مشرا

MUSHRA اختصار لـ Multiple Stimuli with Hidden Reference and Anchor ، وهي منهجية لإجراء اختبار استماع لبرامج الترميز لتقييم جودة الصوت الناتج عن خوارزميات ضغط الصوت مع فقدان البيانات . وقد تم تعريفها في توصية ITU-R BS.1534-3. ^{[ 1 ]} يُوصى باستخدام منهجية MUSHRA لتقييم "جودة الصوت المتوسطة". أما في حالات ضعف الصوت الطفيف أو الحساس للغاية، فيُوصى باستخدام توصية ITU-R BS.1116-3 (ABC/HR) بدلاً منها.

يمكن استخدام MUSHRA لاختبار برامج ترميز الصوت عبر نطاق واسع من حالات الاستخدام: استهلاك الموسيقى والأفلام، والكلام مثل البودكاست والراديو ، والبث المباشر عبر الإنترنت ( حيث تُعدّ المفاضلة بين الجودة وكفاءة الحجم والحساب أمرًا بالغ الأهمية)، والهاتف الرقمي الحديث ، وتطبيقات VoIP (التي تتطلب ترميزًا شبه فوري بمعدل بت منخفض مع الحفاظ على وضوح الصوت). أما الاستخدامات الاحترافية، واستخدامات " عشاق الصوت "، واستخدامات " المستهلكين المحترفين "، فهي عادةً ما تكون أنسب لاختبارات بديلة، مثل اختبار ABC/HR المذكور سابقًا، مع افتراض أساسي لجودة صوت عالية ودقة عالية ، حيث ستكون الفروق الملحوظة بين المادة المرجعية ومخرجات برنامج الترميز ضئيلة للغاية.

تتمثل الميزة الرئيسية لمنهجية MUSHRA مقارنةً بمنهجية متوسط ​​درجة الرأي (MOS) (التي تخدم غرضًا مشابهًا) في أنها تتطلب عددًا أقل من المشاركين للحصول على نتائج ذات دلالة إحصائية. ويعود ذلك إلى عرض جميع برامج الترميز في الوقت نفسه، وللمشاركين أنفسهم، مما يسمح باستخدام اختبار t المزدوج أو تحليل التباين للقياسات المتكررة في التحليل الإحصائي. علاوة على ذلك، يتيح مقياس MUSHRA (من 0 إلى 100) التعبير عن الفروق الملحوظة بدقة عالية، لا سيما بالمقارنة مع مقياس ليكرت المعدل (من 0 إلى 5) الذي يُستخدم غالبًا في تجارب MOS.

في تجربة MUSHRA، يُعرض على المستمع مرجع (مُصنّف على هذا النحو)، وعدد من عينات الاختبار، ونسخة مخفية من المرجع، وواحد أو أكثر من نقاط التثبيت (أي ترميزات مُشوّهة بشدة يُفترض أن يتعرف عليها كل من القائمين على التجربة والمشاركين فورًا؛ تُستخدم بشكل مشابه للمرجع لتوفير خط أساس يُوضح - "التثبيت" - للمشاركين مدى واقعية الطرف الأدنى من مقياس الجودة). وتوصي التجربة بتضمين نقطة تثبيت منخفضة المدى وأخرى متوسطة المدى في إشارات الاختبار. وعادةً ما تكون هذه النقاط عبارة عن نسخة منخفضة التمرير من المرجع بتردد 7  كيلوهرتز و3.5  كيلوهرتز على التوالي. والغرض من نقاط التثبيت هو معايرة المقياس بحيث لا تُعاقب التشوهات الطفيفة بشكل مفرط. ويُعد هذا الأمر بالغ الأهمية عند مقارنة أو تجميع نتائج من مختبرات مختلفة.

يتطلب كل من اختبارَي MUSHRA و ITU BS.1116 ^{[ 2 ]} مستمعين خبراء مدربين على دراية بخصائص الأصوات غير المرغوب فيها ومواقعها المحتملة. كما يتمتع المستمعون الخبراء بفهم أعمق لمقياس التقييم، مما يؤدي إلى نتائج أكثر قابلية للتكرار مقارنةً بالمستمعين غير المدربين. وبالتالي، مع وجود مستمعين مدربين، يقل عدد المستمعين المطلوبين لتحقيق نتائج ذات دلالة إحصائية .

يُفترض أن تفضيلات المستمعين الخبراء والمستمعين غير المتخصصين متشابهة، وبالتالي، فإن نتائج المستمعين الخبراء تُعدّ مؤشراً جيداً للمستهلكين. وتوافقاً مع هذا الافتراض، لم يجد شينكل-بيلفيلد وزملاؤه أي اختلافات في ترتيب التفضيلات بين المستمعين الخبراء والمستمعين غير المدربين عند استخدام إشارات اختبارية تحتوي على جودة الصوت فقط دون أي تشوهات مكانية. ^{[ 3 ]} مع ذلك، أظهر رومسي وزملاؤه أنه بالنسبة للإشارات التي تحتوي على تشوهات مكانية، يُولي المستمعون الخبراء أهمية أكبر قليلاً لهذه التشوهات مقارنةً بالمستمعين غير المدربين، الذين يركزون بشكل أساسي على تشوهات جودة الصوت. ^{[ 4 ]}

إضافةً إلى ذلك، فقد ثبت أن المستمعين الخبراء يستفيدون بشكل أكبر من خيار الاستماع المتكرر لأجزاء أصغر من الإشارات قيد الاختبار، ويجرون مقارنات أكثر بين الإشارات قيد الاختبار والإشارات المرجعية. ^{[ 3 ]} وعلى عكس المستمع العادي الذي يُقيّم تفضيلاته، يُقيّم المستمعون الخبراء جودة الصوت، مُقيّمين الاختلافات بين الإشارة قيد الاختبار والإشارة الأصلية غير المضغوطة، وهو الهدف الأساسي لاختبار MUSHRA.

تصف إرشادات MUSHRA احتمالين رئيسيين لتقييم موثوقية المستمع (الموصوفة أدناه).

أسهل الطرق وأكثرها شيوعًا هي استبعاد جميع المستمعين الذين يُقيّمون تكرار الإشارة المرجعية المخفية بأقل من 90 نقطة MUSHRA لأكثر من 15% من عناصر الاختبار، وذلك بعد إجراء الاختبار. في الحالة المثالية، يجب تقييم الإشارة المرجعية المخفية بـ 100 نقطة للدلالة على التكافؤ الإدراكي مع الصوت المرجعي الأصلي. مع أنه قد يحدث خلط بين الإشارة المرجعية المخفية وإشارة عالية الجودة، إلا أن المواصفات تنص على أنه لا يُمنح تقييم أقل من 90 إلا عندما يكون المستمع متأكدًا من أن الإشارة المُقيّمة تختلف عن الإشارة المرجعية الأصلية، لذا يُعتبر التقييم الأقل من 90 للإشارة المرجعية المخفية خطأً واضحًا وجليًا من جانب المستمع.

يُعدّ eGauge [ ^{5 ]} أداةً أخرى لتقييم أداء المستمع، وهو ^إطار عمل قائم على تحليل التباين (ANOVA). يحسب eGauge كلاً من الاتفاق ، والتكرارية ، والتمييز ، مع العلم أنه يُوصى باستخدام المقياسين الأخيرين فقط في التقييم الأولي أو اللاحق. يُعرَّف الاتفاق بأنه تحليل التباين لمدى توافق المستمع مع بقية المستمعين. أما التكرارية، فتدرس الموثوقية الداخلية للفرد عند تقييم إشارة الاختبار نفسها مرة أخرى مقارنةً بتباين إشارات الاختبار الأخرى. بينما يحلل التمييز نوعًا من موثوقية الاختبارات من خلال التحقق من قدرة المستمعين على التمييز بين إشارات الاختبار في ظروف مختلفة. ونظرًا لأن eGauge يتطلب الاستماع إلى كل إشارة اختبار مرتين، فإن استخدامه غير فعال من حيث الوقت على المدى القريب مقارنةً بالطريقة السابقة لتقييم المستمعين لاحقًا بناءً على مرجع مخفي. مع ذلك، يتميز eGauge بمزايا عند استخدامه على المدى البعيد. يُلغي هذا الأسلوب احتمالية إعادة التجربة بالكامل في الحالات النادرة التي تفتقر فيها نتائج العينة إلى القوة الإحصائية الكافية نتيجةً لارتفاع معدل الفشل الذي يُكتشف لاحقًا. إضافةً إلى ذلك، يمكن تعويض عدم الكفاءة الأولية على مدار سلسلة من التجارب من خلال الاستغناء عن مراحل اختيار المشاركين: فإذا أثبت المستمع جدارته باستخدام eGauge، يُمكن اعتباره مستمعًا موثوقًا به لاختبارات الاستماع المستقبلية، شريطة ألا تتغير طبيعة الاختبار بشكل جوهري (على سبيل المثال، ليس بالضرورة أن يكون المستمع الموثوق به في اختبارات الاستريو بنفس الكفاءة في إدراك التشويش في أنظمة 5.1 أو 22.2 أو حتى في أنظمة الصوت الأحادي ).

من المهم اختيار عناصر اختبار بالغة الأهمية، وتحديدًا تلك التي يصعب ترميزها والتي يُحتمل أن تُنتج تشويشًا. في الوقت نفسه، ينبغي أن تكون عناصر الاختبار صالحةً من الناحية البيئية ، أي أن تكون ممثلةً للمواد المُذاعة وليست مجرد إشارات اصطناعية مصممة لتكون صعبة الترميز على حساب الواقعية. وقدّم إيكيروت وزملاؤه طريقةً لاختيار المواد بالغة الأهمية، حيث اقترحوا إجراءً للترتيب عن طريق الاستبعاد. ^{[ 6 ]} ورغم فعالية هذه الطريقة في اختيار عناصر الاختبار الأكثر أهمية، إلا أنها لا تضمن تضمين مجموعة متنوعة من عناصر الاختبار المعرضة لتشويشات مختلفة.

من الناحية المثالية، ينبغي أن يحافظ عنصر اختبار MUSHRA على خصائص متشابهة طوال مدته (مثل استخدام آلات موسيقية متسقة في الموسيقى أو صوت الشخص نفسه بنبرة وإيقاع متشابهين في الصوت المنطوق). قد يصعب على المستمع تحديد تقييم أحادي البعد لاختبار MUSHRA إذا أظهرت بعض أجزاء العناصر تشوهات مختلفة أو تشوهات أقوى مقارنةً بأجزاء أخرى، وهو ما يزداد احتماله مع وجود اختلافات كبيرة في خصائص الصوت. ^{[ 7 ]} غالبًا ما تؤدي العناصر الأقصر إلى تباين أقل لأنها تُظهر ثباتًا أكبر (اتساقًا وثباتًا إدراكيًا). ^{[ 8 ]} مع ذلك، حتى عند محاولة اختيار عناصر ثابتة، فإن المحفزات الصالحة بيئيًا (أي الصوت الذي من المحتمل ظهوره أو ما يشابهه في مواقف العالم الحقيقي مثل الراديو) غالبًا ما تحتوي على مقاطع أكثر أهمية من بقية الإشارة (تشمل الأمثلة الكلمات الرئيسية في خطاب أو عبارات موسيقية رئيسية، وتعتمد على نوع المحفز). يُعدّ الثبات مهمًا لأن المستمعين الذين يركزون على أجزاء مختلفة من الإشارة يميلون إلى تقييمها بشكل مختلف. ويبدو أن المستمعين الأكثر تحليلًا أفضل في تحديد المناطق الأكثر أهمية في المحفز من أولئك الأقل تحليلًا. ^{[ 9 ]}

• webMUSHRA: برنامج تجريبي قائم على واجهة برمجة تطبيقات صوتية عبر الويب ومتوافق مع معيار MUSHRA، قابل للتكوين باستخدام YAML
• RateIt: واجهة مستخدم رسومية لإجراء تجارب MUSHRA
• MUSHRAM - واجهة Matlab لاختبارات الاستماع MUSHRA في Wayback Machine (تمت أرشفته في 19-10-2008)
• واجهة Max/MSP لاختبارات الاستماع MUSHRA
• أداة تقييم صوتية تعمل عبر المتصفح، لإجراء العديد من الاختبارات المختلفة بما في ذلك اختبار MUSHRA - لا حاجة إلى كتابة أي كود
• BeaqleJS: إطار عمل قائم على HTML5 وجافا سكريبت لاختبارات الاستماع
• mushraJS+Server: يعتمد على mushraJS مع خادم mochiweb، وهو خادم ويب مكتوب بلغة إرلانج.