JP2002237785A - 人間の聴覚補償によりｓｉｄフレームを検出する方法 - Google Patents
人間の聴覚補償によりｓｉｄフレームを検出する方法Info
- Publication number
- JP2002237785A JP2002237785A JP2001332962A JP2001332962A JP2002237785A JP 2002237785 A JP2002237785 A JP 2002237785A JP 2001332962 A JP2001332962 A JP 2001332962A JP 2001332962 A JP2001332962 A JP 2001332962A JP 2002237785 A JP2002237785 A JP 2002237785A
- Authority
- JP
- Japan
- Prior art keywords
- sid
- hap
- masking
- background noise
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/012—Comfort noise or silence coding
Abstract
(57)【要約】
【課題】 ディジタル化音声パケットの送信における帯
域幅量を減少させる方法を得る。 【解決手段】 人間の特性である周波数マスキング、経
時マスキング、トーンに基づくラウドネス知覚、及びト
ーンに基づく聴覚差を含む、知覚に関連する複数の要素
に重み付けして、これらの要素に基づいて背景雑音の更
新をすべきか否かの判断をすることにより、無音期間又
は雑音のみの期間を定めて送信を中断するようにして送
信されるパケット数を減少させ、従って送信における帯
域幅量の減少を達成する。
域幅量を減少させる方法を得る。 【解決手段】 人間の特性である周波数マスキング、経
時マスキング、トーンに基づくラウドネス知覚、及びト
ーンに基づく聴覚差を含む、知覚に関連する複数の要素
に重み付けして、これらの要素に基づいて背景雑音の更
新をすべきか否かの判断をすることにより、無音期間又
は雑音のみの期間を定めて送信を中断するようにして送
信されるパケット数を減少させ、従って送信における帯
域幅量の減少を達成する。
Description
【０００１】
【発明の属する技術分野】本発明は、音声が存在しない
ときに、ディジタル化音声アプリケーションにおける帯
域幅の改善に関する。特に、本発明は、音声の中断中の
背景雑音の予測改善が帯域幅消費を減少させるに至るこ
とを示唆している。
ときに、ディジタル化音声アプリケーションにおける帯
域幅の改善に関する。特に、本発明は、音声の中断中の
背景雑音の予測改善が帯域幅消費を減少させるに至るこ
とを示唆している。
【０００２】
【従来の技術】ボイス・オーバー・パケット・ネットワ
ーク（ＶＯＰＮ：Ｖｏｉｃｅ ｏｖｅｒ ｐａｃｋｅｔ
ｎｅｔｗｏｒｋ）は、音声即ち音声信号をパケット化
した後に送信することが必要である。アナログ音声信号
は、まずディジタル信号に変換され、かつパルス・コー
ド変調（ＰＣＭ）ディジタル・ストリーム形式に圧縮さ
れる。図１に示すように、ＰＣＭストリームは、エコー
打ち消し（ＥＣ：ｅｃｈｏ ｃａｎｃｅｌｌａｔｉｏ
ｎ）１０、音声有無検出（ｖｏｉｃｅ ａｃｔｉｖｉｔ
ｙ ｄｅｔｅｃｔｉｏｎ：ＶＡＤ）１２、音声圧縮（Ｃ
ＯＤＥＣ）１４、プロトコル・コンフィグレーション１
６等のようなゲートウェイのモジュールにより処理され
る。
ーク（ＶＯＰＮ：Ｖｏｉｃｅ ｏｖｅｒ ｐａｃｋｅｔ
ｎｅｔｗｏｒｋ）は、音声即ち音声信号をパケット化
した後に送信することが必要である。アナログ音声信号
は、まずディジタル信号に変換され、かつパルス・コー
ド変調（ＰＣＭ）ディジタル・ストリーム形式に圧縮さ
れる。図１に示すように、ＰＣＭストリームは、エコー
打ち消し（ＥＣ：ｅｃｈｏ ｃａｎｃｅｌｌａｔｉｏ
ｎ）１０、音声有無検出（ｖｏｉｃｅ ａｃｔｉｖｉｔ
ｙ ｄｅｔｅｃｔｉｏｎ：ＶＡＤ）１２、音声圧縮（Ｃ
ＯＤＥＣ）１４、プロトコル・コンフィグレーション１
６等のようなゲートウェイのモジュールにより処理され
る。
【０００３】音声パケットの送信に使用される帯域幅の
量を減少させるために、種々の技術が開発された。これ
らの技術のうちの一つは、無音（ｓｉｌｅｎｃｅ）の期
間中に即ち雑音のみが存在するときに送信を停止するこ
とにより、送信パケット数を減少させる。２つのアルゴ
リズム、即ちＶＡＤアルゴリズムと、これに続く不連続
送信（Ｄｉｓｃｏｎｔｉｎｕｏｕｓ Ｔｒａｎｓｍｉｓ
ｓｉｏｎ：ＤＴＸ）アルゴリズムがこの処理を達成す
る。これらの２アルゴリズムが存在し、かつそれらが付
勢されているシステムでは、ＶＡＤ１２が図１に示すよ
うに「音声あり／音声なし」の選択を行う。これら２選
択のうちのいずれかがＶＡＤアルゴリズム出力となる。
音声あり（アクティブ）が検出されたときは、ＣＯＤＥ
Ｃ１４内の通常の音声パスをたどって音声情報が一組の
パラメータに圧縮される。音声なし（インアクティブ）
が検出されたときは、ＤＴＸアルゴリズムが起動され、
この無音期間の先頭に無音挿入記述子（ＳＩＤ：Ｓｉｌ
ｅｎｃｅ Ｉｎｓｅｒｔｉｏｎ Ｄｅｓｃｒｉｐｔｏ
ｒ）パケット１８を送信する。最初に送信するＳＩＤパ
ケット１８とは別に、この不活性期間中は、ＤＴＸが背
景雑音の変化を解析している。スペクトル変化の場合
は、エンコーダがＳＩＤパケット１８を送出する。変化
なしが検出されると、エンコーダは何も送出しない。概
要的に、これらのＳＩＤパケット１８は、限られたネッ
トワーク・リソースを利用するために、最小ビット数に
よる背景雑音情報２０の標識（ｓｉｇｎａｔｕｒｅ）を
含む。受信側では、各フレームについて、デコーダが受
信情報に従って音声又は雑音信号を再構築する。受信情
報が音声パラメータを含んでいれば、デコーダは、音声
信号を再構築する。デコーダが情報を受信しなければ、
デコーダは、前に受信したＳＩＤパケット１８に埋め込
まれていた雑音パラメータにより雑音を発生する。この
処理は、快適雑音発生（ＣＮＧ：Ｃｏｍｆｏｒｔ Ｎｏ
ｉｓｅ Ｇｅｎｅｒａｔｉｏｎ）と呼ばれる。無音期間
においてデコーダがミュートにされると、信号エネルギ
・レベルが急激に低下し、これが会話を不快にする原因
となる。従って、ＣＮＧは送信側で背景雑音を模擬する
ことが不可欠である。デコーダが新しいＳＩＤパケット
を受信したときは、次のＳＩＤを受信するまで、現在及
び将来のＣＮＧについて雑音パラメータを更新する。
量を減少させるために、種々の技術が開発された。これ
らの技術のうちの一つは、無音（ｓｉｌｅｎｃｅ）の期
間中に即ち雑音のみが存在するときに送信を停止するこ
とにより、送信パケット数を減少させる。２つのアルゴ
リズム、即ちＶＡＤアルゴリズムと、これに続く不連続
送信（Ｄｉｓｃｏｎｔｉｎｕｏｕｓ Ｔｒａｎｓｍｉｓ
ｓｉｏｎ：ＤＴＸ）アルゴリズムがこの処理を達成す
る。これらの２アルゴリズムが存在し、かつそれらが付
勢されているシステムでは、ＶＡＤ１２が図１に示すよ
うに「音声あり／音声なし」の選択を行う。これら２選
択のうちのいずれかがＶＡＤアルゴリズム出力となる。
音声あり（アクティブ）が検出されたときは、ＣＯＤＥ
Ｃ１４内の通常の音声パスをたどって音声情報が一組の
パラメータに圧縮される。音声なし（インアクティブ）
が検出されたときは、ＤＴＸアルゴリズムが起動され、
この無音期間の先頭に無音挿入記述子（ＳＩＤ：Ｓｉｌ
ｅｎｃｅ Ｉｎｓｅｒｔｉｏｎ Ｄｅｓｃｒｉｐｔｏ
ｒ）パケット１８を送信する。最初に送信するＳＩＤパ
ケット１８とは別に、この不活性期間中は、ＤＴＸが背
景雑音の変化を解析している。スペクトル変化の場合
は、エンコーダがＳＩＤパケット１８を送出する。変化
なしが検出されると、エンコーダは何も送出しない。概
要的に、これらのＳＩＤパケット１８は、限られたネッ
トワーク・リソースを利用するために、最小ビット数に
よる背景雑音情報２０の標識（ｓｉｇｎａｔｕｒｅ）を
含む。受信側では、各フレームについて、デコーダが受
信情報に従って音声又は雑音信号を再構築する。受信情
報が音声パラメータを含んでいれば、デコーダは、音声
信号を再構築する。デコーダが情報を受信しなければ、
デコーダは、前に受信したＳＩＤパケット１８に埋め込
まれていた雑音パラメータにより雑音を発生する。この
処理は、快適雑音発生（ＣＮＧ：Ｃｏｍｆｏｒｔ Ｎｏ
ｉｓｅ Ｇｅｎｅｒａｔｉｏｎ）と呼ばれる。無音期間
においてデコーダがミュートにされると、信号エネルギ
・レベルが急激に低下し、これが会話を不快にする原因
となる。従って、ＣＮＧは送信側で背景雑音を模擬する
ことが不可欠である。デコーダが新しいＳＩＤパケット
を受信したときは、次のＳＩＤを受信するまで、現在及
び将来のＣＮＧについて雑音パラメータを更新する。
【０００４】ＩＴＵ標準Ｇ．７２９付録Ｂ（ＩＴＵ ｓ
ｔａｎｄａｒｄ Ｇ．７２９ Ａｎｎｅｘ Ｂ）におい
て、ＤＴＸ及びＣＮＧアルゴリズムは、種々のレベル
と、音声及び雑音の特性により動作するように設計され
て、ビット速度の節約及び音声の知覚品質が劣化しない
ことを確実にする。Ｇ．７２９付録Ｂ ＳＩＤフレーム
検出アルゴリズムは、ノンアクティブ期間中に滑らかな
背景雑音を発生するが、背景雑音がほとんど定常的であ
っても、かなりのパーセントでＳＩＤフレームを検出す
る。実際のＶＯＰＮシステムにおいて、背景雑音レベル
が非常に低いｄＢでも、Ｇ．７２９付録Ｂは、多数のＳ
ＩＤパケットを連続的に発生する。これに対する一つの
理由は、ＳＩＤ検出アルゴリズムが非常に低レベルの背
景雑音に対して敏感過ぎることにある。他の理由は、不
完全なＥＣ効果である。ＥＣの出力信号は、その入力信
号が定常的であっても、低レベルの雑音ではバースト又
は非定常的な性質を持つ恐れがある。
ｔａｎｄａｒｄ Ｇ．７２９ Ａｎｎｅｘ Ｂ）におい
て、ＤＴＸ及びＣＮＧアルゴリズムは、種々のレベル
と、音声及び雑音の特性により動作するように設計され
て、ビット速度の節約及び音声の知覚品質が劣化しない
ことを確実にする。Ｇ．７２９付録Ｂ ＳＩＤフレーム
検出アルゴリズムは、ノンアクティブ期間中に滑らかな
背景雑音を発生するが、背景雑音がほとんど定常的であ
っても、かなりのパーセントでＳＩＤフレームを検出す
る。実際のＶＯＰＮシステムにおいて、背景雑音レベル
が非常に低いｄＢでも、Ｇ．７２９付録Ｂは、多数のＳ
ＩＤパケットを連続的に発生する。これに対する一つの
理由は、ＳＩＤ検出アルゴリズムが非常に低レベルの背
景雑音に対して敏感過ぎることにある。他の理由は、不
完全なＥＣ効果である。ＥＣの出力信号は、その入力信
号が定常的であっても、低レベルの雑音ではバースト又
は非定常的な性質を持つ恐れがある。
【０００５】
【発明が解決しようとする課題】ＳＩＤフレームは、音
声パケットよりもかなり少ないペイロード・ビットを有
するので、理論的には、多くのＳＩＤパケットを発生し
ても帯域幅問題を発生することはないはずである。しか
しながら、ＶＯＰＮアプリケーションにおいて、音声及
びＳＩＤパケット２２は、パケット・ヘッダ２４を有す
る必要がある（図２）。そのヘッダ長は、音声及びＳＩ
Ｄパケットに関して同一である。パケット・ヘッダ２４
は、しばしばＳＩＤパケット２２において帯域幅のほと
んどを占有している。例えば、ＲＴＰプロトコルにおい
て、ヘッダ長は１２バイトである。Ｇ．７２９ ＣＯＤ
ＥＣにおいて、ＳＩＤの１フレームは２バイトを有し、
かつ音声フレームは１０バイトを必要とする。Ｇ．７２
９ ＣＯＤＥＣにおいて、ＳＩＤフレームのビット速度
は、完全ビット速度（ｆｕｌｌ ｂｉｔ ｒａｔｅ）の
２０％となり、パケットにパケット・ヘッダ２４が付加
されと、ＲＴＰヘッダを有するＳＩＤパケット長は、ヘ
ッダを有する音声パケット長の約７０％となる。従っ
て、帯域幅を節約するためには音声品質を確保しながら
ＳＩＤパケット数を減少させることが非常に重要とな
る。
声パケットよりもかなり少ないペイロード・ビットを有
するので、理論的には、多くのＳＩＤパケットを発生し
ても帯域幅問題を発生することはないはずである。しか
しながら、ＶＯＰＮアプリケーションにおいて、音声及
びＳＩＤパケット２２は、パケット・ヘッダ２４を有す
る必要がある（図２）。そのヘッダ長は、音声及びＳＩ
Ｄパケットに関して同一である。パケット・ヘッダ２４
は、しばしばＳＩＤパケット２２において帯域幅のほと
んどを占有している。例えば、ＲＴＰプロトコルにおい
て、ヘッダ長は１２バイトである。Ｇ．７２９ ＣＯＤ
ＥＣにおいて、ＳＩＤの１フレームは２バイトを有し、
かつ音声フレームは１０バイトを必要とする。Ｇ．７２
９ ＣＯＤＥＣにおいて、ＳＩＤフレームのビット速度
は、完全ビット速度（ｆｕｌｌ ｂｉｔ ｒａｔｅ）の
２０％となり、パケットにパケット・ヘッダ２４が付加
されと、ＲＴＰヘッダを有するＳＩＤパケット長は、ヘ
ッダを有する音声パケット長の約７０％となる。従っ
て、帯域幅を節約するためには音声品質を確保しながら
ＳＩＤパケット数を減少させることが非常に重要とな
る。
【０００６】
【発明を解決するための手段】Ｇ．７２９付録Ｂは、最
後に送信したＳＩＤフレームの後の背景雑音特性のスペ
クトル及びエネルギ変化に基づいている。線形予測フィ
ルタにおけるイタクラ（Ｉｔａｋｕｒａ）距離は、スペ
クトル変化を表すために使用される。この措置は、固定
しきい値を超えたときに、顕著なスペクトル変化を示
す。このエネルギ変化は、現在のインアクティブ・フレ
ームにおける残留信号の量子化エネルギ・レベルと最後
のＳＩＤフレームにおける前記レベルとの間の差とし
て、定義される。このエネルギ差が２ｄＢを超えと、こ
れはかなり大きい。ＳＩＤ検出のしきい値は、固定され
ており、かつ粗ベース（ｃｒｕｄｅ ｂａｓｉｓ）なの
で、余分なＳＩＤフレーム数の発生が予測される。従っ
て、定常でない雑音中の帯域幅を節減するために、ＳＩ
Ｄ更新の遅延機構を使用して、連続する２ＳＩＤフレー
ムの送信の間に２フレームの最小スペースを配置する。
この方法がＳＩＤフレームの発生を人為的に制限する。
後に送信したＳＩＤフレームの後の背景雑音特性のスペ
クトル及びエネルギ変化に基づいている。線形予測フィ
ルタにおけるイタクラ（Ｉｔａｋｕｒａ）距離は、スペ
クトル変化を表すために使用される。この措置は、固定
しきい値を超えたときに、顕著なスペクトル変化を示
す。このエネルギ変化は、現在のインアクティブ・フレ
ームにおける残留信号の量子化エネルギ・レベルと最後
のＳＩＤフレームにおける前記レベルとの間の差とし
て、定義される。このエネルギ差が２ｄＢを超えと、こ
れはかなり大きい。ＳＩＤ検出のしきい値は、固定され
ており、かつ粗ベース（ｃｒｕｄｅ ｂａｓｉｓ）なの
で、余分なＳＩＤフレーム数の発生が予測される。従っ
て、定常でない雑音中の帯域幅を節減するために、ＳＩ
Ｄ更新の遅延機構を使用して、連続する２ＳＩＤフレー
ムの送信の間に２フレームの最小スペースを配置する。
この方法がＳＩＤフレームの発生を人為的に制限する。
【０００７】本発明は、余分なＳＩＤパケットに対する
人為的なリミッタに代わって、人間の聴覚（ＨＡＰ：ｈ
ｕｍａｎ ａｕｄｉｔｏｒｙ ｐｅｒｃｅｐｔｉｏｎ）
の複数要素に基づき、背景雑音更新が正当化されるか否
かを判断する方法を提供する。ＨＡＰの固有の様相を特
徴付ける複数の音響係数が既知でありまた研究されてい
る。複雑な圧縮アルゴリズムに対する知覚又は心理的な
音響モデルの適用は、１９９８年４月発行の信号処理に
ついてのＩＥＥＥ学会報告、４６巻、第４号と、音声信
号をディジタル化して圧縮符号化送信するためにＨＡＰ
の適用性に関するフランク・バウムガルテン（Ｆｒａｎ
ｋ Ｂａｕｍｇａｒｔｅ）のＡＥＳ論文において説明さ
れている。その他の複数論文が音声信号の符号化に適用
するマスキング技術に、ＨＡＰを適用できることを確認
している。
人為的なリミッタに代わって、人間の聴覚（ＨＡＰ：ｈ
ｕｍａｎ ａｕｄｉｔｏｒｙ ｐｅｒｃｅｐｔｉｏｎ）
の複数要素に基づき、背景雑音更新が正当化されるか否
かを判断する方法を提供する。ＨＡＰの固有の様相を特
徴付ける複数の音響係数が既知でありまた研究されてい
る。複雑な圧縮アルゴリズムに対する知覚又は心理的な
音響モデルの適用は、１９９８年４月発行の信号処理に
ついてのＩＥＥＥ学会報告、４６巻、第４号と、音声信
号をディジタル化して圧縮符号化送信するためにＨＡＰ
の適用性に関するフランク・バウムガルテン（Ｆｒａｎ
ｋ Ｂａｕｍｇａｒｔｅ）のＡＥＳ論文において説明さ
れている。その他の複数論文が音声信号の符号化に適用
するマスキング技術に、ＨＡＰを適用できることを確認
している。
【０００８】これらの研究のいくつかは、高忠実度の音
響ファイルを圧縮して効率よく符号化するときに、ＨＡ
Ｐの適用性を認めているが、ＳＩＤ検出においてＨＡＰ
を使用すること（即ち、音声通信において背景雑音の知
覚変化を認識すること）は、認識していない。本発明
は、ＨＡＰ系が知覚し得ない変化を符号化する必要性を
なくすことにより、ＨＡＰに基づく遷移のモデル化が背
景雑音予測における変化の符号化を減少できることに注
目している。本発明は、音声圧縮を改善するために音声
を解析するのではなく、その代わりとして、知覚上の背
景雑音の変化における特性を探し求める。
響ファイルを圧縮して効率よく符号化するときに、ＨＡ
Ｐの適用性を認めているが、ＳＩＤ検出においてＨＡＰ
を使用すること（即ち、音声通信において背景雑音の知
覚変化を認識すること）は、認識していない。本発明
は、ＨＡＰ系が知覚し得ない変化を符号化する必要性を
なくすことにより、ＨＡＰに基づく遷移のモデル化が背
景雑音予測における変化の符号化を減少できることに注
目している。本発明は、音声圧縮を改善するために音声
を解析するのではなく、その代わりとして、知覚上の背
景雑音の変化における特性を探し求める。
【０００９】ＨＡＰは、しばしば非線形な前処理システ
ムとしてモデル化される。これは、内耳における機械的
及び電気的な事象を模擬して、従属周波数選択性（ｄｅ
ｐｅｎｄｅｎｔ ｆｒｅｑｕｅｎｃｙ ｓｅｌｅｃｔｉ
ｖｉｔｙ）のレベルだけではなく、更に抑制及び同時マ
スキングの効果も説明している。周波数マスキング、経
時マスキング（ｔｅｍｐｏｒａｌ ｍａｓｋｉｎｇ）、
トーンに基づくラウドネス知覚、及びトーンに基づく聴
覚差を含む音の知覚には、多数の要素が影響し得る。こ
れらＨＡＰの要素は、背景雑音とは別の要素が背景雑音
に人の耳に知覚し得ない何らかの変化をもたらしたとき
に、マスキングを発生させ得る。マスキングが発生して
いる状況では、変化を知覚できないのであるから、背景
雑音を更新する必要はない。本発明は、これらの要素を
考慮するものであって、各要素を識別し、かつ重み付け
して、ＳＩＤパケット発生の適当なレベルを判断するこ
とにより、ＳＩＤの検出効率を高める。
ムとしてモデル化される。これは、内耳における機械的
及び電気的な事象を模擬して、従属周波数選択性（ｄｅ
ｐｅｎｄｅｎｔ ｆｒｅｑｕｅｎｃｙ ｓｅｌｅｃｔｉ
ｖｉｔｙ）のレベルだけではなく、更に抑制及び同時マ
スキングの効果も説明している。周波数マスキング、経
時マスキング（ｔｅｍｐｏｒａｌ ｍａｓｋｉｎｇ）、
トーンに基づくラウドネス知覚、及びトーンに基づく聴
覚差を含む音の知覚には、多数の要素が影響し得る。こ
れらＨＡＰの要素は、背景雑音とは別の要素が背景雑音
に人の耳に知覚し得ない何らかの変化をもたらしたとき
に、マスキングを発生させ得る。マスキングが発生して
いる状況では、変化を知覚できないのであるから、背景
雑音を更新する必要はない。本発明は、これらの要素を
考慮するものであって、各要素を識別し、かつ重み付け
して、ＳＩＤパケット発生の適当なレベルを判断するこ
とにより、ＳＩＤの検出効率を高める。
【００１０】図３に示すように、人の聴覚に対して最も
敏感な周波数（ｍｏｓｔ ｒｅｓｐｏｎｓｉｖｅ ｆｒ
ｅｑｕｅｎｃｙ）は、４．５ｋＨｚ周辺にある。人間の
耳に音が聞こえるためには、信号の周波数が４．５ｋＨ
ｚから高くなるに従って、又は低くなるに従って、音響
レベルは、ｄＢ値を増加させる必要がある。これは、静
かなライン２６上のしきい値により示す。例えば、２Ｋ
Ｈｚの音が聞こえるためには、３ｄＢ大きくする必要が
あり、１０ＫＨｚの音では１０ｄＢ大きくしてやる必要
があり、一方、周波数０．０５の音は４７ｄＢ増大させ
る必要がある。静かなライン２６上のしきい値は、聴覚
認識に必要なｄＢレベルを示す。
敏感な周波数（ｍｏｓｔ ｒｅｓｐｏｎｓｉｖｅ ｆｒ
ｅｑｕｅｎｃｙ）は、４．５ｋＨｚ周辺にある。人間の
耳に音が聞こえるためには、信号の周波数が４．５ｋＨ
ｚから高くなるに従って、又は低くなるに従って、音響
レベルは、ｄＢ値を増加させる必要がある。これは、静
かなライン２６上のしきい値により示す。例えば、２Ｋ
Ｈｚの音が聞こえるためには、３ｄＢ大きくする必要が
あり、１０ＫＨｚの音では１０ｄＢ大きくしてやる必要
があり、一方、周波数０．０５の音は４７ｄＢ増大させ
る必要がある。静かなライン２６上のしきい値は、聴覚
認識に必要なｄＢレベルを示す。
【００１１】同時マスキング（ｓｉｍｕｌｔａｎｅｏｕ
ｓ ｍａｓｋｉｎｇ）は、周波数マスキングとも呼ば
れ、ハイ・レベル信号とロー・レベル信号とが周波数レ
ンジにおいて接近して存在するときに、ハイ・レベル信
号（マスカー:ｍａｓｋｅｒ）がロー・レベル信号（マ
スキー：ｍａｓｋｅｅ）を抑圧する周波数領域の現象で
ある。図３は、１ＫＨｚの純音マスカー及びそのマスキ
ングしきい値を示す。それ以下では信号を聞くことがで
きないマスキングしきい値は、音圧レベルと、マスカー
及びマスキーの周波数とに従属する。図３において、ト
ーンを１ＫＨｚで発生すると、その周波数にあるあらゆ
る音を阻止するばかりでなく、１ＫＨｚ近傍の信号も阻
止する。マスキングしきい値は、発生したトーン近傍で
最大のマスキングを示し、マスキングは、検出可能トー
ン音からその音が遠ざかるに従って急速に低下する。
ｓ ｍａｓｋｉｎｇ）は、周波数マスキングとも呼ば
れ、ハイ・レベル信号とロー・レベル信号とが周波数レ
ンジにおいて接近して存在するときに、ハイ・レベル信
号（マスカー:ｍａｓｋｅｒ）がロー・レベル信号（マ
スキー：ｍａｓｋｅｅ）を抑圧する周波数領域の現象で
ある。図３は、１ＫＨｚの純音マスカー及びそのマスキ
ングしきい値を示す。それ以下では信号を聞くことがで
きないマスキングしきい値は、音圧レベルと、マスカー
及びマスキーの周波数とに従属する。図３において、ト
ーンを１ＫＨｚで発生すると、その周波数にあるあらゆ
る音を阻止するばかりでなく、１ＫＨｚ近傍の信号も阻
止する。マスキングしきい値は、発生したトーン近傍で
最大のマスキングを示し、マスキングは、検出可能トー
ン音からその音が遠ざかるに従って急速に低下する。
【００１２】プリマスキング及びポストマスキングを含
む経時(ｔｅｍｐｏｒａｌ）マスキングは、マスキング
信号前後で発生する時間領域の現象である。プリマスキ
ングは、マスカーのあらゆる状態から独立して、約２０
ｍｓ継続する。しかしながら、ポストマスキングは、マ
スカーの期間長に依存する。図４において、マスキング
信号が時間０から開始され、２００ｍｓ継続している。
背景雑音は、マスキング信号の期間、人間の聴覚で聞き
取り得ない。加えて、マスキングは、信号の約２０ｍｓ
前にも発生し、かつマスキング信号の後にも、５０から
２００ｍｓ継続する。
む経時(ｔｅｍｐｏｒａｌ）マスキングは、マスキング
信号前後で発生する時間領域の現象である。プリマスキ
ングは、マスカーのあらゆる状態から独立して、約２０
ｍｓ継続する。しかしながら、ポストマスキングは、マ
スカーの期間長に依存する。図４において、マスキング
信号が時間０から開始され、２００ｍｓ継続している。
背景雑音は、マスキング信号の期間、人間の聴覚で聞き
取り得ない。加えて、マスキングは、信号の約２０ｍｓ
前にも発生し、かつマスキング信号の後にも、５０から
２００ｍｓ継続する。
【００１３】人間の耳は、種々のラウドネス・レベルに
対して異なる応答レベルを示す。音響レベルが増大する
に従い、感度は周波数上でより一様になる。このような
挙動を図５に示す。本発明は、この原理をも一つのマス
キング特性として利用する。
対して異なる応答レベルを示す。音響レベルが増大する
に従い、感度は周波数上でより一様になる。このような
挙動を図５に示す。本発明は、この原理をも一つのマス
キング特性として利用する。
【００１４】本発明の特徴をよりよく理解するために、
下記の図面及び詳細な説明を参照する必要があり、図に
おいて、同一要素は同一参照番号により統一されてい
る。
下記の図面及び詳細な説明を参照する必要があり、図に
おいて、同一要素は同一参照番号により統一されてい
る。
【００１５】
【発明の実施の形態】ＨＡＰに基づくＳＩＤフレーム検
出の基礎をなす原理は、現在のフレームと前のＳＩＤフ
レームとの間のエネルギ・レベルの変化、及びＨＡＰに
基づくスペクトル距離の変化を測定することにより、知
覚し得る背景雑音の変化を検出することである。本発明
は、ＨＡＰに基づくスペクトル距離（Ｄ）を、現在のイ
ンアクティブ・フレームと前のＳＩＤフレームとの間の
重み付けしたライン・スペクトル周波数（ＬＳＦ：Ｌｉ
ｎｅ Ｓｐｅｃｔｒａｌ Ｆｒｅｑｕｅｎｃｙ）距離と
定義する。信号の周波数内容を表わすためにＬＳＦを選
択することは、ＣＥＬＰに基づく大抵のＣＯＤＥＣに対
するＳＩＤ検出中に、ＬＳＦパラメータが利用可能であ
るという事実によっている。従って、スペクトル解析計
算を少なくすることができる。
出の基礎をなす原理は、現在のフレームと前のＳＩＤフ
レームとの間のエネルギ・レベルの変化、及びＨＡＰに
基づくスペクトル距離の変化を測定することにより、知
覚し得る背景雑音の変化を検出することである。本発明
は、ＨＡＰに基づくスペクトル距離（Ｄ）を、現在のイ
ンアクティブ・フレームと前のＳＩＤフレームとの間の
重み付けしたライン・スペクトル周波数（ＬＳＦ：Ｌｉ
ｎｅ Ｓｐｅｃｔｒａｌ Ｆｒｅｑｕｅｎｃｙ）距離と
定義する。信号の周波数内容を表わすためにＬＳＦを選
択することは、ＣＥＬＰに基づく大抵のＣＯＤＥＣに対
するＳＩＤ検出中に、ＬＳＦパラメータが利用可能であ
るという事実によっている。従って、スペクトル解析計
算を少なくすることができる。
【００１６】このＳＩＤ検出アルゴリズムのフロー・チ
ャートを図６に示す。この処理を開始する最初のステッ
プ３０は、式（１）、（２）及び（３）を使用して、Ｈ
ＡＰに基づくスペクトル距離しきい値、及び信号エネル
ギ・レベルを各フレームに関して計算することである。
ャートを図６に示す。この処理を開始する最初のステッ
プ３０は、式（１）、（２）及び（３）を使用して、Ｈ
ＡＰに基づくスペクトル距離しきい値、及び信号エネル
ギ・レベルを各フレームに関して計算することである。
【００１７】
【数１】
【００１８】
【数２】
【００１９】
【数３】
【００２０】ＨＡＰに基づくスペクトル距離は、式
（１）により定義され、また図７は、種々のエネルギ・
レベルを与えた重み付け係数（wm(i))の選択を示す。こ
れらの重み付け係数wm(i)は、ＩＴＵ−Ｔ Ｇ７２９付
録Ｂ標準において使用されている重み付け係数である。
これらの重み付け係数は、図５から導き出される。低エ
ネルギ・レベル、従って低ラウドネス・レベルの場合、
周波数が増加するにつれてこれらの重み付け係数が増加
して異なる周波数の影響を均衡させる。ラウドネス・レ
ベルが増加するに従って、複数の重み付け係数は平坦に
なる。図７における重み付け係数wm(i)は、経験的に選
択される。
（１）により定義され、また図７は、種々のエネルギ・
レベルを与えた重み付け係数（wm(i))の選択を示す。こ
れらの重み付け係数wm(i)は、ＩＴＵ−Ｔ Ｇ７２９付
録Ｂ標準において使用されている重み付け係数である。
これらの重み付け係数は、図５から導き出される。低エ
ネルギ・レベル、従って低ラウドネス・レベルの場合、
周波数が増加するにつれてこれらの重み付け係数が増加
して異なる周波数の影響を均衡させる。ラウドネス・レ
ベルが増加するに従って、複数の重み付け係数は平坦に
なる。図７における重み付け係数wm(i)は、経験的に選
択される。
【００２１】このアルゴリズムは、信号の変化が人間の
聴覚反応系に知覚し得るか、かつ／又は意味をなすか
（ｓｉｇｎｉｆｉｃａｎｔ）否かを判断するために、信
号の変化を評価する一組の基準を確立する。この判断に
おける一対は、ラウドネスの知覚に基づいたＨＡＰスペ
クトル距離しきい値である。これらは、Ｔｈ ｈ及びＴ
ｈ ｌにより表され、図８に示すように、フレームのエ
ネルギに従って変動する。これらの図は、更に図５にお
けるアーギュメント（ａｒｇｕｍｅｎｔｓ）によっても
導き出される。信号エネルギが低下するに従ってラウド
ネスも低下することを調べることは、問題ではない。低
ラウドネス・レベルにおけるしきい値は、低い感度を補
償するためにもっと高い必要がある。最大感度は、高い
ラウドネス・レベルにあり、従って高いラウドネス・レ
ベルには低いしきい値が選択される。図８におけるＴｈ
ｌ値及びＴｈ ｈ値は、実験的に選択される。
聴覚反応系に知覚し得るか、かつ／又は意味をなすか
（ｓｉｇｎｉｆｉｃａｎｔ）否かを判断するために、信
号の変化を評価する一組の基準を確立する。この判断に
おける一対は、ラウドネスの知覚に基づいたＨＡＰスペ
クトル距離しきい値である。これらは、Ｔｈ ｈ及びＴ
ｈ ｌにより表され、図８に示すように、フレームのエ
ネルギに従って変動する。これらの図は、更に図５にお
けるアーギュメント（ａｒｇｕｍｅｎｔｓ）によっても
導き出される。信号エネルギが低下するに従ってラウド
ネスも低下することを調べることは、問題ではない。低
ラウドネス・レベルにおけるしきい値は、低い感度を補
償するためにもっと高い必要がある。最大感度は、高い
ラウドネス・レベルにあり、従って高いラウドネス・レ
ベルには低いしきい値が選択される。図８におけるＴｈ
ｌ値及びＴｈ ｈ値は、実験的に選択される。
【００２２】これら２しきい値は、しきい値Ｔｈ ｌ値
及びＴｈ ｈの経時マスキングの更新処理に使用され
る。式（３）、（４）及び（５）は、経時マスキングに
基づいてＨＡＰスペクトル距離しきい値の調節（ａｄａ
ｐｔａｔｉｏｎ）を表す。
及びＴｈ ｈの経時マスキングの更新処理に使用され
る。式（３）、（４）及び（５）は、経時マスキングに
基づいてＨＡＰスペクトル距離しきい値の調節（ａｄａ
ｐｔａｔｉｏｎ）を表す。
【００２３】
【数４】
【００２４】
【数５】
【００２５】ポスト・マスキングは、５０〜２００ｍｓ
程度であり、上記しきい値の時定数は、５０ｍｓ、即ち
この実施例では、ａ＝３／４が選択される。Ｔｈ ｈｉ
ｇｈ５０及びＴｈ ｌｏｗ５２は、図９に示すように、
バイエス分類子（Ｂａｙｅｓｃｌａｓｓｉｆｉｅｒ）に
使用される。
程度であり、上記しきい値の時定数は、５０ｍｓ、即ち
この実施例では、ａ＝３／４が選択される。Ｔｈ ｈｉ
ｇｈ５０及びＴｈ ｌｏｗ５２は、図９に示すように、
バイエス分類子（Ｂａｙｅｓｃｌａｓｓｉｆｉｅｒ）に
使用される。
【００２６】図６は、更に、ＨＡＰに基づくスペクトル
距離３０が高い方のしきい値Ｔｈ ｈｉｇｈ３６より大き
いときは、ＳＩＤフレームが検出される（３８）ことを
示す。次に、平均ＬＳＦエネルギがリセットされ（４
０）、ラウドネス知覚（３２）及び経時マスキング（３
４）に基づいて更新される。距離（３０）が低い方のし
きい値Ｔｈ ｌｏｗ（４２）より下のときは、現在のフ
レームを非ＳＩＤフレームとみなす。スペクトル距離が
Ｔｈ ｈｉｇｈとＴｈ ｌｏｗとの間に入るときは、量
子化されたエネルギ特性Ｅｑ（４６）を導入して現在の
フレームがＳＩＤであるか否か判断する。Ｅｑ＞２ｄＢ
のときは、ＳＩＤパケット（３８）を検出する。Ｅｑ＜
２ｄＢのときは、ＨＡＰスペクトル距離しきい値を再計
算する処理（３２）及びしきい値を調整する処理（３
４）に戻る前に、平均ＬＳＦ雑音スペクトルを更新する
（４４）。
距離３０が高い方のしきい値Ｔｈ ｈｉｇｈ３６より大き
いときは、ＳＩＤフレームが検出される（３８）ことを
示す。次に、平均ＬＳＦエネルギがリセットされ（４
０）、ラウドネス知覚（３２）及び経時マスキング（３
４）に基づいて更新される。距離（３０）が低い方のし
きい値Ｔｈ ｌｏｗ（４２）より下のときは、現在のフ
レームを非ＳＩＤフレームとみなす。スペクトル距離が
Ｔｈ ｈｉｇｈとＴｈ ｌｏｗとの間に入るときは、量
子化されたエネルギ特性Ｅｑ（４６）を導入して現在の
フレームがＳＩＤであるか否か判断する。Ｅｑ＞２ｄＢ
のときは、ＳＩＤパケット（３８）を検出する。Ｅｑ＜
２ｄＢのときは、ＨＡＰスペクトル距離しきい値を再計
算する処理（３２）及びしきい値を調整する処理（３
４）に戻る前に、平均ＬＳＦ雑音スペクトルを更新する
（４４）。
【００２７】次いで、本発明は、聞き取れない背景レベ
ルの変化を表す遷移を排除することができ、かつ背景雑
音における知覚し得る変化に対応したＳＩＤパケット
（３８）を発生することができる。図１０は、異なる背
景雑音レベルにより付加された種々の雑音（さざめき、
オフィス又は街路の雑音）あり／なしで、クリーンなス
ピーチに対して、ＨＡＰに基づくＳＩＤ検出及びＧ．７
２９付録Ｂ ＳＩＤ検出を模擬した結果を示す。ＰＡＭ
Ｓは、客観的測定に使用される。新しいアルゴリズム
は、雑音のひどいレベル条件（７〜１５列）においてＹ
ＬＱに関して相当な割合のＳＩＤ減少をもって標準Ｇ７
２９付録Ｂ ＳＩＤ検出アルゴリズムと同等か又はそれ
を超える性能を示す。他の例（１〜６列）において、新
しいアルゴリズムが標準的なＳＩＤ検出アルゴリズムと
同一の品質を実行することができないが、ＳＩＤの減少
比率は、依然として大きく、ＹＬＱ差は、無視可能な範
囲にある。主観テストでも品質に劣化がない、又は実質
的に少ないことを証明した。
ルの変化を表す遷移を排除することができ、かつ背景雑
音における知覚し得る変化に対応したＳＩＤパケット
（３８）を発生することができる。図１０は、異なる背
景雑音レベルにより付加された種々の雑音（さざめき、
オフィス又は街路の雑音）あり／なしで、クリーンなス
ピーチに対して、ＨＡＰに基づくＳＩＤ検出及びＧ．７
２９付録Ｂ ＳＩＤ検出を模擬した結果を示す。ＰＡＭ
Ｓは、客観的測定に使用される。新しいアルゴリズム
は、雑音のひどいレベル条件（７〜１５列）においてＹ
ＬＱに関して相当な割合のＳＩＤ減少をもって標準Ｇ７
２９付録Ｂ ＳＩＤ検出アルゴリズムと同等か又はそれ
を超える性能を示す。他の例（１〜６列）において、新
しいアルゴリズムが標準的なＳＩＤ検出アルゴリズムと
同一の品質を実行することができないが、ＳＩＤの減少
比率は、依然として大きく、ＹＬＱ差は、無視可能な範
囲にある。主観テストでも品質に劣化がない、又は実質
的に少ないことを証明した。
【００２８】
【表１】
【００２９】多くの変形及び異なった実施例は、ここで
開示した本発明の概念の範囲内で実施可能とされ、また
法の記述的な要求に従ってここで詳細に説明した実施例
に多くの変更が可能なので、ここでの詳細は、限定的な
意味ではなく、例示として解釈されるべきである。
開示した本発明の概念の範囲内で実施可能とされ、また
法の記述的な要求に従ってここで詳細に説明した実施例
に多くの変更が可能なので、ここでの詳細は、限定的な
意味ではなく、例示として解釈されるべきである。
【００３０】以上の説明に関して更に以下の項を開示す
る。
る。
【００３１】（１）ディジタル化音声アプリケーション
において背景雑音の更新が正当か否かを人間の聴覚（Ｈ
ＡＰ）の要素に基づいて判断するための無音挿入記述子
（ＳＩＤ）フレーム検出方法であって、ディジタル化音
声アプリケーションにおけるＳＩＤフレームを検出し、
前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
くスペクトル距離しきい値を計算し、前記ＳＩＤフレー
ムのそれぞれについてのＨＡＰに基づく信号エネルギ・
レベルを計算し、連続するＳＩＤフレーム間のＨＡＰに
基づくスペクトル距離変化を計算し、前記変化が人間の
聴覚反応系で知覚し得る又は意味を持つ（ｓｉｇｎｉｆ
ｉｃａｎｔ）か否かを判断するために前記信号エネルギ
・レベルにおける変化を評価し、聞き取れない背景レベ
ルの変化を表す前記信号エネルギ・レベルを排除し、背
景雑音における知覚し得る変化に対応したＳＩＤパケッ
トを発生することを含む方法。
において背景雑音の更新が正当か否かを人間の聴覚（Ｈ
ＡＰ）の要素に基づいて判断するための無音挿入記述子
（ＳＩＤ）フレーム検出方法であって、ディジタル化音
声アプリケーションにおけるＳＩＤフレームを検出し、
前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
くスペクトル距離しきい値を計算し、前記ＳＩＤフレー
ムのそれぞれについてのＨＡＰに基づく信号エネルギ・
レベルを計算し、連続するＳＩＤフレーム間のＨＡＰに
基づくスペクトル距離変化を計算し、前記変化が人間の
聴覚反応系で知覚し得る又は意味を持つ（ｓｉｇｎｉｆ
ｉｃａｎｔ）か否かを判断するために前記信号エネルギ
・レベルにおける変化を評価し、聞き取れない背景レベ
ルの変化を表す前記信号エネルギ・レベルを排除し、背
景雑音における知覚し得る変化に対応したＳＩＤパケッ
トを発生することを含む方法。
【００３２】（２）前記ＨＡＰに基づくスペクトル距離
しきい値は、前記ＳＩＤフレームのエネルギに依存した
変動に対するラウドネスの知覚に基づいて、経験的に選
択され、前記しきい値のレベルは、低い感度を補償する
ように低いラウドネス時に高くされ、かつ前記しきい値
のレベルは、最大感度に対する高いラウドネス・レベル
時に低くされる第１項記載の方法。
しきい値は、前記ＳＩＤフレームのエネルギに依存した
変動に対するラウドネスの知覚に基づいて、経験的に選
択され、前記しきい値のレベルは、低い感度を補償する
ように低いラウドネス時に高くされ、かつ前記しきい値
のレベルは、最大感度に対する高いラウドネス・レベル
時に低くされる第１項記載の方法。
【００３３】（３）前記ＨＡＰに基づくスペクトル距離
変化及び前記エネルギ・レベルの計算は、重み付け係数
を使用して実行される第１項記載の方法。
変化及び前記エネルギ・レベルの計算は、重み付け係数
を使用して実行される第１項記載の方法。
【００３４】（４）前記重み付け係数は、経験的に選択
される第３項記載の方法。
される第３項記載の方法。
【００３５】（５）前記ディジタル化音声アプリケーシ
ョンにおけるＳＩＤフレームの検出は、前記ＨＡＰに基
づくスペクトル距離が上側しきい値より大きいときは、
前記ＳＩＤフレームを検出し、前記ＨＡＰに基づくスペ
クトル距離が下側しきい値より小さいときは、非ＳＩＤ
フレームを検出し、前記スペクトル距離が前記上側しき
い値と前記下側しきい値との間に入り、かつ前記ＳＩＤ
フレームが約２デシベルであるときは、前記ＳＩＤフレ
ームを検出する第１項記載の方法。
ョンにおけるＳＩＤフレームの検出は、前記ＨＡＰに基
づくスペクトル距離が上側しきい値より大きいときは、
前記ＳＩＤフレームを検出し、前記ＨＡＰに基づくスペ
クトル距離が下側しきい値より小さいときは、非ＳＩＤ
フレームを検出し、前記スペクトル距離が前記上側しき
い値と前記下側しきい値との間に入り、かつ前記ＳＩＤ
フレームが約２デシベルであるときは、前記ＳＩＤフレ
ームを検出する第１項記載の方法。
【００３６】（６）ディジタル化音声アプリケーション
において背景雑音の更新が正当か否かを人間の聴覚（Ｈ
ＡＰ）の要素に基づいて判断するための無音挿入記述子
（ＳＩＤ）フレーム検出方法であって、ディジタル化音
声アプリケーションにおけるＳＩＤフレームを検出し、
前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
くスペクトル距離しきい値を計算し、前記しきい値は、
前記ＳＩＤフレームのエネルギに依存した変動に対する
ラウドネス知覚に基づいて、経験的に選択され、前記し
きい値のレベルは、低い感度を補償するように低いラウ
ドネス時に高くされ、かつ前記しきい値のレベルは、最
大感度に対する高いラウドネス・レベル時に低くされ、
前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
く信号エネルギ・レベルを計算し、連続するＳＩＤフレ
ーム間のＨＡＰに基づくスペクトル距離変化を計算し、
前記変化が人間の聴覚反応系に知覚し得る又は意味を持
つか否かを判断するために前記信号エネルギ・レベルに
おける変化を評価し、聞き取れない背景レベルの変化を
表す前記信号エネルギ・レベルを排除し、背景雑音にお
ける知覚し得る変化に対応したＳＩＤパケットを発生す
ることを含む方法。
において背景雑音の更新が正当か否かを人間の聴覚（Ｈ
ＡＰ）の要素に基づいて判断するための無音挿入記述子
（ＳＩＤ）フレーム検出方法であって、ディジタル化音
声アプリケーションにおけるＳＩＤフレームを検出し、
前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
くスペクトル距離しきい値を計算し、前記しきい値は、
前記ＳＩＤフレームのエネルギに依存した変動に対する
ラウドネス知覚に基づいて、経験的に選択され、前記し
きい値のレベルは、低い感度を補償するように低いラウ
ドネス時に高くされ、かつ前記しきい値のレベルは、最
大感度に対する高いラウドネス・レベル時に低くされ、
前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
く信号エネルギ・レベルを計算し、連続するＳＩＤフレ
ーム間のＨＡＰに基づくスペクトル距離変化を計算し、
前記変化が人間の聴覚反応系に知覚し得る又は意味を持
つか否かを判断するために前記信号エネルギ・レベルに
おける変化を評価し、聞き取れない背景レベルの変化を
表す前記信号エネルギ・レベルを排除し、背景雑音にお
ける知覚し得る変化に対応したＳＩＤパケットを発生す
ることを含む方法。
【００３７】（７）ディジタル化音声パケットの送信に
おいて使用される帯域幅量を減少させる方法。前記方法
は、無音期間中に、又は雑音のみが存在するときに、送
信を中断することにより、送信されるパケット数を減少
させるために使用される。このシステムは、過度の無音
挿入記述子パケットによる人為的なリミッタの代わり
に、背景雑音の更新が人間の聴覚の複数要素に基づいて
正当化されるか否かを判断する。このシステムは、改善
された音声圧縮のために音声を解析する代わりに、背景
雑音の知覚変化における特性を探し求める。本発明は、
周波数マスキング、経時マスキング、トーンに基づくラ
ウドネス知覚、及びトーンに基づく聴覚差を含む音の知
覚に影響する要素を重み付けする。
おいて使用される帯域幅量を減少させる方法。前記方法
は、無音期間中に、又は雑音のみが存在するときに、送
信を中断することにより、送信されるパケット数を減少
させるために使用される。このシステムは、過度の無音
挿入記述子パケットによる人為的なリミッタの代わり
に、背景雑音の更新が人間の聴覚の複数要素に基づいて
正当化されるか否かを判断する。このシステムは、改善
された音声圧縮のために音声を解析する代わりに、背景
雑音の知覚変化における特性を探し求める。本発明は、
周波数マスキング、経時マスキング、トーンに基づくラ
ウドネス知覚、及びトーンに基づく聴覚差を含む音の知
覚に影響する要素を重み付けする。
【図１】音声、トーン及び無音に対する個別的な処理パ
スを示す機能ブロック図である。
スを示す機能ブロック図である。
【図２】典型的なパケットを示すフォーマット図であ
る。
る。
【図３】周波数マスキングを示すグラフである。
【図４】経時マスキングを示すグラフである。
【図５】人間の聴覚のラウドネスを示す図である。
【図６】ＳＩＤを発生するための背景雑音予測の認識に
関する処理を示す機能フロー・チャートである。
関する処理を示す機能フロー・チャートである。
【図７】種々のエネルギ・レベルを与えてＨＡＰ関連の
重み付け係数決定を示すグラフである。
重み付け係数決定を示すグラフである。
【図８】聴覚のラウドネスしきい値を示すグラフであ
る。
る。
【図９】異なるしきい値を与えてＳＩＤ発生の選択する
ためのベイ予測器のグラフである。
ためのベイ予測器のグラフである。
【図１０】クリーンなスピーチに対してＨＡＰに基づく
ＳＩＤ検出及びＧ．７２９付録ＢＳＩＤ検出のシミュレ
ーション結果を示すグラフである。
ＳＩＤ検出及びＧ．７２９付録ＢＳＩＤ検出のシミュレ
ーション結果を示すグラフである。
１０ エコー打ち消し １２ 無音検出 １４ 音声圧縮 １６ プロトコル・コンフィグレーション １８ ＩＤパケット ２０ 背景雑音情報
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ゴカーン シスリ アメリカ合衆国 メリーランド、ベセス ダ、バッテリィ レイン 4858、ナンバー 201 (72)発明者 ダニエル トーマス アメリカ合衆国 メリーランド、ジャーマ ンタウン、ステージ コーチ コート ７ Ｆターム(参考） 5K041 AA01 CC01 EE19 FF11 FF21 HH01 HH13 HH24 JJ00 JJ22 JJ40 5K046 BB01 DD25 HH12 HH68 5K066 AA01 BB01 CC02 EE54 JJ17
Claims (1)
- 【請求項１】 ディジタル化音声アプリケーションにお
いて背景雑音の更新が正当か否かを人間の聴覚（ＨＡ
Ｐ）の要素に基づいて判断するための無音挿入記述子
（ＳＩＤ）フレーム検出方法であって、 ディジタル化音声アプリケーションにおけるＳＩＤフレ
ームを検出し、 前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
くスペクトル距離しきい値を計算し、 前記ＳＩＤフレームのそれぞれについてのＨＡＰに基づ
く信号エネルギ・レベルを計算し、 連続するＳＩＤフレーム間のＨＡＰに基づくスペクトル
距離変化を計算し、 前記変化が人間の聴覚反応系で知覚し得る又は意味を持
つか否かを判断するために前記信号エネルギ・レベルに
おける変化を評価し、 聞き取れない背景レベルの変化を表す前記信号エネルギ
・レベルを排除し、 背景雑音における知覚し得る変化に対応したＳＩＤパケ
ットを発生することを含む方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US699366 | 2000-10-31 | ||
| US09/699,366 US6807525B1 (en) | 2000-10-31 | 2000-10-31 | SID frame detection with human auditory perception compensation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002237785A true JP2002237785A (ja) | 2002-08-23 |
Family
ID=24808998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001332962A Pending JP2002237785A (ja) | 2000-10-31 | 2001-10-30 | 人間の聴覚補償によりｓｉｄフレームを検出する方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6807525B1 (ja) |
| EP (1) | EP1229520A3 (ja) |
| JP (1) | JP2002237785A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1299521C (zh) * | 2003-10-28 | 2007-02-07 | 中兴通讯股份有限公司 | 一种无线通讯系统中基带至射频信号传输的装置和方法 |
| JP2009545779A (ja) * | 2006-07-31 | 2009-12-24 | クゥアルコム・インコーポレイテッド | 信号変化検出のためのシステム、方法、および装置 |
| JP2009545778A (ja) * | 2006-07-31 | 2009-12-24 | クゥアルコム・インコーポレイテッド | 非アクティブフレームの広帯域符号化および復号化を行うためのシステム、方法、および装置 |
| JP2010206515A (ja) * | 2009-03-03 | 2010-09-16 | Oki Electric Ind Co Ltd | エコーキャンセラ |
| JP2011199875A (ja) * | 2005-06-18 | 2011-10-06 | Nokia Corp | 非連続音声送信の際の擬似背景ノイズパラメータ適応送信のためのシステム及び方法 |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7386447B2 (en) * | 2001-11-02 | 2008-06-10 | Texas Instruments Incorporated | Speech coder and method |
| US7177304B1 (en) * | 2002-01-03 | 2007-02-13 | Cisco Technology, Inc. | Devices, softwares and methods for prioritizing between voice data packets for discard decision purposes |
| US7454331B2 (en) * | 2002-08-30 | 2008-11-18 | Dolby Laboratories Licensing Corporation | Controlling loudness of speech in signals that contain speech and other types of audio material |
| JP4486646B2 (ja) * | 2003-05-28 | 2010-06-23 | ドルビー・ラボラトリーズ・ライセンシング・コーポレーション | オーディオ信号の感知音量を計算し調整する方法、装置及びコンピュータプログラム |
| US8090120B2 (en) * | 2004-10-26 | 2012-01-03 | Dolby Laboratories Licensing Corporation | Calculating and adjusting the perceived loudness and/or the perceived spectral balance of an audio signal |
| US8199933B2 (en) | 2004-10-26 | 2012-06-12 | Dolby Laboratories Licensing Corporation | Calculating and adjusting the perceived loudness and/or the perceived spectral balance of an audio signal |
| BRPI0622303B1 (pt) * | 2005-04-18 | 2016-03-01 | Basf Se | copolímeros cp na forma de um polímero obtido por polimerização com radical de pelo menos três monômeros m diferentes monoetilenicamente insaturados |
| US20070019931A1 (en) * | 2005-07-19 | 2007-01-25 | Texas Instruments Incorporated | Systems and methods for re-synchronizing video and audio data |
| KR100735246B1 (ko) * | 2005-09-12 | 2007-07-03 | 삼성전자주식회사 | 오디오 신호 전송 장치 및 방법 |
| US7546125B2 (en) * | 2005-10-03 | 2009-06-09 | Divitas Networks, Inc. | Enhancing user experience during handoffs in wireless communication |
| CN101410892B (zh) * | 2006-04-04 | 2012-08-08 | 杜比实验室特许公司 | 改进的离散余弦变换域中的音频信号响度测量及修改 |
| TWI517562B (zh) * | 2006-04-04 | 2016-01-11 | 杜比實驗室特許公司 | 用於將多聲道音訊信號之全面感知響度縮放一期望量的方法、裝置及電腦程式 |
| MY141426A (en) | 2006-04-27 | 2010-04-30 | Dolby Lab Licensing Corp | Audio gain control using specific-loudness-based auditory event detection |
| CN101087319B (zh) * | 2006-06-05 | 2012-01-04 | 华为技术有限公司 | 一种发送和接收背景噪声的方法和装置及静音压缩系统 |
| US20080317241A1 (en) * | 2006-06-14 | 2008-12-25 | Derek Wang | Code-based echo cancellation |
| US20080140767A1 (en) * | 2006-06-14 | 2008-06-12 | Prasad Rao | Divitas description protocol and methods therefor |
| US20090016333A1 (en) * | 2006-06-14 | 2009-01-15 | Derek Wang | Content-based adaptive jitter handling |
| CN101496095B (zh) * | 2006-07-31 | 2012-11-21 | 高通股份有限公司 | 用于信号变化检测的系统、方法及设备 |
| US8849433B2 (en) | 2006-10-20 | 2014-09-30 | Dolby Laboratories Licensing Corporation | Audio dynamics processing using a reset |
| US8521314B2 (en) | 2006-11-01 | 2013-08-27 | Dolby Laboratories Licensing Corporation | Hierarchical control path with constraints for audio dynamics processing |
| US8571853B2 (en) * | 2007-02-11 | 2013-10-29 | Nice Systems Ltd. | Method and system for laughter detection |
| BRPI0813723B1 (pt) * | 2007-07-13 | 2020-02-04 | Dolby Laboratories Licensing Corp | método para controlar o nível de intensidade do som de eventos auditivos, memória legível por computador não transitória, sistema de computador e aparelho |
| DE102008009718A1 (de) | 2008-02-19 | 2009-08-20 | Siemens Enterprise Communications Gmbh & Co. Kg | Verfahren und Mittel zur Enkodierung von Hintergrundrauschinformationen |
| ES2688021T3 (es) | 2012-12-21 | 2018-10-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Adición de ruido de confort para modelar ruido de fondo a bajas tasas de bits |
| CA2894625C (en) * | 2012-12-21 | 2017-11-07 | Anthony LOMBARD | Generation of a comfort noise with high spectro-temporal resolution in discontinuous transmission of audio signals |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2110090C (en) * | 1992-11-27 | 1998-09-15 | Toshihiro Hayata | Voice encoder |
| FR2739995B1 (fr) * | 1995-10-13 | 1997-12-12 | Massaloux Dominique | Procede et dispositif de creation d'un bruit de confort dans un systeme de transmission numerique de parole |
-
2000
- 2000-10-31 US US09/699,366 patent/US6807525B1/en not_active Expired - Lifetime
-
2001
- 2001-10-29 EP EP01000577A patent/EP1229520A3/en not_active Withdrawn
- 2001-10-30 JP JP2001332962A patent/JP2002237785A/ja active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1299521C (zh) * | 2003-10-28 | 2007-02-07 | 中兴通讯股份有限公司 | 一种无线通讯系统中基带至射频信号传输的装置和方法 |
| JP2011199875A (ja) * | 2005-06-18 | 2011-10-06 | Nokia Corp | 非連続音声送信の際の擬似背景ノイズパラメータ適応送信のためのシステム及び方法 |
| JP2009545779A (ja) * | 2006-07-31 | 2009-12-24 | クゥアルコム・インコーポレイテッド | 信号変化検出のためのシステム、方法、および装置 |
| JP2009545778A (ja) * | 2006-07-31 | 2009-12-24 | クゥアルコム・インコーポレイテッド | 非アクティブフレームの広帯域符号化および復号化を行うためのシステム、方法、および装置 |
| US8260609B2 (en) | 2006-07-31 | 2012-09-04 | Qualcomm Incorporated | Systems, methods, and apparatus for wideband encoding and decoding of inactive frames |
| US8725499B2 (en) | 2006-07-31 | 2014-05-13 | Qualcomm Incorporated | Systems, methods, and apparatus for signal change detection |
| US9324333B2 (en) | 2006-07-31 | 2016-04-26 | Qualcomm Incorporated | Systems, methods, and apparatus for wideband encoding and decoding of inactive frames |
| JP2010206515A (ja) * | 2009-03-03 | 2010-09-16 | Oki Electric Ind Co Ltd | エコーキャンセラ |
| US8433059B2 (en) | 2009-03-03 | 2013-04-30 | Oki Electric Industry Co., Ltd. | Echo canceller canceling an echo according to timings of producing and detecting an identified frequency component signal |
Also Published As
| Publication number | Publication date |
|---|---|
| US6807525B1 (en) | 2004-10-19 |
| EP1229520A3 (en) | 2004-01-21 |
| EP1229520A2 (en) | 2002-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2002237785A (ja) | 人間の聴覚補償によりｓｉｄフレームを検出する方法 | |
| RU2251750C2 (ru) | Обнаружение активности сложного сигнала для усовершенствованной классификации речи/шума в аудиосигнале | |
| Beritelli et al. | Performance evaluation and comparison of G. 729/AMR/fuzzy voice activity detectors | |
| KR100455225B1 (ko) | 보코더에 의해 인코드되는 다수의 프레임들에 잔존 프레임들을 추가하는 방법 및 장치 | |
| EP0661689B1 (en) | Noise reducing method, noise reducing apparatus and telephone set | |
| EP2517202B1 (en) | Method and device for speech bandwidth extension | |
| KR100302370B1 (ko) | 음성구간검출방법과시스템및그음성구간검출방법과시스템을이용한음성속도변환방법과시스템 | |
| KR100905585B1 (ko) | 음성신호의 대역폭 확장 제어 방법 및 장치 | |
| JP2002366174A (ja) | Ｇ．７２９の付属書ｂに準拠した音声アクティビティ検出回路を収束させるための方法 | |
| JPH1097292A (ja) | 音声信号伝送方法および不連続伝送システム | |
| US20010034601A1 (en) | Voice activity detection apparatus, and voice activity/non-activity detection method | |
| JP2003514473A (ja) | ノイズ抑制 | |
| JP2004514327A (ja) | 電気通信網における電話リンクの会話品質の測定 | |
| JP2004525540A (ja) | 音声通信中に快適ノイズを発生するための方法およびシステム | |
| WO2004079936A1 (en) | Preprocessing of digital audio data for improving perceptual sound quality on a mobile phone | |
| JP2009539132A (ja) | オーディオ信号の線形予測符号化 | |
| EP1554717B1 (en) | Preprocessing of digital audio data for mobile audio codecs | |
| JP4989021B2 (ja) | 客観的なスピーチ品質評価において時間／言語歪みを反映する方法 | |
| US6424942B1 (en) | Methods and arrangements in a telecommunications system | |
| CN108133712B (zh) | 一种处理音频数据的方法和装置 | |
| JPS62274941A (ja) | 音声符号化方式 | |
| JP2001501790A (ja) | 復号された音声パラメータを用いる移動電話で受信された不良データパケットの検出を行う方法およびその装置 | |
| EP2743923B1 (en) | Voice processing device, voice processing method | |
| JPH0644195B2 (ja) | エネルギ正規化および無声フレーム抑制機能を有する音声分析合成システムおよびその方法 | |
| US8949121B2 (en) | Method and means for encoding background noise information |