MétaCan
Menu
Retour à la cohorte
Enregistrement W2098596704 · doi:10.1109/have.2003.1244724

Assessment of effects of packet loss on speech quality in VoIP

2004· article· en· W2098596704 sur OpenAlexaff
Lizhong Ding, Rafik Goubran

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPESQMean opinion scoreVoice over IPPacket lossComputer scienceCodecPSQMSpeech recognitionNetwork packetQuality (philosophy)Quality of serviceVoice activity detectionComputer networkSpeech processingThe InternetSpeech enhancementArtificial intelligenceTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

This paper investigates the effects of packet loss on speech quality in Voice over Internet Protocol (VoIP) applications by using ITU-T G.107, the E-model, whose parameters currently only cover limited VoIP scenarios. Several packet loss rates, packet sizes and error concealment techniques for codec G.729 are examined. Mean Opinion Score (MOS) is used as an index for speech quality and is measured by Perceptual Evaluation of Speech Quality (PESQ) algorithm. These effects on speech quality are assessed in the equipment impairment factor domain and then formulated into the E-model. The validation test shows good accuracy of the proposed formula, the prediction errors range between /spl mnplus/0.10 MOS for most cases with an absolute maximum of 0.14 MOS.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,385
Écart entre enseignants0,353 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations62
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Networks ResearchTravaux en français237 207