[发明专利]一种基于语音识别和能量检测的语音质量检测方法和系统

说明书

本发明提供一种基于语音识别和能量检测的语音质量检测方法和系统，所述方法包括：S1、识别通话时两端语音中表征通话异常的特征词，并记录特征词出现的时刻；S2、分析一端语音中所述特征词前后设定时间段内，对应对端语音中语音段的能量，将能量异常的语音段标记为异常语音段，记录所述异常语音段的起始时刻和结束时刻；S3、基于记录的所述异常语音段和所述特征词进行语音质量检测。基于语音还原技术和语义识别技术检测会话内容是否出现了表征通话语音异常中断的特征词，结合语音能量检测分析出现特征词前后一段时间对应对端相同时间段内的语音能量，若语音能量异常或为零，则确定为异常通话，对语音异常类型进行全面判定。

技术领域

本发明涉及通信技术领域，更具体地，涉及一种基于语音识别和能量检测的语音质量检测方法和系统。

背景技术

随着通信技术的不断发展，TD-LTE(Time Division Long Term Evolution,分时长期演进)网络已经进入了人们的视野之中，在TD-LTE系统提供的众多业务中，语音业务是最基本最重要的业务，且语音业务的承载已不再是传统的电路域交换方式而是采用与数据业务相同的分组域交换方式，语音业务将通过IP网络实现。

语音通话质量可采用主观方法和客观方法来进行检测。主观方法作为一种人为检测方法,是人们凭主观的判断、通过实际通话，由人耳来感知通话质量的好坏；人类的听觉和感知语音的行为被量化后，从而得到语音质量的级别；在20世纪90年代由国际电信联盟ITU-T发布了P.800，使用MOS(平均主观评分)以规范化主观的检测语音质量的方法；利用人本身的主观感受为听到的语音的满意度进行评分，评分的基本指标是可理解程度；其中，定义了绝对种类评定值(ACR)测量方法；该方法是要求20～50人分别听完一段语音片段后根据自己的感受打出一个主观分值；测试完成后，对所有评分取平均值，这个平均主观值MOS(Mean Opinion Score)是被广泛应用的语音质量量化标准；是广泛认同的语音质量标准,虽然检测结果能够反映大多数人的质量感受,但成本太高,费时太长；客观方法则是用某个特定的参数去表征语音通过编码或传输系统后的失真程度，并以此来检测处理系统的性能优劣，其无须人力成本,检测结果较为准确,因此得到更多的研究；在客观评价方法中,PSQM、PESQ主要基于传统的电话网络,用于分析个别设备的问题,而不能反映诸如延时、抖动和丢包等数据网络特有的问题,没有考虑网络故障对用户感觉造成的影响,因此不太适合于VoIP语音质量检测。

根据上述缺点，已有改进的语音评价方法是基于传输质量中语音丢包统计，如图1所示，通过采集IP网络的RTP包，基于RTP丢包周期检测，通过统计通话在网络上一定周期内的丢包率和连续丢包数，并设定阀值门限，对每个方向上的不发送RTP的时长进行判断，来确定用户不说话时长，判断通话是单通、双不通、断续或吞字。但这种方式任然存在缺点：丢包只是传输质量差的一种表现形式，还存在错包、误包等情形；RTP丢失包并不一定包含有用的语音信息，对实际通话过程未造成实质性的影响；仅能识别部分单通情况，对于终端异常、编解码异常等情况无法发现，和实际用户感知对应差。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种基于语音识别和能量检测的语音质量检测方法和系统，解决了现有技术中仅能识别部分单通情况、对于终端异常、编解码异常等情况无法发现，且和实际用户感知对应差的问题。

根据本发明的一个方面，提供一种语音质量检测方法，包括：

S1、识别通话时两端语音中表征通话异常的特征词，并记录特征词出现的时刻；

S2、分析一端语音中所述特征词前后设定时间段内，对应对端语音中语音段的能量，将能量异常的语音段标记为异常语音段，记录所述异常语音段的起始时刻和结束时刻；

S3、基于记录的异常语音段和特征词进行语音质量检测。

作为优选的，所述步骤S1具体包括：