有信：如何做好VoIP语音质量评测？

主页（http://www.pttcn.net）：有信：如何做好VoIP语音质量评测？

1 背景介绍

VoIP(Voice over IP)即IP电话，是将话音编码、压缩转换成数据包，在IP网络中进行传输的技术。语音通信因其特有的可靠性和高QoS（Quality of Service）一直被大家广发使用。但现在的人们通过手机通话时已经不仅仅满足于信息的获取，而更多地关注语音质量如何，是否能高保真地还原声音的效果，并表达最真实的情感。

有信以实时语音通话为核心，经过几年的深耕细作，用户总注册量已经超1.2亿，日活跃用户达600万。能够获得这么多的用户与有信电话高水平的语音通话质量密不可分，语音质量也是有信电话与传统电话公司竞争的一项关键因素。

业界各方为了提高VoIP语音质量各显其能，语音质量的评测方案层出不穷，但都以主观评测为主流。我们在对有信VoIP网络电话做评测时，会从抗时延、抗丢包、噪声抑制以及音量大小等多种维度去考虑，本文主要介绍了客观评测语音质量的一些方法和案例。

2 测试环境搭建

2.1 测试设备

测试设备：PC +测试手机2部+音频线2条+耳机麦克风二合一转接线。

以上设备按照图2-1方式连接后，在 PC 上播放音频，声音从 PC 的扬声器通过音频线和转接线传入到主叫A的麦克里，然后主叫A中的通话软件采集声音并经过网络传到被叫B，之后声音从被叫B通过音频线连接PC的麦克风传入到PC上，在PC上进行音频录制操作。这里需要注意的是，由于主叫和被叫都有麦克风权限，为了保证测试过程中数据的准确性，不受外界声音的影响，连接电脑mic端的被叫B一定要保持静音，主叫A一定要插出耳机模式。

图2-1

2.2 网络环境模拟

VoIP决定了对网络的强依赖性，因此需要评定在不同网络状态下的语音质量的各项指标。这里推荐使用网络模拟软件 Network Emulator Toolkit 模拟网络丢包、抖动等网络异常情况。在电脑上安装网络模拟软件，然后将电脑网络作为 WiFi 热点(可以使用 360 随身 wifi 等工具实现)，测试机连接热点 wifi，通过设置不同的参数实现丢包和网络抖动等网络异常的情况。

网络丢包设置方法：可以通过设置 Periodic Loss （周期性丢包）参数实现（如设置参数为 10，表示每 10 个包丢一个包，即丢包率为 10%），也可以设置Random Loss（随机丢包）参数实现（Random Loss 中的数值若填写0.05，则表示随机丢包率为5%），一般随机丢包更贴近真实的网络情况。

网络抖动设置方法：可以通过设置变化的延时 Linear 参数来实现，Linear 设置项表示在设置时间内 period，延时会从设置的最小值 Min 逐渐变化到设置的最大值 Max （如设置 min 为 0，max 为 100，表示抖动幅度为 100ms），也可以设置Normal Distributed 的参数来模拟。

2.3 音频文件以及分析工具的选择

分析音频的软件有很多，本文采用Cool Edit Pro，方便易用。将音频文件在Cool Edit Pro中打开，可以看到音频是否满足测试条件，例如，在音质测试时，要保证波形适中，振幅分布均匀。

由于 PESQ 算法的特殊性，对声音源文件的选择有一定的要求。

1. 源声音文件的长度在6s～8s之间，过长或过短都会影响计算结果。

2. 静音区和非静音区的比例要适中，尽量保正［非静音：静音＝6:4 ］或 ［非静音：静音＝5:5 ］或［非静音：静音＝4:6 ］。使用 PESQ 计算 MOS 分时，要用纯净的不带噪声的文件。

3. 使用 Cool Edit Pro 录音时，应保证输出的波形适中，可通过调节音频播放音量和 PC 录音音量来控制。

3 测试指标以及测试方法

3.1 音质（QV）

音质（Quality of Voice）是指经传输、处理后 音频信号的保真度，是对音量音高、音调、音色等一些列影响因素的综合评价。本文所用的音质的测试方法，是利用python的音频插件pyAudio来输入源文件以及录制输出音频，通过国际通用的PESQ（Perceptual evaluation of speech quality）算法来对比两个输入和输出的音频，最终计算出MOS（Mean Opinion Score）值。以上整个过程都是通过脚本完成，避免了人工参与引入的误差。如1.1中的示意图连接好设备后，两台手机通过AppA进行通话，通话过程中执行脚本，脚本中一些变量的值，例如执行次数、采样率、Delay时长等都可以根据测试对象的实际情况进行灵活调整，以尽量找到测试对象的天花板。

3.2 语音时延（DV）

语音时延（Delay of Voice），两个移动终端进行通话过程中，主观感受的时延是指输出音频的时间减去输入音频的时间，即被叫听到声音的时间减去主叫发出声音的时间。DV过大，比较容易出现响应迟缓、或者双讲的情况，非常影响通话体验。本文中对DV的测试方法是，如 1.1 中的示意图连接好设备后，两台手机通过AppA进行通话，通过脚本来计算音频输入的时间和录制音频的输出时间，这个过程相比主观测试，排除了人耳的差异性带来的误差，使得测试结果更精准。通过脚本跑出的时延数据，取 50～100组延时数据算平均值即可。

3.3 噪声抑制（NS）

大多数情况下，VoIP通信系统的输入端不可能接受到纯净的原始语音，只能接受到被背景噪声干扰后的含噪语音。背景噪声极大地干扰了语音通信的质量，降低了语音的清晰度和可懂性。噪声抑制（Noise Suppression）的主要目的在于从含噪语音中提取尽可能纯净的原始语音。但是，过度的NS可能会产生降低语音音量等级、处理后的语音中的噪声不均匀，导致体验差等的负面效应。

如果是分析同一个app不同版本的降噪效果，可以使用语音音量和噪声音量的Average RMS Power差值进行比对，单位是dB，一般为正数（语音音量大于噪声音量）,差值越大，NS效果越好。但是，如果要分析不同app的NS效果，PESQ 差距大时，则认为 PESQ 低的 NS 对音质的损伤高，NS 效果差（但有噪声的文件计算出来的PESQ的值并不准确，因此不建议使用该方法），我们要同时考虑到NS的负面影响。因此，当PESQ 差距较小时， 我们定义

d1＝ RMS（产品 1 的非噪声）－RMS（产品 2 的非噪声）

d2＝ RMS（产品 1 的噪声）－RMS（产品 2 的噪声）

如果：

d1 > d2，则产品1的NS优于产品2；

d1 = d2，则产品1、2的NS效果基本一致；

d1 < d2，则产品1的NS差于产品2。

3.4 音量大小（VV）

音量大小（Volume of Voice）即音频的强度和幅度。不同的群体对音量大小的适应度存在一定的差异性。因此衡量音量的大小要从不同的维度来考量。本文中音量大小的评定是在不同播放音量条件下，播放同一个源声音文件，同时录制输出的音频，分析不同文件的Average RMS Power，单位是dB，为负数，绝对值越大，音量越小。其中，不同的播放音量大小的定义为：

小音量——30%；

正常音量——50%；

大音量——70%。

4 测试结果

4.1 抗丢包性能

以5%为步长，从无丢包率逐级递增到30%的随机丢包率，分别评测AppA和AppB在不同丢包率条件下的语音时延和MOS分。测试结果如下：

从上图可以看出，随着丢包率的递增，AppA和AppB的MOS分均没有明显的变化趋势，整体的MOS分，AppA高于AppB。随着丢包率的递增，AppA和AppB的语音时延均表现出先增加后下降的趋势（由于测试时网络状态不同，导致数据结果有一定的差异性），整体的语音时延，AppA的大于AppB。

4.2 抗时延性能

以50ms为步长，从0ms的网络时延逐级递增至400ms，分别评测AppA和AppB在不同网络时延条件下的语音时延和MOS分。测试结果如下：

从上图可以看出，随着网络时延的增加，AppA的MOS分整体处于轻微的下降趋势，下降幅度不明显，AppB整体趋势较平稳，MOS分变化不大。在语音时延方面，随着网络时延的增加，AppA的语音时延整体处于增加趋势，且增加幅度较大，无网络时延时的语音时延为400.92ms，当网络时延400ms时的语音时延为489.44ms；AppB的语音时延随着网络时延的增加变化不大。整体看，不同网络时延下，AppA的语音时延高于AppB。

4.3 通话过程中语音时延的变化情况分析

通过分析不同网络时延下的语音时延数据流，观察不同的网络时延条件下，从通话开始到通话结束整个过程中，不同app的语音时延变化情况。

注：上图中横坐标轴表示的是通话20分钟左右的语音时延数据，每通通话取100组数据来分析。粗略估计第10组数据大概在通话5-10分钟左右。

从上图可以看出，网络时延较大的条件下，AppA在通话开始的几分钟，语音时延一直处于较高的状态，大概通话10分钟左右，语音时延数据逐渐趋于平稳，并可维持平稳状态一直到通话结束，因此可以推测，AppA在通话开始时质量不是很稳定，但是随着通话时长的增加，会逐步进入一个较好的通话质量状态。

从AppB的数据上来看，无论网络时延增加到多少，AppB的语音时延从通话开始就一直处于一个平稳状态，但是在通话过程中，会有偶尔的语音时延波动，可以推测，AppB的整体通话质量较平稳，但中间偶尔会有质量不佳的情况。

4.4 噪声抑制

使用语音音量（图4-1）和噪声音量（图4-2）的Average RMS Power差值进行比对，单位是dB，一般为正数（语音音量大于噪声音量）,差值越大，NS效果越好。

图4-1 截取的200ms语音（非噪声）部分音频

图4-2 截取的200ms噪声部分音频

在竞品分析时，可用不同竞品之间的非噪音差减去噪音差，若差值大于0，则可以认为噪声抑制效果较好。

注：我们定义播放音量的级别分别为：小音量=30%，正常音量=50%，大音量=70%。

从上表可以看出，无论是小音量、正常音量还是大音量的条件下，AppA的非噪声减去噪声的值均大于AppB。音量越大，差值越大。用AppA的音量减去AppB的音量得到音量差，用AppA的噪声减去AppB的噪声得到噪音差，最后用音量差-噪音差，得出的值，见上表。在小音量、正常音量和大音量的条件下，所有的差值均大于0，可以认为AppA的噪声抑制效果较好。

从上图看出，同一个源声音文件（噪声RMS均值为-32.54dB，非噪声RMS均值为-23.87dB）通过AppA输出的音频，小音量时，噪声能量减少1.21dB，非噪声基本保持不变，正常音量时，噪声能量减少2.18 dB，非噪声减少3.37 dB；大音量时，噪声减少3.97 dB，非噪声减少6.1 dB。可以看出，对于AppA，播放音量越大，噪声抑制过程所减弱的音量越多。

通过AppB输出的音频，小音量时，噪声能量减少7.2dB，非噪声减少5.87 dB，正常音量时，噪声能量减少9.54 dB，非噪声减少8.23 dB，大音量时，噪声能量减少9.21 dB，非噪声能量减少7.69 dB。可以看出，对于AppB，不同音量下输出的噪声和非噪声能量减少相当，无明显差别。

4.5 音量

注：源声音文件的Average RMS Power为：-18.69dB。见图4-3.

图4-3 输入的源音频文件

输出的声音文件的音量大小如下表所示：

从上图可以看出，不同的播放音量下，AppB的输出音量均大于AppA。其中，小音量时，AppB比AppA大4.1dB，正常音量时，差别不大，大播放音量时，AppB比AppA大2.0dB。

从变化趋势上可以看出，AppA的播放音量越大，输出的音量也越大，AppB在小音量和正常音量时，输出的音量无明显差别，但是在大音量时，输出的音量相应增加2.19dB。

5 小结

影响语音质量的因素是多维度的，主要包括时延、丢包、抖动，这也预示着VoIP对网络的强依赖性。语音质量的好坏是影响用户体验的直接因素，因此对VoIP语音质量进行客观有效的分析和测量是十分重要的。本文介绍了利用脚本和工具分析时延、音质、音量、降噪等不同指标的客观评测方法，并且把具体的案例结果呈现出来以供探讨。