2026/9/2 5:10:27
FEATURED · 精选文章 
简介语音质量客观评价PESQMATLAB实现包面向电信、语音编码及音频处理领域的工程师、科研人员与高年级学生用于量化语音经编码、传输或增强后与原始语音的感知差异。包内共9个文件、约1.73MB结构紧凑含可直接运行的MATLAB主脚本和PESQ二进制调用封装函数内置参考语音与处理后语音的WAV样本附官方pesq.exe工具、使用说明TXT、结果对比XLS及Word文档覆盖路径配置、运行评估、结果导出的完整流程。目前已有2050人学习适合正在开展语音质量评测或需要标准感知评分方法的开发者快速上手。通过内置样本和注释脚本读者可深入理解PESQ的心理声学原理、调用方式与分数解读也可直接替换音频文件对自有编解码或增强算法进行客观评分为算法优化提供量化依据。 做语音质量评价这几年PESQ几乎是每个语音算法工程师都绕不开的工具。不管是评估降噪效果、回声消除质量还是编解码器的音质损伤PESQPerceptual Evaluation of Speech Quality感知语音质量评估都是行业里最常被引用的客观指标之一。看到那个“语音质量客观评价PESQmatlab.rar”的资源包在网络上流传很广但很多人拿到手之后只是会跑个demo遇到分数异常、程序报错就卡住了。这篇文章我把自己实际使用PESQ的经验整理出来从原理、MATLAB实现到参数调优和踩坑记录一次性讲清楚。1. PESQ到底在评什么ITU-T P.862标准背后的感知模型刚开始接触PESQ的时候我也和很多人一样把它当成一个“输入两个wav文件输出一个分数”的黑盒子。但真正用到项目里才发现不理解算法内部的感知模型就没法判断分数是否可信更没法定位系统问题。1.1 从MOS到PESQ为什么主观评测不能直接工业化传统的语音质量评价最可靠的方式是主观试听让一批经过训练的听音员按照ITU-T P.800标准给语音打分取平均得到MOSMean Opinion Score。但主观评测的代价极高需要招募听音员、搭建符合规范的听音环境、准备大量测试语句一轮评测下来往往要耗费几天甚至几周时间。在算法迭代频繁的研发阶段这种方式根本跟不上节奏。PESQ解决的正是这个问题。它通过数学模型模拟人耳对语音的感知过程用“参考信号”和“退化信号”的差异来预测主观MOS分数。ITU-T在2001年发布了P.862标准也就是PESQ算法本身随后在2005年推出了P.862.2将PESQ的原始分数映射到MOS-LQOMean Opinion Score - Listening Quality Objective量表这个映射后的分数和主观MOS的线性相关性更高也更容易被非技术背景的决策者理解。1.2 PESQ的四个关键步骤电平调整、时间对齐、感知变换、扰动聚合理解PESQ的评分机制本质上就是理解它内部这条流水线。整个算法可以分为四个核心模块第一步是电平调整。PESQ会先计算参考信号和退化信号的功率谱密度然后按照标准听音电平79dB SPL进行增益归一化。这一步非常关键——如果你的测试信号本身响度差距很大不经过这一步直接去比波形差异结果会严重失真。我记得早期测试降噪算法时对比增强前后的响度差异PESQ分数反而下降排查后才发现是增益归一化在起作用。第二步是时间对齐。现实中的通信系统必然引入延迟比如缓冲、编解码、网络抖动。PESQ通过包络相关分析把退化信号相对于参考信号的时间偏移找出来并在感知变换前进行补偿。如果跳过或者做不好这一环节后续的扰动计算会整个错位。需要注意的是PESQ的时间对齐精度是有限的它主要用于补偿整体延迟和局部的时间漂移对于非线性的大幅时变延迟比如网络抖动引起的变速播放PESQ的表现并不好。第三步是感知变换。这一步是把时域信号变换到类似人耳听觉的频域表示具体包括短时傅里叶变换、Bark尺度频率映射、响度变换和增益补偿。这里最核心的思想是人耳对不同频率的敏感度不一样而且对声音响度的感知不是线性的。所以PESQ不是直接比较两条波形差多少而是比较人的大脑“听”到的东西差多少。第四步是扰动聚合。在感知域计算参考信号和退化信号的差异得到扰动密度disturbance density然后通过不对称处理——因为降噪信号被衰减和新增噪声信号被增强在听感上的影响是不对称的——最后在时间和频率两个维度上聚合计算出最终的PESQ分数。1.3 PESQ分数的范围与MOS-LQO映射经典PESQP.862的输出范围是-0.5到4.5但实际使用中极少出现负值。P.862.2的MOS-LQO映射则把它归一到1.02到4.64的范围更贴近主观MOS的1到5分制。很多老版本的Matlab实现直接输出的是PESQ原始分数如果你看到分数的范围在-0.5到4.5之间那基本可以确认是原始分不是MOS-LQO。注意不同实现输出的分数可能处于不同的量表上写报告或者做对比实验时务必先确认自己的PESQ工具输出的是哪个分数否则容易得出错误结论。2. MATLAB环境下的PESQ实现路径工具包选择与代码框架“语音质量客观评价PESQmatlab.rar”这类压缩包在网络上有不同版本质量参差不齐。结合我自己的实操经验MATLAB中跑PESQ主要有三种路径各有利弊。2.1 三种常用实现方式对比第一种是官方ITU-T参考实现的Matlab封装。ITU-T发布的P.862标准中有C语言参考代码有人把它编译成mex文件然后在MATLAB中调用。这类实现的优势是算法和官方完全一致结果可作为仲裁标准。缺点是编译过程比较折腾需要配置mex环境在Windows和Linux下都可能遇到编译错误。第二种是纯Matlab重写版本。这类代码完全用.m文件实现优点是跨平台、易于阅读和修改适合学习算法原理时对照P.862标准逐行分析。缺点就是慢尤其是处理长语音文件时运行时间可能是C实现的几十倍。我记得有一版纯Matlab实现处理10秒语音耗时将近3分钟批量评估数据时就比较痛苦了。第三种是直接用第三方编译好的可执行文件。比如从某些开源项目或工具包中提取的pesq.exe在MATLAB中用system命令调用。好处是速度快、和官方实现一致坏处是依赖外部文件换机器部署时可能会因为缺少动态链接库而失败。我在实际项目中最常采用的是第一种和第三种组合日常算法调试用纯Matlab或mex版本小样本验证批量评测用可执行文件加速。2.2 一个完整的Matlab调用PESQ的代码框架这里我给你一份可直接使用的Matlab脚本框架适用于调用编译好的pesq可执行文件或mex函数。假设你的目录下已经有pesq的可执行文件或者mex接口function score compute_pesq(ref_wav, deg_wav, fs) % 计算PESQ分数 % 输入: % ref_wav - 参考信号音频文件名 % deg_wav - 退化信号音频文件名 % fs - 采样率仅支持8000或16000 % 输出: % score - PESQ原始分数或MOS-LQO if fs 8000 mode 8000; elseif fs 16000 mode 16000; else error(PESQ仅支持8kHz和16kHz采样率); end % 方式一调用mex编译的pesq接口 if exist(pesq_mex, file) 3 score pesq_mex(ref_wav, deg_wav, fs); return; end % 方式二调用pesq可执行文件 cmd sprintf(pesq %s %s %s, mode, ref_wav, deg_wav); [status, cmdout] system(cmd); if status ~ 0 error(PESQ执行失败: %s, cmdout); end % 解析输出文本... % 方式三调用纯Matlab实现 % [score, ~] pesq_matlab(ref_wav, deg_wav, fs); end注意上面这段只是框架核心在于理解几个约束第一是采样率。PESQ标准只支持8kHz和16kHz两种采样率对应的就是窄带和宽带语音。如果你拿44.1kHz采样的音乐文件去做PESQ大部分实现会拒绝执行或得到无意义的结果。语音质量评估这个场景本身面向的就是电话带宽级别的语音不是音乐。第二是双声道问题。PESQ要求输入是单声道。如果你的录音是双声道处理前需要先降混downmix成单声道。实际使用中我发现即使是一个声道静音、另一个声道有声音的双声道文件直接输入PESQ也会产生很大的分数偏差因为参考和退化信号的能量分布都变了。第三是文件格式。PESQ标准定义中使用的测试文件是WAV格式PCM编码。很多实现不支持压缩格式如MP3、AAC也不支持float WAV。为了保证PESQ工具正确读取最好先把文件统一转换成16bit PCM的WAV采样率根据需求重采样到8k或16k。2.3 从压缩包到可运行常见的环境配置问题从网上下载的PESQ Matlab压缩包最常见的启动失败问题基本集中在mex编译不通过和路径不对这两件事上。如果你拿到的是需要自己编译的版本先在MATLAB中执行mex -setup确认编译器已经配置好。Windows系统需要安装MinGW-w64或Visual Studio的C编译环境Linux系统需要gcc。编译时如果报错缺少某个头文件通常是源码本身不够完整或编译脚本指向的路径不对。我个人经验是优先找已经编译好的mexw64/mexa64文件省去自己折腾编译器的过程。路径问题往往更隐蔽。PESQ工具包中可能包含多个子目录和函数文件如果你的MATLAB当前工作目录不在工具包根目录下调用时会报“Undefined function or variable”。解决方法是把整个工具包目录加入MATLAB路径addpath(genpath(你的PESQ工具包路径));还有一个性能相关的细节——mex函数的首次调用需要加载动态库所以第一次运行时会有几秒钟延迟这是正常的。如果你在循环里批量处理上百个文件建议先跑一个短文件“热热身”免得误判为卡死。3. 实际评测中的坑为什么你的PESQ分数不可信PESQ用得好不好关键不在于会不会调用而在于能不能判断分数是否可信。这部分的经验是我踩了不少坑之后总结出来的。3.1 参考信号与退化信号必须严格对齐这是PESQ使用中最容易被忽视、也是后果最严重的问题。PESQ本身虽然有时间对齐机制但它能处理的延迟范围是有限的。官方标准中PESQ可以处理的时延范围大约是正负几十毫秒级别。如果你的系统引入的延迟超过了这个范围或者由于丢包导致部分内容缺失PESQ的时间对齐机制就会失效给出的往往是异常低的分数。实际测试时有个技巧先用一个简单的正弦波或脉冲信号经过被测系统测量系统引入的延迟量。如果延迟超过PESQ能处理的范围可以在送入PESQ之前手动截齐。比如系统延迟是200ms那就把退化信号的头部去掉200ms或者把参考信号的尾部裁剪掉对应长度。但要注意手动对齐必须基于实测延迟值不能靠“感觉差不多”。3.2 幅度匹配问题为何信号太响或太轻分数都偏低PESQ在前端做了电平归一化但它的归一化是基于整个文件的长时统计不是逐帧的自动增益控制。如果被测系统存在严重的自动增益控制波动或者对不同音量的输入信号表现不一致PESQ分数也会受到明显影响。最典型的情况是评估降噪算法时降噪后的信号整体音量变低。PESQ内部虽然会补偿一部分增益差异但超出一定范围后它会把过大的增益差异视为信号失真导致分数下降。这就需要我们在PESQ评测之外额外关心语音的可懂度或响度指标。比如我的经验是先把参考信号和退化信号的RMS电平统一到同一个目标值比如-26dBov这是ITU-T语音测试常用的电平标准然后再计算PESQ。这种方法虽然会掩盖系统本身的增益问题但更能反映语音质量而不是音量差异两种思路需要结合评测目标来选择。3.3 静音段与被删除内容对PESQ的影响在评估语音活动检测VAD或丢包补偿算法时你会遇到一个现象退化信号比参考信号短了或长了。原因可能是VAD误删了语音段或系统插入了静音填充。PESQ在这种场景下会非常敏感——它检测到时间轴上的不对齐后计算出的扰动会被大幅放大分数急剧下降。这时如果还是硬跑PESQ得到的分数只能反映“对齐偏差”而不是“语音质量”。正确的做法是先用强制对齐工具比如动态时间规整对参考和退化信号做预处理把时间轴上的差异消除再做PESQ评估。但必须说明这种做法在PESQ标准的精神里并不完全合规更适合用于内部算法对比如果是为了对标行业报告里的PESQ数值还是应该按标准流程保持原始长度的输入。3.4 短语音文件PESQ的最小输入长度限制PESQ算法内部对时间对齐和频域分析的窗口设置决定了它需要一个最小的语音长度。如果输入文件太短部分实现会直接报错而有些实现虽然能跑但分数极不稳定。我的经验是低于1秒的语音文件PESQ结果基本不可信推荐至少用1.5到2秒的连续语音片段做评测并且多个片段取平均。这也是为什么语音质量测试规范中通常指定每条测试语句的时长在2到3秒之间比如ITU-T P.501中定义的测试语音材料。4. 进阶玩法把PESQ接进你的算法评测流水线解决了单个文件的PESQ计算下一步就是把它工程化变成你的算法迭代过程中的自动化评测工具。4.1 批量评测与测试集设计我的做法是在项目根目录下维护一套统一的测试语音库分为干净语音集和带噪语音集输出文件名统一为“对应关系ID”。评测脚本自动遍历整个测试集调用PESQ计算每个文件的分数最后汇总统计平均值、标准差、最小最大值。关键是测试集要有代表性包含不同性别、不同语速、不同SNR信噪比的数据才能反映算法在真实场景下的性能。下面是批量处理的伪代码逻辑function results batch_pesq_eval(test_set, output_dir) % test_set: 表格或结构体数组包含ref_path和deg_path字段 % 遍历所有测试样本计算PESQ汇总统计 n height(test_set); scores zeros(n, 1); for i 1:n try scores(i) compute_pesq(test_set.ref_path{i}, ... test_set.deg_path{i}, 16000); catch ME warning(第%d个文件计算失败: %s, i, ME.message); scores(i) NaN; end end results.mean mean(scores(~isnan(scores)), omitnan); results.std std(scores(~isnan(scores)), omitnan); results.scores scores; end这段代码里我特别加了try-catch是因为实际跑批量评测时总会碰到一两个损坏的音频文件或格式不兼容的情况。如果不在循环体内捕获异常跑了一个多小时的结果会因为你没把单次失败处理好而整体中断那种事情我遇到过好多次。4.2 PESQ与其他客观指标的配合使用PESQ虽然强大但不能覆盖所有维度。我通常把PESQ和以下几类指标配合使用一是频谱类指标比如STOI短时客观可懂度和SDR信号失真比。PESQ反映的是整体听感质量STOI更关注语音可懂度SDR则对失真类型更敏感。一个降噪算法可能在PESQ上表现平平但STOI大幅提升这说明它可能牺牲了一部分自然度但换来了可懂度的提升这在某些应用场景如助听器下是合理的。二是延迟指标。PESQ对延迟的敏感度有限但延迟是实时通信系统的核心指标。如果你的算法引入了较大的算法延迟PESQ分数可能没有太大变化但用户体验会显著下降。所以评测时要把系统延迟和PESQ分数一起记录。三是主观试听验证。即使PESQ分数很漂亮我也坚持在关键节点做一轮主观试听。PESQ本质上是统计意义上的预测模型对个别的病态case比如音乐噪声、啸叫等可能给出偏差较大的预测。4.3 处理多条件对比时的统计显著性做算法A/B对比时光比较平均PESQ是不够的。由于语音本身存在很大的个体差异测试集的大小和声学条件的不同都会影响结果。我通常会对成对样本做配对t检验或Wilcoxon符号秩检验确认A和B之间的PESQ差异是否具有统计显著性而不是被少数几个极端的样本拉偏了平均值。具体可以在MATLAB里用ttest函数[h, p] ttest(scores_A, scores_B);当p值小于0.05时才能比较自信地说新算法在PESQ维度上是显著优于基线的否则只能算是“有趋势”而非“有结论”。5. PESQ的边界与演进什么时候该换POLQA或ViSQOL虽然PESQ在语音质量评测里占据核心地位但它毕竟是为特定场景设计的有明确的技术边界。5.1 PESQ的适用边界PESQ的研发背景是基于传统电话网络的窄带语音质量评估它在宽带16kHz采样率语音上的效果并没有窄带那么好。虽然P.862.2扩展到了宽带但算法的核心感知模型仍然是为传统语音设计的对采样率高于16kHz的信号、对立体声、对音乐信号PESQ基本不适用。另外PESQ对非线性处理比如谐波失真的评估也偏弱因为它的感知模型假设的是线性或近线性损伤。5.2 新一代替代方案POLQA、ViSQOL、DNSMOSITU-T在2011年发布了P.863标准即POLQAPerceptual Objective Listening Quality Analysis用于取代PESQ。POLQA支持最高48kHz采样率对宽带超宽带语音的评估效果更好对非线性失真的鲁棒性也更强。但POLQA是付费标准学术和工业界使用需要授权费用。开源的方案里Google的DNSMOS是近年来值得关注的新秀。它是一个基于深度神经网络的语音质量评估模型对真实场景中的降噪增强处理有更好的鲁棒性尤其是对音乐噪声和非平稳噪声的评估。ViSQOLVirtual Speech Quality Objective Listener是另一个选择它基于神经科学中的语音感知模型对超宽带和全频带语音支持更好。在具体项目中我的选择逻辑是如果是窄带电话语音场景且需要和文献中的历史数据对比用PESQ如果是宽带或超宽带场景且预算允许用POLQA如果是实时通信降噪算法评估且关心的是在真实噪声环境下的表现用DNSMOS作为补充参考。5.3 最后分享一个实用小技巧如果你需要在自己的论文或报告中引用PESQ结果务必写清楚版本信息比如“采用ITU-T P.862.2标准基于8kHz采样率语音输出MOS-LQO分数”。很多审稿人对指标来源和版本非常敏感表述不清会被质疑实验的可复现性。我自己实际用下来的体会是PESQ运行本身并不难难点在于理解它的输出在什么条件下才是可信的、如何设计一个合理的评测流程。如果一上来就盲目把PESQ当万能评价指标很快你就会遇到分数忽高忽低、怎么都和主观听感对不上的情况。先搞懂原理再设计实验最后才是堆代码批量跑分数这套顺序不应该反过来。本文还有配套的精品资源点击获取
PESQ语音质量评估原理与MATLAB实战：从指标到工程落地
简介语音质量客观评价PESQMATLAB实现包面向电信、语音编码及音频处理领域的工程师、科研人员与高年级学生用于量化语音经编码、传输或增强后与原始语音的感知差异。包内共9个文件、约1.73MB结构紧凑含可直接运行的MATLAB主脚本和PESQ二进制调用封装函数内置参考语音与处理后语音的WAV样本附官方pesq.exe工具、使用说明TXT、结果对比XLS及Word文档覆盖路径配置、运行评估、结果导出的完整流程。目前已有2050人学习适合正在开展语音质量评测或需要标准感知评分方法的开发者快速上手。通过内置样本和注释脚本读者可深入理解PESQ的心理声学原理、调用方式与分数解读也可直接替换音频文件对自有编解码或增强算法进行客观评分为算法优化提供量化依据。 做语音质量评价这几年PESQ几乎是每个语音算法工程师都绕不开的工具。不管是评估降噪效果、回声消除质量还是编解码器的音质损伤PESQPerceptual Evaluation of Speech Quality感知语音质量评估都是行业里最常被引用的客观指标之一。看到那个“语音质量客观评价PESQmatlab.rar”的资源包在网络上流传很广但很多人拿到手之后只是会跑个demo遇到分数异常、程序报错就卡住了。这篇文章我把自己实际使用PESQ的经验整理出来从原理、MATLAB实现到参数调优和踩坑记录一次性讲清楚。1. PESQ到底在评什么ITU-T P.862标准背后的感知模型刚开始接触PESQ的时候我也和很多人一样把它当成一个“输入两个wav文件输出一个分数”的黑盒子。但真正用到项目里才发现不理解算法内部的感知模型就没法判断分数是否可信更没法定位系统问题。1.1 从MOS到PESQ为什么主观评测不能直接工业化传统的语音质量评价最可靠的方式是主观试听让一批经过训练的听音员按照ITU-T P.800标准给语音打分取平均得到MOSMean Opinion Score。但主观评测的代价极高需要招募听音员、搭建符合规范的听音环境、准备大量测试语句一轮评测下来往往要耗费几天甚至几周时间。在算法迭代频繁的研发阶段这种方式根本跟不上节奏。PESQ解决的正是这个问题。它通过数学模型模拟人耳对语音的感知过程用“参考信号”和“退化信号”的差异来预测主观MOS分数。ITU-T在2001年发布了P.862标准也就是PESQ算法本身随后在2005年推出了P.862.2将PESQ的原始分数映射到MOS-LQOMean Opinion Score - Listening Quality Objective量表这个映射后的分数和主观MOS的线性相关性更高也更容易被非技术背景的决策者理解。1.2 PESQ的四个关键步骤电平调整、时间对齐、感知变换、扰动聚合理解PESQ的评分机制本质上就是理解它内部这条流水线。整个算法可以分为四个核心模块第一步是电平调整。PESQ会先计算参考信号和退化信号的功率谱密度然后按照标准听音电平79dB SPL进行增益归一化。这一步非常关键——如果你的测试信号本身响度差距很大不经过这一步直接去比波形差异结果会严重失真。我记得早期测试降噪算法时对比增强前后的响度差异PESQ分数反而下降排查后才发现是增益归一化在起作用。第二步是时间对齐。现实中的通信系统必然引入延迟比如缓冲、编解码、网络抖动。PESQ通过包络相关分析把退化信号相对于参考信号的时间偏移找出来并在感知变换前进行补偿。如果跳过或者做不好这一环节后续的扰动计算会整个错位。需要注意的是PESQ的时间对齐精度是有限的它主要用于补偿整体延迟和局部的时间漂移对于非线性的大幅时变延迟比如网络抖动引起的变速播放PESQ的表现并不好。第三步是感知变换。这一步是把时域信号变换到类似人耳听觉的频域表示具体包括短时傅里叶变换、Bark尺度频率映射、响度变换和增益补偿。这里最核心的思想是人耳对不同频率的敏感度不一样而且对声音响度的感知不是线性的。所以PESQ不是直接比较两条波形差多少而是比较人的大脑“听”到的东西差多少。第四步是扰动聚合。在感知域计算参考信号和退化信号的差异得到扰动密度disturbance density然后通过不对称处理——因为降噪信号被衰减和新增噪声信号被增强在听感上的影响是不对称的——最后在时间和频率两个维度上聚合计算出最终的PESQ分数。1.3 PESQ分数的范围与MOS-LQO映射经典PESQP.862的输出范围是-0.5到4.5但实际使用中极少出现负值。P.862.2的MOS-LQO映射则把它归一到1.02到4.64的范围更贴近主观MOS的1到5分制。很多老版本的Matlab实现直接输出的是PESQ原始分数如果你看到分数的范围在-0.5到4.5之间那基本可以确认是原始分不是MOS-LQO。注意不同实现输出的分数可能处于不同的量表上写报告或者做对比实验时务必先确认自己的PESQ工具输出的是哪个分数否则容易得出错误结论。2. MATLAB环境下的PESQ实现路径工具包选择与代码框架“语音质量客观评价PESQmatlab.rar”这类压缩包在网络上有不同版本质量参差不齐。结合我自己的实操经验MATLAB中跑PESQ主要有三种路径各有利弊。2.1 三种常用实现方式对比第一种是官方ITU-T参考实现的Matlab封装。ITU-T发布的P.862标准中有C语言参考代码有人把它编译成mex文件然后在MATLAB中调用。这类实现的优势是算法和官方完全一致结果可作为仲裁标准。缺点是编译过程比较折腾需要配置mex环境在Windows和Linux下都可能遇到编译错误。第二种是纯Matlab重写版本。这类代码完全用.m文件实现优点是跨平台、易于阅读和修改适合学习算法原理时对照P.862标准逐行分析。缺点就是慢尤其是处理长语音文件时运行时间可能是C实现的几十倍。我记得有一版纯Matlab实现处理10秒语音耗时将近3分钟批量评估数据时就比较痛苦了。第三种是直接用第三方编译好的可执行文件。比如从某些开源项目或工具包中提取的pesq.exe在MATLAB中用system命令调用。好处是速度快、和官方实现一致坏处是依赖外部文件换机器部署时可能会因为缺少动态链接库而失败。我在实际项目中最常采用的是第一种和第三种组合日常算法调试用纯Matlab或mex版本小样本验证批量评测用可执行文件加速。2.2 一个完整的Matlab调用PESQ的代码框架这里我给你一份可直接使用的Matlab脚本框架适用于调用编译好的pesq可执行文件或mex函数。假设你的目录下已经有pesq的可执行文件或者mex接口function score compute_pesq(ref_wav, deg_wav, fs) % 计算PESQ分数 % 输入: % ref_wav - 参考信号音频文件名 % deg_wav - 退化信号音频文件名 % fs - 采样率仅支持8000或16000 % 输出: % score - PESQ原始分数或MOS-LQO if fs 8000 mode 8000; elseif fs 16000 mode 16000; else error(PESQ仅支持8kHz和16kHz采样率); end % 方式一调用mex编译的pesq接口 if exist(pesq_mex, file) 3 score pesq_mex(ref_wav, deg_wav, fs); return; end % 方式二调用pesq可执行文件 cmd sprintf(pesq %s %s %s, mode, ref_wav, deg_wav); [status, cmdout] system(cmd); if status ~ 0 error(PESQ执行失败: %s, cmdout); end % 解析输出文本... % 方式三调用纯Matlab实现 % [score, ~] pesq_matlab(ref_wav, deg_wav, fs); end注意上面这段只是框架核心在于理解几个约束第一是采样率。PESQ标准只支持8kHz和16kHz两种采样率对应的就是窄带和宽带语音。如果你拿44.1kHz采样的音乐文件去做PESQ大部分实现会拒绝执行或得到无意义的结果。语音质量评估这个场景本身面向的就是电话带宽级别的语音不是音乐。第二是双声道问题。PESQ要求输入是单声道。如果你的录音是双声道处理前需要先降混downmix成单声道。实际使用中我发现即使是一个声道静音、另一个声道有声音的双声道文件直接输入PESQ也会产生很大的分数偏差因为参考和退化信号的能量分布都变了。第三是文件格式。PESQ标准定义中使用的测试文件是WAV格式PCM编码。很多实现不支持压缩格式如MP3、AAC也不支持float WAV。为了保证PESQ工具正确读取最好先把文件统一转换成16bit PCM的WAV采样率根据需求重采样到8k或16k。2.3 从压缩包到可运行常见的环境配置问题从网上下载的PESQ Matlab压缩包最常见的启动失败问题基本集中在mex编译不通过和路径不对这两件事上。如果你拿到的是需要自己编译的版本先在MATLAB中执行mex -setup确认编译器已经配置好。Windows系统需要安装MinGW-w64或Visual Studio的C编译环境Linux系统需要gcc。编译时如果报错缺少某个头文件通常是源码本身不够完整或编译脚本指向的路径不对。我个人经验是优先找已经编译好的mexw64/mexa64文件省去自己折腾编译器的过程。路径问题往往更隐蔽。PESQ工具包中可能包含多个子目录和函数文件如果你的MATLAB当前工作目录不在工具包根目录下调用时会报“Undefined function or variable”。解决方法是把整个工具包目录加入MATLAB路径addpath(genpath(你的PESQ工具包路径));还有一个性能相关的细节——mex函数的首次调用需要加载动态库所以第一次运行时会有几秒钟延迟这是正常的。如果你在循环里批量处理上百个文件建议先跑一个短文件“热热身”免得误判为卡死。3. 实际评测中的坑为什么你的PESQ分数不可信PESQ用得好不好关键不在于会不会调用而在于能不能判断分数是否可信。这部分的经验是我踩了不少坑之后总结出来的。3.1 参考信号与退化信号必须严格对齐这是PESQ使用中最容易被忽视、也是后果最严重的问题。PESQ本身虽然有时间对齐机制但它能处理的延迟范围是有限的。官方标准中PESQ可以处理的时延范围大约是正负几十毫秒级别。如果你的系统引入的延迟超过了这个范围或者由于丢包导致部分内容缺失PESQ的时间对齐机制就会失效给出的往往是异常低的分数。实际测试时有个技巧先用一个简单的正弦波或脉冲信号经过被测系统测量系统引入的延迟量。如果延迟超过PESQ能处理的范围可以在送入PESQ之前手动截齐。比如系统延迟是200ms那就把退化信号的头部去掉200ms或者把参考信号的尾部裁剪掉对应长度。但要注意手动对齐必须基于实测延迟值不能靠“感觉差不多”。3.2 幅度匹配问题为何信号太响或太轻分数都偏低PESQ在前端做了电平归一化但它的归一化是基于整个文件的长时统计不是逐帧的自动增益控制。如果被测系统存在严重的自动增益控制波动或者对不同音量的输入信号表现不一致PESQ分数也会受到明显影响。最典型的情况是评估降噪算法时降噪后的信号整体音量变低。PESQ内部虽然会补偿一部分增益差异但超出一定范围后它会把过大的增益差异视为信号失真导致分数下降。这就需要我们在PESQ评测之外额外关心语音的可懂度或响度指标。比如我的经验是先把参考信号和退化信号的RMS电平统一到同一个目标值比如-26dBov这是ITU-T语音测试常用的电平标准然后再计算PESQ。这种方法虽然会掩盖系统本身的增益问题但更能反映语音质量而不是音量差异两种思路需要结合评测目标来选择。3.3 静音段与被删除内容对PESQ的影响在评估语音活动检测VAD或丢包补偿算法时你会遇到一个现象退化信号比参考信号短了或长了。原因可能是VAD误删了语音段或系统插入了静音填充。PESQ在这种场景下会非常敏感——它检测到时间轴上的不对齐后计算出的扰动会被大幅放大分数急剧下降。这时如果还是硬跑PESQ得到的分数只能反映“对齐偏差”而不是“语音质量”。正确的做法是先用强制对齐工具比如动态时间规整对参考和退化信号做预处理把时间轴上的差异消除再做PESQ评估。但必须说明这种做法在PESQ标准的精神里并不完全合规更适合用于内部算法对比如果是为了对标行业报告里的PESQ数值还是应该按标准流程保持原始长度的输入。3.4 短语音文件PESQ的最小输入长度限制PESQ算法内部对时间对齐和频域分析的窗口设置决定了它需要一个最小的语音长度。如果输入文件太短部分实现会直接报错而有些实现虽然能跑但分数极不稳定。我的经验是低于1秒的语音文件PESQ结果基本不可信推荐至少用1.5到2秒的连续语音片段做评测并且多个片段取平均。这也是为什么语音质量测试规范中通常指定每条测试语句的时长在2到3秒之间比如ITU-T P.501中定义的测试语音材料。4. 进阶玩法把PESQ接进你的算法评测流水线解决了单个文件的PESQ计算下一步就是把它工程化变成你的算法迭代过程中的自动化评测工具。4.1 批量评测与测试集设计我的做法是在项目根目录下维护一套统一的测试语音库分为干净语音集和带噪语音集输出文件名统一为“对应关系ID”。评测脚本自动遍历整个测试集调用PESQ计算每个文件的分数最后汇总统计平均值、标准差、最小最大值。关键是测试集要有代表性包含不同性别、不同语速、不同SNR信噪比的数据才能反映算法在真实场景下的性能。下面是批量处理的伪代码逻辑function results batch_pesq_eval(test_set, output_dir) % test_set: 表格或结构体数组包含ref_path和deg_path字段 % 遍历所有测试样本计算PESQ汇总统计 n height(test_set); scores zeros(n, 1); for i 1:n try scores(i) compute_pesq(test_set.ref_path{i}, ... test_set.deg_path{i}, 16000); catch ME warning(第%d个文件计算失败: %s, i, ME.message); scores(i) NaN; end end results.mean mean(scores(~isnan(scores)), omitnan); results.std std(scores(~isnan(scores)), omitnan); results.scores scores; end这段代码里我特别加了try-catch是因为实际跑批量评测时总会碰到一两个损坏的音频文件或格式不兼容的情况。如果不在循环体内捕获异常跑了一个多小时的结果会因为你没把单次失败处理好而整体中断那种事情我遇到过好多次。4.2 PESQ与其他客观指标的配合使用PESQ虽然强大但不能覆盖所有维度。我通常把PESQ和以下几类指标配合使用一是频谱类指标比如STOI短时客观可懂度和SDR信号失真比。PESQ反映的是整体听感质量STOI更关注语音可懂度SDR则对失真类型更敏感。一个降噪算法可能在PESQ上表现平平但STOI大幅提升这说明它可能牺牲了一部分自然度但换来了可懂度的提升这在某些应用场景如助听器下是合理的。二是延迟指标。PESQ对延迟的敏感度有限但延迟是实时通信系统的核心指标。如果你的算法引入了较大的算法延迟PESQ分数可能没有太大变化但用户体验会显著下降。所以评测时要把系统延迟和PESQ分数一起记录。三是主观试听验证。即使PESQ分数很漂亮我也坚持在关键节点做一轮主观试听。PESQ本质上是统计意义上的预测模型对个别的病态case比如音乐噪声、啸叫等可能给出偏差较大的预测。4.3 处理多条件对比时的统计显著性做算法A/B对比时光比较平均PESQ是不够的。由于语音本身存在很大的个体差异测试集的大小和声学条件的不同都会影响结果。我通常会对成对样本做配对t检验或Wilcoxon符号秩检验确认A和B之间的PESQ差异是否具有统计显著性而不是被少数几个极端的样本拉偏了平均值。具体可以在MATLAB里用ttest函数[h, p] ttest(scores_A, scores_B);当p值小于0.05时才能比较自信地说新算法在PESQ维度上是显著优于基线的否则只能算是“有趋势”而非“有结论”。5. PESQ的边界与演进什么时候该换POLQA或ViSQOL虽然PESQ在语音质量评测里占据核心地位但它毕竟是为特定场景设计的有明确的技术边界。5.1 PESQ的适用边界PESQ的研发背景是基于传统电话网络的窄带语音质量评估它在宽带16kHz采样率语音上的效果并没有窄带那么好。虽然P.862.2扩展到了宽带但算法的核心感知模型仍然是为传统语音设计的对采样率高于16kHz的信号、对立体声、对音乐信号PESQ基本不适用。另外PESQ对非线性处理比如谐波失真的评估也偏弱因为它的感知模型假设的是线性或近线性损伤。5.2 新一代替代方案POLQA、ViSQOL、DNSMOSITU-T在2011年发布了P.863标准即POLQAPerceptual Objective Listening Quality Analysis用于取代PESQ。POLQA支持最高48kHz采样率对宽带超宽带语音的评估效果更好对非线性失真的鲁棒性也更强。但POLQA是付费标准学术和工业界使用需要授权费用。开源的方案里Google的DNSMOS是近年来值得关注的新秀。它是一个基于深度神经网络的语音质量评估模型对真实场景中的降噪增强处理有更好的鲁棒性尤其是对音乐噪声和非平稳噪声的评估。ViSQOLVirtual Speech Quality Objective Listener是另一个选择它基于神经科学中的语音感知模型对超宽带和全频带语音支持更好。在具体项目中我的选择逻辑是如果是窄带电话语音场景且需要和文献中的历史数据对比用PESQ如果是宽带或超宽带场景且预算允许用POLQA如果是实时通信降噪算法评估且关心的是在真实噪声环境下的表现用DNSMOS作为补充参考。5.3 最后分享一个实用小技巧如果你需要在自己的论文或报告中引用PESQ结果务必写清楚版本信息比如“采用ITU-T P.862.2标准基于8kHz采样率语音输出MOS-LQO分数”。很多审稿人对指标来源和版本非常敏感表述不清会被质疑实验的可复现性。我自己实际用下来的体会是PESQ运行本身并不难难点在于理解它的输出在什么条件下才是可信的、如何设计一个合理的评测流程。如果一上来就盲目把PESQ当万能评价指标很快你就会遇到分数忽高忽低、怎么都和主观听感对不上的情况。先搞懂原理再设计实验最后才是堆代码批量跑分数这套顺序不应该反过来。本文还有配套的精品资源点击获取 
