用于語(yǔ)音質(zhì)量客觀評(píng)價(jià)的mel譜失真測(cè)度(編輯修改稿)
2025-07-19 19:11 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 MelSD與MelCD的失真量計(jì)算完全相同，下面僅僅對(duì)MelSD的失真量計(jì)算加以說(shuō)明。第k幀的美爾譜失真距離定義如式（4） k =1,2,…,N （4）MFSCx(i,k)為輸入語(yǔ)音信號(hào)的第k幀MFSC第i階系數(shù)，MFSCy(i,k)為失真語(yǔ)音信號(hào)的第k幀MFSC第i階系數(shù)。N為語(yǔ)音信號(hào)的總幀數(shù)，m為MFSC的階數(shù)。將語(yǔ)音文件每幀的美爾譜系數(shù)失真距離作算術(shù)平均，得到該失真文件的美爾譜系數(shù)失真距離，作為失真語(yǔ)音的總失真量，見(jiàn)式(5)。 （5） 判斷模型計(jì)算的失真量按最小二乘法準(zhǔn)則進(jìn)行二次多項(xiàng)式擬合，以對(duì)應(yīng)相應(yīng)的語(yǔ)音質(zhì)量的客觀MOS值或者稱為預(yù)測(cè)MOS值。 MelCD與MelSD的關(guān)系 從以上分析，如果將MFCC作為MFSC的一個(gè)實(shí)現(xiàn)特例，則MelCD可以作為MelSD的一個(gè)特例，只是由于選擇了并不符合聽(tīng)覺(jué)感知特性的對(duì)數(shù)壓縮的原因，MelCD與MelSD在評(píng)價(jià)性能不同[6]。2 語(yǔ)音質(zhì)量客觀評(píng)價(jià)的性能指標(biāo)語(yǔ)音質(zhì)量客觀評(píng)價(jià)方法的性能優(yōu)劣，一般用語(yǔ)音質(zhì)量的客觀MOS值與主觀MOS值之間的相關(guān)程度和預(yù)測(cè)誤差作為評(píng)價(jià)的性能指標(biāo)[8]，兩者的相關(guān)程度采用Pearson相關(guān)系數(shù)加以描述，如式（6）所示。相關(guān)系數(shù)描述了客觀評(píng)價(jià)與主觀評(píng)價(jià)MOS之間的線性程度，相關(guān)系數(shù)越接近＋1，客觀測(cè)度用于預(yù)測(cè)主觀MOS值越準(zhǔn)確。（6）預(yù)測(cè)誤差用標(biāo)準(zhǔn)估計(jì)偏差ssse表示，見(jiàn)式（7）所定義。SSE越小，反映預(yù)測(cè)誤差越小，客觀評(píng)價(jià)測(cè)度的性能越好。 （7）在（6）和（7）中，MOSO(i)是第i個(gè)數(shù)據(jù)的客觀MOS值，MOSs(i) 是主觀評(píng)判的MOS分值，M是數(shù)據(jù)點(diǎn)的數(shù)目。3 MelSD、MelCD與Mel濾波器數(shù)目的關(guān)系分析MelSD和MelCD，兩者的區(qū)別在于提取的語(yǔ)音特征參數(shù)不同。而在MFCC和MFSC中，除了非線性變化部分不同，其他部分也是相同的。Mel域?yàn)V波是兩個(gè)參數(shù)計(jì)算的共同部分，因此Mel濾波器組的選擇對(duì)MelSD、MelCD都將產(chǎn)生影響。在此，我們希望了解Mel濾波器組對(duì)客觀測(cè)度的影響。在此針對(duì)電話頻帶語(yǔ)音質(zhì)量客觀評(píng)價(jià)研究，我們選擇帶寬比電話頻帶略寬，為[0－4000]Hz。Mel濾波器組的構(gòu)造，根據(jù)給定濾波器組中濾波器的數(shù)目，在對(duì)應(yīng)[0－4000]Hz的Mel域范圍[0－2146]Mel尺度域內(nèi)三角形濾波器組的中心頻率均勻排列。濾波器的數(shù)目不同，則濾波器的帶寬不同，濾波器組的構(gòu)成也不同。濾波器組對(duì)測(cè)度性能的影響就轉(zhuǎn)換為用濾波器組中濾波器數(shù)目的變化對(duì)測(cè)度的影響加以研究。濾波器的影響將通過(guò)MelCD和MelSD在測(cè)試中的性能體現(xiàn)出來(lái)。測(cè)試實(shí)驗(yàn)使用的漢語(yǔ)普通話語(yǔ)音材料，選自于音質(zhì)MOS評(píng)價(jià)法標(biāo)準(zhǔn)SJ 207712000，及與之配套、強(qiáng)制性執(zhí)行的MOS測(cè)試用語(yǔ)音數(shù)據(jù)庫(kù)標(biāo)準(zhǔn)SJ 20852－2002，包括72個(gè)語(yǔ)音文件，每個(gè)文件包括大致持續(xù)10秒的三個(gè)測(cè)試語(yǔ)句（按照漢語(yǔ)的統(tǒng)計(jì)特性，經(jīng)過(guò)語(yǔ)音平衡構(gòu)建而成），且由3 男3 女發(fā)音錄制而成的原始語(yǔ)音庫(kù)。測(cè)試實(shí)驗(yàn)形成了不同通信體制、不同干擾樣式及各種干信比的失真語(yǔ)音條件，總為8個(gè)不同的語(yǔ)音數(shù)據(jù)集，在實(shí)驗(yàn)中分別標(biāo)為條件1至條件8。對(duì)于濾波器數(shù)目為7到25的不同的濾波器組，MelCD和MelSD分別對(duì)8個(gè)測(cè)試進(jìn)行客觀評(píng)價(jià)，并得到評(píng)價(jià)結(jié)果與主觀MOS的相關(guān)值，將8個(gè)測(cè)試的相關(guān)值平均作為在某一給定濾波器數(shù)目條件下，兩個(gè)客觀測(cè)度在8個(gè)測(cè)試中的綜合性能。8個(gè)測(cè)試的綜合性能見(jiàn)圖4，表1為測(cè)試綜合性能中 MelCD和MelSD取得最佳性能的濾波器數(shù)目和對(duì)應(yīng)平均相關(guān)值。表1客觀評(píng)價(jià)的最佳濾波器數(shù)目與最佳相關(guān)值客觀測(cè)度最佳濾波器數(shù)目最佳相關(guān)系數(shù)MelCD10MelSD10由圖4 和表1所示，濾波器數(shù)目在7到13之間時(shí)，－，基本保持平坦，略有起伏，；隨著濾波器數(shù)目的增加，性能呈單調(diào)下降趨勢(shì)，當(dāng)濾波器數(shù)目大于15以后，并隨著濾波器數(shù)目增加相關(guān)值繼續(xù)減少，但當(dāng)濾波器數(shù)目到達(dá)25時(shí)。MelSD隨著濾波器數(shù)目的增加，總體上性能保持平穩(wěn)。在7到25之間時(shí)，－，基本保持平坦，；當(dāng)濾波器數(shù)目增加相關(guān)值略有減少，基本上曲線是平坦的。分析并對(duì)比MelCD和MelSD，MelSD的性能明顯好于MelCD，在整個(gè)濾波器數(shù)目變化范圍內(nèi)，比MelCD的最佳相關(guān)值還要高。MelSD在整個(gè)濾波器數(shù)量的變化范圍內(nèi)，性能保持平坦，對(duì)濾波器組的變化不敏感，而MelCD僅僅在7－13的范圍內(nèi)，基本保持性能平穩(wěn)，當(dāng)濾波器數(shù)目繼續(xù)增加時(shí)，性能單調(diào)下降
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1