Кіріспе
Дауыс сапасын объективті өлшейтін ITU T алгоритмі. Perceptual Speech Quality Measure (PSQM) – бұл дауыс жолағындағы (300–3400 Гц) дауыс кодектерінің дауыс сапасын объективті бағалау және сандық түрде анықтау үшін ITU T P.861 ұсынымында сипатталған есептеу және модельдеу алгоритмі. Ол әртүрлі сөйлеу кіріс деңгейлері, сөйлеушілер, бит жылдамдықтары және транскодтаулармен осы дауыс кодектерінің өнімділігін бағалау үшін қолданылуы мүмкін. P.861 ұсынымы күштен шығарылып, оны жақсартылған дауыс бағалау алгоритмін қамтитын ITU T P.862 (PESQ) ұсынымы алмастырды.
Perceptual Speech Quality Measure (PSQM) is a computational and modeling algorithm defined in Recommendation ITU T P.861 that objectively evaluates and quantifies voice quality of voice band (300 – 3400 Hz) speech codecs. It may be used to rank the performance of these speech codecs with differing speech input levels, talkers, bit rates and transcodings. P.861 was withdrawn and replaced by Recommendation ITU T P.862 (PESQ), which contains an improved speech assessment algorithm.
Не үшін қолданылады
PSQM стандартын қолдану автоматтандырылған, модельдеуге негізделген тест әдістемелеріне сөйлеудің анықтығын және берілген дауыс сапасын объективті түрде бағалауға мүмкіндік береді. Осы тестілеуді жеңілдету үшін әртүрлі бағдарламалық және/немесе аппараттық өнімдер әзірленді. Бұл, дауыс сигналдарын субъективті бағалау және дауыс сапасын анықтау үшін үлкен адамдар тобын пайдаланудың дәстүрлі тәсілімен салыстырғанда, шығындарды және уақытты айтарлықтай үнемдеуге мүмкіндік береді. Сонымен қатар, бұл сенімді және қайталанатын объективті нәтижелерді қамтамасыз етеді. Бұл, жоғары қызмет көрсету стандартын сақтауға міндетті телекоммуникация провайдерлері үшін өте маңызды.
Алгоритм
PSQM психоакустикалық математикалық модельдеу (қабылдау және танымдық) алгоритмін қолданып, берілген және қабылданған дауыстық сигналдарды талдайды, нәтижесінде PSQM мәні шығады. Бұл мән сигнал сапасының нашарлауын көрсетеді және 0 (нашарлау жоқ) -тан 6,5 (ең жоғары нашарлау) аралығында өзгереді. Бұл нәтиже өз кезегінде 1-ден 5-ке дейінгі сандық шкалада қабылданған медианың қабылданатын сапасын өлшеуге қолданылатын орташа пікір баллына (MOS) айналдырылуы мүмкін. 1 деген баға қабылдауға жарамсыз, нашар сапалы дауысты білдірсе, 5 деген баға жоғары сапалы дауысты, ешқандай мәселесіз екенін көрсетеді. PSQM алгоритмі физикалық домендегі сигналдарды уақыт-жиілік карталау, жиілік бұрмалау және интенсивтік бұрмалау сияқты сызықтық емес процестер арқылы қабылдауға мағыналы психоакустикалық доменге түрлендіреді. Кодталған сөйлеудің сапасы ішкі бейнелеудегі айырмашылықтар негізінде бағаланады. Бұл айырмашылық уақыт және жиілік функциясы ретінде шудың бұзылуын есептеу үшін қолданылады. Қабылдау модельдеуінен басқа, PSQM алгоритмі субъективті және объективті өлшемдер арасындағы жоғары корреляцияны алу үшін дыбыс деңгейін реттеу және асимметриялық маскалау сияқты танымдық модельдеуді де пайдаланады.
Шектеулер
PSQM бастапқыда Voice over IP қолданбаларында жиі кездесетін желілік қызмет сапасының өзгерістерін, мысалы пакеттердің жоғалуын, кідірудің ауытқуын (jitter) немесе тізбексіз пакеттерді есепке алу үшін жасалмаған. Мұндай жағдайлар көбінесе желілік жүктеме жоғары болған кезде дұрыс емес нәтижелерге әкеліп, дауыс сапасының нақты жоғалуын қамтамасыз етпейді. Желілік ақаулықтарды маңызды пакеттерді жоғалту арқылы қайта жасай беру әрекеттері PSQM мәндерінің, MOS мәндерінің бұрмаланған жоғарылауына сәйкес келетін нәтижелерге алып келеді. Осы кемшілікті жою үшін бастапқы алгоритмді өзгерту арқылы PSQM+ әзірленді. PSQM+ нақты желілік жүктеме жағдайларында сөйлеу кодектерінің нашар өнімділігін дәлірек көрсететін нәтижелер шығарады.
Басқа да ескертулер
Басқа мәселелер әртүрлі сөйлеу кодектерін бағалау үшін қолданылатын сынақ сигналдарындағы стандарттаудың жоқтығына байланысты. PSQM, егер сапаны объективті және субъективті бағалау бойынша ITU ұсынған әдістерге (ITU T P.800/P.830/P.861) сәйкес қолданылса, сенімді және тұрақты MOS мәндерін ұсынады. Осы ITU T ұсыныстары -20 дБ орташа деңгейінде ер және әйел дауысының эталондық сигналдарын пайдалануды қамтиды. Дауыстың немесе сигналдың түрі, жынысы, ұзақтығы, күшеюі PSQM мәніне немесе MOS бағасына шамалы әсер етуі мүмкін, сондай-ақ шекті деңгейлер, жасалған қоңыраулар саны және ортаның басқа да конфигурациялық параметрлері де әсер етеді. Дауыс сапасын өлшеу нәтижелерін салыстырғанда сигнал, орта және конфигурация ескерілуі керек. Көптеген сөйлеу кодектері бар және олар кең ауқымдағы қолданбаларда қолданылады. Жүйе талаптарына сай келетін тиісті сөйлеу кодектерін таңдау қажет. Әртүрлі желілік жүктемелерде алынған, кең таралған сөйлеу кодектерінің және оларға сәйкес PSQM/PSQM+ есебімен алынған MOS мәндерінің тізімі қолжетімді.