VoIP(Voiceover IP)即IP電話，是將話音編碼、壓縮轉(zhuǎn)換成數(shù)據(jù)包，在IP網(wǎng)絡(luò)中進(jìn)行傳輸?shù)募夹g(shù)。語(yǔ)音通信因其特有的可靠性和高QoS(QualityofService)一直被大家廣發(fā)使用。但現(xiàn)在的人們通過(guò)手機(jī)通話時(shí)已經(jīng)不但僅滿足于信息的獲取，而更多地關(guān)注語(yǔ)音質(zhì)量如何，是否能高保真地還原聲音的效果，并表達(dá)最真實(shí)的情感。
有信以實(shí)時(shí)語(yǔ)音通話為核心，經(jīng)過(guò)幾年的深耕細(xì)作，用戶總注冊(cè)量已經(jīng)超1. 2 億，日活躍用戶達(dá) 600 萬(wàn)。能夠獲得這么多的用戶與有信電話高水平的語(yǔ)音通話質(zhì)量密不成分，語(yǔ)音質(zhì)量也是有信電話與傳統(tǒng)電話公司競(jìng)爭(zhēng)的一項(xiàng)關(guān)鍵因素。
業(yè)界各方為了提高VoIP語(yǔ)音質(zhì)量各顯其能，語(yǔ)音質(zhì)量的評(píng)測(cè)方案層出不窮，但都以主不雅觀評(píng)測(cè)為主流。我們?cè)趯?duì)有信VoIP網(wǎng)絡(luò)電話做評(píng)測(cè)時(shí)，會(huì)從抗時(shí)延、抗丟包、噪聲按捺以及音量大小等多種維度去考慮，本文主要介紹了客不雅觀評(píng)測(cè)語(yǔ)音質(zhì)量的一些方法和案例。
2 測(cè)試環(huán)境搭建
2.1 測(cè)試設(shè)備
測(cè)試設(shè)備：PC +測(cè)試手機(jī) 2 部+音頻線 2 條+耳機(jī)麥克風(fēng)二合一轉(zhuǎn)接線。
以上設(shè)備根據(jù)圖2- 1 方式連接后，在PC 上播放音頻，聲音從 PC的揚(yáng)聲器通過(guò)音頻線和轉(zhuǎn)接線傳入到主叫A的麥克里，然后主叫A中的通話軟件采集聲音并經(jīng)過(guò)網(wǎng)絡(luò)傳到被叫B，之后聲音從被叫B通過(guò)音頻線連接PC的麥克風(fēng)傳入到PC上，在PC上進(jìn)行音頻錄制操作。這里需要注意的是，由于主叫和被叫都有麥克風(fēng)權(quán)限，為了保證測(cè)試過(guò)程中數(shù)據(jù)的準(zhǔn)確性，不受外界聲音的影響，連接電腦mic端的被叫B必然要連結(jié)靜音，主叫A必然要插出耳機(jī)模式。
圖2-1
2.2 網(wǎng)絡(luò)環(huán)境模擬
VoIP決定了對(duì)網(wǎng)絡(luò)的強(qiáng)依賴性，因此需要評(píng)定在差別網(wǎng)絡(luò)狀態(tài)下的語(yǔ)音質(zhì)量的各項(xiàng)指標(biāo)。這里保舉使用網(wǎng)絡(luò)模擬軟件Network Emulator Toolkit 模擬網(wǎng)絡(luò)丟包、抖動(dòng)等網(wǎng)絡(luò)異常情況。在電腦上安置網(wǎng)絡(luò)模擬軟件，然后將電腦網(wǎng)絡(luò)作為 WiFi熱點(diǎn)(可以使用 360 隨身 wifi 等工具實(shí)現(xiàn))，測(cè)試機(jī)連接熱點(diǎn) wifi，通過(guò)設(shè)置差別的參數(shù)實(shí)現(xiàn)丟包和網(wǎng)絡(luò)抖動(dòng)等網(wǎng)絡(luò)異常的情況。
網(wǎng)絡(luò)丟包設(shè)置方法：可以通過(guò)設(shè)置Periodic Loss (周期性丟包)參數(shù)實(shí)現(xiàn)(如設(shè)置參數(shù)為 10，體現(xiàn)每 10 個(gè)包丟一個(gè)包，即丟包率為10%)，也可以設(shè)置Random Loss(隨機(jī)丟包)參數(shù)實(shí)現(xiàn)(Random Loss中的數(shù)值若填寫0.05，則體現(xiàn)隨機(jī)丟包率為5%)，一般隨機(jī)丟包更貼近真實(shí)的網(wǎng)絡(luò)情況。
網(wǎng)絡(luò)抖動(dòng)設(shè)置方法：可以通過(guò)設(shè)置變革的延時(shí)Linear 參數(shù)來(lái)實(shí)現(xiàn)，Linear 設(shè)置項(xiàng)體現(xiàn)在設(shè)置時(shí)間內(nèi) period，延時(shí)會(huì)從設(shè)置的最小值 Min 逐漸變革到設(shè)置的最大值 Max(如設(shè)置 min 為 0，max 為 100，體現(xiàn)抖動(dòng)幅度為 100ms)，也可以設(shè)置Normal Distributed 的參數(shù)來(lái)模擬。
2.3 音頻文件以及分析工具的選擇
分析音頻的軟件有很多，本文采用Cool Edit Pro，便利易用。將音頻文件在Cool Edit Pro中打開，可以看到音頻是否滿足測(cè)試條件，例如，在音質(zhì)測(cè)試時(shí)，要保證波形適中，振幅分布均勻。
由于 PESQ 算法的特殊性，對(duì)聲音源文件的選擇有必然的要求。
1. 源聲音文件的長(zhǎng)度在6s～8s之間，過(guò)長(zhǎng)或過(guò)短都會(huì)影響計(jì)算結(jié)果。
2. 靜音區(qū)和非靜音區(qū)的比例要適中，盡量保正[非靜音：靜音=6：4 ]或 [非靜音：靜音=5：5 ]或[非靜音：靜音=4：6 ]。使用 PESQ 計(jì)算 MOS 分時(shí)，要用純凈的不帶噪聲的文件。
3. 使用 Cool Edit Pro 錄音時(shí)，應(yīng)保證輸出的波形適中，可通過(guò)調(diào)節(jié)音頻播放音量和 PC 錄音音量來(lái)控制。
3 測(cè)試指標(biāo)以及測(cè)試方法
3.1 音質(zhì)(QV)
音質(zhì)(Qualityof Voice)是指經(jīng)傳輸、處理后音頻信號(hào)的保真度，是對(duì)音量音高、音調(diào)、音色等一些列影響因素的綜合評(píng)價(jià)。本文所用的音質(zhì)的測(cè)試方法，是利用python的音頻插件pyAudio來(lái)輸入源文件以及錄制輸出音頻，通過(guò)國(guó)際通用的PESQ(Perceptualevaluation of speech quality)算法來(lái)對(duì)比兩個(gè)輸入和輸出的音頻，最終計(jì)算出MOS(Mean OpinionScore)值。以上整個(gè)過(guò)程都是通過(guò)腳本完成，制止了人工參與引入的誤差。如1. 1 中的示意圖連接好設(shè)備后，兩臺(tái)手機(jī)通過(guò)AppA進(jìn)行通話，通話過(guò)程中執(zhí)行腳本，腳本中一些變量的值，例如執(zhí)行次數(shù)、采樣率、Delay時(shí)長(zhǎng)等都可以按照測(cè)試對(duì)象的實(shí)際情況進(jìn)行靈活調(diào)整，以盡量找到測(cè)試對(duì)象的天花板。
3.2 語(yǔ)音時(shí)延(DV)
語(yǔ)音時(shí)延(DelayofVoice)，兩個(gè)移動(dòng)終端進(jìn)行通話過(guò)程中，主不雅觀感受的時(shí)延是指輸出音頻的時(shí)間減去輸入音頻的時(shí)間，即被叫聽到聲音的時(shí)間減去主叫發(fā)出聲音的時(shí)間。DV過(guò)大，比較容易出現(xiàn)響應(yīng)遲緩、或者雙講的情況，非常影響通話體驗(yàn)。本文中對(duì)DV的測(cè)試方法是，如1.1中的示意圖連接好設(shè)備后，兩臺(tái)手機(jī)通過(guò)AppA進(jìn)行通話，通過(guò)腳原來(lái)計(jì)算音頻輸入的時(shí)間和錄制音頻的輸出時(shí)間，這個(gè)過(guò)程比擬主不雅觀測(cè)試，排除了人耳的差異性帶來(lái)的誤差，使得測(cè)試結(jié)果更精準(zhǔn)。通過(guò)腳本跑出的時(shí)延數(shù)據(jù)，取50～ 100 組延時(shí)數(shù)據(jù)算平均值即可。
3.3 噪聲按捺(NS)
