人工智能在VoLTE語音質(zhì)量評測優(yōu)化中的應(yīng)用與研究

李飛 曹雷雷 付永振

摘 要：中國移動VoLTE業(yè)務(wù)基于IMS實(shí)現(xiàn)語音控制，承載于4G網(wǎng)絡(luò)之上，在提供高清語音更短接續(xù)的同時，也面臨著端到端業(yè)務(wù)流程復(fù)雜、多域協(xié)同等問題和挑戰(zhàn)。傳統(tǒng)的語音評測方法存在的多種弊端，難以從感知的角度多方面評測語音質(zhì)量。本文主要研究提取用戶通話語音特征，采用基于機(jī)器學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)分析算法，利用智能語音分析技術(shù)建立感知語音質(zhì)量考核指標(biāo)體系、優(yōu)化方法論及措施，實(shí)現(xiàn)對VoLTE用戶感知進(jìn)行更準(zhǔn)確的評估。

關(guān)鍵詞：VoLTE；機(jī)器學(xué)習(xí)；評測；質(zhì)量；優(yōu)化

中圖分類號：TN915.18 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2019）05-0042-03

1 研究背景

2015年開啟VoLTE商用服務(wù)，為客戶提供更優(yōu)的語音感知體驗(yàn)，實(shí)現(xiàn)了語音業(yè)務(wù)由傳統(tǒng)電路域向數(shù)據(jù)域的轉(zhuǎn)變，是運(yùn)營商未來一段時間發(fā)展的關(guān)鍵。

傳統(tǒng)的語音質(zhì)量評測方法存在以下劣勢：

一是ATU路測方法存在劣勢，數(shù)據(jù)直接上傳系統(tǒng)計算評估，數(shù)據(jù)真實(shí)性可靠，但是覆蓋范圍較小，IT化成本高，無法實(shí)現(xiàn)實(shí)際通話場景真實(shí)感知還原。

二是基于S1-U信令分析存在弊端，一定程度上滿足了運(yùn)維人員對于網(wǎng)絡(luò)問題發(fā)現(xiàn)和定界的需求，通過語音丟包、延遲簡單計算MOS值，客觀上反映了VoLTE客戶語音感知，不能真實(shí)反映VoLTE客戶語音單通、斷續(xù)、吞字、抖動情況，缺乏有效的支撐手段。

三是人工智能帶來機(jī)遇，人工智能技術(shù)的不斷成熟，促使我們探索使用先進(jìn)的方法真正體現(xiàn)客戶感知，幫助運(yùn)維人員創(chuàng)新性的解決疑難問題，從而更好的滿足用戶使用需求，提升用戶體驗(yàn)。

本課題通過提取用戶通話語音特征，采用基于機(jī)器學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)分析算法，利用智能語音分析技術(shù)建立感知語音質(zhì)量考核指標(biāo)體系、優(yōu)化方法論及措施，實(shí)現(xiàn)對VoLTE用戶感知進(jìn)行更準(zhǔn)確的評估，對單通、斷續(xù)、吞字故障進(jìn)行深度挖掘，進(jìn)而支撐面向用戶感知的端到端VoLTE網(wǎng)絡(luò)優(yōu)化。系統(tǒng)上線以來聚焦MOS質(zhì)差和單通斷續(xù)通話，通過MOS質(zhì)差定界分析方法開展VoLTE語音質(zhì)量優(yōu)化工作，融合MR指紋庫的網(wǎng)絡(luò)問題總體定界率達(dá)到77.5%，目前結(jié)合聲學(xué)特征對終端質(zhì)差定位已發(fā)現(xiàn)十余款具有一定保有量終端問題，對39類覆蓋場景的深度覆蓋不足問題進(jìn)行輸出，同時通過VAD能量檢測和關(guān)鍵詞語譜匹配識別多起時域事件（丟包、抖動引起）和頻域事件（非丟包、抖動引起）引起的單通斷續(xù)問題，進(jìn)一步提升了VoLTE網(wǎng)絡(luò)用戶感知。

2 系統(tǒng)構(gòu)建

2.1 系統(tǒng)整體架構(gòu)

基于聲學(xué)特征提取和深度神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)建模兩大核心技術(shù)，能準(zhǔn)確、高效、全面評估端到端用戶感知，保障用戶語音通話質(zhì)量，提升用戶體驗(yàn)，提升網(wǎng)優(yōu)效率的創(chuàng)新型網(wǎng)優(yōu)平臺，平臺分四層架構(gòu)：采集層、信令處理層、數(shù)據(jù)處理層、應(yīng)用層。如圖1所示。

2.2 基于深度神經(jīng)網(wǎng)絡(luò)模型的語音質(zhì)量評測方法

依托語音處理技術(shù)，基于海量測試樣本的聲學(xué)量化特征信息（時域、頻域參數(shù)），采用基于深度神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)分析算法，利用移動通信網(wǎng)絡(luò)中的退化語音來客觀評價MOS質(zhì)量，提取對應(yīng)聲學(xué)特征，擬合訓(xùn)練出不同聲學(xué)特征信息與MOS值的對應(yīng)關(guān)系，建立“MOS值與語音聲學(xué)特性信息關(guān)系”模型；將后臺采集的用戶面碼流，通過解析用戶媒體面載荷，提取聲學(xué)特征，還原包括無聲、靜默和背噪等真實(shí)感知，通過已經(jīng)訓(xùn)練完成的模型進(jìn)行處理，實(shí)現(xiàn)評估的準(zhǔn)度與深度。

2.2.1 深度神經(jīng)網(wǎng)絡(luò)建模流程

ePOLQA-MOS算法依托語音聲學(xué)特征信息，利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行大數(shù)據(jù)建模，實(shí)際評估效果接近路測POLQA指標(biāo)，建模訓(xùn)練流程如圖2所示。

建模數(shù)據(jù)涵蓋商場、寫字樓、道路、居民區(qū)、景點(diǎn)、學(xué)校等各類場景。

2.2.2 語音信號的聲學(xué)特征提取

提取時域和頻域信息，可將復(fù)雜聲音波形分解為簡單的疊加，可精確地衡量波形的“構(gòu)造”，基于聲學(xué)特征信息分析可精準(zhǔn)地評估語音質(zhì)量：

本系統(tǒng)使用的聲學(xué)特征包括9個時域特征，如音色、響度、噪聲等，以及84個頻域特征如共振峰、MFCC參數(shù)、PLP參數(shù)等。

2.2.3 深度神經(jīng)網(wǎng)絡(luò)模型在VoLTE網(wǎng)絡(luò)的應(yīng)用

利用單邊數(shù)據(jù)實(shí)現(xiàn)全網(wǎng)通話感知的精準(zhǔn)評估，感知評估指標(biāo)包括MOS、單通、斷續(xù)及RTP的丟包等完整指標(biāo)體系。數(shù)據(jù)即采即棄，不識別語音內(nèi)容，安全高效，步驟如下：

（1）將已經(jīng)訓(xùn)練好的模型部署。

（2）通過SBC與P-GW間SGi口采集用戶面數(shù)據(jù)。VoIP使用RTP協(xié)議對語音數(shù)據(jù)進(jìn)行傳輸，語音載荷都封裝在RTP包里面，將過濾出的RTP數(shù)據(jù)包發(fā)送至語音解析系統(tǒng)。

（3）進(jìn)行RTP信息的抽樣和還原，進(jìn)一步生成可用于語音質(zhì)量評估的媒體面語音樣本，即抽樣獲取語音信息，提取聲學(xué)特征。

將特征參數(shù)輸入評估模型，即可輸出該通話的語音質(zhì)量MOS評分。

2.3 基于能量檢測及語譜匹配的單通、斷續(xù)算法

斷續(xù)的表現(xiàn)是持續(xù)純無聲狀態(tài)，可以通過VAD檢測技術(shù)實(shí)現(xiàn)聲波能量的精準(zhǔn)量化，同時基于關(guān)鍵字匹配技術(shù)和深度學(xué)習(xí)語音特征分析技術(shù)，采用斷續(xù)的語音段分析挖掘建模方式和5000余條斷續(xù)撥測樣本，建立起高準(zhǔn)確率的單通和斷續(xù)判斷規(guī)則。

2.3.1 VAD能量檢測

單通斷續(xù)能量檢測流程說明：

（1）輸入層：通過周期性檢測獲取的RTP包采樣解碼片段。（2）中間層：將采樣信號片段分幀，計算每幀的短時能量，最后計算出完整的聲音信號平均能量值。（3）輸出層：根據(jù)聲音信號的平均能量值為采樣點(diǎn)狀態(tài)賦值（狀態(tài)碼=0：Eaver=0；狀態(tài)碼=1：Eaver>0）。

2.3.2 關(guān)鍵字語譜匹配技術(shù)

基于信息安全考慮，采用與語種無關(guān)關(guān)鍵詞語譜檢索技術(shù)，通過結(jié)合HMM-Filler+融合置信度的判別方法，實(shí)現(xiàn)單通關(guān)鍵詞的快速準(zhǔn)確檢索匹配，不作語義識別，不獲取用戶通話內(nèi)容。

2.3.3 單通判斷規(guī)則及分類

（1）一端無聲。上行無聲段丟包率低于閾值、對應(yīng)無聲段無語音活動、對應(yīng)無聲段能量方差<=閾值且對端同時段有聲碎片中檢索出滿足關(guān)鍵字語譜>=2個，則判斷為單通1。下行則判斷為單通2。（2）高丟包。無聲段丟包率大于閾值且對端有聲碎片中滿足關(guān)鍵字語譜>=1個，則判斷為單通6，閾值可設(shè)置。（3）全程無能量。無聲片段丟包率低于閾值、無聲段無語音活動且對端同時段有聲碎片中檢索出滿足關(guān)鍵字語譜>=1個，判斷為單通7。

2.3.4 斷續(xù)判斷規(guī)則

基于關(guān)鍵字匹配技術(shù)和成熟的深度學(xué)習(xí)語音特征分析技術(shù)，采用斷續(xù)的語音段分析挖掘建模方式，通過5000余條斷續(xù)撥測樣本，建立起高準(zhǔn)確率的斷續(xù)判斷規(guī)則。

2.4 基于用戶位置及分段評估的指標(biāo)問題挖掘方法

利用用戶位置上報信息，關(guān)聯(lián)用戶通話過程的全部占用小區(qū)信息，并結(jié)合分段的語音質(zhì)量及KPI指標(biāo)（8秒分段，可設(shè)置），將一單通話指標(biāo)統(tǒng)計輸出為起呼小區(qū)指標(biāo)算法（每8秒關(guān)聯(lián)一次用戶位置并將指標(biāo)統(tǒng)計輸出為目前占用小區(qū)指標(biāo)）。

通過該方法，可將單通、斷續(xù)等語音質(zhì)量問題，以及乒乓切換等問題精確定位至?xí)r間點(diǎn)，并保證了占用小區(qū)的正確性，避免移動通話中的指標(biāo)問題及通話故障誤判。

2.4.1 用戶位置信息獲取及關(guān)聯(lián)

（1）通過計費(fèi)單元PCRF的RX、GX接口原始碼流，獲取用戶通話信息及實(shí)時上報的小區(qū)位置信息。該方法對于開啟基站用戶位置信息上報情況下有效，對網(wǎng)內(nèi)X2、S1切換的位置更新均能捕捉，位置關(guān)聯(lián)正確率及完整性95%以上。（2）RX接口包含用戶呼叫信息，可獲取號碼及IP四元組，GX接口包含用戶上報的位置信息及IP四元組，二者關(guān)聯(lián)可獲取完整的用戶話單及位置信息。進(jìn)而通過四元組、時間，與分段的語音質(zhì)量信息關(guān)聯(lián)，即可獲得包含用戶位置信息的8秒分段的語音質(zhì)量信息。

2.4.2 指標(biāo)問題挖掘

（1）通過2.4.1獲取的各種信息，將通話過程中的通話故障時間點(diǎn)和地點(diǎn)一一對應(yīng)，該方法可以避免將通話故障誤判至A小區(qū)，并對通話過程中B小區(qū)發(fā)生的斷續(xù)故障進(jìn)行有效判斷。如表1所示。（2）通過2.4.1獲取的位置更新信息，通過設(shè)定的判斷門限（如8秒內(nèi)發(fā)生3次及以上位置更新），能有效對VoLTE業(yè)務(wù)的乒乓切換進(jìn)行判斷。

2.5 基于融合指紋庫MR數(shù)據(jù)的質(zhì)差用戶位置精準(zhǔn)定位

基于融合指紋庫的MR數(shù)據(jù)，通過軟硬采關(guān)聯(lián)算法，實(shí)現(xiàn)用戶話單信息、包含小區(qū)位置信息的分段語音質(zhì)量指標(biāo)精準(zhǔn)定位?；诰珳?zhǔn)定位，既可以為用戶投訴分析定位提供數(shù)據(jù)支撐，又可以通過柵格化指標(biāo)呈現(xiàn)實(shí)現(xiàn)精準(zhǔn)質(zhì)差區(qū)域定位，輔助網(wǎng)優(yōu)日常優(yōu)化工作。

2.5.1 數(shù)據(jù)關(guān)聯(lián)及定位原理

通過TIME、MME_CODE、MME_GROUP_ID、MME_UE_S1AP_ID四個字段關(guān)聯(lián)軟采MR數(shù)據(jù)與S1-MME數(shù)據(jù)，將軟采MR數(shù)據(jù)中的LONGITUDE、LATITUDE、RSRP、SINR等信息填至S1-MME數(shù)據(jù)中。

通過TIME和IMSI字段關(guān)聯(lián)S1-MME數(shù)據(jù)與VoLTE語音數(shù)據(jù)，將S1-MME數(shù)據(jù)中的LONGITUDE、LATITUDE、RSRP、SINR等信息填至VoLTE語音數(shù)據(jù)中，形成包含用戶（IMSI）在具體時間（TIME）具體位置（經(jīng)緯度）上的通話質(zhì)量（MOS）和所在位置的無線環(huán)境（MR電平RSRP、質(zhì)量RSRQ）關(guān)聯(lián)信息庫。

2.5.2 網(wǎng)絡(luò)覆蓋引起的質(zhì)差用戶挖掘

（1）通過深度神經(jīng)網(wǎng)絡(luò)的用戶感知評估及單通、斷續(xù)、吞字等通話故障的準(zhǔn)確判斷，結(jié)合MR位置信息及小區(qū)無線指標(biāo)，利用GIS等呈現(xiàn)手段，實(shí)現(xiàn)無線質(zhì)量問題（如強(qiáng)干擾、弱覆蓋）導(dǎo)致的用戶感知問題快速定位分析。（2）根據(jù)各區(qū)域的話務(wù)模型、用戶價值、感知質(zhì)差發(fā)生次數(shù)及概率，對問題區(qū)域進(jìn)行柵格、建筑物、地理區(qū)域匯聚，輸出重點(diǎn)需要優(yōu)化的VoLTE高價值感知質(zhì)差區(qū)域。

2.5.3 非網(wǎng)絡(luò)覆蓋引起的質(zhì)差用戶挖掘

對于非網(wǎng)絡(luò)覆蓋引起的質(zhì)差，可用系統(tǒng)從網(wǎng)元、終端等維度進(jìn)行聚類分析。目前已從終端維度進(jìn)行了研究。問題主要表現(xiàn)在終端降噪導(dǎo)致的能量損失和終端降噪能力不足兩個方面。

3 VOLTE語音質(zhì)量關(guān)鍵評測技術(shù)

本論文基于機(jī)器學(xué)習(xí)方法進(jìn)行VoLTE語音質(zhì)量評測，規(guī)避了傳統(tǒng)方法存在的劣勢和弊端，方法獨(dú)特，具有很高的實(shí)用性和創(chuàng)新性，具體應(yīng)用效果如下。

3.1 關(guān)鍵技術(shù)一：語音評測關(guān)鍵技術(shù)

利用移動通信網(wǎng)絡(luò)中的退化語音來客觀評價MOS質(zhì)量，根據(jù)人耳的聽覺特性提取聲學(xué)特征，并結(jié)合語音的信噪比、自然度、傳輸RTP指標(biāo)等參數(shù)，通過神經(jīng)網(wǎng)絡(luò)回歸算法，深度學(xué)習(xí)這些聲學(xué)特征參數(shù)與MOS分之間的非線性關(guān)系，最終實(shí)現(xiàn)提取單邊退化語音樣本，直接評估出語音MOS分。

3.2 關(guān)鍵技術(shù)二：VOLTE單通判斷關(guān)鍵技術(shù)

通過VAD檢測技術(shù)獲取符合制定規(guī)則的語音，并結(jié)合能量特征檢測與關(guān)鍵詞語譜匹配技術(shù)獲取單通通話，對丟包及非丟包情況的單通均能有效判斷，并在無線、核心網(wǎng)、終端等維度的定界定位均較傳統(tǒng)方法具有優(yōu)勢。

3.3 關(guān)鍵技術(shù)三：斷續(xù)判斷關(guān)鍵技術(shù)，提高語音質(zhì)量分析準(zhǔn)確率

基于大數(shù)據(jù)量的斷續(xù)撥測訓(xùn)練集，人工標(biāo)注斷續(xù)特征段，通過各種特性指標(biāo)訓(xùn)練獲取SVM分類模型，最后結(jié)合斷續(xù)在能量上的感知落差的事件檢測，建立起高準(zhǔn)確率的感知斷續(xù)判斷規(guī)則。

3.4 關(guān)鍵技術(shù)四：分段評估關(guān)鍵技術(shù)

傳統(tǒng)DPI系統(tǒng)的語音質(zhì)量評估，僅支持評估話單級平均語音質(zhì)量，位置信息僅包含起呼和掛機(jī)小區(qū)，評估結(jié)果無法體現(xiàn)用戶真實(shí)感知，無法準(zhǔn)確定位質(zhì)差區(qū)域。利用精細(xì)化的評估結(jié)果，將話單級指標(biāo)轉(zhuǎn)變?yōu)槊爰墪r間粒度、準(zhǔn)確實(shí)時小區(qū)空間粒度的新指標(biāo)，支撐新型網(wǎng)絡(luò)指標(biāo)考核體系建設(shè)，同時也提升了質(zhì)差小區(qū)優(yōu)化效率和投訴處理效率。

分段語音質(zhì)量評估思路：

（1）利用RTP組包技術(shù)，實(shí)現(xiàn)任意時長的分段語音質(zhì)量評估，分段輸出MOS、單通、斷續(xù)等核心指標(biāo)；（2）解析RX、GX口計費(fèi)策略中的實(shí)時上報位置信息，獲取VoLTE通話中系統(tǒng)內(nèi)位置的全量信息，實(shí)現(xiàn)通話中占用小區(qū)信息遍歷；（3）將實(shí)時位置信息填充至分段的語音質(zhì)量評估結(jié)果中，實(shí)現(xiàn)指標(biāo)精確到秒、位置準(zhǔn)確至占用小區(qū)的統(tǒng)計。

4 應(yīng)用效果

目前，基于人工智能的VoLTE語音質(zhì)量評測優(yōu)化方法的系統(tǒng)已上線，應(yīng)用效果覆蓋某運(yùn)營商地市分公司的全部區(qū)域，實(shí)現(xiàn)小區(qū)、用戶級別語音感知質(zhì)量綜合評估、語音質(zhì)差區(qū)域定界、業(yè)務(wù)指標(biāo)統(tǒng)計、語音感知質(zhì)量場景監(jiān)控、投訴分析及處理等功能。

4.1 MOS應(yīng)用效果

項目聚焦MOS質(zhì)差通話，通過MOS質(zhì)差定界分析方法開展VoLTE語音質(zhì)量優(yōu)化工作，結(jié)合MR數(shù)據(jù)的網(wǎng)絡(luò)問題總體定界率達(dá)到77.5%；結(jié)合聲學(xué)特征對終端質(zhì)差定位已發(fā)現(xiàn)十余款具有一定保有量終端問題；對39類覆蓋場景的深度覆蓋不足問題進(jìn)行輸出。

4.2 單通應(yīng)用效果

從某運(yùn)營商地市分公司的現(xiàn)網(wǎng)驗(yàn)證，單通質(zhì)差占比0.34%、準(zhǔn)確率85%，其中識別類型為時域事件（丟包、抖動引起）占比32%，頻域事件（非丟包、抖動引起）占比68%左右。

單通質(zhì)差定界從11項語音質(zhì)量問題根因排查，定位至網(wǎng)內(nèi)、異網(wǎng)、終端、無線環(huán)境4大維度。

參考文獻(xiàn)

[1] 魏宗靜.VOLTE語音質(zhì)量優(yōu)化方法研究[J].科技經(jīng)濟(jì)導(dǎo)刊，2016（05）：33.

[2] 孫平強(qiáng).VoLTE業(yè)務(wù)的性能分析及優(yōu)化研究[D].北京郵電大學(xué)，2015.

[3] 張永飛，郭寶，張陽.基于端到端的VoLTE通話質(zhì)量優(yōu)化方法[J].科技經(jīng)濟(jì)導(dǎo)刊，2016（06）：17-22.

[4] 任君明.VoLTE語音呼叫時延優(yōu)化的研究與實(shí)踐[J].電信工程技術(shù)與標(biāo)準(zhǔn)化，2016，29（05）：57-60.

[5] 樓舒慧.面向客戶感知的提升VoLTE通話質(zhì)量的研究[D].浙江工業(yè)大學(xué)，2017.

[6] 姜先貴，李勇輝，朱斌.VoLTE語音質(zhì)量研究[J].郵電設(shè)計技術(shù)，2015（10）：51-55.

[7] 吳修權(quán)，鐘其柱，候德濠.一種基于IMGW接口的VoLTE語音質(zhì)量評估方案[J].通信技術(shù)，2017，50（05）：973-978.

[8] 姚玉華.探究VOLTE語音質(zhì)量的評價方法及測試方案[J].通信設(shè)計與應(yīng)用，2017（04）：36-37.