[發(fā)明專利]一種基于語(yǔ)音識(shí)別和能量檢測(cè)的語(yǔ)音質(zhì)量檢測(cè)方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201711165208.9
• 申請(qǐng)日: 2017-11-21
• 公開(kāi)（公告）號(hào): CN109817243B
• 公開(kāi)（公告）日: 2021-04-20
• 發(fā)明（設(shè)計(jì)）人: 彭陳發(fā);張士聰;吳劍平;楊占軍;王國(guó)治;李學(xué)江;艾華;張硯寒
• 申請(qǐng)（專利權(quán)）人: 中國(guó)移動(dòng)通信集團(tuán)浙江有限公司;中國(guó)移動(dòng)通信集團(tuán)公司
• 主分類號(hào): G10L25/60
• 分類號(hào): G10L25/60;G10L15/05;H04L12/26
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;李相雨

本發(fā)明提供一種基于語(yǔ)音識(shí)別和能量檢測(cè)的語(yǔ)音質(zhì)量檢測(cè)方法和系統(tǒng)，所述方法包括：S1、識(shí)別通話時(shí)兩端語(yǔ)音中表征通話異常的特征詞，并記錄特征詞出現(xiàn)的時(shí)刻；S2、分析一端語(yǔ)音中所述特征詞前后設(shè)定時(shí)間段內(nèi)，對(duì)應(yīng)對(duì)端語(yǔ)音中語(yǔ)音段的能量，將能量異常的語(yǔ)音段標(biāo)記為異常語(yǔ)音段，記錄所述異常語(yǔ)音段的起始時(shí)刻和結(jié)束時(shí)刻；S3、基于記錄的所述異常語(yǔ)音段和所述特征詞進(jìn)行語(yǔ)音質(zhì)量檢測(cè)。基于語(yǔ)音還原技術(shù)和語(yǔ)義識(shí)別技術(shù)檢測(cè)會(huì)話內(nèi)容是否出現(xiàn)了表征通話語(yǔ)音異常中斷的特征詞，結(jié)合語(yǔ)音能量檢測(cè)分析出現(xiàn)特征詞前后一段時(shí)間對(duì)應(yīng)對(duì)端相同時(shí)間段內(nèi)的語(yǔ)音能量，若語(yǔ)音能量異常或?yàn)榱?，則確定為異常通話，對(duì)語(yǔ)音異常類型進(jìn)行全面判定。

技術(shù)領(lǐng)域

本發(fā)明涉及通信技術(shù)領(lǐng)域，更具體地，涉及一種基于語(yǔ)音識(shí)別和能量檢測(cè)的語(yǔ)音質(zhì)量檢測(cè)方法和系統(tǒng)。

背景技術(shù)

隨著通信技術(shù)的不斷發(fā)展，TD-LTE(Time Division Long Term Evolution,分時(shí)長(zhǎng)期演進(jìn))網(wǎng)絡(luò)已經(jīng)進(jìn)入了人們的視野之中，在TD-LTE系統(tǒng)提供的眾多業(yè)務(wù)中，語(yǔ)音業(yè)務(wù)是最基本最重要的業(yè)務(wù)，且語(yǔ)音業(yè)務(wù)的承載已不再是傳統(tǒng)的電路域交換方式而是采用與數(shù)據(jù)業(yè)務(wù)相同的分組域交換方式，語(yǔ)音業(yè)務(wù)將通過(guò)IP網(wǎng)絡(luò)實(shí)現(xiàn)。

語(yǔ)音通話質(zhì)量可采用主觀方法和客觀方法來(lái)進(jìn)行檢測(cè)。主觀方法作為一種人為檢測(cè)方法,是人們憑主觀的判斷、通過(guò)實(shí)際通話，由人耳來(lái)感知通話質(zhì)量的好壞；人類的聽(tīng)覺(jué)和感知語(yǔ)音的行為被量化后，從而得到語(yǔ)音質(zhì)量的級(jí)別；在20世紀(jì)90年代由國(guó)際電信聯(lián)盟ITU-T發(fā)布了P.800，使用MOS(平均主觀評(píng)分)以規(guī)范化主觀的檢測(cè)語(yǔ)音質(zhì)量的方法；利用人本身的主觀感受為聽(tīng)到的語(yǔ)音的滿意度進(jìn)行評(píng)分，評(píng)分的基本指標(biāo)是可理解程度；其中，定義了絕對(duì)種類評(píng)定值(ACR)測(cè)量方法；該方法是要求20～50人分別聽(tīng)完一段語(yǔ)音片段后根據(jù)自己的感受打出一個(gè)主觀分值；測(cè)試完成后，對(duì)所有評(píng)分取平均值，這個(gè)平均主觀值MOS(Mean Opinion Score)是被廣泛應(yīng)用的語(yǔ)音質(zhì)量量化標(biāo)準(zhǔn)；是廣泛認(rèn)同的語(yǔ)音質(zhì)量標(biāo)準(zhǔn),雖然檢測(cè)結(jié)果能夠反映大多數(shù)人的質(zhì)量感受,但成本太高,費(fèi)時(shí)太長(zhǎng)；客觀方法則是用某個(gè)特定的參數(shù)去表征語(yǔ)音通過(guò)編碼或傳輸系統(tǒng)后的失真程度，并以此來(lái)檢測(cè)處理系統(tǒng)的性能優(yōu)劣，其無(wú)須人力成本,檢測(cè)結(jié)果較為準(zhǔn)確,因此得到更多的研究；在客觀評(píng)價(jià)方法中,PSQM、PESQ主要基于傳統(tǒng)的電話網(wǎng)絡(luò),用于分析個(gè)別設(shè)備的問(wèn)題,而不能反映諸如延時(shí)、抖動(dòng)和丟包等數(shù)據(jù)網(wǎng)絡(luò)特有的問(wèn)題,沒(méi)有考慮網(wǎng)絡(luò)故障對(duì)用戶感覺(jué)造成的影響,因此不太適合于VoIP語(yǔ)音質(zhì)量檢測(cè)。

根據(jù)上述缺點(diǎn)，已有改進(jìn)的語(yǔ)音評(píng)價(jià)方法是基于傳輸質(zhì)量中語(yǔ)音丟包統(tǒng)計(jì)，如圖1所示，通過(guò)采集IP網(wǎng)絡(luò)的RTP包，基于RTP丟包周期檢測(cè)，通過(guò)統(tǒng)計(jì)通話在網(wǎng)絡(luò)上一定周期內(nèi)的丟包率和連續(xù)丟包數(shù)，并設(shè)定閥值門限，對(duì)每個(gè)方向上的不發(fā)送RTP的時(shí)長(zhǎng)進(jìn)行判斷，來(lái)確定用戶不說(shuō)話時(shí)長(zhǎng)，判斷通話是單通、雙不通、斷續(xù)或吞字。但這種方式任然存在缺點(diǎn)：丟包只是傳輸質(zhì)量差的一種表現(xiàn)形式，還存在錯(cuò)包、誤包等情形；RTP丟失包并不一定包含有用的語(yǔ)音信息，對(duì)實(shí)際通話過(guò)程未造成實(shí)質(zhì)性的影響；僅能識(shí)別部分單通情況，對(duì)于終端異常、編解碼異常等情況無(wú)法發(fā)現(xiàn)，和實(shí)際用戶感知對(duì)應(yīng)差。

發(fā)明內(nèi)容

本發(fā)明提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的一種基于語(yǔ)音識(shí)別和能量檢測(cè)的語(yǔ)音質(zhì)量檢測(cè)方法和系統(tǒng)，解決了現(xiàn)有技術(shù)中僅能識(shí)別部分單通情況、對(duì)于終端異常、編解碼異常等情況無(wú)法發(fā)現(xiàn)，且和實(shí)際用戶感知對(duì)應(yīng)差的問(wèn)題。

根據(jù)本發(fā)明的一個(gè)方面，提供一種語(yǔ)音質(zhì)量檢測(cè)方法，包括：

S1、識(shí)別通話時(shí)兩端語(yǔ)音中表征通話異常的特征詞，并記錄特征詞出現(xiàn)的時(shí)刻；

S2、分析一端語(yǔ)音中所述特征詞前后設(shè)定時(shí)間段內(nèi)，對(duì)應(yīng)對(duì)端語(yǔ)音中語(yǔ)音段的能量，將能量異常的語(yǔ)音段標(biāo)記為異常語(yǔ)音段，記錄所述異常語(yǔ)音段的起始時(shí)刻和結(jié)束時(shí)刻；

S3、基于記錄的異常語(yǔ)音段和特征詞進(jìn)行語(yǔ)音質(zhì)量檢測(cè)。

作為優(yōu)選的，所述步驟S1具體包括：