The Perceptual Objective Listening Quality Assessment algorithm in telecommunication: Introduction of ITU-T new metrics POLQA

Yi, Gaoxiong; Zhang, Wei

doi:10.1109/iccchina.2012.6356906

Cited by 7 publications

(5 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Signal-based methods, as the name suggests, depend on digital signal processing that estimates the speech quality when the envelope of the speech signal suffered from degradation over time due to low-bit rate coding or transmission over noisy wireless links such as ITU-T recommendation P.563. On the other hand, parameter-based methods process the audio stream that is decoded after buffer playout to extract relevant information for estimating the voice quality such as the most prominent approaches E-model (ITU-T recommendation G.107) [20] and POLQA ITU-T recommendation P.863 (Perceptual Objective Listening Quality Assessment) [21].…”

Section: Objective Methodsmentioning

confidence: 99%

NIML: non‐intrusive machine learning‐based speech quality prediction on VoIP networks

Alkhawaldeh¹,

Khawaldeh

Pervaiz

et al. 2019

IET Communications

View full text Add to dashboard Cite

Section: Objective Methodsmentioning

confidence: 99%

NIML: non‐intrusive machine learning‐based speech quality prediction on VoIP networks

Alkhawaldeh¹,

Khawaldeh

Pervaiz

et al. 2019

IET Communications

View full text Add to dashboard Cite

“…So, the use of subjective methods, which are described in [6,7], allows to evaluate the QoE level mainly only at the moment when the audio and video information is subjected to distortions that occur during digitization, compression, transmission, decoding, etc. For example, for a video stream, these methods are based on subjective metrics such as Single-Stimulus Continuous Quality Evaluation (SSCQE), Double Stimulus Impairment Scale (DSIS) and Double Stimulus Continuous Quality Scale (DSCQS) [8,9]. And for the subjective assessment of the audio stream, Perceptual Speech Quality Measurement (PSQM) mechanisms are usually used [10,11].…”

Section: Research Of Existing Solutions To the Problemmentioning

confidence: 99%

Enhancement of the adaptive routing tensor model in the infocommunication network with providing quality of experience by the R-factor

Yevdokymenko

2020

TAPR

View full text Add to dashboard Cite

Об'єктом дослідження є процеси маршрутизації та забезпечення якості сприйняття послуг, що надаються кінцевим користувачам, в інфокомунікаційній мережі. Для проведення дослідження в роботі запропоновано вдосконалення тензорної моделі адаптивної маршрутизації в інфокомунікаційній мережі із забезпеченням сприймаємої якості обслуговування за R-фактором. За основу було взято потокову модель маршрутизації, яка враховувала ймовірні втрати пакетів, викликані перевантаженням елементів мережі, та була представлена умовами реалізації багатошляхової стратегії маршрутизації, збереження потоку та запобігання перевантаження каналів зв'язку. Для отримання в аналітичному вигляді умов забезпечення якості сприйняття за показником R-фактору здійснено тензорний опис інфокомунікаційної мережі. Це дозволило отримати аналітичні вирази для розрахунку середньої міжкінцевої затримки та ймовірності втрат пакетів, які були використані для формування QoE-умов за показником R-фактору. В рамках запропонованої моделі рішення технологічної задачі адаптивної маршрутизації було зведено до розв'язання оптимізаційної задачі нелінійного програмування з розрахунку маршрутних змінних. Введений критерій оптимальності дозволив забезпечити адаптивний характер маршрутних рішень, коли підвищення QoE-вимог призводило до зростання об'ємів використаного мережного ресурсу. Для розв'язання поставленої задачі використовувались методи математичного програмування, які реалізовані в пакеті MatLab. Проведене дослідження на фрагменті інфокомунікаційної мережі дозволило оцінити адекватність і ефективність запропонованого підходу. За допомогою отриманих результатів досліджень вдалося забезпечити виконання заданих QoE-вимог за показником R-фактору до послуг, що надаються кінцевим користувачам. При цьому, використання запропонованої моделі характеризується більшою ефективністю щодо балансування навантаження за множиною маршрутів в інфокомунікаційній мережі. Про це свідчило те, що при заданому значенні R-фактору, з ростом інтенсивності трафіку, що надходить до інфокомунікаційної мережі, здійснювалось поступове збільшення кількості задіяних маршрутів. Тобто мережний ресурс розподілявся поступово та ефективніше на 7-10 % відносно відомих аналогів, які під час вирішення цієї ж задачі одразу використовують всі доступні маршрути.

show abstract

“…POLQA, Perceptual Objective Listening Quality Assessment [4], covers a model to predict speech quality by means of digital speech signal analysis. The prediction of those objective measures should come as close as possible to subjective quality scores as obtained in subjective listening tests.…”

Section: Speech Quality Evaluationmentioning

confidence: 99%

“…Two important quantitative metrics developed over the years are PESQ (Perceptual Evaluation of Speech Quality) [9][13] and POLQA (Perceptual Objective Listening Quality Assessment) [4] (and variations). This paper introduces a new method for evaluation of speech signal in mobile devices with no need of a reference signal or recognition as it is more natural to human perception.…”

Section: Introductionmentioning

confidence: 99%

Reference-Free Speech Quality Assessment for Mobile Phones Based on Audio Perception

Mello

Albuquerque

2015

2015 IEEE International Conference on Systems, Man, and Cybernetics

View full text Add to dashboard Cite

Speech quality evaluation is a very complex task with important applications. With the deployment of 3G and 4G networks, the end-user is requiring more quality of service. Currently, the assessment of speech quality over mobile phones is done in a controlled environment with a reference clean signal and its distorted version. However, this does not evaluate the quality of speech in a real-time situation as it demands a reference signal. In this paper, it is introduced a new method to classify a speech signal over a mobile device as distorted or not. The degraded signal is evaluated and its quality is scored similarly as what is done by PESQ (Perceptual Evaluation of Speech Quality). The experiments proved that the method is quite efficient with an average difference of 12% comparing to PESQ scores which is based on a reference clean signal.

show abstract

The Perceptual Objective Listening Quality Assessment algorithm in telecommunication: Introduction of ITU-T new metrics POLQA

Cited by 7 publications

References 0 publications

NIML: non‐intrusive machine learning‐based speech quality prediction on VoIP networks

NIML: non‐intrusive machine learning‐based speech quality prediction on VoIP networks

Enhancement of the adaptive routing tensor model in the infocommunication network with providing quality of experience by the R-factor

Reference-Free Speech Quality Assessment for Mobile Phones Based on Audio Perception

Contact Info

Product

Resources

About