व्यक्तिपरक भाषण गुणवत्ता का आकलन करने के तरीके

एक तरह से या किसी अन्य, डेटा नेटवर्क में सबसे महत्वपूर्ण संसाधन संचार चैनलों की बैंडविड्थ है। संचार चैनलों और उनकी संख्या के अधिकतम थ्रूपुट को बढ़ाने के अलावा, यह स्पष्ट है कि यह मौजूदा लोगों के उपयोग को अनुकूलित करने के लिए समझ में आता है। उदाहरण के लिए, संपीड़न एल्गोरिदम लागू करना। प्रत्येक मामले के लिए, सबसे इष्टतम एल्गोरिथ्म (कम्प्यूटेशनल जटिलता, संपीड़न अनुपात, आदि के संदर्भ में) अपना स्वयं का हो सकता है।
ध्वनि संपीड़न की एक विशेषता मनुष्यों द्वारा इसकी धारणा की विषयवस्तु है। यह एक साथ सिग्नल से नगण्य जानकारी को बाहर करना संभव बनाता है, लेकिन संपीड़न एल्गोरिथ्म को भी जटिल करता है।
व्यक्तिपरक गुणवत्ता के न्यूनतम नुकसान के साथ उच्चतम संपीड़न अनुपात प्राप्त करने के लिए, इसकी धारणा के नियमों को जानना आवश्यक है। यही मनोविश्लेषण करता है।
संपीड़न के लिए मनोविश्लेषक गुणों का उपयोग करते समय, गुणवत्ता मूल्यांकन के पारंपरिक तरीके अब उपयुक्त नहीं हैं। इसलिए, उदाहरण के लिए, सिग्नल-टू-शोर अनुपात लगभग बेकार हो जाता है, क्योंकि संपीड़न उन हिस्सों को ध्यान में रखे बिना होता है, जिन्हें कोई व्यक्ति अनुभव नहीं करता है। इस प्रकार, गुणवत्ता मूल्यांकन को मानव श्रवण तंत्र के गुणों को भी ध्यान में रखना चाहिए।

कटौती के तहत, भाषण संकेतों के कुछ गुणों और एक व्यक्ति द्वारा उनकी धारणा की विशेषताओं, इन संकेतों की गुणवत्ता का आकलन करने के उद्देश्यपूर्ण और व्यक्तिपरक तरीकों पर विचार किया जाएगा।

PS यह लेख मेरी थीसिस का उपयोग करता है, जिसका बचाव 2011 में मास्को एविएशन इंस्टीट्यूट ऑफ़ फ़ेडरेशन ऑफ़ रेडियो इलेक्ट्रॉनिक्स ऑफ़ एयरक्राफ्ट में किया गया था। 402. पहले, काम कहीं भी प्रकाशित नहीं हुआ है।

भाषण संकेत और इसके मुख्य गुण

सामान्य तौर पर, दूरसंचार प्रणालियों में एक भाषण संकेत का मतलब एक ऐसी प्रक्रिया है जो एक ध्वनि संदेश प्रसारित करने का कार्य करता है। यह ध्वनिक, यांत्रिक, विद्युत और अन्य प्रक्रियाएं हो सकती हैं। एक भाषण संदेश आमतौर पर मानव मस्तिष्क में बनाया जाता है। फिर यह तंत्रिका तंत्र के संकेतों में बदल जाता है जो भाषण के अंग की अभिव्यक्ति आंदोलनों को नियंत्रित करते हैं। बदले में, ये आंदोलन भाषण-गठन पथ में भाषण संकेतों के गठन को नियंत्रित करते हैं। वाक्-गठन पथ में लेरिंजल, ग्रसनी, मौखिक और नाक गुहा होते हैं, जिनमें से दीवारों की मात्रा और लोच समय के साथ बदलती हैं। उच्चारण ध्वनियों के उच्चारण की प्रक्रिया में भाषण पथ के विन्यास में परिवर्तन पथ से गुजरने वाली ध्वनिक लहर को प्रभावित करता है। प्राप्त संकेतों को ध्वनिक संकेत के रूप में आसपास के स्थान में उत्सर्जित किया जाता है। अगला, दूरसंचार प्रणाली के संचरण पथ में ध्वनिक संकेत को विद्युत संकेत में परिवर्तित किया जाता है।
भविष्य में, संकेत विभिन्न परिवर्तनों से गुजर सकता है, जबकि शेष इलेक्ट्रिक। कुछ मामलों में, प्रवर्धन के बाद विद्युत सिग्नल विद्युत-ध्वनिक ट्रांसड्यूसर में सीधे प्रवेश करता है, अन्य मामलों में, अंत में रूपांतरों की एक श्रृंखला के बाद (मॉड्यूलेशन और डिमोड्यूलेशन, क्वांटिज़ेशन, कोडिंग, कंपैडिंग, आदि) एक नियम के रूप में, यह एक ध्वनिक संकेत में भी बदल जाता है, हालांकि,। संकेत डिजिटल हो सकता है, उदाहरण के लिए, भाषण मान्यता कार्यों में। ध्वनिक संकेत, कान के झुमके पर अभिनय करता है, एक यांत्रिक संकेत में और आंतरिक कान में तंत्रिका तंत्र के संकेत में बदल जाता है। केंद्रीय तंत्रिका तंत्र में यह संकेत डिकोड किया गया है, जिसके परिणामस्वरूप मूल संदेश को फिर से बनाया गया है। कुछ मामलों में, यह संदेश संचार प्रणालियों में विकृतियों के कारण मूल से भिन्न हो सकता है।
एक ध्वनि तरंग की आवृत्ति बहुत भिन्न हो सकती है, लेकिन एक व्यक्ति 20 से 22,000 हर्ट्ज तक आवृत्तियों (1.56 सेमी से 17.19 मीटर तक तरंगदैर्ध्य) को मानता है। मनुष्यों द्वारा माना गया मात्रा स्तर की गतिशील सीमा बहुत बड़ी है।

यह प्रायोगिक रूप से स्थापित किया गया था कि बेहोश भेदने योग्य ध्वनि की शक्ति 1 μW है। ध्वनि दबाव की इकाइयों में एक वॉल्यूम स्केल भी होता है, जहां 10 ^ /5 N / cm2 का दबाव शून्य स्तर के रूप में लिया जाता है। नोटेशन डीबी एसपीएल (ध्वनि दबाव स्तर - एसपीएल) का उपयोग इस पैमाने के लिए किया जाता है।
व्यवहार में, विद्युत संचार द्वारा एक आवाज संदेश का प्रसारण डिजिटल माध्यम से एक भाषण संकेत - एक ध्वनिक लहर, विद्युत तरंग के रूप में प्रस्तुत, डिजिटल रूप से प्रतिनिधित्व, प्रसंस्करण और संचार द्वारा हल किया जाता है। इस मामले में, भाषण एक जटिल रूप का दोलन है, जो बोले गए शब्दों, आवाज के समय, स्वर, लिंग और वक्ता की उम्र पर निर्भर करता है। भाषण की आवृत्ति रेंज के तहत, वाक् सिग्नल द्वारा कब्जा किए गए बैंडविड्थ को समझें। यह आवृत्ति रेंज में 100 से 8000 हर्ट्ज तक है। हालांकि, एक संकेत को परिवर्तित और संसाधित करते समय CCITT (टेलीफोनी और टेलीग्राफी पर अंतर्राष्ट्रीय सलाहकार समिति) की सिफारिशों के अनुसार, वे 300 से 3400 हर्ट्ज तक एक आवृत्ति रेंज तक सीमित हैं।

ध्वनि की विषयगत धारणा

जैसा कि पहले ही उल्लेख किया गया है, मानव श्रवण सहायता को लगता है कि किसकी आवृत्ति 20 से 22,000 हर्ट्ज तक है। मगर
मानव कान की संवेदनशीलता को कथित सीमा में समान नहीं है।
आंकड़ा श्रवण धारणा के क्षेत्रों को दर्शाता है, जिसमें संबंधित भाषण और संगीत शामिल हैं:

मानव भाषण की आवृत्ति रेंज लगभग 100 से 8000 हर्ट्ज तक होती है।
एक श्रवण दहलीज का अस्तित्व हानिपूर्ण ध्वनि संपीड़न एल्गोरिदम के निर्माण का आधार है।

बार-बार मास्किंग करना

इसके अलावा, मानव श्रवण अंगों के दो और गुणों का उपयोग प्रभावी संपीड़न के लिए किया जाता है: आवृत्ति मास्किंग और अस्थायी मास्किंग।
फ़्रीक्वेंसी (श्रवण) मास्किंग तब होती है जब एक सामान्य श्रव्य ध्वनि को एक समान आवृत्ति के साथ एक और ज़ोर से ध्वनि द्वारा कवर किया जाता है। आंकड़ा योजनाबद्ध रूप से मास्किंग और नकाबपोश लगता है:

एक श्रव्य (मास्किंग) ध्वनि अपने आसपास के क्षेत्र में श्रव्यता की सीमा को बढ़ाती है (मास्किंग के दौरान श्रवण की दहलीज)। परिणाम एक ध्वनि है
धराशायी लाइन द्वारा दिखाया गया अश्राव्य हो जाता है, क्योंकि यह एक लाउड ध्वनि द्वारा नकाबपोश होता है। इस संपत्ति का उपयोग संपीड़न में किया जाता है। ऐसी ध्वनियों के अनुरूप संकेत केवल डेटा सरणी से हटा दिए जाते हैं, क्योंकि वे वैसे भी नहीं सुने जाएंगे। आवृत्ति मास्किंग सिग्नल की आवृत्ति पर निर्भर है। यह 100 हर्ट्ज से कम श्रव्य आवृत्तियों पर 4000 हर्ट्ज से उच्च पर होता है। नतीजतन, श्रव्य आवृत्तियों के क्षेत्र को कई महत्वपूर्ण बैंडों में विभाजित किया जा सकता है, जिसके भीतर कान की संवेदनशीलता कम हो जाती है।

गंभीर धारियाँ

गंभीर बैंड आवृत्ति के साथ ध्वनि की एक और विशेषता है। आवृत्ति के विपरीत, श्रवण धारणा के अनुसार महत्वपूर्ण बैंड निर्धारित किए जाते हैं।
महत्वपूर्ण बैंड को निम्नानुसार वर्णित किया जा सकता है: ध्वनि आवृत्तियों की सीमित श्रवण धारणा के कारण, श्रवण की सीमा
फ्रिक्वेंसी f को समीपवर्ती ध्वनि द्वारा उठाया जाता है यदि ध्वनि महत्वपूर्ण बैंड f में है। क्रिटिकल स्ट्रिप की चौड़ाई को इसका आकार कहा जाता है।

अस्थायी मास्किंग

अस्थायी मास्किंग तब देखी जाती है जब फ़्रीक्वेंसी च की एक तेज़ ध्वनि समय से पहले हो या उसके बाद एक क्लोज़ फ़्रीक्वेंसी की कम ज़ोर से आवाज़ आती है (साथ ही साथ एक समीप की ध्वनि के साथ)। पिछली ध्वनि की मास्किंग 10 एमएस से अधिक नहीं के अंतराल में दिखाई देती है, जबकि बाद की ध्वनि को 100 से 200 एमएस के अंतराल में मास्क किया जा सकता है।

भाषण संकेतों को डिजिटल रूप में परिवर्तित करना

पोर्टल के दर्शकों को देखते हुए, विवेक और परिमाणीकरण की प्रक्रियाओं पर विचार करना बहुत मायने नहीं रखता है।

भाषण गुणवत्ता मूल्यांकन के तरीके

ऑडियो सिग्नल ट्रांसमिशन सिस्टम की गुणवत्ता का आकलन करने के तरीके मुख्य रूप से इस प्रणाली (भाषण, संगीत, आदि) के उद्देश्य से निर्धारित होते हैं। इन प्रणालियों के लिए एक सामान्य विशेषता यह है कि वे सभी अंततः मानव श्रवण धारणा प्रणाली में आते हैं। संचार चैनलों के माध्यम से संचारित करते समय, भाषण को एक यादृच्छिक प्रक्रिया के रूप में माना जाता है, जिनमें से विशेषताओं को प्रेषित संकेत (गतिशील रेंज, बैंड, सिग्नल-टू-शोर अनुपात) के मापदंडों को निर्धारित किया जाता है। ये सभी पैरामीटर औसत दर्जे के हैं और सटीक रूप से निर्धारित किए जा सकते हैं। हालांकि, यह देखते हुए कि दूसरी ओर, एक व्यक्ति द्वारा एक भाषण संकेत माना जाता है, यह ध्यान दिया जाना चाहिए कि किसी व्यक्ति के दृष्टिकोण से, भाषण संकेत का मूल्यांकन मनोवैज्ञानिक रूप से किया जाता है, सुनवाई के साइकोफिजियोलॉजी के नियमों के अधीन है। इस प्रकार, हम निम्नलिखित चित्र प्राप्त करते हैं: एक भाषण सिग्नल की गुणवत्ता का मूल्यांकन बहुत से संकेतकों द्वारा किया जाता है जो कभी भी किसी व्यक्ति की ध्वनि धारणा प्रणाली को पूरी तरह से बदल नहीं सकते हैं। सीधे भाषण संकेत प्रसारित करने की बारीकियों को ध्यान में नहीं रखते हुए, हम कह सकते हैं कि भाषण की गुणवत्ता का एक उद्देश्य मूल्यांकन एक व्यक्तिपरक मूल्यांकन के साथ सहसंबंधित होना चाहिए।
कोडेक की गुणवत्ता का मूल्यांकन दो मानदंडों द्वारा किया जा सकता है:

1. वस्तुनिष्ठ गुणवत्ता का संरक्षण
   हार्डवेयर विरूपण का पता लगाने।
   
2. व्यक्तिपरक गुणवत्ता का संरक्षण
   व्यक्तिपरक-सांख्यिकीय द्वारा विकृति की ध्यान देने योग्यता का निर्धारण
   परीक्षण।
   

चूंकि ध्वनि पथ के उद्देश्य मापदंडों और धारणा के बीच संबंध स्थापित करने वाले कठोर गणितीय संबंध अभी तक प्राप्त नहीं हुए हैं, मौजूदा तरीकों में से कोई भी ध्वनि की गुणवत्ता का सटीक आकलन नहीं दे सकता है। वर्तमान में, ध्वनि संकेतों की गुणवत्ता का आकलन करने के लिए तीन प्रकार के तरीके हैं: व्यक्तिपरक, उद्देश्य और मनोविश्लेषक।

विषय विधियाँ

सिग्नल विकृति का आकलन करने के लिए, विशेषज्ञों के एक समूह की मदद से व्यक्तिपरक-सांख्यिकीय परीक्षण (एसएसएस) किए जाते हैं।
पर्याप्त मात्रा में विशेषज्ञ श्रोताओं के व्यक्तिपरक गुणवत्ता मूल्यांकन व्यक्तिपरक गुणवत्ता मूल्यांकन पर आधारित होते हैं। ये अनुमान वक्ता की उम्र और लिंग, वाक्यांशों के उच्चारण की गति और अन्य परिस्थितियों पर काफी निर्भर करते हैं। जब व्यक्तिपरक आकलन प्राप्त करते हैं तो परीक्षण वास्तविक स्थितियों की नकल के साथ किए जाते हैं, उदाहरण के लिए, बाहरी शोर, अन्य लोगों की पृष्ठभूमि भाषण आदि। इन परीक्षणों के मात्रात्मक परिणाम औसत गुणवत्ता, श्रोता के प्रयास का स्तर, बुद्धिमत्ता, प्राकृतिक ध्वनि को दर्शाते हैं।
एमएसएस के प्रत्येक व्यक्तिगत परिणाम एक यादृच्छिक घटना है, और परिणामों का विश्लेषण करने के लिए संभाव्यता सिद्धांत और गणितीय आंकड़ों का तंत्र उपयोग किया जाता है। हालांकि, यहां तक ​​कि इन उपायों को ध्यान में रखते हुए, परीक्षण के परिणामों को सही ढंग से दोहराना असंभव है।
मीन एक्सपर्ट ओपिनियन स्कोर (MOS) एक व्यक्तिपरक माप है जिसे टेलीफोन नेटवर्क में ट्रांसमिशन गुणवत्ता के मूल्यांकन के लिए ITU-T Rec। P.800 में परिभाषित किया गया है।
विभिन्न कार्यों के लिए, श्रेणियों के लिए अलग-अलग 5-पॉइंट रेटिंग स्केल का उपयोग किया जा सकता है। आईटीयू-टी अध्ययन में तीन सबसे अधिक इस्तेमाल किए जाने वाले राय तराजू हैं:





अनुमानित मूल्य (औसत राय स्कोर) इंगित किया गया है
MOS वर्ण। MOS रेटिंग तालिका में दिखाए गए हैं:

विषय की गुणवत्ता का आकलन ध्वनि भाषण	भाषण की जानकारी की धारणा का स्तर	मूल्यांकन
उत्कृष्ट	भाषण पूरी तरह से और सहजता से माना जाता है।	5
अच्छी तरह से	बोलना स्वतंत्र रूप से माना जाता है, मूर्त प्रयास के बिना	4
संतोषजनक ढंग से	भाषण को मध्यम प्रयास के साथ माना जाता है, दोषों की उपस्थिति निर्विवाद है	3
बीमार	भाषण ध्यान से माना जाता है।	2
बहुत बुरा हुआ	भाषण पूरे या हिस्से में नहीं माना जाता है	1

एमओएस के पूर्ण मूल्य परीक्षणों के संदर्भ पर निर्भर करते हैं, वे भाषा के ज्ञान के स्तर में अंतर से प्रभावित होते हैं, आदि।

उद्देश्य विधियाँ

उद्देश्यपरक विधियाँ व्यक्तिपरक की तुलना में कम समय लेने वाली विधियाँ प्रदान करती हैं। उद्देश्य विधियां एन्कोडेड और मूल संकेतों के बीच अंतर की डिग्री का आकलन करने पर आधारित हैं।
पैरामीटर विविध हैं और विभिन्न प्रकार के कोडिंग के लिए मौलिक रूप से भिन्न हो सकते हैं। इस तथ्य के बावजूद कि उद्देश्य संकेतक और व्यक्तिपरक गुणवत्ता के बीच कुछ सहसंबंध है, व्यक्तिपरक गुणवत्ता को स्पष्ट रूप से न्याय करना असंभव है, जो वास्तव में, प्रत्येक कोडेक्स के लिए गुणवत्ता मूल्यांकन के विभिन्न तरीके की व्याख्या करता है। इस प्रकार, यह स्पष्ट है कि वर्तमान में व्यक्तिपरक गुणवत्ता का आकलन करने के लिए कोई सार्वभौमिक उद्देश्य विधि नहीं है।

शोर अनुपात (SNR) के लिए संकेत

सबसे आम अनुमान शोर अनुपात का संकेत है। इस विधि को शोर अनुपात मानदंड का सामान्य संकेत भी कहा जाता है। यह पूरी सिग्नल अवधि में सिग्नल पावर और शोर के समग्र अनुपात को ध्यान में रखता है। हालांकि, किसी भी अंतराल पर उपयोगी सिग्नल की कम तीव्रता पर, यह सिग्नल के दूसरे हिस्से द्वारा उपयोगी सिग्नल की उच्च तीव्रता के साथ मास्क किया जा सकता है, जो अंततः अनुमान को विकृत करता है।

शोर अनुपात के लिए खंड संकेत (segSNR)

यह सिग्नल-टू-शोर अनुपात पद्धति का विकास है। इस मामले में, सिग्नल-टू-शोर अनुपात 15 से 20 एमएस के अंतराल पर अनुमानित है, जो इस तथ्य के कारण एक पूरे के रूप में अधिक सटीक अनुमान प्राप्त करना संभव बनाता है कि असमान सिग्नल की तीव्रता पूरी तस्वीर को विकृत नहीं करती है।

मनोविश्लेषणात्मक विधियाँ

गुणवत्ता का आकलन करने के लिए मनोविशेष तरीके सामान्य रूप से ध्वनि और विशेष रूप से भाषण में मानव धारणा की धारणा की विशेषताओं को ध्यान में रखते हैं। इन विधियों की ख़ासियत यह है कि केवल हार्डवेयर और सॉफ़्टवेयर का उपयोग करके संकेत की व्यक्तिपरक गुणवत्ता का मूल्यांकन किया जाता है। इस प्रकार, सख्ती से बोलते हुए, वे उद्देश्य विधियों से संबंधित हैं, लेकिन एक व्यक्ति द्वारा ध्वनि की व्यक्तिपरक धारणा की विशेषताओं के आधार पर बनाया गया है।
विकसित ध्वनि संकेतों की अतिरेक को समाप्त करने के तरीकों के रूप में, उद्देश्य मापदंडों के साथ गुणवत्ता का मूल्यांकन करना असंभव हो गया, और व्यक्तिपरक-सांख्यिकीय परीक्षण बहुत ही श्रमसाध्य (और बने रहे) रहे। अतिरेक का उन्मूलन एक व्यक्ति द्वारा ध्वनि और भाषण की धारणा की ख़ासियत पर आधारित था, जो पहले से ही गुणवत्ता मूल्यांकन विधियों में इन सुविधाओं के बारे में ज्ञान को लागू करने के लिए एक कारण के रूप में कार्य करता था।
भाषण सिग्नल की गुणवत्ता का आकलन करने के किसी भी तरीके का कार्य व्यक्तिपरक-सांख्यिकीय परीक्षणों के साथ उच्च स्तर के सहसंबंध को प्राप्त करना है, जो अब तक भाषण की गुणवत्ता का सबसे सटीक मूल्यांकन है।
अधिकांश तरीके कुछ मनोविश्लेषक मॉडल का उपयोग करके मूल और एन्कोड किए गए संकेतों की तुलना करने पर आधारित हैं। किसी व्यक्ति के लिए एन्कोडेड सिग्नल में विकृतियों की सूचना की डिग्री का अनुमान है। एक मनोचिकित्सा मॉडल एक मॉडल है जो मानव श्रवण उपकरण के दृष्टिकोण से एक ऑडियो सिग्नल को अपने आंतरिक प्रतिनिधित्व में परिवर्तित करता है, जिसकी तुलना मूल संकेत के आंतरिक प्रतिनिधित्व के साथ की जाती है।
सबसे आम भारित स्पेक्ट्रम विकृति (WSS) और ITU-T Rec । P.862 में परिभाषित PESQ अनुमान हैं।

भारित वर्णक्रमीय विकृति (WSS)

WSS विधि मूल और विकृत सिग्नल खंडों के बीच 25 महत्वपूर्ण श्रवण बैंडों पर स्पेक्ट्रम विरूपण का अनुमान लगाती है।
सबसे पहले, 25 क्रिटिकल बैंड में से प्रत्येक में सिग्नल एनर्जी निर्धारित की जाती है और पीक क्रिटिकल बैंड को निर्धारित किया जाता है, जिसकी ऊर्जा अन्य की तुलना में अधिक होती है। उसके बाद, चोटी के बारे में जानकारी देते हुए, प्रत्येक महत्वपूर्ण बैंड का वजन गुणांक निर्धारित किया जाता है। इसके अलावा, प्रत्येक महत्वपूर्ण बैंड के वजन और ऊर्जा को ध्यान में रखते हुए एक अनुमान बनाया जाता है।

PESQ का स्कोर

यह एल्गोरिथ्म टेलीफोन प्रणालियों में आवाज संचार की गुणवत्ता निर्धारित करने के लिए एक उद्देश्य पद्धति है, जो विशेषज्ञ श्रोताओं द्वारा इस प्रकार के संचार की गुणवत्ता के व्यक्तिपरक मूल्यांकन के परिणामों की भविष्यवाणी करता है। आवाज संचरण की गुणवत्ता निर्धारित करने के लिए, PESQ संचार प्रणाली के आउटपुट में इसके विकृत संस्करण के साथ इनपुट, या संदर्भ, सिग्नल की तुलना प्रदान करता है। इस प्रक्रिया को योजनाबद्ध रूप से चित्र में दिखाया गया है:



इनपुट और आउटपुट सिग्नल की तुलना करने का परिणाम संचार की गुणवत्ता का आकलन है, जो कि ITU-T P.800 विनिर्देश के अनुसार विशेषज्ञ श्रोताओं के समूह द्वारा निर्धारित औसत व्यक्तिपरक MOS स्कोर (मीन ओपिनियन स्कोर) के समान है। PESQ का अनुमान एक विशाल MOS रेटिंग डेटाबेस का उपयोग करके कैलिब्रेट किया जाता है।
PESQ के पास कई नए विकास हैं, जो भाषण कोडेक्स के प्रदर्शन का आकलन करने के लिए अपने पिछले एल्गोरिदम के साथ अनुकूलता की तुलना करता है, उदाहरण के लिए, PSQM और MNB [ITU-T P.861]।ये नवाचार अंत-से-अंत भाषण प्रसारण की गुणवत्ता का निर्धारण करने और कोडेक्स सहित नेटवर्क उपकरणों के व्यक्तिगत तत्वों के संचार की गुणवत्ता पर प्रभाव का आकलन करने के लिए, PESQ दोनों का आत्मविश्वास से उपयोग करना संभव बनाते हैं।
PESQ मानक के विकास के दौरान, ITU-T विशेषज्ञों ने विभिन्न संचार स्थितियों के तहत MOS अनुमानों के साथ परिणाम के सहसंबंध के संदर्भ में ध्वनि संचार की गुणवत्ता का निर्धारण करने के लिए सर्वोत्तम तरीकों का चयन किया, जो पारंपरिक (फिक्स्ड और मोबाइल) नेटवर्क और ट्रांसमिशन सिस्टम का परीक्षण करते समय मानक कॉन्फ़िगरेशन के अच्छे प्रदर्शन की गारंटी देता है। पैकेट डेटा।
PESQ एल्गोरिथम में सिग्नल की गुणवत्ता बिगड़ने के निम्नलिखित कारणों को ध्यान में रखा गया है: एन्कोडिंग, ट्रांसमिशन त्रुटियों, पैकेट हानि, पैकेट ट्रांसमिशन देरी समय और इस समय के उतार-चढ़ाव, एनालॉग नेटवर्क घटकों में सिग्नल फ़िल्टरिंग के दौरान इसकी विकृति।

PESQ में सिग्नल प्रोसेसिंग:

1. 
   . , - , .
   PESQ , 79 ERP (Ear Reference Point) [- P.830, 8.1.2]. – .
2. 
   . , , - (), Modified IRS (Intermediate Reference System) send [- P.830]. , , , , .
3. 
   . , . PESQ , . PESQ .
   :
   
   • PESQ , . , (200 ). , .
   • PESQ (). , , .
   • . « » ( ). , .
4. 
   , . , (sensation surface). (error surface); , . , ( ). . :
   
   • ()
   • () – ,

इस प्रकार, एल्गोरिथ्म दो विकृति पैरामीटर देता है जिसमें प्रत्येक प्रकार के त्रुटि मान अभिव्यक्त होते हैं। एल्गोरिथ्म के अंतिम चरण में, इन विरूपण मापदंडों को एक संचार गुणवत्ता अनुमान में बदल दिया जाता है, जो सममित और असममित विकृतियों के औसत मूल्यों का एक रैखिक संयोजन है।
PESQ एल्गोरिथ्म दूरसंचार उद्योग में मानकीकृत पांच-बिंदु पैमाने का उपयोग करके भाषण की गुणवत्ता का मूल्यांकन करता है - 1 से 5 तक [ITU-T P.800]। हालाँकि, PESQ स्कोर 4.5 से अधिक नहीं है, क्योंकि यह आमतौर पर एमओएस के व्यक्तिपरक परीक्षण द्वारा प्राप्त अधिकतम मूल्य है।
PESQ मूल्यांकन संचार की गुणवत्ता के उपयोगकर्ताओं द्वारा धारणा की विशेषता है। 4.5 की रेटिंग का मतलब है कि एल्गोरिथ्म किसी भी विकृति का पता नहीं लगाता है।

सूत्रों का उपयोग किया

1. सर्जेंको वी.एस., बारिनोव वी.वी., दूरसंचार प्रणालियों में डेटा, भाषण, ध्वनि और छवियों का संपीड़न, 2009, रेडियो सॉफ्ट आईई
2. रिक्टर एसजी, कोडिंग और डिजिटल मोबाइल संचार प्रणालियों में वॉयस ट्रांसमिशन, 2009, हॉट लाइन - टेलीकॉम
3. आईटीयू-टी P.800