标准规范下载简介
GB／T31070.3-2021 楼寓对讲系统 第3部分：特定应用技术要求.pdfGB/T 31070.32021
A.2声环境功能区等级要求
按应用场景不同，系统应确定各组成部分的声环境功能区，对应建筑物外部及内部不同应用环境的 声环境功能区等级应符合表A.2的规定
对应建筑外部及建筑内部声环境功能区等级要
注：地铁/动车车厢对讲SIU、工业企业车间及赠杂区域对讲SIU及办公区域对讲SIU的安装应用环境超出建筑 内部声环境功能区等级要求3建筑工程施工方案，因此按建筑外部声环境功能区等级进行要求。其他未列出的系统可根据实际 应用场景选择合适的声功能环境区等级。
GB/T 31070.32021
表A.3其他特性要求
注1：○必要项；可选择项；一不做要求。I/Ⅱ/Ⅲ/IV为必要项的对应级别。 注2：盐雾循环耐久性为推荐性，根据产品特点宜选择符合I级或ⅡI级要求；UV防护适应性为推荐性，
GB/T31070.32021
除特别声明外，声环境功能区场景噪声仿真试验环境应符合： 扬声器数量：5个（其中1个为重低音扬声器）； 房间面积：2.5×3m²~3.5×4m； 房间高度：2.20m~2.50m； 房间混响时间：在200Hz～8000Hz的混响时间应≤0.7s，且应≥0.2s； 本底噪声≤30dB(A）
B.2.1扬声器阵列的摆放位置如图B.1所示，
附录B （规范性附录） 声环境功能区场景噪声仿真试验环境要求
图B.1仿真试验环境中的扬声器阵列摆放位置
试验环境中的扬声器阵列
B.2.2音频测试装置应摆放在仿真环境中心位量 2.5m之间，如图B.1所示为2m。 B.2.3相邻位置的扬声器距离应一致，按正方形4个顶点位置摆放。 B.2.4扬声器摆放高度应与音频测试装置声音采集点的高度一致，误差应在土15cm之间。 B.2.5重低音扬声器参考图B.1的位置摆放，
2音频测试装置应摆放在仿真环境中心位 m之间，如图B.1所示为2m。 3相邻位置的扬声器距离应一致，按正方形4个顶点位置摆放。 4扬声器摆放高度应与音频测试装置声音采集点的高度一致，误差应在土15cm之间。 5重低音扬声器参考图B.1的位置摆放
B.3.1阵列校准示意图
扬声器阵列校准示意图如图B.2所示。
GB/T 31070.32021
B.3.2扬声器单独校准
图B.2扬声器阵列校准示意图
3.3.2.1应按左前、左后、右前、右后顺序分别对阵列扬声器进行校准。阵列扬声器校准频率范围为 20Hz~20kHz。重低音扬声器的校准频率范围应为：30Hz~120Hz。 3.3.2.2扬声器声压级相对原始噪声源的声压级低6dB 3.3.2.3校准时可通过补偿滤波器补偿扬声器频响，以满足校准要求。补偿滤波器信号幅度应≤9dB 补偿滤波器的频响应满足公式（B.1）：
Hro(f)=Hrs(f)
B.3.2.4采用粉伪随机噪声作为校准信号。将校准信号通过高通滤波器（120Hz)输人至阵列扬声器 播放，播放时长应不小于2s，同时用音频测试装置采集播放的噪声。 B.3.2.5扬声器频响在120Hz～20kHz频率范围内应是平坦的，允许容差在士3dB之间。如图B.3 所示。通过公式（B.2）录制噪声和原始噪声的功率密度谱比值：
His(f)= Sis (J) Sn(f)
频程分析，S（f)原始噪声功率谱，SLs（f)录制噪声功率
GB/T31070.3—2021
图B.3阵列扬声器频响曲线允许容差示意图
B.3.3.1完成B.3.2扬声器单独校准后，应再进行扬声器阵列的阵列校准，即4个阵列扬声器同时播 放，方法与B.3.2相同。 B.3.3.2如某个阵列扬声器的单独校准不满足要求，应重新调整补偿滤波器。 B.3.3.3阵列校准的频响应是平坦的，允许容差应在士3dB之间。
B.3.4重低音扬声器校准
B.3.4.1重低音扬声器的频率范围宜为30Hz～120Hz。 B.3.4.2 重低音扬声器的声压级应与噪声声压级一致。 B.3.4.3采用粉伪随机噪声作为校准信号，结合低通滤波器（120Hz，18dB/oct)和高通滤波器（50Hz 12dB/oct)进行校准，方法同B.3.2.4。 B.3.4.4重低音扬声器校准的频响应是平坦的.允许容差应在土3dB之间
B.3.4.1重低音扬声器的频率范围宜为30Hz120Hz。 B.3.4.2 重低音扬声器的声压级应与噪声声压级一致。 B.3.4.3采用粉伪随机噪声作为校准信号，结合低通滤波器（120Hz，18dB/oct)和高通滤波器（50Hz 12dB/oct)进行校准，方法同B.3.2.4。 B.3.4.4重低音扬声器校准的频响应是平坦的，允许容差应在土3dB之间
B.3.5扬声器播放延时补偿
B.3.5.1应对阵列扬声器的播放延时进行补偿，保证阵列扬声器对中心区域音频测试装置声场的相关 性。阵列扬声器的最大播放延时应不大于50ms，延时可以为0mS。 B.3.5.2重低音扬声器一般不需要延时补偿
6.1采用粉伪随机噪声作为校准信号，将所有滤波器和延时补偿等设置开启，所有扬声器播放 号，音频测试装置进行噪声采集，然后用1/3倍频程进行分析。 6.2如果在50Hz20kHz频率范围之内，频率响应曲线的容差在土3dB之间，则完成校准 需按B.3.2~B.3.5步骤重新进行校准
GB/T 31070.32021
附录C （规范性附录） 基于神经网络的语音质量评价（NNSQE)方法
C.1.1基于神经网络的语音质量评价（NNSQE)方法是一种有参的客观语音评价方法。输人信号分为 传输前语音和传输后语音，通过神经网络模型分析处理，输出语音得分。NNSQE方法流程图如图C.I 所示。
图C.1NNSQE方法流程图
在预理研段，分别对传输前培 应的语音特征，然后将提取的特征输入到神 经网络模型。语音特征应包含信噪比(SNR)特行 D 中 D.3.1
C.1.3神经网络模型
神经网络模型是NNSQE方法的核心部分，它将传输前后的语音特征作为输人，输出的结果可以衡 量传输前后的质量差异。NNSQE方法所采用的神经网络模型应至少包含但不限于以下要求：输入网 路层数应至少包含3层（如输人层、中间层、输出层）：网络中间层节点数应不少于50个
语音得分是指神经网络模型的输出结果，是可以衡量语音质量好环的得分。该得分用于评价 （传输前语音）经过采集、处理、传输、播放等操作后得到的语音（传输后语音）的质量。得分取值 1分～5分。质量越好，分数越高。通过结合该得分与人工标注得分进行综合分析，也可实 NSQE方法的准确性评价
C.2NNSQE方法的准确性评价
C.2.1准确性衡量参数
NNSQE方法的准确性衡量参数采用平均绝对误差（MeanAbsoluteError，MAE）、均方根 RootMeanSquaredError,RMSE)和相关系数。 按公式（C.1)计算平均绝对误差：
GB/T 31070.32021
按公式（C.2)计算均方根误差
按公式(C.3)计算相关系数：
C.2.2准确性衡量参数提取
C.2.2.1NNSQE方法的准确性征 文提取及评价应按图C.2所示方案进行
C.2.2.1NNSQE方法的准确性衡量参数提取及评价应按图C.2所示方案
R(X,Y)=Cou(X,Y)/V(Var(X)XVar(Y)) ....
表C.1NNSQE方法准确性评价的测试语音要
2.3按图C.2所示流程，采用NNSQE方法对传输前语音和传输后语音进行评分，得到NNSQ 2.4然后对NNSQE得分和人工标注得分进行分析处理，按公式(C.1）、公式（C.2）、公式（C.3)分 出平均绝对误差、均方根误差以及相关系数等准确性衡量参数
GB/T 31070.32021
GB/T31070.32021
D.1NNMOS评分系统
附录D （资料性附录） 种典型的NNSQE方法—NNMOS评分系统
NNMOS评分系统是一种典型的NNSQE方法，其结构如图D.1所示： 网络模型：BILSTM网络； 网络层数：5层（1个输人层、3个隐藏层、1个输出层）； 输入层节点数：语音特征维数，包括信噪比、线性预测系数及其参数、基于谱距离评价的特征参 数、基于声学感知的特征参数、基于中文音素的瓶颈特征； 隐藏层节点数：1024个； 5Z1C 输出层节点数：1个。
D.2.1训练数据采集
图D.1NNMOS评分系统结构示意图
NNMOS评分系统的训练数据来源为真实应用场景的录音，具体采集方法如下：选取应用场景，通 过特定应用对讲系统，进行模拟通话，录制通话语音。训练数据集包含了本标准涉及特定应用场景的通 活录音，训练数据录音时长达到上千小时
D.2.2训练数据时长
各场景下的训练数据时长分布如表D.1
具体各场景下的训练数据时长分布如表D.1。
GB/T 31070.32021
表D.1训练数据各场景数据时长
D.2.3训练数据标注
NNMOS评分系统提取的听觉感知特征参数包括信噪比、线性预测系数及其参数、基于谱距高 的特征参数、基于声学感知的特征参数、基于中文音素的瓶颈特征等5类。
D.3.2信噪比(SNR）
信噪比的计量单位是dB，其计算方法如公式（D.1)： SNR=10 X Log10(signal/noise)
比的计量单位是dB，其计算方法如公式（D.1)： SNR=10 X Log10(signal/noise)
GB/T31070.32021
其中signal和noise分别表示语音信号和噪声的功率。为获取测试语音的信噪比信息，首先应对 原语音和测试语音进行对齐，从而获取语音段以及非语音段信息，然后再根据非语音段的信息估算噪声 信号。
D.3.3线性预测系数(LPC)及其参数
D.3.4基于谱距离评价的特征参数
包括语音频谱的均值、方差、最大值、最小值、一阶差分、二阶差分等参数。其中差分特征的计算 公式（D.3）
D.3.5基于声学感知的特征参数
D.3.5.1感知线性预测(PLP)特征
PLP特征参数是全极点模型预测多项式的一组系数，等效于一种LPC系数特征。PLP特征分析 将人耳听觉模型进行工程化处理，应用到频谱分析中。将输入的语音信号经听觉模型处理后所得到的 信号替代传统的LPC分析所用的时域信号，更有利于抗噪语音特征提取。PLP特征的提取流程如 图D.2所示
D.3.5.2梅尔频率倒谱系数（MFCC)特征
图D.2PLP特征提取流程图
MFCC特征提取包含两个关键步骤：转化到梅尔频率，然后进行倒谱分析。梅尔刻度是一种基 对等距的音高（pitch)变化的感官判断而定的非线性频率刻度。梅尔刻度和频率刻度关系如 D.4）：
当在梅尔刻度上是均匀的话，对应频率的距离将会越来越大，梅尔刻度三角滤波器组如图I
GB/T 31070.32021
图D.3梅尔刻度三角滤波器组
在倒谱分析部分时，首先对时域信号进行傅里叶变换转换到频域，然后再利用梅尔刻度滤波器组将 对应频域信号进行切分，最后每个频段对应一个数值，即为倒谱系数。具体的MFCC特征提取过程见 图D.4。
图D.4MFCC特征提取流程图
通过中文语音识别深度神经网络提取的包含中文音素特性的BN特征。利用基于音素状态信息的 是取深瓶颈特征的方法，训练以音素状态为网络输出的，在设计网络结构时为了得到合适维度的底层声 学特征，设置一个节点数目较少的隐层，由于其在结构上像是网络的一个瓶颈，因此将该层形象的称为 瓶颈层。在网络训练完成以后，就在底层输入特征与输出音素状态之间建立了深层的信息提取关系，底 层声学特征中与音素相关的信息被逐层加以抽象，而与音素无关的信息则被逐渐加以抑制。具体的网 络结构如图D.5所示
图D.5中文音素的瓶颈特征提取网络
GB/T31070.32021
D.4NNMOS评分系统算法原理
D.4.1双向长短时记忆（BILSTM)网络建模
考虑到语音的时序特性，采用时序模型双向长短时记忆（BILSTM)网络对语音进行建模，网络整体 结构如图D.1所示。对语音逐顿提取的不同特征拼接成特征向量X，，逐送入BILSTM网络单中，其 中包括一个前向LSTM网络以及一个后向LSTM网络（前两个隐层），然后将前两层隐层输出拼接输 出到第三层隐层，预测每一顿语音的MOS分；最后，输出层对每顿得分进行平均得到最终的语音 MOS分。
D.4.2BILSTM网络结点
BILSTM网络主要由LSTM的门结构组成，门结构如图D.6所示，包括细胞（Cell）、输入门（Input Gate）、输出门（OutputGate）和遗忘门（ForgetGate）。对于前两层隐层，LSTM网络节点的输人X，即 为提取的t时刻的音频特征，输出为隐层特征h，；对于第三层隐层，输入前两层隐层的隐层特征，输出 h，即为t时刻所对应的MOS分。
3NNMOS评分系统原
D.4.3.1特征归一化
图D.6BILSTM门结构示意图
将语音特征每个维度减去该维度的均值并除以标准差，如公式（D.5）。 fea;=(fea;二μ;)/
D.4.3.2前向计算
DB37／T 3913-2020 拼装式游泳池验收规范GB/T 31070.32021
是时刻输出门的输出；h，是1时刻该 节点的输出，为激活函数sigmoid 练的模型参数
D.4.3.3MOS评分
将训练集通过前向计算得到的最终MOS评分，并将输出评分与标注分数进行分析处理，得到盈 及网络的损失函数
D.4.3.4更新权重
D.5NNMOS评分系统准确性评份
按附录C中图C.2流程图对NNMOS评分系统进行准确性评价湘2017G105 农村住宅产业化精准扶贫型住宅，准确性评价结果如图D.7所示。 结果表明，在和训练数据同源的测试数据集合上测试结果平均绝对误差0.18，均方根误差0.28，相关系 数0.97。平均绝对值误差<0.4占97.18%。NNMOS评分系统满足附录C中C.2的准确性评价要求， 适用于本部分
图D.7NNMOS评分系统准确性评价结果
GB/T31070.32021