目录
ViSQOL ：https://arxiv.org/pdf/2004.09584.pdf
引言：
音频的评价方法主要两种：
- 主观评价
即组织足够数量多人来听被测音频并对样本进行打分，最后依据打分的高低来评价音频质量的好坏。
优点：
主观测试是音频评价的黄金准则，最符合人的实际听感。
缺点：
主观评测费时费力，不一定是最经济的方案
- 客观测试
通过给定数学公式计算音频质量评价指标，比如SNR、频谱差异等。 结合计算结果拟合一个主观分数。
一. 音频主观评价方法
ITU(国际电信联盟)，联合国下属一个专门机构，负责电信、通话等相关标准等制定。 比较有公信力的组织包括ITU-R（无线电通信组）和ITU-T（远程通信标准化组织）。 这两个组织为了统一国际音频质量评价指标，制定了一系列的主、客观评价方法。
MUSHRA
介绍
（Multi-Stimulus Test with Hidden Reference and Anchor，多激励隐藏参考基准测试方法）属于 ITU-R BS.1534 中的推荐测试方法。 它最早被用于流媒体与通信的相关编码的主观评价，现在也被广泛应用于心理声学相关研究中的音质主观评价。
MUSHRA 的分数是 0 到 100 分，按照从高到低的听感描述，如表 1 所示：
为了保证测试的有效性，主要需要注意以下４点：
- 参考的标准音频和被测试音频间隔测试，连续重复 4 次； （防止误判）
- 音频源采用 15～20s； （防止测试者产生听音疲劳）
- 一次完整的测试时间不应超过 15～20min；（防止测试者产生听音疲劳）
- 测试成员：专家成员最少 10 人，非专家 20 人。（使得标准不过于严苛更能符合大众的听音习惯）
特点：
其测试的特点主要是在测试语料中混入无损音源作为参考（上限），全损音源作为锚点（下限），通过双盲听测试，对待测音源和隐藏参考音源与锚点进行主观评分。
MUSHRA 方法的测试面比较广，可以用于编 / 解码器，语音合成，甚至是耳机测评。
应用MUSHRA例子：
REF是无损音频，采样位深8bit记位8bit_lal_REF, Anchor35是锚点，其他为不同语音合成算法。
常用的主观评价指标：
- MUSHRA方法
- ITU-T P.800《语音质量的主观评价方法》，也就是我们常说的 MOS（Mean Option Scores，平均意见分）
- ITU-T P.830《电话和宽带数字语音编码器的主观评价方法》
- ITU-T P.805《对话质量的主观评价》
- ITU-R 主观评价标准中的 ITU-R BS.1116 《音频系统中小损伤主观评价方法》
- ITU-R BS.1285 《音频系统中小损伤主观评价的预选方法》
ITU官网： 国际电联：致力于连通世界
主观评价缺点：测试者太少、测试者不规范等都会带来测试误差
二. 音频客观评价方法
客观评价包括有参考评价和无参考评价。
有参考评价：
除了需要给定测试音频外，还需要同时给出参考音频做基准。通过计算测试音频和参考音频等区别来拟合音频的主观得分。
PESQ与POLQA
在 2001 年，ITU-T P.862 标准定义了有参考客观评价算法PESQ（Perceptual Evaluation of Speech Quality，语音质量感知评价），该算法主要用来评估窄带（8kHz 采样率）及宽带（16kHz 采样率）下的编、解码损伤。该算法在过去的二十年中，被广泛的应用于通信质量的评定。 已开源。
2011 年，P.863 标准定义了一套更全面、更准确的有参考客观评价POLQA。相比 PESQ，POLQA 可评估的带宽更广，对噪声信号和延时的鲁棒性更好，其语音质量评分也更接近于主观的评分。 需要购买百万元的专门设备和授权才能使用。
PESQ的算法步骤：
时间对齐：目的消除系统延迟的影响。
听觉变换：将音频信号转化为频谱信号。
差异处理：逐帧处理
取时间平均得到PESQ分数。如对齐错误可再次对齐。
PESQ 的分数范围在 0～4.5 分，一般音质比较好的编／解码器，比如 64kbps 比特率的 OPUS 编解码器，可以达到 4.5 分，而分数越低则代表音质越差。比如 OPUS 的码率降到 6kbps 那 PESQ 可能就只有不到 3 的分数。
note：
PESQ 最多只能评价 16kHz 采样率的音频。 如果要评价一个采样率比较高的音频信号，比如音乐信号，POLQA 会比较合适。POLQA 最高可以支持 48kHz 采样率的全带音频的客观质量评价。 但购买一套 POLQA 设备的价格都是百万级的，为了方便使用，你还可以考虑一下使用例如ViSQOL 等开源算法，也可以支持 48kHz 的音频采样率。
ViSQOL ：https://arxiv.org/pdf/2004.09584.pdf
无参考评价：
不需要参考音频，根据音频的频谱能量分布、连续性等指标评分。
适用场景：
比如在打网络电话时，只有接收到的经过编 / 解码和网络传输的音频信号，没有远端的输入信号。这时只能采用无参考音频质量评价方法。
不需要参考信号，仅通过对输入信号本身或参数的分析即可得到一个质量评分。
比较著名的无参考客观评价方法：
- ITU-T P.563
2004 年提出，主要是面向窄带语音的质量评估
- ANIQUE+
2006 年提出，也是面向窄带语音，其评分准确度据作者称超过了 PESQ，不过 PESQ 的测量不能反应网络的延时、丢包等，并不能完美适用于如今基于互联网传输的实时互动场景。
- E-model
于 2003 年提出，不同于上述两种方法，这是一个基于 VoIP 链路参数的损伤定量标准，不会直接基于信号域进行分析。
- ITU-T P.1201
ITU-T P.1201 系列于 2012 年提出，对于音频部分，该标准也不对音频信号直接进行分析，而是基于网络状态和信号状态对通信质量进行评分。
三. 小结：
客观测试目前只能测量音频的损伤程度，比如我们平时在选择编解码器时不知道选择什么类型、多少码率，这时不妨跑一下 PESQ 或者 VisQol 看一下分数。
而对于一些偏主观的测试类型，比如音乐听感、耳机效果等，则一般还是需要依靠主观测试。主观测试可以采用众包等方式把测试分发出去。
针对这种分发式的主观测试，最近的 ITU-T P.808 也有详细的测试流程和方法。