主動式評價

　　主動式評價方法主要由ITU標準組織定義，評價方法的發展沿革歷史如圖2.1。

　　其中PESQ和POLQA是目前仍然廣泛使用的語音質量評價方法。PSQM由于種種缺陷目前在實際中已經很少采用。

　　圖2.1 ITU組織感知語音評價方法發展歷史

　　PESQ（Perceptual Evaluation of Speech Quality）由英國電信和KPN共同開發，并在2001年被ITU采納為P.862規范。它比較聲源信號和退化信號并給出一個類似人工聽力評估測試的MOS分值。PESQ不僅能測試像解碼器這樣的網絡單元的效果，也能測量端到端的聲音質量。它著重針對不同的信號退化原因，如編解碼失真、錯誤、丟包、延時、抖動和過濾，給出-0.5到4.5的分值范圍內的值。大多數情況下正常的分值范圍在2到4.5之間。

　　PESQ總的思路是對源信號和通過測試系統的退化信號進行電平調整到標準聽覺電平，再用輸入濾波器模擬標準電話聽筒進行濾波。對通過電平調整和濾波后的兩個信號在時間上對準，并進行聽覺變換，這個變換包括對系統中線性濾波和增益變化的補償和均衡。兩個聽覺變換后的信號之間的不同作為擾動（即差值），分析擾動曲面提取出兩個失真參數，在頻率和時間上累積起來，映射到對主觀平均意見分的預測值。

　　PESQ算法將話音的頻率、響度等物理特性與人類心理上的感知特性的對應關系用數學模型來表示，即用客觀數學模型的評價來模擬主觀的評價。該算法采用時頻映射、頻率彎折和響度彎折等方法，盡可能將語音中可以感知的特性在數學上完美的表達。在PESQ模型中，提取出的語音特征都是與主觀感覺直接相關的。

　　PESQ算法有如下主要缺點：處理CDMA編碼（如EVRC）不夠準確；在特定的GSM/WCDMA網絡條件下過于敏感；不能處理超寬帶語音信號。

　　為了解決PESQ的問題，更好的適應4G/LTE時代的語音質量測試需求，ITU-T于2006年開始了POLQA的開發工作2011年初正式發布為ITU-T P.863標準。主要特點可以覆蓋最新的語音編碼和網絡傳輸技術，在用于3G， 4G/LTE，VoIP網絡時具有更高的準確性支持超寬帶（50Hz~14KHz）語音傳輸，高質量語音傳輸。

　　PESQ和POLQA算法的對比如圖2.2所示。

　　圖2.2 PESQ和POLQA算法特性對比

　　從主動式評價方法的發展歷程以及各種方法的性能來看基于輸入一輸出的客觀評價的一些方法與主觀評價的相關度已達到了0．95左右，能夠比較真實的衡量語音質量。

　　被動式評價

　　被動式語音質量評價方法主要有兩種。其一是直接從變化的IP網絡損傷參數（如丟包、抖動和延遲）預測語音質量，如R-factor方法；其二是根據音頻信號測量語音流量的語音質量（例如編解碼器、回聲、語言和／或講話人），如ITU組織P.563標準。被動式評價的目的是建立感知語音質量和網絡或音頻語音流相關參數的關系，從而通過網絡參數或語音參數來評價感知語音質量。被動式評價并非真實測量最終用戶的實際體驗，而是通過抓取網絡參數或語音參數通過數學模型“預測”感知語音質量。