Speech quality assessment by means of machine learning for next generation networks subject to atmospheric phenomena

• Grant number: 23/11258-0
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: September 01, 2023
• End date: January 31, 2024
• Field of knowledge: Engineering - Electrical Engineering - Telecommunications
• Principal Investigator: Miguel Arjona Ramírez
• Grantee: Arthur Silveira Franco
• Host Institution: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brazil
• Associated research grant: 22/10909-5 - Differentiable learning and processing of temporal, spatial, spectral and time-frequency signal representations, AP.R

Abstract

Estudos sobre qualidade de voz em sistemas de comunicações é uma área de conhecimento bastante explorada; porém, as redes de comunicações evoluem constantemente no tempo, inserindo novas tecnologias. Assim, é importante que os modelos de avaliação de qualidade, especialmente os métodos baseados em parâmetros de redes, considerem elementos-chave dessas tecnologias que podem afetar o desempenho da transmissão. Nas novas gerações de redes, como 5G e 6G, os sistemas de transmissões utilizam altas frequências, com o qual, os fenômenos atmosféricos como chuva e gases podem afetar a qualidade do sinal transmitido. Neste plano de pesquisa, se propõe implementar uma metodologia para avaliar o impacto de fenômenos atmosféricos em sistemas de comunicações de voz que utilizem frequências de transmissões em frequências de 5 GHz e superiores. As recomendações ITU-R apresentam modelos matemáticos para determinar a atenuação de sinais afetados por taxa de chuvas e gases atmosféricos, e elas serão utilizadas para propor uma metodologia para avaliação de qualidade de voz. Para o modelo paramétrico, no cenário de simulações a ser implementado se incluirão as novas tecnologias, como massive MIMO, IRS, RIS, entre outras; assim como também se utilizará nos cenários de simulações os codificadores de voz padronizados AMR, AMR-WB e EVS.