本文通过对语音质量的感知评估(perceptual evaluation of speech quality,PESQ)算法与基于H.323VOIP系统整合的探讨分析,提出了一种有效载荷替换的非介入式方法作为VOIP系统与PESQ算法之间的接口平台,从而构建起了一个完整的VOIP系统...本文通过对语音质量的感知评估(perceptual evaluation of speech quality,PESQ)算法与基于H.323VOIP系统整合的探讨分析,提出了一种有效载荷替换的非介入式方法作为VOIP系统与PESQ算法之间的接口平台,从而构建起了一个完整的VOIP系统语音质量评估体系。最后,将该评估体系应用于自行开发的VOIP系统,实际测试证明能在很大程度上提高VOIP通信系统的语音质量。展开更多
给出一种有效的噪声压缩算法,提供了高分辨率的掩蔽感知模型,并对K a lm an滤波模型进行了改进。算法通过计算噪声掩蔽参数,可以适时更新数据参数,压缩信号噪声。实验表明,本文算法没有延迟,语音质量感知评估(Perceptua l eva luation o...给出一种有效的噪声压缩算法,提供了高分辨率的掩蔽感知模型,并对K a lm an滤波模型进行了改进。算法通过计算噪声掩蔽参数,可以适时更新数据参数,压缩信号噪声。实验表明,本文算法没有延迟,语音质量感知评估(Perceptua l eva luation of speech qua lity scores,PESQ)值高,对窄带及宽带信号噪声的压缩均有满意效果。展开更多
VoIP的服务质量(QoS,Quality of Service)评估可以采用一系列可度量的参数来描述:业务可用性、吞吐量、延迟、抖动、分组丢失率等。现有的感知语音质量评价(PESQ)很难对不同环境下的网络结构进行实时和恰当的语音等级质量分类。为了能...VoIP的服务质量(QoS,Quality of Service)评估可以采用一系列可度量的参数来描述:业务可用性、吞吐量、延迟、抖动、分组丢失率等。现有的感知语音质量评价(PESQ)很难对不同环境下的网络结构进行实时和恰当的语音等级质量分类。为了能够综合考虑几种QoS相关因素,在给出改进的自组织映射神经网络模型(ESOMNN)的基础上,利用ESOM能够对高维输入数据有效分类的特点,提出了将端到端延迟、丢包率、抖动、语音编码以及测试系统标识作为ESOMNN的输入数据,在对采样数据进行训练后可自动完成语音质量评价和映射,并能根据得到的实时变量有效地评价包含多种相关因素的QoS级别。展开更多
文摘本文通过对语音质量的感知评估(perceptual evaluation of speech quality,PESQ)算法与基于H.323VOIP系统整合的探讨分析,提出了一种有效载荷替换的非介入式方法作为VOIP系统与PESQ算法之间的接口平台,从而构建起了一个完整的VOIP系统语音质量评估体系。最后,将该评估体系应用于自行开发的VOIP系统,实际测试证明能在很大程度上提高VOIP通信系统的语音质量。
文摘给出一种有效的噪声压缩算法,提供了高分辨率的掩蔽感知模型,并对K a lm an滤波模型进行了改进。算法通过计算噪声掩蔽参数,可以适时更新数据参数,压缩信号噪声。实验表明,本文算法没有延迟,语音质量感知评估(Perceptua l eva luation of speech qua lity scores,PESQ)值高,对窄带及宽带信号噪声的压缩均有满意效果。
基金国家自然科学基金(the National Natural Science Foundation of China under Grant No.50427401)。
文摘VoIP的服务质量(QoS,Quality of Service)评估可以采用一系列可度量的参数来描述:业务可用性、吞吐量、延迟、抖动、分组丢失率等。现有的感知语音质量评价(PESQ)很难对不同环境下的网络结构进行实时和恰当的语音等级质量分类。为了能够综合考虑几种QoS相关因素,在给出改进的自组织映射神经网络模型(ESOMNN)的基础上,利用ESOM能够对高维输入数据有效分类的特点,提出了将端到端延迟、丢包率、抖动、语音编码以及测试系统标识作为ESOMNN的输入数据,在对采样数据进行训练后可自动完成语音质量评价和映射,并能根据得到的实时变量有效地评价包含多种相关因素的QoS级别。
