VoIP(Voiceover 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(QualityofService)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。

  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。

  一测试环境搭建

 1.1 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。

  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。

  1.2 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。

   1.3 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。
  
   二测试指标以及测试方法

  2.1 音质(QV)

   音质(Qualityof 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(Perceptualevaluation 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 OpinionScore)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。

  2.2 语音时延(DV)

   语音时延(DelayofVoice)，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。

  2.3 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。