Grundlagen
Warum Sprachqualität messen?
Codecs, Paketverlust, Jitter, Transcodierung zwischen Netzen, Echo und Pegelprobleme verschlechtern die Sprachqualität, ohne dass klassische Netzzähler es bemerken.
Die Messung der Sprachqualität liefert einen reproduzierbaren Wert, der sich über Netze und Technologien hinweg vergleichen und für SLAs verwenden lässt.
Vom Hörtest zum Algorithmus
Massstab ist das menschliche Urteil. In einem Hörtest nach ITU-T P.800 bewertet eine Gruppe von Testhörern Sprachproben auf einer fünfstufigen Skala; der Mittelwert ist der Mean Opinion Score (MOS).
| MOS | Qualität | Höranstrengung |
|---|---|---|
| 5 | Ausgezeichnet | Völlige Entspannung möglich |
| 4 | Gut | Aufmerksamkeit nötig, keine nennenswerte Anstrengung |
| 3 | Ordentlich | Mässige Anstrengung |
| 2 | Dürftig | Erhebliche Anstrengung |
| 1 | Schlecht | Trotz aller zumutbaren Anstrengung nichts verstanden |
Hörtests sind langsam und teuer. Objektive Modelle sagen automatisch und rund um die Uhr voraus, welchen MOS die Testhörer vergeben würden. Das Ergebnis heisst MOS-LQO (Listening Quality Objective).
Messung mit Referenzsignal
Am genauesten ist die intrusive Messung mit Referenzsignal (Full Reference): Eine bekannte Sprachprobe wird durch die Verbindung geschickt und am anderen Ende aufgezeichnet; ein Wahrnehmungsmodell des menschlichen Hörens und Verstehens vergleicht die beeinträchtigte Aufnahme mit dem Original. So arbeiten PESQ® und POLQA®.
-
Referenzprobe
Eine bekannte Sprachprobe wird gesendet.
-
Durch die Verbindung
Über den Weg, den auch das Gespräch eines Kunden nimmt.
-
Am anderen Ende aufgezeichnet
Die beeinträchtigte Aufnahme kommt an.
-
Mit dem Original verglichen
Ein Wahrnehmungsmodell des Hörens und Verstehens sagt den MOS-LQO voraus.
Andere Verfahren ergänzen sie:
- Parametrische Planungsmodelle
- Modelle wie das E-Modell nach ITU-T G.107 schätzen die Qualität (R-Faktor) aus Netzparametern wie Verzögerung, Verlust und Codec. Nützlich für Planung und VoIP-Monitoring; das Sprachsignal selbst werten sie nicht aus.
- Nicht-intrusive Modelle (ohne Referenz)
- Sie beurteilen den laufenden Verkehr ohne Referenzsignal. Sie brauchen keine Testanrufe, sind aber weniger genau.
PESQ®
- 2001 als ITU-T P.862 standardisiert, für Schmalband-Telefonie (300 bis 3400 Hz).
- P.862.1 bildet den Rohwert auf die MOS-LQO-Skala ab; P.862.2 erweitert PESQ® auf Breitband-Sprache.
- PESQ® war über viele Jahre der Industriestandard für das Benchmarking von Festnetz, Mobilfunk und VoIP.
- Grenzen: entwickelt vor HD Voice und modernen Codecs; weniger zuverlässig bei Zeitverzerrung, Paketverlust-Verschleierung und Breitband- oder Super-Breitband-Signalen.
- Im Januar 2024 von der ITU-T zurückgezogen, zugunsten von P.863 (POLQA®). Weil ein grosser Teil der historischen Daten auf PESQ® beruht, bleibt es für Langzeitvergleiche im Einsatz.
POLQA®
- 2011 als ITU-T P.863 standardisiert, der Nachfolger von PESQ®.
- Deckt Schmalband bis Super-Breitband / Fullband ab und ist damit die Referenz für HD Voice, VoLTE, VoWiFi und moderne VoIP-Codecs.
- POLQA® kommt mit Effekten zurecht, die PESQ® Schwierigkeiten bereiten: zeitliche Dehnung und Stauchung, schwankende Verzögerung und moderne Paketverlust-Verschleierung.
- Seit dem Rückzug von P.862 das Modell der ITU-T für die Hörqualität mit Referenzsignal, empfohlen für alle neuen Messkampagnen.
AnchorMOS
Ein eigenes Mass für Sprachqualität
AnchorMOS ist das eigene Verfahren von x-fabric, um die Sprachqualität von HD-Voice-Gesprächen zu bewerten. Wie PESQ® und POLQA® ist es eine Messung mit Referenzsignal: Eine bekannte Sprachprobe wird durch die Verbindung geschickt, und die Aufnahme vom anderen Ende wird mit dem Original verglichen. Das Ergebnis ist ein MOS auf der vertrauten fünfstufigen Skala.
- Von x-fabric selbst entwickelt, ohne Abhängigkeit von einem patentgeschützten Bewertungsalgorithmus.
- Auf die Bedingungen in realen Netzen statt auf Laborbedingungen abgestimmt.
- AnchorMOS liegt bei 997 von 1.000 Testanrufen weniger als einen Zehntelpunkt neben dem Referenzverfahren.
- Lässt sich in der Auswertungskette von mosprobe parallel zu PESQ® und POLQA® einsetzen, sodass alle drei Werte nebeneinander vorliegen.
Was eine gute Messung braucht
Fragen und Antworten
Messwerte verstehen
Welcher MOS-Wert ist gut?
Das hängt vom Modell und seinem Modus ab; ein Wert ist nur zusammen mit dem Verfahren aussagekräftig, mit dem er ermittelt wurde. Als Anhaltspunkt für Schmalband-Telefonie: Mit POLQA® im Schmalband-Modus erreicht ein ungestörtes G.711-Gespräch etwa 4,3, ein Mobilfunkgespräch mit AMR bei 12,2 kbit/s etwa 4,2. Die Qualitätsklassen der ITU-T für die Netzplanung (G.109) zählen Nutzer ab etwa 4,0 als zufrieden; zwischen 3,6 und 4,0 sind einige unzufrieden, unter 3,6 viele.
Im Super-Breitband- oder Fullband-Modus liegen dieselben Gespräche tiefer, weil die fehlende Bandbreite als Mangel zählt. Dort erreicht eine unverfälschte Übertragung 4,75.
Warum erreicht keine Messung einen MOS von 5?
Weil auch Testhörer selten eine 5 vergeben. Selbst eine unverfälschte Aufnahme kommt im Hörtest im Mittel auf rund 4,5, denn nicht jeder Hörer gibt ihr die Bestnote. Objektive Modelle sind darauf trainiert, diese Urteile vorherzusagen, und haben deshalb dieselbe Obergrenze: PESQ® und POLQA® im Schmalband-Modus enden bei etwa 4,5, POLQA® im Super-Breitband-Modus bei 4,75. Ein Schmalband-Wert von 4,4 liegt also nahe an dem, was ein Gespräch bestenfalls erreicht.
Lassen sich Werte von PESQ® und POLQA® vergleichen?
Nicht direkt. Es sind verschiedene Modelle, an unterschiedlichen Daten validiert, und sie reagieren unterschiedlich auf moderne Codecs, zeitliche Verzerrung und Paketverlust-Verschleierung. Selbst POLQA® bewertet auf zwei Skalen: Dasselbe G.711-Gespräch erreicht im Schmalband-Modus etwa 4,3, im Super-Breitband-Modus etwa 3,5.
Zu jedem Ergebnis gehören deshalb Modell und Modus. Wer von PESQ® auf POLQA® umstellt, misst eine Zeit lang beides, um die alte Messreihe an die neue anzuschliessen.
Was bedeuten MOS-LQS, MOS-LQO und MOS-CQE?
ITU-T P.800.1 kennzeichnet jeden MOS danach, was bewertet wurde und woher die Zahl stammt. LQ steht für Hörqualität (Listening Quality), CQ für Gesprächsqualität (Conversational Quality), die auch Verzögerung und Echo berücksichtigt. Der letzte Buchstabe nennt die Quelle: S für einen subjektiven Test mit Testhörern, O für ein objektives Modell, das das Signal auswertet, etwa PESQ® oder POLQA®, und E für eine Schätzung aus Netzparametern, etwa mit dem E-Modell. Ein Ergebnis von POLQA® ist ein MOS-LQO, eines des E-Modells ein MOS-CQE.
Das richtige Verfahren
PESQ® oder POLQA®: Welches Verfahren wofür?
Für neue Messungen POLQA® (ITU-T P.863): Die ITU-T hat PESQ® (P.862) im Januar 2024 zurückgezogen und verweist seither auf P.863. POLQA® deckt Schmalband bis Fullband ab, kommt mit modernen Codecs wie AMR-WB, EVS und Opus zurecht und verkraftet zeitliche Verzerrung und schwankende Verzögerung; die aktuelle Ausgabe von 2018 wertet das ganze Hörspektrum bis 20 kHz aus. PESQ® bleibt nützlich, wo lange Messreihen auf PESQ®-Basis vergleichbar bleiben müssen, vor allem in Schmalband-Netzen.
Was bedeuten Schmalband, Breitband, Super-Breitband und Fullband?
Sie beschreiben, wie viel vom Tonspektrum ein Gespräch überträgt. Je breiter das Band, desto natürlicher und verständlicher klingt die Stimme.
| Band | Frequenzen | Typische Codecs |
|---|---|---|
| Schmalbandklassische Telefonie | 300–3400 Hz | G.711, AMR-NB |
| BreitbandHD Voice | 50–7000 Hz | G.722, AMR-WB |
| Super-Breitband | 50–14000 Hz | EVS, Opus |
| Fullband | 20–20000 Hz | EVS, Opus |
Schmalband ist, was analoge Anschlüsse, ISDN und ältere Mobilfunknetze übertragen. HD Voice meint meist Breitband; EVS in VoLTE geht darüber hinaus.
Wie misst man HD Voice, VoLTE und VoWiFi?
Mit POLQA® im Fullband- oder Super-Breitband-Modus, nicht im Schmalband-Modus, dessen Skala das breitere Band nicht belohnt, und mit Referenzsprache, die in voller Bandbreite aufgenommen und mit 48 kHz abgetastet ist. Gemessen wird Ende zu Ende, einschliesslich der Netzübergänge: Wird ein Gespräch unterwegs irgendwo auf Schmalband transcodiert, ist der HD-Vorteil weg, und der Wert zeigt es. Veröffentlichte typische Werte im Super-Breitband-Modus sind etwa 3,8 für ein AMR-WB-Gespräch und etwa 3,5 für G.711.
VoLTE und VoWiFi nutzen dieselben IMS-Sprachcodecs, AMR-WB und EVS, und werden deshalb gleich gemessen, in beide Richtungen.
Wann reicht eine Messung ohne Referenzsignal?
Eine Messung ohne Referenzsignal eignet sich, wenn grosse Mengen echter Gespräche beobachtet werden und kein Benchmarking nötig ist. Modelle ohne Referenz wie ITU-T P.563, gemacht für Schmalband, beurteilen ein empfangenes Signal für sich allein; parametrische Modelle schätzen die Qualität aus Paketdaten wie Verlust, Jitter und Codec, ohne das Sprachsignal auszuwerten. Beide brauchen keine Testanrufe, sind aber weniger genau als eine Messung mit Referenzsignal und können nicht erkennen, ob ankommt, was gesagt wurde.
Wie hängen R-Faktor und MOS zusammen?
Der R-Faktor ist das Ergebnis des E-Modells nach ITU-T G.107, eines Planungswerkzeugs, das Beeinträchtigungen durch Verzögerung, Echo, Paketverlust und Codec von einem Höchstwert von 100 für Schmalband abzieht. G.107 rechnet R in einen geschätzten MOS um (MOS-CQE): R 80 entspricht etwa 4,0, R 70 etwa 3,6 und R 50 etwa 2,6. Eine ungestörte Schmalband-Verbindung erreicht R 93,2, etwa MOS 4,4; das Breitband-E-Modell (G.107.1) erweitert die Skala bis 129.
In der Praxis
Welche Sprachproben verwendet man?
Man verwendet natürliche, aufgenommene Sprache in kurzen Sätzen von Sprecherinnen und Sprechern, mit natürlichen Pausen und definiertem Pegel, anstelle von Tönen oder synthetischen Signalen. ITU-T P.501 stellt solche Sprachdateien in mehreren Sprachen frei zum Herunterladen bereit, und der Anwendungsleitfaden ITU-T P.863.1 erklärt, wie viel Material man braucht und welche Pegel man einstellt.
Andere Proben ergeben andere Werte; eine Messkampagne verwendet deshalb durchgehend dieselben Sprachproben.
Warum reichen gute Netzwerte wie Paketverlust und Jitter nicht?
Weil sie Pakete beschreiben, nicht Sprache. Ein Jitter-Puffer gleicht Jitter auf Kosten der Verzögerung aus, Paketverlust-Verschleierung überdeckt Verluste, und dieselbe Verlustrate klingt je nach Codec anders und je nachdem, ob Pakete einzeln oder in Serien verloren gehen. Transcodierung, Echo, falsche Pegel, Übersteuerung, Rauschunterdrückung und Gespräche, in denen nur eine Seite die andere hört, tauchen in Paketstatistiken gar nicht auf.
Was ist mit Verzögerung und Echo?
Modelle für die Hörqualität wie PESQ® und POLQA® richten die Aufnahme zeitlich an der Referenz aus und bewerten nur, was zu hören ist. Verzögerung bestrafen sie nicht, und das eigene Echo des Sprechers erreicht die Aufnahme am anderen Ende nie; beides muss man deshalb gesondert messen.
Nach ITU-T G.114 erleben die meisten Anwendungen unterhalb von 150 ms Einwegverzögerung, gemessen von Mund zu Ohr, eine praktisch ungestörte Interaktion; 400 ms sollten in der Netzplanung nicht überschritten werden. Echo stört umso mehr, je länger die Verzögerung ist.