本发明涉及对携带语音的音频信号的评估。它对于使用中的通信系 统状况的评估有特殊的应用。

在通信链路传载中的信号会经过一些值得注意的变换，如数字化、 数据压缩、数据减缩，放大等等。所有的这些处理都可能使信号失真。 例如，在对一个幅度大于最大数字化值的波形进行数字化时，此波形的 尖峰将被转换成一段顶部平坦的波形(一种被称作去尖峰的处理)。这 就给信号增加了一些不希望有的谐波。失真也能由外部源的电磁干扰造 成。

很多上述处理引入的失真都是非线性的，所以一个简单的测试信号 可能不会与复杂波形的信号，如语音信号以相同形式产生失真。对于传 输数据的通信链路，可以用所有可能的数据字符来测试此链路(如对于 二进制链路的字符1和0，或DTMF(双音多频系统)的12音对)。 然而，语音不是由有限数量的定义好的信号单元组成的，而是个连续变 化的信号，它的信号单元的变化不仅依赖于语音的内容(和所使用的语 言)，也依赖于不同说话人的生理和心理特征，这些特征会影响音调、 音量、特征元音等。

我们已知通过运行使用语音采样的测试序列可用来测试通信设 备。通过比较经过被测试设备改变的测试序列和原始测试序列，即可鉴 别出被测试设备产生的失真。然而，这一方案需使用预先准备好的测试 序列，这就意味着它们不能用于实时传输的通信链路，也即正在使用中 的链路，这是因为测试序列将干扰正在进行的通信业务，且这种干扰可 被用户听到，也因为正在进行的通信业务(不能被预知)本身将被测试 设备作为测试信号的失真而检测出来。

为了测试使用中的设备，而不干扰设备正在传输的信号(因此称作 无扰测试)因此希望用实时传输的语音信号本身作为测试信号进行测 试。但是，这样做的问题是没有一种在测量点上瞬时获得一个原始信号 的采样的方法。在链路被测试时，任何一种将原始信号传送给测试设备 的装置都将可能产生与被测试链路相似的失真。

本申请人的共同未决国际专利申请WO 6/06495和WO 96/06496 (都公开于96年2月29日)提出了两种可能的解决此问题的办法。 WO 96/06495描述了对和讲话者无关的特定语音特征的分析，其目的是 找出通信链路是如何改变信号的。它也描述了某种相对于其它特性变化 的语音的特定特性的分析，它们不是直接可测量的，而是通过在个体说 话者之间一致的方法，这将因此用于获得关于其它那些特征的信息。例 如，一未知清擦音的频谱随音量(幅度)而变化，但此变化很大程度上 与个体说话者无关。因此频谱内容可用来估计原始信号的振幅，并用它 与接收信号的幅度相比较以估计说话者和测量点之间的衰减。

在WO 96/06496中，接收到的信号的内容由语音识别器分析，分析 结果经语音合成器处理以再生出无失真的语音信号。对此信号在音调和 持续时间上进行归一化，产生出原始语音信号的估计值，将此估计值与 接收信号进行比较，即可识别出失真或干扰，例如，使用如国际专利申 请WO 94/00922和WO 95/15035中所述的感觉分析技术。

一般地，通过带宽受限的语音传输使用数据减缩技术，如线性预测 编码器(LPCs)。这种编码器是建立在对人的声道近似的基础上并将 语音波形段表示为被要求用来在声道模型中激发等效行为的参数。

根据本发明的第一个方面，提供了一个评估语音信号质量的方法， 它根据频谱表示模型来分析信号，以产生输出参数，此输出参数根据预 设的网络定义函数而被加权，由加权的输出参数可推导产生出输出。

根据本发明的第二个方面，提供了一个评估携带语音信号质量的装 置，包含用于分析使用频谱表示的信号以产生输出参数的装置，及存储 定义网络定义函数的一组加权值的存贮装置，和用于由输出参数及网络 定义函数来产生输出值的装置。

优选地，在初始步骤中网络定义函数由输出值已知的数据导出。

优选地，频谱表示模型是一个不完善的声道模型，但是频谱表示模 型如听觉模型也是可以用的。

“听觉模型”在上下文中指对刺激的响应与人的听觉系统相似的模 型。(也就是耳-脑的组合)。它是更普遍的“感觉模型”的特殊类型， 即对刺激的响应和人的听觉系统相似的模型。

“不完善的听觉模型”在本文中指非理想的声道模型，但此模型能 产生与人的声道不能产生的听觉频谱单元有关的系数。它特指可同时用 参数来表示语音和失真信号单元的模型，这不是声道模型设计的通常目 标。

在优选实施例中，有已知的特性，如好状态或坏状态的语音采样， 都用声道模型来分析，识别出产生的与好或坏状态信号有关的参数，优 选地，通过诸如神经元网络的可训练过程进行处理。通过这种方法，与 每种类型信号相关的声道参数的加权即可建立起来。(因此与任意与二 者都相关的参数由此为不可靠指示，并只产生较少的，或产生不出加 权)，因此当一未知信号被处理时，就可用前面产生的与那些参数有关 的加权值产生输出，那些参数与未知信号相关。

优选地，网络定义函数的加权依赖于输出参数的时域范围。为此， 参数序列和分立的参数可被给予加权值，后续时间帧的参数序列应跟在 对应于实际语音的许多识别出来的序列之一的后面。若一时间帧的一组 参数被识别出，而它们不应跟在前面序列的后面，或根本不应出现，这 表明了产生失真。

在一实施例中，装置可进一步包含用于产生存储的一组加权值的训 练装置，训练装置应包含用于提供语音采样给模拟装置的第一个输出装 置；用于提供与已知语音采样有关的输出信息(指下文的“标签”)的 第二个输入装置；用于在标签的基础上从模型装置产生加权的装置，以 及存储由模拟装置产生的加权值的存储装置。

因此，每个在训练采样中使用的语音段都必须被标上好状态 (“好”)和坏状态(“坏”)。这是一个主要的保证，因为一个典型 的采样包含几小时的语音，并要求许多这种采样来训练系统正确响应一 定范围的说话者、状态和其它的变量。通常，一个单个分段的持续时间 为20ms，因此，数百万的分段都必须标记出来。

根据优选实施例，训练装置包含用于提供包含第一个信号和此信号 失真版本的训练序列的装置；和用于接收训练序列和产生一个失真感性 测量度，以显示失真可被听者察觉的强度的分析装置；以及为将失真感 性测量度应用到训练处理装置以决定网络定义函数的装置。

优选地，可训练过程包含提供包含第一个信号和此信号的失真信号 的训练序列的步骤，及通过测量在于每个分段中出现的失真感知度以决 定网络定义函数的步骤，此失真感知度由一个包含产生失真感性测量度 的分析过程确定，失真感性测量度指示出上述信号的失真对人来说是可 察觉时的失真强度。

在一优选方案中，分析过程估计由同一信号的失真和非失真信号在 人的听觉系统上产生的效果，并得出上述效果间的差别。根据上述差 别，产生上述失真感性测量度。优选地，分析过程产生上述失真感性测 量度，此感性测量度依赖于上述失真的感知度，且非线性地依赖于上述 失真的幅度。

分析过程优选地产生上述测试信号与/或失真信号的大量谱分量信 号，并估计每个谱分量信号将产生于人类听觉系统的掩蔽效果。

在优选的方案中，通过分析失真信号为大量的谱分量带，分析过程 可估计出上述失真将产生于人类听觉系统的效果。谱分量带被整形以提 供频谱掩蔽；计算由此信号前面和/或后面的时域部分造成的信号的时域 掩蔽；为每个谱分量信号产生失真信号分量和相应的计算出的测试信号 分量之间的差别，并从上述差别值产生上述失真感性测量度。在一种具 体的优选方案中，分析过程根据上述差别信号产生出一个失真的频谱和 时域分布的范围。

为了计算发音者特征的变化，每个训练序列将是一个自然语音的大 集合。在一个优选实施例中，分析过程包含分解失真语言信号为大量谱 分量带的步骤，和将谱分量带整形以提供频谱掩蔽。根据前面与/或后面 的有关时域部分，计算信号的时域掩蔽，为每个信号谱分量形成一个失 真的信号分量和相应计算出的测试信号分量间差别的表示，并从上述差 别值中产生上述的失真感性测量度。

合适的语音分析过程在国际专利申请WO 94/00922、WO95/01011 和WO 95/15035中有叙述。通过自动地标注分段，使用失真感性测量 度，即可连续地，但仍然根据听者的可感知因素来获得网络定义函数，。

下面将参照附图描述本发明的一个示范性实施例，附图显示了实施 例不同部份之间的功能性关系。这项发明有利地可用软件实现，用以在 普通计算机上运行，将是很有意义的。

图1显示了为训练过程配置的训练系统的功能单元。

图2显示了为运行未知数据配置的相同系统功能单元。

图3更详细显示了图1的训练装置。

图4更详细显示了图3的分析装置。

图5显示了一个装置，通过它可产生由数据源提供的初始化语音采 样。

图1和图2的系统包含训练数据1的源和实时通信业务(真实数据) 2的源，这两者都提供一个输入至声道分析器3。与训练数据相关的参 数也由训练装置1提供给分类单元5，它被作为训练过程显示出来。具 体说，是神经元网络5。分析器单元3的输出参数反馈给神经元网络5， 在训练过程中神经元网络5提供参数给存贮器4，这些参数定义一个网 络定义函数。当读取实时数据时，参数被从存贮器4中取出，用于神经 元网络5，在用声道分析器3产生值上执行网络定义函数，以产生出提 供给输出6的分类数据。一般输出数据的形式是依据分析器3产生的值 分类的形式，根据网络定义函数而被加权，并显示了系统识别出的失真 度。例如，如果所有的加权参数超过一个预定的值，与/或一些加权参数 的算术组合(如它们的总和)超过一个预定的值，信号可被分类为‘好’； 一些可测量的特性有可从一个或其它多个测量结果中预测的特征值。如 果实际测出的值和预测值不一致，那么此值或其它的多个值已经失真， 由此给出另一个信号质量的显示，通过设置一些阈值，可以定义出一些 质量级别。

为了实用的目的，信号是作为一个时间帧序列而被分析的。从与第 一个时间帧相关的数据得来的参数可被用于时间帧子序列的分析。为 此，声道分析器3的输出被存在缓冲存贮器7中，为了在后面的神经元 网络的子序列操作时使用。

图3更详细显示了训练装置1，它包括一个数据存贮器8，此存贮 置包含第一个“好”信号的存贮器8a和第二个存贮8a中“好”信号的 失真信号的存贮器8b。从存贮器8a中来的“好”信号和相应地来自8b 的有失真的信号，分别通过第一和第二个输入11、12反馈给分析单元 9，分析单元9产生一个包含一组将被传入神经元网络5的标签的输出。 信号的失真版本也将被传给分段器10，分段置10被信号分成与标签相 应的分立段，然后，这些分段被传给声道分析器3(图1)。

图4详细显示了分析单元9，来自第一和第二个存贮器(8a和8b) 的传载“好”信号和有失真的信号的输入11和12被分别反馈给听觉模 型(分别为13、14)，听觉模型的输出在比较器15中进行比较。在 另一个可选方案中，“好”信号和失真信号的对应段交替通过同样的听 觉模型，这对熟练的读者来说是显然的，并且听觉模型的输出被用于为 这个“好”的和失真信号的各段作比较。比较器15的输出被误差面产 生器16用来产生一个误差面。这些标签和分段器10中的信号的分段将 同步产生。标签被输出至神经元网络5(图1)。

图5显示了数据存贮器8中的数据的产生。象后面将要讲到的，原 始测试信号18由任何一个合适的装置产生，并被直接传送给第一个存 贮器8a，同样的信号也通过一个失真装置19传输，产生的失真信号被 存贮在第二个存贮器8b中。

在这里简单地讨论一下声道分析系统的特性和可训练过程是适当 的。声道是个不均匀的从声门延伸到嘴唇的形状作为时间函数而变化的 声学管道，[Fant G C M，“Acoustic Theory of speech Production”， Morton and Co.Sgravehage，the Netherlands，1960]，导致随时间而改变 的主要解剖部位是嘴唇，颚舌头和盖膜。为计算简单，我们认为这个系 统模型是线性时不变的。但是，人的发音机制不符合这些特性中的任何 一个。语音是个连续的时变过程，另外，声门和声道不是分开的，这就 导致了非线性特征，[Flanagan J L“Source-System Interactions in the Vocal Tract”，Ann.New York Acad.Sci 155，9-15，1968]。然而，作个 合理的假定，在短时间间隔内开发线性时不变模型用于描述语音是可行 的[Markel J D，Gray A H，“Linear Prediction of Speech”，Springer -Verlag Berlin Heidelberg New York，1976]。线性预测器将语音事件分 成短的时间段或帧，用过去的语音帧产生唯一的一组预测参数以在当前 帧表示语音[Atal B S，Hanauer SL“Speech Analysis and  Synthesis by Linear Prediction of the Speech Wave”J.Acoust.Soc.Amer.，Vol.50， pp.637-655，1971]。线性预测分析已成为一种广泛应用的估计语音参 数，如音调、共振峰、频谱等的方法。听觉模型(时间/频率/幅度谱图) 依赖于被监测声音的听觉特性，而不考虑它们是怎么产生的。然而一个 声道模型能识别信号是否是类语音的，即是否是一个实际的声道能产生 的。因此，听觉模型不能识别出来的非听觉差别，仍然能被声道模型识 别出来。

为了测量信号质量的目的，产生的输出参数必须对被测量的属性， 即能感知的语音质量敏感。因此，模型必须能模拟非类语音的失真。并 因此，一个理想的声道模型将不合适。一个理想的模型将把所有的输入 信号转换为类语音形式(若失真严重，则不必是原始的信号)。这将使 分类过程不可靠，因为有失真的输入和纯输入都被将分类为类语音，以 致训练过程变得不可能。在前面定义的意义的基础上，由于此过程依赖 于来自声道模型的输出参数，为区分坏状态和好状态的信号，此参数对 非人为失真单元的出现是敏感的。因此，声道模型的“不完善”是非常 重要的。一个如分析器3的适于应用的声道模型就象在“语音信号的数 字处理”：Rabiner L.R.；Schafer R.W；(Prentice-Hall 1978)page 396。 中描述过的线性预测模型。

频谱分析可被作为相对于声道模型另一选择，如由R.B.Randall 所著的“频谱分析”，(Pubilished by Bruel & Kjaer，1987 ISBN 87 87355078)的第3.6部分讨论的“1/3音阶分析”。

现在将着重讨论可训练过程的特性和神经元网络。为将一组输入映 射到较少的预定分类结果中，应使用一系列规则，特别是当映射过程代 表一个自然系统时。然而，如果自然系统太复杂，或所需映射对抽象参 数进行操作，那么为响应一组称为训练数据的已知的结果，一个训练过 程将被用于开发需要的映射。已知的结果被用来决定输入参数和分类结 果之间的关系，以使随后输入的未知组合能被分类。一个神经元网络被 设计用于模拟大脑执行特殊任务或感兴趣的功能的方法，经过一个学习 过程去训练神经元网络执行有用的计算是可行的[Haykin S，“Neural Networks，A Comprehensive Foundation”，Macmillan IEEE Press， 1994]。为获得好的性能，神经元网络将大量的简单处理单元相互联接起 来。交互处理单元联接的加强，如已知的加权，被用来存贮系统知识 [Aleksander，1，Morton H“An Introduction of Neural Computing” Chapman and Hall London，1990]。执行学习过程的处理称作学习算 法。它的功能是按一定的顺序修改网络加权值，以获得所期望的设计结 果。神经元网络的能力得自大量的并行分布结构和它的学习与归纳能 力，归纳指网络为训练中没遇到的输入产生合理的输出。监督下的学习 是训练的一种形式，它包括显示已知分类的示例给网络以及修改相关联 的加权值以缩小期望的与系统实际响应之间的差别，训练为每个输入分 类的很多示例重复进行，直到网络达到一个稳定状态。在神经元网络执 行的输入-输出映射和非参数统计推论所实现的分类之间有精确的类 似。

系统的操作描述如下：先参照图2，实时数据由源2提供给声道分 析系统3，失真和干扰也许将导致一些原始信号的分立时间帧产生失 真，或一起丢失。如果一个给定帧只能出现在一个可能帧的小子集之 后，则它在此子集的一部分之后出现表明目标帧或它的前一个帧(或两 者)已经从与前后帧相适的原始帧中产生失真。每个独立的帧的参数也 许将被“允许”(即参数处于可希望范围内)，但一参数序列放在一起 考虑时，也许将是不可行的，即表明失真已发生。存贮在存贮器4中的 参数，定义了一个包含这种效应的网络定义函数，声道分析产生的参数 经反馈作为神经元网络5的输入，它将网络定义函数用于声道分析产生 的数据，用以产生输出6。网络定义函数由存贮在存贮器4中的参数定 义，以获得提供给源2的信号质量的分类。

为包含依赖时间特性的参数，如不仅鉴别模型输出的时域特性是否 在人的声道能力之内，也鉴别时变特性是否也在这个能力之内。声道分 析的输出被存贮于缓冲存贮器7中，除现有采样外，存贮参数的一个预 设数可作为输入反馈给神经元网络5，作为历史数据，由此来测量信号的 时间特性。存贮的参数可同时涉及当前采样前后的事件，以使采样的“在 先历史”和“在后历史”采样都被考虑。显然，在后一种情况下，当前 采样的分析，直到“在后历史”被组合后才能产生。

为监测大量链路的信号质量，源2可被顺序地连接至很多分立的通 信链路中。虽然特别适于非侵入测量过程，本发明也适用于所谓的“侵 入”测量，其中测试信号，而不是实时信号，被用来作为源的测量。

输出6可用一种合适的形式显示给用户，例如一个产生表示坏性能 的分类的源，也许将向网络管理者表示应使源2代表的通信链路停止服 务，并在必要时进行修理，可能的话，通过另一条路径重新建立连接， 在可能的方案中，这种过程可自动控制，或留给控制者去执行输出6的 指示。

为每个时间帧记录的参数可用短码存贮起来，以表示这些参数。这 也将使用较少的内存，同时也相对缩短处理时间。后续时间帧的码序列 应象它们代表的参数，跟在大量相应实时语音的识别出来的序列之一 后。一个时间帧的一组参数被识别出来，这些参数中若有一个码不应跟 在序列的前一成员之后时，或根本不是为它编的码，这就表明失真的存 在。

为产生存在存贮器4中的参数，神经元网络5应首先用训练数据进 行训练，以建立网络定义函数，这个过程示于图1，测试数据从训练装 置1提供给声道分析器3。为定义将存于存贮器4中的网络定义函数， 训练装置1也提供涉及测试数据的分类的参数给神经元网络5，以允许 标签的产生。

这些标签的产生描述如下，为产生训练神经元网络需要的数据量而 使用非常短的，以致于不能由操作者评估精度的语音段。自动产生这种 信号的一种方法已经得到。这个过程依赖于感性分析模型的使用，即用 于评估一个信号的失真对于听者来说是否显著的过程。初始时，提供与 存贮器(8a，8b)相关联的测试信号8的源。第一个存贮器8a有个 “好”信号采样，完整的采样一般有几小时长，第二存贮器通过后面将 述的方法获得相同采样的相应信号，此信号已失真。存贮于第2个存贮 器8b的采样包括失真的不同程序与不同类型。失真信号，被分成短的 分段(一般为20ms)，这些分段直接反馈给声道分析器3(图1)。 分析单元9比较“好”采样和失真的采样，并产生一组标签以表示在每 一段中出现的模型认为可被听者感知的失真程度。在此描述一下此分析 过程。但用于公开的国际专利申请号WO 94/00922，WO95/01011和WO 95/15035的分析技术是非常合适的。

分析系统详见图4，“好”采样和相应的失真采样分别通过输入端 11和12反馈给听觉模型13和14。为简洁起见，这些都表示为分立的 模型，两种采样输入通过同一模型将是很有意义的。总之，同样的处理 作用于两种信号是非常重要的。模型产生大量涉及分立信号段特征的感 性度参数，此过程可包含将采样分为不同的重叠频段，使用重叠滤波器 去模拟时域的掩蔽现象。其中一个声音掩蔽一个较静的频谱上接近它的 声音，也可包含将每个分段和一个或多个前后段相比较，以模拟时域掩 蔽。其中，一个较静声在前或后有响声时相对在前或后无响声时较难感 觉到。如前述专利说明描述的，听觉模型产生出听觉面，两个分别对应 于“好”和失真采样的听觉面在比较器15中比较，从而产生一误差面。 这些面对大量的时间段和频率或音调带(音调带的单个变化范围被确定 为与感性特征相一致，例如使信号与“吼叫”音阶相一致)的测量是必 不可少的，声音信号的感知幅度表示在与音调及时间的轴都垂直的轴 上。不同的加权可用于正和负值，如表示由信号丢失造成的损耗和附加 噪声的差值，若一点失真都没有，整个误差面将都是零值。在将要讨论 的例子中，如误差面上的值被确定为听觉模型输出间差值的绝对值(也 许是按上述方式加权)，所有的误差面上的值都是正值。

如上述专利申请中描述的，误差面的特征可被用来产生一个值，此 值表明误差的感性重要性。如国际专利申请WO 95/15035中专门描述的 那样，分布在误差面上误差的绝对值是一个此值中系数。然而，另外的 依赖于面形状的值也有用处，在说明中称作“误差熵”。

最终表示“听觉效果”的加权值，YLE，它表示了失真的绝对值， 可表示如下： 误差活力， $E_A=10\log \underset{i=1}{\overset{48}{\Sigma }}\underset{j=1}{\overset{20}{\Sigma }}\left|c(i,j)\right|$

其中c(i，j)是误差面第i时段和j音调带上的待分析的误差值。

在时间和音调上的误差分布(或更进一步说是失真熵，它和能量分 布范围的倒数相对应)计算如下： 误差熵： $E_E=-\underset{i=1}{\overset{48}{\Sigma }}\underset{j=1}{\overset{20}{\Sigma }}\left|a(i,j)\right|•\ln \left(a(i,j)\right)$ 其中 $a(i,j)=\frac{\left|c(i,j)\right|}{E_A}$

上式中的自然对数(ln)项控制了能量幅度的变化影响熵EE的程 度，起到了非线性压缩的功能。

已发现误差活力和误差熵判据在对失真的主观感觉层次上对应得 很好，因为如果误差是分布在短暂的单音阶上，而不是集中在时间和音 调上的，那么听者将发现一个的更引人注意的主层次误差。

误差熵EE给出了不依赖于总误差幅值的误差分布的量度，误差活 力EA则给出了不依赖于误差分布的误差量的量度。

实际上，若考虑到本实施例中使用的听觉误差振幅比例的对数单 元，那么将EA和EE改写为E′A和E′E就很方便： $E_A^{\prime }=\underset{i=1}{\overset{n}{\Sigma }}\underset{j=1}{\overset{m}{\Sigma }}\left|10^{|C(i,j)}\right|$ 和 $E_E^{\prime }=-\underset{i=1}{\overset{n}{\Sigma }}\underset{j=1}{\overset{m}{\Sigma }}\frac{|l{o}^{|C(i,j),|}}{E_A^{\prime }}•L_h\left(\frac{|l{o}^{|C(i,j),|}}{E_A^{\prime }}\right)$

将误差活力和误差熵的测量值组合就可为听者对失真的主观反应 给出更好的表示，它用一种比真实失真更稳定的方式。

我们已发现一个好的主观“听觉效应”的表示量YCE，给出如下：

YCE＝-a1+a2log10E′A+a3E′E

其中a1＝8.373；a2＝0.05388；a3＝0.4090

对YCE合适的阈值可用来判断一采样是否应标为“好状态”或“坏 状态”。标签产生器17执行以上计算，并将标签输出至神经元网络5。 此标签与对应的测试信号段相一致，该测试信号段由存贮器8b中提取 的时域段10产生。

用于存贮器8的“好”信号及失真信号的信号源可由预产生存贮器 提供，各种合适信号的主体已可被用，而更多的数据则能快速地产生， 这类数据的产生相对直接，如图5所示。

一个初始信号被送入“好”信号存贮器8a它可能包含许多实际语 音采样，为了确定有代表性的样本；使用了不同的说话者。同样的一个 信号经失真产生器19馈入，产生的失真信号存于“失真”信号存贮器 8b中。可能要使用多个不同的失真源。通过对不同测试信号和失真类型 的不同排列，可产生大量的具有代表性的测试数据的主体，用来作训练 数据，它由训练数据源1提供。

典型形式的失真也由失真发生器19提供给测试信号，目的是为测 试信号提供具有代表性的测试信号。这些失真可被产生用于模拟不同的 效果，它们可按一定的算法产生(即通过对采样的数学操作，如模仿一 个原型系统)或通过使原始信号通过一个在测试设备或在诸如通信网络 的实际系统中的实际装置而产生。

训练装置1提供给神经元网络5的标签将被传输的训练信号提供给 自然网络，并因此使它提供合适的加权值给不同的存储在存储器4中的 参数，这些参数对应于具有这些特性的数据。不同类型的失真和非失真 信号的示例由训练装置1提供，以使输出6不仅识别出感性失真的存 在，也识别出失真产生的损害程度，即，它为听者显示干扰的大小程度。

为确保网络定义是精确的，分类情况已知的测试数据由输入2提 供，将由神经元网络5中网络定义函数产生的分类与已知的分类相比较 (用此处未示出的方法)。