[发明专利]基于深度学习测评通话质量的方法、服务器及存储介质

说明书

本发明提供基于深度学习测评通话质量的方法，属于通话质量检测技术领域，包括以下步骤：S1、通过电话拨测系统，获取若干组主叫录音与被叫录音音频数据；S2、将步骤S1获得的音频数据全部进行快速傅里叶变换，获得对应的频谱数据；S3、将步骤S2获得的频谱数据输入训练好的卷积神经网络中，进行峰值检测、节奏点检测、响度检测、能量分析和音色分析，获得音频分析结果数据；S4、业务系统将主叫录音与对应的被叫录音经步骤S3所得到的的音频分析结果进行相似度对比，本发明能以无人值守的方式，高效的、高准确度的生成通话音频数据评测结果。

技术领域

本发明属于通话质量检测技术领域，具体涉及基于深度学习测评通话质量的方法、服务器及存储介质。

背景技术

在智能手机快速发展的时代，智能手机也随逐渐满足人们的各种需求，并在人们生活中处于不可或缺的地位。但在手机的研发过程中，由于研发人员与用户处于不同的环境，单一的得出误比特率值已不能完全代表手机的信号质量的好坏。而为了切合客户使用场景，在手机研发阶段会分时间段的场测来评价语音信号质量的高低，而场测评价信号质量的高低取决于人工判断，人工判断又存在主观行为，在一定程度上不能直观的体现信号质量。故需要一种准确且快速的测试方法来检测信号质量的好坏。

目前，传统电话通话质量测评工作，由工程师现场人工进行拨打评测，当电话、手机样本过多时需要浪费较多人力物力，效率较低，自动化、智能化欠佳。

因此需要一种测评效率高、更加智能化的方法及系统，使通话质量测评变得更加简单高效。

发明内容

本发明的目的是为了解决背景技术中提及的问题，提供基于深度学习测评通话质量的方法、服务器及存储介质，能以无人值守的方式，高效的、高准确度的生成通话音频数据评测结果。

为实现上述技术目的，本发明采取的技术方案为：

基于深度学习测评通话质量的方法，包括以下步骤：

S1、通过电话拨测系统，获取若干组主叫录音与被叫录音音频数据；

S2、将步骤S1获得的音频数据全部进行快速傅里叶变换，获得对应的频谱数据；

S3、将步骤S2获得的频谱数据输入训练好的卷积神经网络中，进行峰值检测、节奏点检测、响度检测、能量分析和音色分析，获得音频分析结果数据；

S4、业务系统将主叫录音与对应的被叫录音经步骤S3所得到的的音频分析结果进行相似度对比。

作为优选，步骤S1获得音频数据后，按照音频数据之间的停顿或者预设时间间隔对音频数据进行切分。

作为优选，步骤S2中的快速傅里叶变换公式如下：

其中，x(t)为采样的信号数据，j为长度系数，ω为旋转因子。

作为优选，步骤S3中的卷积神经网络基于深度学习框架Keras下的ResNet50模型建立；所述卷积神经网络根据输入数据尺寸配置输入层，所述输入层的输出作为ResNet50的输入；设置展平层用于展平ResNet50的输出特征向量，再通过全连接层调整次特征向量的维度，最后连接一层Softmax作为分类器。

作为优选，定义一种基于Keras中Layer类的聚类层，将卷积神经网络中分类器的输入也作为聚类层的输入，以聚类层产生的聚类结果作为分类器的参考标签，对卷积神经网络进行训练。

作为优选，步骤S4中业务系统基于杰卡德相似度算法对音频分析结果进行相似度对比，杰卡德相似度算法公式如下：

其中，A和B为两个集合。