Đánh giá kênh truyền viễn thông thông qua mô hình đánh giá tiếng nói không xâm lấn

Bài báo này trình bày phương pháp đánh giá chất lượng kênh truyền viễn thông không xâm lấn, sử dụng mô hình học sâu NISQA (Neural Network for Speech Quality Assessment) đã được huấn luyện trước trên các tác vụ đánh giá tiếng nói. Mục tiêu là tận dụng khả năng của mô hình trong việc phân tích các đặc trưng âm thanh để đánh giá chất lượng kênh truyền chỉ dựa trên tín hiệu đầu cuối, giảm chi phí và tính khả thi so với các phương pháp truyền thống.

Nghiên cứu này hướng đến việc xây dựng một phương pháp hiệu quả và tiết kiệm chi phí để đánh giá chất lượng kênh truyền viễn thông, bằng cách tận dụng các mô hình học sâu đã được phát triển cho việc đánh giá chất lượng tiếng nói.

Nghiên cứu này tập trung vào việc đánh giá mức độ tương đồng giữa các tác vụ đánh giá chất lượng tiếng nói và đánh giá chất lượng kênh truyền. Kết quả cho thấy sự tương quan lớn giữa tác vụ đánh giá chất lượng tiếng nói tổng thể (MOS) và đánh giá mức độ đứt đoạn tiếng nói với đánh giá kênh truyền. Dựa trên đó, hai mô hình NISQA tương ứng đã được tinh chỉnh trên tập dữ liệu chất lượng kênh truyền. Kết quả thực nghiệm cho thấy việc áp dụng học chuyển giao từ tác vụ đánh giá tiếng nói giúp cải thiện đáng kể độ chính xác so với việc huấn luyện mô hình từ đầu trên cùng tập dữ liệu. Cụ thể:

1. Đánh giá tương đồng tác vụ: Nghiên cứu đánh giá mức độ tương đồng giữa các tác vụ đánh giá chất lượng tiếng nói (MOS, độ đứt đoạn, độ to, độ chói, độ nhiễu) và đánh giá chất lượng kênh truyền. Kết quả cho thấy tác vụ đánh giá tổng thể (MOS) và mức độ đứt đoạn có sự tương quan cao nhất với đánh giá kênh truyền.
2. Tinh chỉnh mô hình NISQA: Hai mô hình NISQA, được tiền huấn luyện trên tác vụ đánh giá MOS và độ đứt đoạn, được tinh chỉnh trên tập dữ liệu chất lượng kênh truyền VT-TQA.
3. So sánh với huấn luyện từ đầu: Để so sánh, mô hình NISQA cũng được huấn luyện từ đầu trên tập dữ liệu VT-TQA. Kết quả cho thấy các mô hình tinh chỉnh từ NISQA tiền huấn luyện có độ chính xác cao hơn đáng kể so với mô hình huấn luyện từ đầu.
4. Kết quả cụ thể: Mô hình finetuned_MOS đạt RMSE 0.326 và PCC 0.886, trong khi mô hình finetuned_dis đạt RMSE 0.338 và PCC 0.880. Mô hình train_scratch (huấn luyện từ đầu) chỉ đạt RMSE 0.389 và PCC 0.828.
5. Ý nghĩa: Nghiên cứu chứng minh rằng việc sử dụng học chuyển giao từ mô hình NISQA tiền huấn luyện cho phép đánh giá chất lượng kênh truyền hiệu quả hơn, nhờ tận dụng được các biểu diễn đặc trưng đã học từ dữ liệu tiếng nói.