平均意见分数

平均意见分数(MOS)是在体验质量和通信工程领域中使用的衡量标准，代表刺激或系统的整体质量。它是所有受试者“在一个预先定义的范围内，一个受试者分配给他对系统质量表现的意见”的算术平均数。

MOS 是一种常用的视频、音频和视听质量评估方法。 ITU-T （页面存档备份，存于互联网档案馆）在建议 P.800.1 中定义了几种引用MOS的方式，区别于分数是从视听、会话、听、说还是视频质量测试中获得的。

MOS 由一个有理数表示，通常范围在1–5之间，其中1表示最低感知质量，5表示最高感知质量。MOS 的范围取决于在基础测试中使用的评级量表。

绝对类别评分（英语：Absolute Category Rating）标准非常常用，它将和之间的评分映射为1到5之间的数字，如下表所示。

ITU-T建议中存在其他标准化质量评级量表（例如P.800 （页面存档备份，存于互联网档案馆）或P.910 （页面存档备份，存于互联网档案馆） ）。例如，可以使用 1-100 之间的连续刻度。使用哪种量表取决于测试的目的。在某些情况下，使用不同的量表对相同刺激评价，获得的评分没有统计学上的显着差异。

MOS 的计算方法是人类受试者在主观质量评估测试（英语：Subjective video quality）中对给定刺激进行的单个评分的算术平均值。因此：

公式中 ${\displaystyle R_n}$和之间的“差距”可能比和之间的“差距”更大。感知距离也可能取决于翻译量表的语言。 然而，研究表明无法证明量表翻译对所得结果存在显著影响。

通常获取 MOS 分数的测试方法中还存在另外几个偏差。 除了上面提到的非线性感知的量表问题之外，还有一个所谓的“范围均衡偏差”：在主观实验过程中，受试者倾向于给出的分数横跨整个评分量表。如果两个主观测试提供的样本质量范围不同，就不能比较这两个主观测试。换句话说，MOS 并不是质量的绝对量度，MOS 是相对于获得它的测试的。

由于上述原因 - 以及由于其他几个影响主观测试中感知质量的上下文因素 - 只有在已知并报告了收集值的上下文时才应该报告 MOS 值。因此，不应直接比较从不同环境和测试设计中收集的 MOS 值。 ITU-T P.800.2 （页面存档备份，存于互联网档案馆）建议书规定了如何报告 MOS 值。具体来说，P.800.2 中写道：

直接比较不同实验产生的 MOS 值是没有意义的，除非这些实验被明确设计用于比较，即使这样，也应该对数据进行统计分析以确保这种比较是有效的。

MOS 历史上源于主观测量，听众会坐在“安静的房间”中，并根据他们的感知对电话通话质量进行评分。这种测试方法已在电话行业使用了数十年，并在ITU-T建议P.800 （页面存档备份，存于互联网档案馆）中标准化。它规定“讲话者应坐在安静的房间内，音量在 30 到 120 立方米之间，混响时间小于 500 毫秒（最好在 200 到 300 毫秒范围内）。室内噪音水平必须低于 30 dBA，并且频谱中没有主峰。”稍后在国际电联的建议中类似地规定了对其他模式的要求。

获得 MOS 评级可能既耗时又昂贵，因为它需要招聘人工评估员。对于各种用例，例如编解码器开发或服务质量监控目的——应该重复和自动估计质量——也可以通过客观质量模型来预测 MOS 分数，这些模型通常是使用人类 MOS 评级开发和训练的。使用此类模型产生的一个问题是产生的 MOS 差异是否对用户来说是显而易见的。例如，当以五点 MOS 等级对图像进行评分时，MOS 等于 5 的图像的质量预计会明显优于 MOS 等于 1 的图像。与此相反，MOS 等于 3.8 的图像的质量是否明显优于 MOS 等于 3.6 的图像尚不清楚。为确定用户对数码照片可感知的最小 MOS 差异进行的研究表明，为了使 75% 的用户能够检测到更高质量的图像，需要大约 0.46 的 MOS 差异。 然而，图像质量期望，因此 MOS，随着用户期望的变化而随着时间的推移而变化。分析方法确定的最小显着 MOS 差异可能会随时间而变化。