語音通信中音質(zhì)客觀評價研究.pdf

1、現(xiàn)代通信系統(tǒng)提供了廣泛的語音服務，語音通信已經(jīng)成為生活中不可或缺的交流方式。通信技術和通信服務的發(fā)展促進了對通信系統(tǒng)性能的評價需求，評判語音通信系統(tǒng)性能優(yōu)劣的根本標志之一是系統(tǒng)所輸出語音質(zhì)量的好壞，因此準確有效的語音質(zhì)量評估技術是提高通信系統(tǒng)性能的關鍵技術。 主觀評價能真實反映人對語音質(zhì)量的整體滿意程度，但主觀評價費事費時且不適合實時性場合。近年來，以計算機信息處理為核心的語音質(zhì)量客觀評價成為大家關注的研究熱點。本論文以軍事研究

2、項目為背景，對通信中的語音質(zhì)量客觀評價展開了廣泛深入的研究。 本文首先闡述了語音質(zhì)量評價的含義，在介紹語音質(zhì)量客觀評價的原理及研究現(xiàn)狀之后，指出了客觀評價中存在的部分問題，并簡要說明本論文的主要工作。 第二章提出了一種語音特征參數(shù)MFSC，相比于。MFCC，MFSC分析體現(xiàn)了更多的感知分析特性。將使用MFSC作為特征參數(shù)的客觀測度Mel—SD用于語音質(zhì)量評價測試，實驗結果表明，相比于PESQ、Mel-CD，Mel-SD具

3、有更好的客觀評價性能，且Mel-SD具有對濾波器組構造變化和壓縮因子變化的魯棒性。 以改善客觀測度的評價性能為目標，第三章提出使用PSO算法獲取語音特征參數(shù)中各維分量對音質(zhì)客觀評價性能的相對重要性關系。論文通過將這個問題轉(zhuǎn)化為優(yōu)化問題，分別使用實數(shù)編碼和二進制編碼的PSO算法完成特征參數(shù)：MFCC和MFSC各分量權系數(shù)的優(yōu)化和特征子集選擇的組合優(yōu)化，既得到特征參數(shù)分量之間的相對重要性關系，又有效地改善了Mel-CD和Mel-SD

4、的評價性能。 針對前向神經(jīng)網(wǎng)絡訓練時間長及泛化性能不確定性的缺陷，論文提出了一種訓練前向神經(jīng)網(wǎng)絡的學習算法——雙向權值調(diào)整算法(BPWA)。BPWA可以在正向和反向階段對權值作出調(diào)整，且保證輸出權值是最小范數(shù)解，該算法具有較快的學習速度，并有利于保證所訓練網(wǎng)絡的泛化性能。針對GCNN這種新型神經(jīng)網(wǎng)絡，第四章通過定義新的廣義同余函數(shù)，增加廣義同余神經(jīng)元的可調(diào)參數(shù)，簡化GCNN的網(wǎng)絡結構，對GCNN做了改進。論文中使用BPWA分別訓

5、練單隱層sigmoid神經(jīng)網(wǎng)絡和改進型GCNN，建立語音質(zhì)量感知模型，實驗結果表明，基于BPWA-NN和BPWA-GCNN的語音質(zhì)量客觀評價系統(tǒng)具有良好的評價性能。 語音中所蘊涵的時間信息被認為是聽覺系統(tǒng)能夠分離和理解語音的重要信息。針對語音信號短時分析中時間信息缺失的問題，第五章中使用Lyon被動長波模型模擬語音信號在耳蝸中的非線性處理過程，將語音從一維空間轉(zhuǎn)換到二維空間的耳蝸圖表示，再通過自相關操作得到語音的相關圖。論文使用

6、灰度共生矩陣來描述相關圖特征，并從中提取特征參量作為語音質(zhì)量評價的測度。實驗結果表明，能量測度、熵測度、一致性測度的估計結果與主觀MOS值之間的相關度超過0.9，這種使用相關圖特征參量的音質(zhì)客觀評價是一種有效的評價方法。 通信中的語音可懂度客觀評價是一項新的研究課題，具有重要的應用價值。第六章利用RBFNN的良好的分類特性和通過矢量量化得到的轉(zhuǎn)移概率矩陣實現(xiàn)了兩種可懂度客觀評價的方法：OIM-RBFNN和OIM-TPD。實驗結果