Evaluación perceptiva de la calidad del habla

La Evaluación Perceptual de la Calidad del Habla ( PESQ ) es una familia de estándares que comprende una metodología de prueba para la evaluación automatizada de la calidad del habla tal como la experimenta un usuario de un sistema de telefonía . Fue estandarizada como Recomendación ITU-T P.862 ^{[ 1 ]} en 2001. PESQ es utilizada para pruebas objetivas de calidad de voz por fabricantes de teléfonos, proveedores de equipos de red y operadores de telecomunicaciones. Su uso requiere una licencia. La primera edición del sucesor de PESQ, POLQA (Recomendación ITU-T P.863 ^{[ 2 ]} ), entró en vigor en 2011.

PESQ se desarrolló para modelar las pruebas subjetivas comúnmente utilizadas en telecomunicaciones (por ejemplo, la Recomendación ITU-T P.800) para evaluar la calidad de la voz percibida por los seres humanos. En consecuencia, emplea muestras de voz reales como señales de prueba. Para caracterizar la calidad de escucha tal como la perciben los usuarios, es de suma importancia cargar los equipos de telecomunicaciones modernos con señales similares al habla. Muchos sistemas están optimizados para el habla y responderían de manera impredecible a señales que no son de voz (por ejemplo, tonos, ruido). Las directrices para la correcta aplicación de las muestras de prueba de voz se definen en la guía de aplicación de PESQ que figura en la Recomendación ITU-T P.862.3. ^{[ 3 ]}

La familia de mediciones objetivas de calidad de voz de referencia completa de la UIT-T comenzó en 1997 con la Recomendación UIT-T P.861 (PSQM), que fue reemplazada por la UIT-T P.862 (PESQ) ^{[ 1 ]} en 2001. La P.862 se complementó posteriormente con las Recomendaciones UIT-T P.862.1 ^{[ 4 ]} (mapeo de puntuaciones PESQ a una escala MOS), UIT-T P.862.2 ^{[ 5 ]} (mediciones de banda ancha) y UIT-T P.862.3 ^{[ 3 ]} (guía de aplicación). La primera edición de la UIT-T P.863 ( POLQA ) ^{[ 2 ]} entró en vigor en 2011. Una guía de aplicación para la Recomendación UIT-T P.863 fue aprobada en 2019 y publicada como UIT-T P.863.1. ^{[ 6 ]}

Además de los métodos de referencia completos enumerados anteriormente, la lista de estándares de medición de calidad de voz objetiva de la UIT-T también incluye la UIT-T P.563 ^{[ 7 ]} (algoritmo sin referencia).

Según la información que se le proporciona a un algoritmo, los algoritmos de prueba de calidad de voz se pueden dividir en dos categorías principales:

• Un algoritmo de "referencia completa" (FR) tiene acceso a la señal de referencia original y la utiliza para realizar una comparación (es decir, un análisis de diferencias). Puede comparar cada muestra de la señal de referencia (del emisor) con cada muestra correspondiente de la señal degradada (del receptor). Las mediciones FR ofrecen la máxima precisión y repetibilidad , pero solo pueden aplicarse a pruebas específicas en redes reales (por ejemplo, herramientas de prueba de campo para la evaluación comparativa de redes móviles).
• Un algoritmo "sin referencia" (NR) solo utiliza la señal degradada para la estimación de calidad y no dispone de información sobre la señal de referencia original. Los algoritmos NR (por ejemplo, la Recomendación ITU-T P.563 ^{[ 7 ]} ) solo proporcionan estimaciones de baja precisión, ya que se desconocen por completo las características de la voz original (por ejemplo, si el hablante es hombre o mujer, si hay ruido de fondo o si no hay voz). Una variante común de los algoritmos NR ni siquiera analiza la señal de audio decodificada , sino que trabaja con un análisis del flujo de bits digital a nivel de paquete IP. Por consiguiente, la medición se limita al análisis del flujo de transporte.

PESQ es un algoritmo de referencia completa que analiza la señal de voz muestra por muestra tras una alineación temporal de los fragmentos correspondientes de la señal de referencia y la señal de prueba. PESQ puede aplicarse para proporcionar una evaluación de calidad de extremo a extremo (E2E) para una red o para caracterizar componentes individuales de la misma.

Los resultados del PESQ modelan principalmente puntuaciones medias de opinión (MOS) que abarcan una escala de 1 (malo) a 5 (excelente). En la Recomendación ITU-T P.862.1 se describe una función de mapeo a MOS-LQO. ^{[ 4 ]}

• Análisis objetivo de la calidad de la escucha perceptiva (POLQA)
• Evaluación Perceptual de la Calidad de Vídeo (PEVQ)
• Evaluación Perceptual de la Calidad de Audio (PEAQ)
• Índice de calidad del habla en audífonos (HASQI)

• Rix, Antony W.; Hollier, Michael P.; Hekstra, Andries P.; Beerends, John G. (15 de octubre de 2002). "Evaluación perceptual de la calidad del habla (PESQ): El nuevo estándar de la UIT para la evaluación de la calidad del habla de extremo a extremo. Parte I: Compensación del retardo de tiempo" . Journal of the Audio Engineering Society . 50 (10): 755–764.
• Beerends, John G.; Hekstra, Andries P.; Rix, Antony W.; Hollier, Michael P. (15 de octubre de 2002). "Evaluación perceptual de la calidad del habla (PESQ): El nuevo estándar de la UIT para la evaluación integral de la calidad del habla. Parte II: Modelo psicoacústico" . Journal of the Audio Engineering Society . 50 (10): 765–778.

• Nota de aplicación 1GA49: Mediciones de calidad de audio psicoacústicas con el analizador de audio UPV de R&S
• Nota de aplicación 1MA119: Medición PESQ para GSM con R&SCMUgo
• Nota de aplicación 1MA136: Medición PESQ para CDMA2000 con R&SCMUgo
• Nota de aplicación 1MA137: Medición PESQ para WCDMA con R&SCMUgo
• Nota de aplicación 1MA149: Mediciones de VoIP para WiMAX. Archivada el 20 de diciembre de 2016 en Wayback Machine.