット（以下、有音パケット）が損失した割合（以下、有音損失率）を考慮した推定を行う。

しかしながら、非特許文献２はネットワーク等で損失が発生した後のパケット情報と、その損失が発生する前のパケット情報を比較するフルリファレンスモデルであり、網の制約により1点測定となる場合には適用できないという不都合がある。

一方、非特許文献３は、受信側のパケット情報のみから推定するノンリファレンスモデルであり、1点でのパケットキャプチャに基づいて有音損失率を考慮した推定を行う。この推定方法では、損失したパケットの前後のパケットのヘッダ情報から損失した個数と当該損失したパケットが有音パケットか否かを判断する。特に、前後のパケットが有音パケットと無音パケットの場合、損失したパケット全てを有音パケットとみなしている。しかしながら、有音区間と無音区間が切り替わる箇所は、無音、もしくは、受聴MOSに影響を与えにくい状況が多くあるため、受聴MOSが実際は高いものの、過小推定される可能性がある、という不都合がある。

ITU-T P.863 Perceptual Objective Listening Quality Assessment., 09/2014. 奥山隆文, 倉島敦子, 増田征貴, "VoLTEにおける受聴品質推定法の検討," 電子情報通信学会総大, B-11-21, pp.438, 2015年3月 Yang F., Jiang L. and Li X. (2012). Real-time quality assessment for voice over IP. Con-currency and Computation: Practice and Experience, 24(11), 1192-1199.

上記のように、ネットワークを介して複数端末間で音声通信による会話を行うシステムにおいて、1点でのパケットキャプチャに基づいて有音損失率を考慮した推定を行う際、有音区間と無音区間が切り替わる箇所でパケット損失が生じた場合に、受聴MOSが実際は高いものの、過小推定される可能性がある、という問題があった。

上述した問題を解決するため、本発明の課題は、パケットキャプチャに基づき受聴品質を推定する際、より精度の高い有音損失率を利用した音声品質推定技術を提供することである。

上記課題を解決するため、本発明の一態様は、音声パケットフローから有音損失率を推定する有音損失率推定部と、所定のマッピング関数を利用して、前記推定された有音損失率から受聴品質を推定する受聴品質推定部と、を有する音声品質推定装置であって、前記有音損失率推定部は、前記音声パケットフローにおける損失したパケットの前後のパケットが有音パケットと無音パケットとの何れの組み合わせであるかに応じて有音パケット損失数を推定し、前記推定された有音パケット損失数から前記有音損失率を推定する音声品質推定装置に関する。

本発明の他の態様は、音声パケットフローを取得するステップと、前記音声パケットフローから有音損失率を推定するステップと、所定のマッピング関数を利用して、前記推定された有音損失率から受聴品質を推定するステップと、を有する音声品質推定方法であって、前記有音損失率を推定するステップは、前記音声パケットフローにおける損失したパケットの前後のパケットが有音パケットと無音パケットとの何れの組み合わせであるかに応じて有音パケット損失数を推定し、前記推定された有音パケット損失数から前記有音損失率を推定する方法に関する。

本発明の更なる他の態様は、上述した音声品質推定装置の各部としてプロセッサを機能させるためのプログラムに関する。

本発明によると、パケットキャプチャに基づき受聴品質を推定する際、より精度の高い有音損失率を利用した音声品質推定技術を提供することができる。

図１は、本発明の一実施例によるネットワークを介した音声通信サービスの構成を示す概略図である。図２は、本発明の一実施例による通信システムの構成を示すブロック図である。図３は、本発明の一実施例による音声品質推定装置の機能構成を示すブロック図である。図４は、本発明の一実施例による有音パケット数の推定手順を示す概略図である。図５は、本発明の一実施例による音声品質推定処理を示すフロー図である。

以下、図面に基づいて本発明の実施の形態を説明する。

本発明の音声品質推定装置は、IP網やモバイルネットワークを介して接続される2つの音声通話端末で構成されるVoLTE等の音声通話システムにおいて、端末間で通信される音声が含まれるパケットを受信側端末又は網内で測定するものである。

まず、図１を参照して、本発明の一実施例による音声通信サービスの概略を説明する。図１は、本発明の一実施例によるネットワークを介した音声通信サービスの構成を示す概略図である。

図１に示されるように、本実施例による音声通信サービスでは、無線端末がキャリアネットワーク（ＮＷ）を介し音声通信を実行する。より詳細には、各無線端末はキャリアＮＷ内の近傍の基地局に無線アクセスし、基地局は中継ノードを介し音声パケットフローをやりとりする。本実施例では、音声パケットフローのプロトコルは、シーケンス番号及び送信タイムスタンプを含むRTP (Realtime Transport Protocol)を利用し、図示されるように、音声パケットフローは無音パケットと有音パケットから構成される。RTPによると、無音パケットは相対的に小さなサイズを有し、また、無音パケット間の間隔は相対的に大きくなるよう配置され、他方、有音パケットは相対的に大きなサイズを有し、また、有音パケット間の間隔は相対的に小さくなるよう配置される。しかしながら、本発明による音声通信サービスはRTPに限定されず、シーケンス番号及び送信タイムスタンプが含まれているその他のプロトコルが用いられてもよい。例えば、音声区間検出機構を持ち、有音/無音によりパケット形式やパケット送信間隔が異なるコーデック（AMR-WB等）が利用されてもよい。

次に、図２を参照して、本発明の一実施例による通信システムを説明する。図２は、本発明の一実施例による通信システムの構成を示すブロック図である。

図２に示されるように、通信システム１０は、端末２０、ネットワーク３０、パケットキャプチャ装置４０及び音声品質推定装置１００を有する。

端末２０は、ＶｏＬＴＥ対応端末などのパケットベース音声通信機能を備えた端末である。端末２０のユーザは、ネットワーク３０を介し音声通信により会話を行うことができる。

ネットワーク３０は、キャリアネットワーク、インターネットなどのパケット交換ネットワークである。端末２０から送信された音声パケットフローは、ネットワーク３０内の中継ノードを介しルーティングされ、宛先の端末２０に送信される。

パケットキャプチャ装置４０は、送信側端末２０から送信された音声パケットフローを取得する。図示された実施例では、パケットキャプチャ装置４０は、受信側端末２０とネットワーク３０との間で音声パケットフローを取得する。しかしながら、本発明はこれに限定されず、パケットキャプチャ装置４０は、端末２０間の何れか任意のポイントで音声パケットフローを取得してもよい。パケットキャプチャ装置４０は、取得した音声パケットフローを音声品質推定装置１００に送信する。また、パケットキャプチャ装置４０は、図示されるようなスタンドアローンな装置として実現されてもよいし、あるいは、音声品質推定装置１００に搭載されてもよい。

音声品質推定装置１００は、パケットキャプチャ装置４０から受信した音声パケットフローに対して後述される処理を実行し、音声品質の１つの指標である受聴品質の推定値を出力する。

音声品質推定装置１００は、典型的には、サーバにより実現されてもよく、例えば、バスを介し相互接続されるドライブ装置、補助記憶装置、メモリ装置、プロセッサ、インタフェース装置及び通信回路から構成される。音声品質推定装置１００における後述される各種機能及び処理を実現するプログラムを含む各種コンピュータプログラムは、ＣＤ−ＲＯＭ（ＣｏｍｐａｃｔＤｉｓｋ−ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＤＶＤ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｋ）、フラッシュメモリなどの記録媒体によって提供されてもよい。プログラムを記憶した記録媒体がドライブ装置にセットされると、プログラムが記録媒体からドライブ装置を介して補助記憶装置にインストールされる。但し、プログラムのインストールは必ずしも記録媒体により行う必要はなく、ネットワークなどを介し何れかの外部装置からダウンロードするようにしてもよい。補助記憶装置は、インストールされたプログラムを格納すると共に、必要なファイルやデータなどを格納する。メモリ装置は、プログラムの起動指示があった場合に、補助記憶装置からプログラムやデータを読み出して格納する。プロセッサは、メモリ装置に格納されたプログラムやプログラムを実行するのに必要なパラメータなどの各種データに従って、後述されるような音声品質推定装置１００の各種機能及び処理を実行する。インタフェース装置は、ネットワーク又は外部装置に接続するための通信インタフェースとして用いられる。通信回路は、インターネットなどのネットワークと通信するための各種通信処理を実行する。しかしながら、上述したハードウェア構成は単なる一例であり、音声品質推定装置１００は、上述したハードウェア構成に限定されるものでなく、他の何れか適切なハードウェア構成により実現されてもよい。

次に、図３を参照して、本発明の一実施例による音声品質推定装置を説明する。図３は、本発明の一実施例による音声品質推定装置を示すブロック図である。

図３に示されるように、音声品質推定装置１００は、有音損失率推定部１１０及び受聴品質推定部１２０を有する。

有音損失率推定部１１０は、音声パケットフローから有音損失率を推定する。ここで、有音損失率とは、音声パケットフローにおける有音パケットの個数に対する損失した有音パケットの個数の比率を表す。すなわち、有音損失率Ｌは、

により算出可能である。ここで、ｐ_ｌｏｓｔは損失した有音パケットの個数であり、ｐ_ｒｃｖは受信した有音パケットの個数である。

損失した有音パケットの個数を推定するため、有音損失率推定部１１０はまず、音声パケットフローにおけるパケット損失部分を検出し、検出したパケット損失部分に含まれる有音パケットの個数を推定する。例えば、当該パケット損失部分は、各パケットのヘッダ情報におけるシーケンス番号に基づき検出されてもよい。すなわち、有音損失率推定部１１０は、受信したパケットのシーケンス番号に欠落を検出した場合、欠落したシーケンス番号に対応するパケットを損失したパケットとして判断してもよい。あるいは、有音損失率推定部１１０は、音声パケットフローにおけるパケットの送信タイムスタンプの進行状況からパケット損失部分を判断してもよい。例えば、順次受信した２つのパケットについて、有音パケット間の間隔及び無音パケット間の間隔の何れか大きい方より大きな送信タイムスタンプの差分が検出されると、有音損失率推定部１１０は、当該２つのパケットの間にパケット損失部分があると判断してもよい。

このようにしてパケット損失部分を検出すると、有音損失率推定部１１０は、検出したパケット損失部分の前後のパケットが有音パケットと無音パケットとの何れの組み合わせであるかに応じて損失した有音パケットの個数を推定する。なお、有音損失率推定部１１０は、パケットサイズに基づき各パケットが有音パケット又は無音パケットであるか判断してもよい。すなわち、利用されているプロトコルタイプに応じて、有音パケット及び無音パケットのパケットサイズが規定されており、有音損失率推定部１１０は、各パケットのパケットサイズを判断することによって、当該パケットが有音パケット又は無音パケットであるか判断できる。

具体的には、ケース１）損失したパケットの前後のパケットが有音パケットである場合、有音損失率推定部１１０は、損失したパケットを有音パケットと推定してもよい。すなわち、図４に示されるように、損失したパケットの前後のパケットが有音パケットである場合、有音損失率推定部１１０は、損失した全てのパケットを有音パケットであると推定してもよい。そして、有音損失率推定部１１０は、損失したパケットの前後のパケットのシーケンス番号に基づき損失したパケットの個数を算出し、当該損失した個数を損失した有音パケットの個数として決定してもよい。

次に、ケース２）損失したパケットの前後のパケットが無音パケットである場合、有音損失率推定部１１０は、損失したパケットを無音パケットと推定してもよい。すわなち、図４に示されるように、損失した前後のパケットが無音パケットである場合、有音損失率推定部１１０は、損失した全てのパケットを無音パケットであると推定する。この場合、有音損失率推定部１１０は、損失した有音パケットの個数を０として決定する。

次に、ケース３）損失したパケットの前のパケットが有音パケットであって、後のパケットが無音パケットである場合、有音損失率推定部１１０は、損失したパケットを無音パケットと推定してもよい。すなわち、図４に示されるように、損失したパケットの前のパケットが有音パケットであって、後のパケットが無音パケットである場合、有音損失率推定部１１０は、損失した全てのパケットを無音パケットであると推定してもよい。この場合、有音損失率推定部１１０は、損失した有音パケットの個数を０として決定する。

次に、ケース４）損失したパケットの前のパケットが無音パケットであって、後のパケットが有音パケットである場合、有音損失率推定部１１０は、損失したパケットのシーケンス番号と送信タイムスタンプとに基づき損失した有音パケットの個数を推定してもよい。具体的には、有音損失率推定部１１０は、損失したパケットの前後のパケットのシーケンス番号に基づき損失したパケットの個数を算出すると共に、損失したパケットの前後のパケットの送信タイムスタンプの差分を算出する。例えば、図４に示される具体例では、損失したパケットの前後のパケットのシーケンス番号はそれぞれ、"１２０"と"１２３"であるため、損失したパケットは２個であると分かる。また、送信タイムスタンプはそれぞれ、"０：００：００．０１００"と"０：００：００．０４００"であるため、送信タイムスタンプの差分は３００ｍｓであると分かる。このとき、有音損失率推定部１１０は、

を満たす整数ｘを損失した有音パケットの個数として決定してもよい。ただし、Ｎは損失したパケットの個数であり、Ｔは送信タイムスタンプの差分であり、ｔ_０は無音パケット送信間隔であり、ｔ_１は有音パケット送信間隔であり、ｘ（≦Ｎ）は有音パケットの個数である。利用されるプロトコルタイプに応じて、無音パケット送信間隔及び有音パケット送信間隔は規定される。なお、ｘの値が複数存在する場合、有音損失率推定部１１０は、任意の１つを選択してもよい。

このようにして損失した有音パケットの個数を決定すると、有音損失率推定部１１０は、上述した式に従って有音損失率Ｌを決定することができる。

受聴品質推定部１２０は、所定のマッピング関数を利用して、推定された有音損失率から受聴品質を推定する。当該所定のマッピング関数は、有音損失率と受聴品質推定値との対応関係を示す何れかの適切な関係式であり、例えば、事前の実験により様々な端末にて有音損失率を与えた状況でPOLQA測定した受聴品質推定値MOS_LQOと与えられた有音損失率との間の対応関係を示す関係式であってもよい。

より詳細には、マッピング関数は、事前の実験により求められ、品質劣化環境（エミュレータ設置の検証環境等）で、対象端末を用いて網内/端末パケット取得とPOLQAによる受聴品質測定とを実施し、有音損失率と受聴品質推定値MOS_LQO(POLQA)との組み合わせ（複数のバリエーションがあると好ましい）による関数式のカーブフィッティングにより決定されてもよい。例えば、マッピング関数は、

であってもよい。ここで、MOS_LQOは受聴品質推定値であり、p1, p2はカーブフィッティングの精度が良い関数形状となる値であり、それぞれ、基準とする端末やコーデックにより実験的に定める値である。

しかしながら、本発明によるマッピング関数はこれに限定されず、例えば、実験で求めた有音損失率と受聴品質推定値との対応関係に精度よくフィッティングできる関数であればよく、例えば、二次関数等の線形関数であってもよいし、非線形関数であってもよい。

次に、図５を参照して、本発明の一実施例による音声品質推定処理を説明する。図５は、本発明の一実施例による音声品質推定処理を示すフロー図である。

図５に示されるように、ステップＳ１０１において、有音損失率推定部１１０は、音声パケットフローを取得する。具体的には、有音損失率推定部１１０は、パケットキャプチャ装置４０から音声パケットフローを取得する。

ステップＳ１０２において、有音損失率推定部１１０は、音声パケットフローから有音損失率を推定する。具体的には、有音損失率推定部１１０は、音声パケットフローにおける損失したパケットの前後のパケットが有音パケットと無音パケットとの何れの組み合わせであるかに応じて有音パケット損失数を推定し、推定された有音パケット損失数から有音損失率を推定する。上述したように、有音損失率推定部１１０は、ケース１）損失したパケットの前後のパケットが有音パケットである場合、損失したパケットを有音パケットと推定し、ケース２）損失したパケットの前後のパケットが無音パケットである場合、損失したパケットを無音パケットと推定し、ケース３）損失したパケットの前のパケットが有音パケットであって、後のパケットが無音パケットである場合、損失したパケットを無音パケットと推定し、ケース４）損失したパケットの前のパケットが無音パケットであって、後のパケットが有音パケットである場合、損失したパケットのシーケンス番号と送信タイムスタンプとに基づき有音パケットの個数を推定してもよい。ここで、ケース４において、有音損失率推定部１１０は、

を満たす整数ｘを損失した有音パケットの個数として決定してもよい。ただし、Ｎは損失したパケットの個数であり、Ｔは送信タイムスタンプの差分であり、ｔ_０は無音パケット送信間隔であり、ｔ_１は有音パケット送信間隔であり、ｘ（≦Ｎ）は有音パケットの個数である。

ステップＳ１０３において、受聴品質推定部１２０は、所定のマッピング関数を利用して、推定された有音損失率から受聴品質を推定する。当該マッピング関数は、有音損失率と受聴品質推定値の対応関係を示す何れかの関係式であってもよく、事前の実験等により定義されてもよい。

なお、上述した音声品質推定装置１００の各部及びステップＳ１０１〜Ｓ１０３は、コンピュータのメモリに記憶されたプログラムをプロセッサが実行することによって実現されてもよい。

以上、本発明の実施例について詳述したが、本発明は上述した特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０通信システム
２０端末
３０ネットワーク
４０パケットキャプチャ装置
１００音声品質推定装置
１１０有音損失率推定部
１２０受聴品質推定部

Claims

音声パケットフローから有音損失率を推定する有音損失率推定部と、
所定のマッピング関数を利用して、前記推定された有音損失率から受聴品質を推定する受聴品質推定部と、
を有する音声品質推定装置であって、
前記有音損失率推定部は、前記音声パケットフローにおける損失したパケットの前後のパケットが有音パケットと無音パケットとの何れの組み合わせであるかに応じて有音パケット損失数を推定し、前記推定された有音パケット損失数から前記有音損失率を推定する音声品質推定装置。
前記有音損失率推定部は、
i）前記損失したパケットの前後のパケットが有音パケットである場合、前記損失したパケットを有音パケットと推定し、
ii）前記損失したパケットの前後のパケットが無音パケットである場合、前記損失したパケットを無音パケットと推定し、
iii）前記損失したパケットの前のパケットが有音パケットであって、後のパケットが無音パケットである場合、前記損失したパケットを無音パケットと推定し、
iv）前記損失したパケットの前のパケットが無音パケットであって、後のパケットが有音パケットである場合、前記損失したパケットのシーケンス番号と送信タイムスタンプとに基づき前記有音パケット損失数を推定する、請求項１記載の音声品質推定装置。
前記有音損失率推定部は、iv）前記損失したパケットの前のパケットが無音パケットであって、後のパケットが有音パケットである場合、

（ただし、Ｎは損失したパケットの個数であり、Ｔは前後のパケットの送信タイムスタンプの差分であり、ｔ_０は無音パケット送信間隔であり、ｔ_１は有音パケット送信間隔であり、ｘ（≦Ｎ）は有音パケット損失数である）
を満たす整数xを求めることによって、前記有音パケット損失数を推定する、請求項２記載の音声品質推定装置。
前記有音損失率推定部は、パケットサイズに基づき各パケットが有音パケット又は無音パケットであるか判断する、請求項１乃至３何れか一項記載の音声品質推定装置。
前記所定のマッピング関数は、

（ただし、MOS_LQO=受聴品質推定値、p1, p2は所定の定数）
である、請求項１乃至４何れか一項記載の音声品質推定装置。
音声パケットフローを取得するステップと、
前記音声パケットフローから有音損失率を推定するステップと、
所定のマッピング関数を利用して、前記推定された有音損失率から受聴品質を推定するステップと、
を有する音声品質推定方法であって、
前記有音損失率を推定するステップは、前記音声パケットフローにおける損失したパケットの前後のパケットが有音パケットと無音パケットとの何れの組み合わせであるかに応じて有音パケット損失数を推定し、前記推定された有音パケット損失数から前記有音損失率を推定する方法。
請求項１乃至５何れか一項記載の音声品質推定装置の各部としてプロセッサを機能させるためのプログラム。