补偿通道效应

Question

我正在努力研究一种系统，其中记录的句子的质量由计算机评定。该系统有三种运行模式：

1. 当该人使用麦克风和混音器排列录制句子时。
2. 当用户在固定电话上录制时。
3. 当用户通过手机录制时。

我注意到使用上述3个来源从录音中得到的分数按以下顺序排列：Mic_score＆gt; Landline_score＆gt; mobile_score

上述顺序可能是由于编解码器和通道特性的影响。我的问题是：

1. 可以采取哪些措施来补偿频道/编解码器引入的工件以获得跨渠道的一致分数？如果是某种反向过滤，那么请提供一些我可以开始使用的链接。
2. 如何检测录制输入语音的频道？使用HMM？

Edit 1：我不能自由地详述标准。我从麦克风，固定电话和移动电话获得的当前分数（对于相同的句子说（并且在三种媒体上类似地说）是80,66,41。这种差异可能是因为频道效应。如果内容说句子的方式是一样的，那么我正在寻找一种normalizes得分的算法（它们不必相同，但它们应该接近）。

Answer 1

很可能音质不同。 您是否尝试过听一些例子？

您还可以使用任何频谱分析仪详细查看该数据。我建议http://www.baudline.com/。你需要注意的事项：本底噪声与演讲之间的距离。

当说出字母t，f和s时，还要看高频噪声突发。在低质量的线条中，这些字母之间的差异消失了。

为什么要扭曲质量措施？对质量做出客观反应似乎更有意义。

Answer 2

固定编解码器将删除4 kHz附近的所有频率。作为有损压缩过程的一部分，手机编解码器将丢弃更多信息。除非您有关于原始音频内容的另一侧信息通道，否则没有可靠的方法来恢复被丢弃的音频。

您最好将标准化归结为低通滤波器以匹配8 kHz电信编解码器，并通过某种蜂窝标准压缩算法运行结果（可能有一种针对您的特定移动蜂窝协议发布）。这应该将所有3个信号的质量降低到大致相同的水平。