一種通話時延評估方法及裝置的制造方法
【專利摘要】本申請公開了一種通話時延評估方法，第一客戶端和第二客戶端通過通信網(wǎng)絡(luò)建立呼叫后，在第一客戶端發(fā)送和接收語音的同時緩存發(fā)送或接收的語音數(shù)據(jù)，從而獲得發(fā)送錄音和接收錄音；獲取發(fā)送錄音和接收錄音中的完整語段；對于發(fā)送錄音中每個完整語段i，標(biāo)識完整語段i的持續(xù)語音片段的開始時刻TS_start(i)、持續(xù)語音片段的結(jié)束時刻TS_wait(i)和完整語段i的結(jié)束時刻TS_stop(i)；對于接收錄音中每個完整語段j，標(biāo)識完整語段j的語音開始時刻TR_start(j)。檢查該完整語段i的TS_start(i)到TS_stop(i)之間是否存在接收錄音中任一完整語段j的語音開始時刻TR_start(j)，若存在，則確定該完整語段i的響應(yīng)時延Delay(i)＝TR_start(j)?TS_wait(i)；若不存在，則確定該完整語段i的響應(yīng)時延Delay(i)＝0；根據(jù)所獲得的響應(yīng)時延，過濾無效響應(yīng)時延數(shù)據(jù)并運(yùn)用直方圖統(tǒng)計方式估計通話時延的方法。本申請還公開了一種通話時延評估裝置。
【專利說明】
一種通話時延評估方法及裝置
技術(shù)領(lǐng)域
[0001 ]本申請涉及無線通信技術(shù)領(lǐng)域，尤其涉及一種通話時延評估方法及裝置。
【背景技術(shù)】
[0002]對于海量用戶的語音通話業(yè)務(wù)，語音質(zhì)量監(jiān)控是一項重要而復(fù)雜困難的任務(wù)，因為每次通話涉及不同的用戶終端、不同的數(shù)據(jù)鏈路路徑及網(wǎng)元，不同的網(wǎng)絡(luò)供應(yīng)商，不同的語音信號處理過程。常規(guī)的評價語音通話指標(biāo)主要包括:平均通話時長(ACD)、接通率(ASR)、平均主觀意見分(MOS)等。除此之外，通話時延也是影響通話雙方通話效果的重要因素。通話時延指的是當(dāng)客戶端A和客戶端B進(jìn)行無線通話時，聲音信號從客戶端A傳送到客戶端B所需要的時間。
[0003]通話時延過大將直接影響通話效率，讓說話人感覺交流不暢，時延嚴(yán)重情況下較難正常交流。當(dāng)前，基于互聯(lián)網(wǎng)的VoIP業(yè)務(wù)已經(jīng)被廣泛應(yīng)用，而VoIP語音服務(wù)和2/3G網(wǎng)絡(luò)的交換線路(CS)語音業(yè)務(wù)一直共存并且互融互通，互聯(lián)網(wǎng)復(fù)雜的拓?fù)浣Y(jié)構(gòu)導(dǎo)致端到端的網(wǎng)絡(luò)時延存在極大的不確定性。通話時延和網(wǎng)絡(luò)時延的差別在于:網(wǎng)絡(luò)時延是數(shù)據(jù)包經(jīng)過網(wǎng)絡(luò)傳輸所需要的時間，而通話時延包含網(wǎng)絡(luò)時延，另外，通話時延是聲音傳遞所需的時間，所以還包含了聲學(xué)采集播放設(shè)備的傳送時延。由于聲學(xué)采集播放時延相對網(wǎng)絡(luò)時延是一個比較穩(wěn)定的參數(shù)，并且網(wǎng)絡(luò)時延占通話時延的比例較大，因此評估VoIP業(yè)務(wù)的通話時延，實際上主要考慮網(wǎng)絡(luò)通話中網(wǎng)絡(luò)時延的影響。
[0004]對于網(wǎng)絡(luò)時延測試，主要有兩個計算指標(biāo):I)單向時延(0WD，0neWay Delay)和往返時延(RTT，RoundTrip Time) C3OWD需要在發(fā)送和接收方時鐘同步情況下獲取數(shù)據(jù)發(fā)送和接收時間，而在當(dāng)前互聯(lián)網(wǎng)環(huán)境下缺乏終端時鐘的同步要求，難以完成大規(guī)模的OWD計算，而RTT表示從發(fā)送端發(fā)送數(shù)據(jù)開始，到發(fā)送端收到來自接收端的確認(rèn)(接收端收到數(shù)據(jù)后便立即發(fā)送確認(rèn))，總共經(jīng)歷的時延。
[0005]我們需要解決的問題是如何對海量實時通話進(jìn)行通話時延分析，而這些通話有可能涉及不同網(wǎng)絡(luò)(例如VoIP to PSTN)，并且通話雙方也可能位于不同地點，現(xiàn)有技術(shù)中沒有合適的通話時延評估方案。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供了一種通話時延評估方法及系統(tǒng)，可以對實時通話進(jìn)行有效的時延分析。
[0007]本發(fā)明的一個實施例提供了一種通話時延評估方法，包括:
[0008]第一客戶端和第二客戶端通過通信網(wǎng)絡(luò)建立呼叫后，在第一客戶端發(fā)送和接收語音的同時啟動雙向錄音以獲得發(fā)送錄音和接收錄音，獲取發(fā)送錄音和接收錄音中的完整語段;每一個所述完整語段包括一個持續(xù)語音片段及其之后的靜默時間；
[0009]對于發(fā)送錄音中的每個完整語段i，標(biāo)識完整語段i的持續(xù)語音片段開始時刻TS_start(i)、持續(xù)語音片段結(jié)束時刻TS_wait(i)和完整語段i結(jié)束時刻TS_stop(i)，i為發(fā)送錄音中完整語段的序號；標(biāo)識接收錄音中每個完整語段j的持續(xù)語音片段的開始時刻TR_start(j)，j為接收錄音中完整語段的序號；
[0010]對于發(fā)送錄音中每個完整語段i，檢查該完整語段i的TS_start(i)到TS_stop(i)之間是否存在接收錄音中任一完整語段j的TR_start(j)，若存在，則確定該完整語段i的響應(yīng)時延Delay(i) = TR_start( j)_TS_wait(i);若不存在，則確定該完整語段i的響應(yīng)時延Delay(i) =0;
[0011 ]根據(jù)所獲得的響應(yīng)時延估計通話時延。
[0012]本發(fā)明的另一個實施例提供了一種通話時延評估裝置，包括:
[0013]錄音模塊，用于在本客戶端與其他客戶端通過通信網(wǎng)絡(luò)建立呼叫后，在本客戶端發(fā)送和接收語音的同時啟動雙向錄音以獲得發(fā)送錄音和接收錄音；
[0014]完整語段標(biāo)識模塊，用于獲取發(fā)送錄音和接收錄音中的完整語段;每一個所述完整語段包括一個持續(xù)語音片段及其之后的靜默時間；
[0015]時間標(biāo)識模塊，用于標(biāo)識發(fā)送錄音中每個完整語段i的持續(xù)語音片段的開始時刻TS_start(i)、持續(xù)語音片段的結(jié)束時刻TS_wait(i)和完整語段i結(jié)束時刻TS_stop(i)，i為發(fā)送錄音中完整語段的序號；標(biāo)識接收錄音中完整語段j的持續(xù)語音片段的開始時刻TR_start(j)，j為接收錄音中完整語段的序號；
[0016]響應(yīng)時延計算模塊，用于針對發(fā)送錄音中每個完整語段i，檢查該完整語段i的TS_start(i)到TS_stop(i)之間是否存在接收錄音中任一完整語段j的TR_start( j)，若存在，則確定該完整語段i的響應(yīng)時延Delay (i) =TR_start( j )-TS_wait(i)；若不存在，則確定該完整語段i的響應(yīng)時延Delay(i) =0;
[0017]通話時延模塊，用于根據(jù)所獲得的響應(yīng)時延估計通話時延。
[0018]從以上技術(shù)方案可以看出，在通話客戶端中獲取發(fā)送錄音和接收錄音的完整語段，將發(fā)送錄音的結(jié)束時刻與接收錄音的起始時刻之間的間隔作為響應(yīng)時延，并進(jìn)一步得到通話時延。從整體宏觀數(shù)據(jù)而言，正常人的聽說響應(yīng)差異偏差值相對于通話時延要小，因此該方案得到的通話時延估計值具有較高可信度，可用于對網(wǎng)絡(luò)時延進(jìn)行評估。該方案僅用于單側(cè)客戶端，對于通話涉及的網(wǎng)絡(luò)沒有限定，對于通話雙方的地點也沒有要求，可以用于海量實時通話的的時延分析。
【附圖說明】
[0019]為了更清楚的說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來說，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。其中，
[0020]圖1為本發(fā)明實施例所涉及的實施環(huán)境示意圖。
[0021 ]圖2A為本發(fā)明實施例提供的一種通話時延評估方法流程圖；
[0022]圖2B為本發(fā)明實施例提供的一種通話時延評估方法流程示意圖；
[0023]圖3為圖2所示流程中步驟202-203的實施過程中語音信號的處理示意圖；
[0024]圖4為本發(fā)明實施例中的有效的響應(yīng)時延直方圖；
[0025]圖5為本發(fā)明實施例提供的通話時延評估裝置示意圖。
[0026]圖6為本發(fā)明另一實施例提供的通話客戶端示意圖。
【具體實施方式】
[0027]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0028]圖1為本發(fā)明實施例所涉及的實施環(huán)境示意圖。參見圖1，該通話時延評估系統(tǒng)包括:第一客戶端101、網(wǎng)絡(luò)102和第二客戶端103。第一客戶端101和第二客戶端103之間通過網(wǎng)絡(luò)102建立通話鏈路，其中，該通話鏈路在網(wǎng)絡(luò)102可以途經(jīng)一種或多種類型的通信網(wǎng)絡(luò)，包括但不限于交換線路、2G/3G/4G/5G移動網(wǎng)絡(luò)、互聯(lián)網(wǎng)等，本發(fā)明對此不作限定。較佳地，所述客戶端為智能手機(jī)。
[0029]本發(fā)明是一種基于通話行為分析的通話往返時延估計方案，無需專業(yè)測量儀器、無需修改通訊協(xié)議，可以監(jiān)控每路通話的時延情況。例如，第一客戶端101和第二客戶端103雙方通話，當(dāng)?shù)谝豢蛻舳?01發(fā)起語音通話后，第二客戶端103可能有三種狀態(tài):聽后回應(yīng)、靜默無言、未等第一客戶端101說完搶話。從正常通話行為分析，“聽后回應(yīng)”的概率是最大的，其響應(yīng)時延可用如下公式計算:
[0030]聽后回應(yīng)的響應(yīng)時延=通話時延+人的聽說響應(yīng)時間；
[0031 ]而“人的聽說響應(yīng)時間”可以使用一個經(jīng)驗值代替。
[0032]因此，如果統(tǒng)計出“聽后回應(yīng)”場景的響應(yīng)時延，則可以得到:
[0033]通話時延估計值=響應(yīng)時延-人的聽說響應(yīng)時間。
[0034]由于人的聽說響應(yīng)時間會根據(jù)每個個體存在差異，但是從整體宏觀數(shù)據(jù)而言，正常人的聽說響應(yīng)差異偏差值相對于通話時延要小，所以本方案用于判別通話時延是否超大異常，用于定位網(wǎng)絡(luò)問題應(yīng)該是可行的。
[0035]本發(fā)明方案是基于通話雙方其中一個終端的發(fā)送、接收方向的錄音文件進(jìn)行分析，從而得到響應(yīng)時間；通過統(tǒng)計方法得到概率最大的響應(yīng)時間，即B方“聽后回應(yīng)”的響應(yīng)時間，進(jìn)而可以估計通話時延值。
[0036]本發(fā)明實施例提供的一種通話時延評估方法流程如圖2A所示，包括:
[0037]步驟201a:第一客戶端和第二客戶端通過通信網(wǎng)絡(luò)建立呼叫后，在第一客戶端發(fā)送和接收語音的同時啟動雙向錄音以獲得發(fā)送錄音和接收錄音，獲取發(fā)送錄音和接收錄音中的完整語段;每一個所述完整語段包括一個持續(xù)語音片段及其之后的靜默時間；
[0038]步驟202a:對于發(fā)送錄音中的每個完整語段i，標(biāo)識完整語段i的持續(xù)語音片段的開始時刻TS_start(i)、持續(xù)語音片段的結(jié)束時刻TS_wait(i)和完整語段i結(jié)束時刻TS_stop(i)，i為發(fā)送錄音中完整語段的序號;標(biāo)識接收錄音中每個完整語段j的持續(xù)語音片段的開始時刻TR_start(j)，j為接收錄音中完整語段的序號；
[0039]步驟203a:對于發(fā)送錄音中每個完整語段i，檢查該完整語段i的TS_start(i)到TS_stop(i)之間是否存在接收錄音中任一完整語段j的TR_start(j)，若存在，則確定該完整語段i的響應(yīng)時延Delay(i) = TR_start( j)-TS_wait(i);若不存在，則確定該完整語段i的響應(yīng)時延Delay(i) =0;
[0040]步驟204a:根據(jù)所獲得的響應(yīng)時延估計通話時延。
[0041]在上述流程中，在通話客戶端中獲取發(fā)送錄音和接收錄音的完整語段，將發(fā)送錄音中持續(xù)語音片段的結(jié)束時刻與接收錄音中持續(xù)語音片段的起始時刻之間的間隔作為響應(yīng)時延，并進(jìn)一步得到通話時延。從整體宏觀數(shù)據(jù)而言，正常人的聽說響應(yīng)差異偏差值相對于通話時延要小，因此該方案得到的通話時延估計值具有較高可信度，可用于對網(wǎng)絡(luò)時延進(jìn)行評估。該方案僅用于單側(cè)客戶端，對于通話涉及的網(wǎng)絡(luò)沒有限定，對于通話雙方的地點也沒有要求，可以用于海量實時通話的時延分析。
[0042]以下對該方案進(jìn)行進(jìn)一步詳述。
[0043]本發(fā)明實施例提供的又一種通話時延評估方法流程如圖2B所示，包括如下步驟:
[0044]步驟201b:第一客戶端和第二客戶端通過通信網(wǎng)絡(luò)建立呼叫，在其中一個客戶端(例如第一客戶端)發(fā)送和接收語音的同時緩存發(fā)送或接收的語音數(shù)據(jù)，分別得到發(fā)送錄音和接收錄音。
[0045]步驟202b:分別對發(fā)送、接收錄音進(jìn)行語音活動檢測(Vo i ce ActivityDetect1n，VAD)，標(biāo)識得到大小不等的語音塊。
[0046]步驟203b:對時間間隔小于第一閾值的語音塊進(jìn)行合并，分別得到發(fā)送、接收錄音中的完整語段。每一個所述完整語段包括一個持續(xù)語音片段及其之后的靜默時間；其中，持續(xù)語音片段即前述相互合并后的語音塊。
[0047]在本實施例中，第一閾值取為50至100個語音幀。如每幀時長為20ms，第一閾值的時長為I秒至2秒。
[0048]圖3給出了上述步驟202-203的實施過程中語音信號的處理示意圖。原始語音信號如圖3(a)所示，首先做語音活動檢測，標(biāo)識出每個語音小塊，如圖3(b)所示;然后將時間間隔小于第一閾值的語音塊合并，得到完整語段的持續(xù)語音片段，如圖3(c)所示，將持續(xù)語音片段加上下一語段前的靜默部分就得到完整語段，如圖3(d)所示。
[0049]所述完整語段指的是通話的一方一次連續(xù)說話的語音，其中可能包括一個或若干的自然語句。
[0050]通常，一次完整通話可以看作通話雙方交替進(jìn)行發(fā)言。其中，任一次發(fā)言可以包括一個或多個完整語段。一次發(fā)言包括一個完整語段就是說話的一方在此次發(fā)言中沒有停頓，直到把話說完，然后等待另一方發(fā)言，這是比較普遍的情形;一次發(fā)言包括多個完整語段的情況則可能有:
[0051]第一用戶發(fā)言完畢后停止說話，第二用戶沒有發(fā)言，第一用戶等待一段時間后繼續(xù)發(fā)g ;
[0052]第一用戶發(fā)言本身存在停頓。
[0053]只有在雙方交替發(fā)言時聽后回應(yīng)的響應(yīng)時延才用于統(tǒng)計通話時延，單方說話過程中的停頓與通話時延無關(guān)，需要排除。
[0054]步驟204b:標(biāo)識發(fā)送錄音的每個完整語段的持續(xù)語音片段開始時刻TS_start(i)，持續(xù)語音片段結(jié)束時刻TS_wait(i)，完整語段結(jié)束時刻(也是下一個完整語段語音開始時刻)TS_stop(i)，i為發(fā)送錄音完整語段序號。
[0055]本發(fā)明的一個實施例給出了一種識別完整語段的處理過程:一個完整語段檢測即識別語段的持續(xù)語音片段的開始點TS_start和持續(xù)語音片段結(jié)束點TS_wait:如果本幀前N幀VAD檢測的結(jié)果均為vad = 0(代表非語音)，且本幀vad=l(代表語音)，則本幀為完整語段的起點，本幀的起始時刻為該完整語段的起始時刻;如果本語音語句起始點已找到，且本幀vad = I而后N幀均vad = O，則本幀的下一幀為語音語句的結(jié)束點，本幀的下一幀的起始時刻作為本完整語段的結(jié)束時刻，此時一個完整語音語句判斷結(jié)束，后續(xù)繼續(xù)下一個語音語句判決，下一個語句的開始點即為上一語句的TS_stop。在發(fā)送錄音的TS_start和TS_stop時間范圍內(nèi)，TS_wait和接收錄音的TR_start之差為該段語音語句響應(yīng)時延Delay。其中N大于或等于100。
[0056]步驟205b:標(biāo)識接收錄音的每個完整語段的持續(xù)語音片段開始時刻TR_start(j)，j為接收錄音完整語句序號。
[0057]步驟206b:計算每段發(fā)言的響應(yīng)時延，具體包括:
[0058]檢查TS_start(i)到TS_stop(i)之間是否存在TR_start(j)，若有則Delay(i)=TR_start( j)_TS_wait(i);若無，貝ljDelay(i)=0。該步驟的目的就是僅計算雙方交替發(fā)言時聽后回應(yīng)的響應(yīng)時延，而不計入單方發(fā)言過程中的停頓。
[0059]步驟207b:統(tǒng)計獲得的非零響應(yīng)時延的分布，將其中的統(tǒng)計峰值作為響應(yīng)時延估計，將響應(yīng)時延估計值減去反應(yīng)時延，所得結(jié)果作為通話時延。
[0060]較佳地，排除小于第二閾值，或者大于第三閾值的響應(yīng)時延值，從而過濾無效響應(yīng)時延值。
[0061 ] 例如[100ms，3000ms]范圍內(nèi)才是有效響應(yīng)時延值，根據(jù)經(jīng)驗，通話時延值不會小于某個經(jīng)驗值，例如小于I OOms，而小于I OOms的De lay極可能是因為B方搶話的場景，所以可以過濾掉，而時延大于某個較大的正常經(jīng)驗值，極可能是B方?jīng)]有及時響應(yīng)，跟響應(yīng)時間無關(guān)，所以可以過濾掉。而過濾后剩下的則為可以作為直方圖統(tǒng)計的有效數(shù)據(jù)，基于直方圖統(tǒng)計，峰值對應(yīng)的時延值為響應(yīng)時間值，本實施例中，第二閾值為10ms，第三閾值為3000ms。在其他實施例中，第二閾值和第三閾值也可以取為其他值。第二閾值和第三閾值的具體取值需要根據(jù)網(wǎng)絡(luò)傳輸方式而定，可基于經(jīng)驗和先驗測試數(shù)據(jù)而定。
[0062]該步驟中，可以用所述非零響應(yīng)時延做出直方圖，從而獲得統(tǒng)計峰值。如圖4所示，直方圖峰值處的時延為130Ims，而人的響應(yīng)時間經(jīng)驗值約為300ms，則通話時延估計值為1001ms，而通過專業(yè)儀器測量結(jié)果為960ms，由此可知本方案的通話時延估計值具有較高可信度，可用于判別網(wǎng)絡(luò)時延的好與差。
[0063]本發(fā)明另一個實施例提出了一種通話時延評估裝置，該裝置位于通話客戶端，如圖5所示，包括:
[0064]錄音模塊501，用于在本客戶端與其他客戶端通過通信網(wǎng)絡(luò)建立呼叫后，在本客戶端發(fā)送和接收語音的同時啟動雙向錄音；
[0065]完整語段標(biāo)識模塊502，用于獲取發(fā)送、接收錄音中的完整語段；
[0066]時間標(biāo)識模塊503，用于標(biāo)識發(fā)送錄音的每個完整語段的持續(xù)語音片段的開始時亥ljTS_start(i)，持續(xù)語音片段的結(jié)束時刻TS_wait(i)，完整語段結(jié)束時刻(也是下一個完整語段語音開始時刻)TS_stop(i)，i為發(fā)送錄音完整語段序號;標(biāo)識接收錄音的每個完整語句語音開始時刻TR_start( j)，j為接收錄音完整語句序號；
[0067]響應(yīng)時延計算模塊504，用于檢查TS_start( i)到TS_stop(i )之間是否存在TR_start( j)，若有，則響應(yīng)時延Delay(i) = TR_start(j)_TS_wait(i);若無，則響應(yīng)時延Delay(i)=0；
[0068]響應(yīng)時延估計模塊505，用于統(tǒng)計獲得的非零響應(yīng)時延的分布，將其中的統(tǒng)計峰值作為響應(yīng)時延估計值；
[0069]通話時延模塊506，用于將響應(yīng)時延估計值減去反應(yīng)時延，所得結(jié)果作為通話時延輸出。
[0070]在本發(fā)明的另一實施例中，所述完整語段標(biāo)識模塊502進(jìn)一步包括:
[0071]檢測單元，用于分別對發(fā)送、接收錄音進(jìn)行語音活動檢測，標(biāo)識得到的語音塊；
[0072]合并單元，用于對時間間隔小于第一閾值的語音塊進(jìn)行合并，分別得到發(fā)送、接收錄音中的完整語段。
[0073]較佳地，所述第一閾值的取值范圍為:1秒至2秒。
[0074]較佳地，所述時間標(biāo)識模塊503標(biāo)識發(fā)送錄音的每個完整語段語音開始時刻TS_start(i)，語音結(jié)束時刻TS_wait(i)包括:如果本幀前N幀語音活動檢測的結(jié)果均為非語音，且本幀為語音，則本幀的起始時刻為該完整語段的語音起始時刻；以及，
[0075]如果本完整語段的語音起始時刻已找到，且本幀為語音而后N幀均為非語音，則本幀的下一幀的語音起始時刻作為本完整語段的結(jié)束時刻。
[0076]在本發(fā)明的另一實施例中，所述響應(yīng)時延估計模塊505進(jìn)一步包括:排除單元，用于排除小于第二閾值，或者大于第三閾值的響應(yīng)時延值。
[0077]較佳地，所述第二閾值為100毫秒，所述第三閾值為3000毫秒。
[0078]在本發(fā)明的另一實施例中，所述響應(yīng)時延估計模塊505統(tǒng)計獲得非零響應(yīng)時延的分布包括:用所述非零響應(yīng)時延做出直方圖。
[0079]另外，在本發(fā)明各個實施例中的各模塊可以集成在一個處理單元中，也可以是各個模塊單獨(dú)物理存在，也可以兩個或兩個以上模塊集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。
[0080]在一實施例中，通話客戶端可包括:處理器610、存儲器620、端口630、總線640語音接收器650和語音播放器660。。處理器610和存儲器620通過總線640互聯(lián)。處理器610可通過端口630接收和發(fā)送數(shù)據(jù)以實現(xiàn)網(wǎng)絡(luò)通信。以VoIP通話為例，語音接收器650接收通話客戶端外部的聲音信號，通過總線640到處理器610處轉(zhuǎn)換為音頻編碼(該音頻編碼的副本保存在存儲620即為發(fā)送語音)并封裝為語音報文，通過端口 630發(fā)送到對端的通話客戶端。端口630還接收來自對端通話客戶端的語音報文，該語音報文在處理器610處解封裝還原為音頻編碼(該音頻編碼保存在存儲器620即為接收語音)，通過總線640發(fā)送到語音播放器660還原為聲音信號播放。
[0081 ] 上述各模塊501?506可以是存儲器620中存儲的機(jī)器可執(zhí)行指令模塊。處理器610通過執(zhí)行存儲器620中各個模塊501?506中包含的機(jī)器可執(zhí)行指令，進(jìn)而能夠?qū)崿F(xiàn)上述各模塊501?506的功能。
[0082]另外，本發(fā)明的每個實施例可以通過由數(shù)據(jù)處理設(shè)備如計算機(jī)執(zhí)行的數(shù)據(jù)處理程序來實現(xiàn)。例如，在智能手機(jī)中安裝微信app，通過使用其中的視頻通話或者語音通話功能即可實現(xiàn)不同智能手機(jī)之間的語音通話，在這一應(yīng)用場景下，本實施例中的通話時延評估裝置可以由微信app中的功能模塊來實現(xiàn)。
[0083]顯然，數(shù)據(jù)處理程序構(gòu)成了本發(fā)明。此外，通常存儲在一個存儲介質(zhì)中的數(shù)據(jù)處理程序通過直接將程序讀取出存儲介質(zhì)或者通過將程序安裝或復(fù)制到數(shù)據(jù)處理設(shè)備的存儲設(shè)備(如硬盤和/或內(nèi)存)中執(zhí)行。因此，這樣的存儲介質(zhì)也構(gòu)成了本發(fā)明。存儲介質(zhì)可以使用任何類型的記錄方式，例如紙張存儲介質(zhì)(如紙帶等)、磁存儲介質(zhì)(如軟盤、硬盤、閃存等)、光存儲介質(zhì)(如CD-ROM等)、磁光存儲介質(zhì)(如MO等)等。
[0084]因此，本發(fā)明還公開了一種存儲介質(zhì)，其中存儲有數(shù)據(jù)處理程序，該數(shù)據(jù)處理程序用于執(zhí)行本發(fā)明上述方法的任何一種實施例。
[0085]應(yīng)當(dāng)理解，雖然本說明書是按照各個實施方式描述的，但并非每個實施方式僅包含一個獨(dú)立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說明書作為一個整體，各實施方式中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實施方式。
[0086]以上所述僅為本申請的較佳實施例而已，并不用以限制本申請的保護(hù)范圍，凡在本申請技術(shù)方案的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請保護(hù)的范圍之內(nèi)。
【主權(quán)項】
1.一種通話時延評估方法，其特征在于，包括: 第一客戶端和第二客戶端通過通信網(wǎng)絡(luò)建立呼叫后，在第一客戶端發(fā)送和接收語音的同時緩存發(fā)送或接收的語音數(shù)據(jù)，從而得到發(fā)送錄音和接收錄音;獲取發(fā)送錄音和接收錄音中的完整語段;每一個所述完整語段包括一個持續(xù)語音片段及其之后的靜默時間； 對于發(fā)送錄音中的每個完整語段i，標(biāo)識完整語段i的持續(xù)語音片段的開始時刻TS_start(i)、持續(xù)語音片段的結(jié)束時刻TS_wait(i)和完整語段i結(jié)束時刻TS_stop(i)，i為發(fā)送錄音中完整語段的序號;標(biāo)識接收錄音中每個完整語段j的開始時刻TR_start(j)，j為接收錄音中完整語段的序號； 對于發(fā)送錄音中每個完整語段i，檢查該完整語段i的TS_start(i)到TS_stop(i)之間是否存在接收錄音中任一完整語段j的TR_start(j)，若存在，則確定該完整語段i的響應(yīng)時延Delay(i) =TR_start( j)_TS_wait(i);若不存在，則確定該完整語段i的響應(yīng)時延Delay(i)=0； 根據(jù)所獲得的響應(yīng)時延估計通話時延。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所獲得的響應(yīng)時延估計通話時延，包括: 統(tǒng)計得到所確定的各完整語段i的響應(yīng)時延Delay(i)中取值非零的各響應(yīng)時延Delay(i)的分布，將其中的統(tǒng)計峰值作為響應(yīng)時延估計值； 將響應(yīng)時延估計值減去反應(yīng)時延，所得結(jié)果作為通話時延。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取發(fā)送錄音和接收錄音中的完整語段包括: 分別對所述發(fā)送錄音和所述接收錄音進(jìn)行語音活動檢測，標(biāo)識得到各個語音塊； 對于所述發(fā)送錄音和所述接收錄音分別做如下處理: 對相鄰語音塊之間時間間隔小于第一閾值的至少兩個連續(xù)語音塊進(jìn)行合并以得到完整語段;所述完整語段為一個語音塊，且該語音塊與相鄰的其他語音塊之間時間間隔大等于第一閾值。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第一閾值的取值范圍為:I秒至2秒。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述標(biāo)識發(fā)送錄音中每個完整語段i的開始時刻TS_start(i)，結(jié)束時刻TS_wait(i)，包括: 對于每個完整語段i，執(zhí)行如下處理: 如果本幀前N幀語音活動檢測的結(jié)果均為非語音，且本幀為語音，則本幀的起始時刻為該完整語段的起始時刻;其中，N為預(yù)設(shè)的大于零的整數(shù);以及， 如果本完整語段的起始時刻已找到，且本幀為語音而后N幀均為非語音，則將本幀的下一幀的起始時刻作為本完整語段的結(jié)束時刻。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述N大于或等于100。7.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述統(tǒng)計得到所確定的各完整語段i的響應(yīng)時延Delay (i)中取值非零的各響應(yīng)時延Delay (i)的分布之前，進(jìn)一步包括: 從所確定的各完整語段i的響應(yīng)時延Delay(i)中，排除取值小于第二閾值或者大于第三閾值的響應(yīng)時延。8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述第二閾值為100毫秒，所述第三閾值為3000毫秒。9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述所述統(tǒng)計得到所確定的各完整語段i的響應(yīng)時延Delay (i)中取值非零的各響應(yīng)時延Delay (i)的分布，包括: 用所述取值非零的各響應(yīng)時延Delay(i)做出直方圖； 其中，將所述直方圖中的統(tǒng)計峰值作為所述響應(yīng)時延估計值。10.一種通話時延評估裝置，其特征在于，包括: 錄音模塊，用于在本客戶端與其他客戶端通過通信網(wǎng)絡(luò)建立呼叫后，在本客戶端發(fā)送和接收語音的同時啟動雙向錄音以獲得發(fā)送錄音和接收錄音； 完整語段標(biāo)識模塊，用于獲取發(fā)送錄音和接收錄音中的完整語段;每一個所述完整語段包括一個持續(xù)語音片段及其之后的靜默時間； 時間標(biāo)識模塊，用于標(biāo)識發(fā)送錄音中每個完整語段i的持續(xù)語音片段的開始時刻TS_start(i)、持續(xù)語音片段的結(jié)束時刻TS_wait(i)和完整語段i的結(jié)束時刻TS_stop(i)，i為發(fā)送錄音中完整語段的序號；標(biāo)識接收錄音中完整語段j的持續(xù)語音片段的開始時刻TR_start(j)，j為接收錄音中完整語段的序號； 響應(yīng)時延計算模塊，用于針對發(fā)送錄音中每個完整語段i，檢查該完整語段i的TS_start(i)到TS_stop(i)之間是否存在接收錄音中任一完整語段j的TR_start( j)，若存在，則確定該完整語段i的響應(yīng)時延Delay (i) =TR_start( j )-TS_wait(i)；若不存在，則確定該完整語段i的響應(yīng)時延Delay(i) =0; 通話時延模塊，用于根據(jù)所獲得的響應(yīng)時延估計通話時延。11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述通話時延模塊包括: 響應(yīng)時延估計單元，用于統(tǒng)計得到所確定的各完整語段i的響應(yīng)時延Delay(i)中取值非零的各響應(yīng)時延Delay (i)的分布，將其中的統(tǒng)計峰值作為響應(yīng)時延估計值； 計算單元，用于將響應(yīng)時延估計值減去反應(yīng)時延，所得結(jié)果作為通話時延輸出。12.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述完整語段標(biāo)識模塊包括: 檢測單元，用于分別對發(fā)送錄音和接收錄音進(jìn)行語音活動檢測，標(biāo)識得到的各個語音塊； 合并單元，用于對相鄰語音塊之間時間間隔小于第一閾值的至少兩個連續(xù)語音塊進(jìn)行合并以得到完整語段;所述完整語段為一個語音塊，且該語音塊與相鄰的其他語音塊之間時間間隔大等于第一閾值。13.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述響應(yīng)時延估計模塊進(jìn)一步包括:排除單元，用于排除小于第二閾值，或者大于第三閾值的響應(yīng)時延值。
【文檔編號】H04L12/26GK105933181SQ201610281304
【公開日】2016年9月7日
【申請日】2016年4月29日
【發(fā)明人】梁俊斌
【申請人】騰訊科技（深圳）有限公司