JP2007235502A

JP2007235502A - オーディオ通信システム

Info

Publication number: JP2007235502A
Application number: JP2006054331A
Authority: JP
Inventors: Jo Matsui; 丈松井
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2006-03-01
Filing date: 2006-03-01
Publication date: 2007-09-13
Also published as: US20070206778A1; US8879721B2; CN101072267A; CN101072267B

Abstract

【課題】高音質オーディオのデータを伝送できるとともに、エコーキャンセラの回路規模の増大を抑制すること。
【解決手段】本発明は、マイク入力端子１０２から入力した音声信号をデジタル信号に変換する第１のＡＤコンバータ２０２と、補助入力端子１０１から入力したオーディオ信号をデジタル信号に変換する第２のＡＤコンバータ２０１と、外部から送信された音声信号もしくはオーディオ信号を受信してスピーカ出力端子１０３から出力する際、そのスピーカからの出力がマイクから入力され相手方にエコーバックされることを防止するエコーキャンセラ４０２とを備えるオーディオ通信システムにおいて、エコーキャンセラ４０２の動作周波数が、第２のＡＤコンバータ２０１のサンプリング周波数に比べて低くなっているものである。
【選択図】図１

Description

本発明は、音声信号やオーディオ信号を高音質で相手方と送受するオーディオ通信システムに関する。

従来、テレビ会議、テレビ電話などのオーディオ通信システムとしては、図３に示すものが知られている。すなわち、補助入力端子（ＡＵＸ）１０１は、ＣＤなどの音源を接続する端子である。補助入力端子１０１から入った信号は、ＡＤコンバータ２０１により、例えばサンプリング周波数48kHzでサンプリングされ、デジタル信号となる。

マイク入力端子（ＭＩＣ）１０２には、音声を収音するためのマイクロホンなどが接続される。マイク入力端子（ＭＩＣ）１０２から入った信号は、ＡＤコンバータ２０２により、例えばサンプリング周波数48kHzでサンプリングされ、デジタル信号となる。この信号には、スピーカから出た相手端末の音（エコー）も回り込んで含まれてしまっているため、エコーキャンセラ４０２によって、エコー消去の処理を行う。

エコーキャンセラ４０２では、マイク入力信号に対し、スピーカ出力から回り込んだ相手端末の信号成分（エコー）を除去する。信号成分の除去のため、相手端末からの真の信号成分を参照する。

エコーが除去されたマイク入力信号は、加算器６０２にて必要に応じてＡＤコンバータ２０１の出力とミックスされ、相手端末に送るべき例えばサンプリング周波数48kHzの送信信号となる。

加算器６０２の出力は、エンコーダ７０２において圧縮処理され、ＩＰネットワークなどを通じて相手端末に送られるビットストリームとなる。

一方、相手端末から送られてきたビットストリームは、デコーダ７０３によって復元処理され、例えばサンプリング周波数48kHzの受信信号となる。相手端末からの受信信号は、加算器６０３にて必要に応じてＡＤコンバータ２０１の出力（補助入力端子（ＡＵＸ）１０１からの信号）とミックスされ、スピーカ出力の原信号となる。

スピーカ出力の原信号は、そのままＤＡ変換してスピーカに出したのでは、その音量によって、スピーカから出たときに歪が発生したり、また、ステレオなど多チャネル信号の場合にはエコーキャンセラによって正しくエコー消去できないことがある。このため、参照信号としてエコーキャンセラに入力する前に、前処理器５０３によって、コンプレス（瞬間的に振幅の大きい信号部分を圧縮）したり、チャネル間の相関成分を除去するなど、必要な前処理を行う。またボリューム（音量）を調整する必要がある場合には、ボリューム調整も前処理器５０３によって行われる。

前処理器５０３の出力はＤＡコンバータ２０３に送られるとともに、エコーキャンセラ４０２の参照信号用にも用いられる。ＤＡコンバータ２０３では、例えば、サンプリング周波数48kHzでアナログ信号に復元され、信号帯域が22kHzまで含まれた信号が、スピーカ出力端子１０３に出力される。

システムには、選択的に録音用の信号を設けることもできる。録音用の信号には、自端末のマイク入力信号を相手端末に送るための信号（エコーキャンセラ４０２の出力）と、相手端末からの信号（デコーダ７０３の出力）と、必要に応じて補助入力端子（ＡＵＸ）１０１からの信号（ＡＤコンバータ２０１の出力）が含まれる。これらの信号は、加算器６０４でミックスされ、ＤＡコンバータ２０４によって例えばサンプリング周波数48kHzでアナログ信号に復元され、信号帯域が22kHzまで含まれた録音用信号となり、録音端子１０４に出力される。

以上において、ＡＤ／ＤＡコンバータのサンプリング周波数は最大48kHzである。このようなオーディオ通信システムには、例えば特許文献１が挙げられる。

特開２００２−２６２２５１号公報

ここで、サンプリング周波数48kHzならば、約22kHzの信号まで表現可能である。人間が聴覚で認識できる音は約20kHzまでと言われており、ＣＤなどのオーディオではこの周波数まではほぼ再現できる。しかし、現在求められる最高レベルのオーディオの品質は、従来の音声コミュニケーションシステムが実現できる品質を超えてきている。実際の楽器の音や自然界の音には、22kHzよりはるかに高い音まで含まれており、そのような高音域まで再生すると、明らかに音質が向上すると言われている。このような高音質オーディオを再生するために、スーパーオーディオＣＤやＤＶＤオーディオなどのシステムやコンテンツが、高音質を求めるマーケットの間で流通している。

ところで、上述した従来の音声コミュニケーションシステムにおいては、現在求められているオーディオの品質とハードウェアコストの点で、以下のような問題点がある。
（１）従来の音声コミュニケーションシステムが想定している音源が、音声もしくはＣＤ相当のオーディオに特化されている。コミュニケーションとして、人が話す声を明瞭に理解するには十分な音質であるが、スーパーオーディオＣＤやＤＶＤオーディオなど、ＣＤを超える再生周波数帯域を含む音楽オーディオ信号を忠実に再現することができない。
（２）ＣＤを超える再生周波数帯域を含む信号を、単に従来の延長の方式で処理しようとすると、ハードウェアの規模が非常に大きくなる。特に音声の双方向通信に必須であるエコーキャンセラは、性能の良いものを実現するためには、非常に多くの計算量を必要とする。コミュニケーションとしての音声の再生にはＣＤ相当の周波数帯域で十分であるにもかかわらず、ＣＤを超える再生周波数帯域を含む音楽オーディオ信号に合わせて、エコーキャンセラの再生周波数帯域を広く取らなければならず、大幅なコストアップにつながる。

本発明の目的は、上記（１）〜（２）の問題をすべて解消することができるオーディオ通信システムを提供することにある。

本発明はこのような目的を達成するために成されたものである。すなわち、本発明は、マイクから入力した音声信号をデジタル信号に変換する第１のアナログ／デジタルコンバータと、補助入力端子から入力したオーディオ信号をデジタル信号に変換する第２のアナログ／デジタルコンバータと、外部から送信された音声信号もしくはオーディオ信号を受信してスピーカから出力する際、そのスピーカからの出力がマイクから入力され相手方にエコーバックされることを防止するエコーキャンセラとを備えるオーディオ通信システムにおいて、エコーキャンセラの動作周波数が、第２のアナログ／デジタルコンバータのサンプリング周波数に比べて低くなっているものである。

このような本発明では、補助入力端子に対応した第２のアナログ／デジタルコンバータのサンプリング周波数に比べてエコーキャンセラの動作周波数が低くなっているため、補助入力端子から入力された高音質の音源については高いサンプリング周波数で高音質を維持したまま伝送できるとともに、マイクから入力される音声については低い動作周波数のエコーキャンセラを用いて的確にエコーバックを抑制するため、高音質対応に合わせた回路規模の増大を抑制できるようになる。

したがって、本発明によれば、現在求められているオーディオの品質とハードウェアコストの点で、以下のような効果が得られる。
（１）音声もしくはＣＤ相当のオーディオに特化されていた従来の音声コミュニケーションシステムと比較して、スーパーオーディオＣＤやＤＶＤオーディオなど、ＣＤを超える再生周波数帯域を含む音楽オーディオ信号を忠実に再現することが可能となる。
（２）従来の延長の方式ではハードウェアの規模が非常に大きくなるのに比較して、サンプリングレートコンバータを適切に活用することで、エコーキャンセラは従来の技術をそのまま流用できるため、不用な回路規模の増大やコストアップを避けることが可能となる。なお、サンプリングレートコンバータは、エコーキャンセラに比べ、はるかに小さい計算量で実現でき、コストアップへの影響はほとんどない。

以下、図面を参照し、本発明の実施の形態について説明する。図１は、本発明の一実施形態であるオーディオ通信システムの構成を示す図である。

補助入力端子（ＡＵＸ）１０１は、スーパーオーディオＣＤやＤＶＤオーディオプレーヤーなどからの高音質な音源を接続する端子である。補助入力端子１０１から入った信号は、ＡＤコンバータ２０１により、サンプリング周波数96kHzでサンプリングされ、デジタル信号となる。

マイク入力端子（ＭＩＣ）１０２には、音声を収音するためのマイクロホンなどが接続される。マイク入力端子（ＭＩＣ）１０２から入った信号は、ＡＤコンバータ２０２により、サンプリング周波数96kHzでサンプリングされ、デジタル信号となる。

サンプリングレートコンバータ３０２は、マイク入力信号のためのサンプリングレートを変換（ダウンサンプル）する回路であり、サンプリング周波数96kHzでサンプリングされた信号を、48kHzにダウンサンプルする。この信号には、スピーカから出た相手端末の音（エコー）も回り込んで含まれてしまっているため、エコーキャンセラ４０２によって、エコー消去の処理を行う。

エコーが除去されたマイク入力信号は、サンプリングレートコンバータ（アップサンプル）５０２によって、96kHzにアップサンプルされる。ここではサンプリング周波数のみ高くなるだけで、信号のもつ周波数帯域はアップサンプル前と変わらない。

サンプリングレートコンバータ（アップサンプル）５０２の出力は、加算器６０２にて必要に応じてＡＤコンバータ２０１の出力とミックスされ、相手端末に送るべきサンプリング周波数96kHzの送信信号となる。

一方、相手端末から送られてきたビットストリームは、デコーダ７０３によって復元処理され、サンプリング周波数96kHzの受信信号となる。相手端末からの受信信号は、加算器６０３にて必要に応じてＡＤコンバータ２０１の出力（補助入力（ＡＵＸ）信号）とミックスされ、スピーカ出力の原信号となる。

前処理器５０３の出力はＤＡコンバータ２０３に送られるとともに、エコーキャンセラ４０２の参照信号用にサンプリングレートコンバータ（ダウンサンプル）４０３にも送られ、サンプリング周波数が48kHzとなり、帯域が22kHz以下に制限された信号となる。スピーカ出力のための信号にはサンプリングレートコンバータを介さないので、相手端末からの信号および補助入力（ＡＵＸ）からの信号は、元の信号成分が損なわれない。

ＤＡコンバータ２０３では、サンプリング周波数96kHzでアナログ信号に復元され、信号帯域が44kHzまで含まれた信号が、スピーカ出力端子１０３に出力される。

システムには、選択的に録音用の信号を設けることもできる。録音用の信号には、自端末のマイク入力信号を相手端末に送るための信号（サンプリングレートコンバータ（アップサンプル）５０２の出力）と、相手端末からの信号（デコーダ７０３の出力）と、必要に応じて補助入力端子（ＡＵＸ）からの信号（ＡＤコンバータ２０１の出力）が含まれる。これらの信号は、加算器６０４でミックスされ、ＤＡコンバータ２０４によってサンプリング周波数96kHzでアナログ信号に復元され、信号帯域が44kHzまで含まれた録音用信号となり、録音端子１０４に出力される。

このような構成から成る本実施形態のオーディオ通信システムでは、スーパーオーディオＣＤやＤＶＤオーディオなど、ＣＤを超える再生周波数帯域を含む音楽オーディオ信号については補助入力端子（ＡＵＸ）１０１から入力してＡＤコンバータ２０１の高音質対応のサンプリング周波数により高音質を維持したまま伝送できるようになる。一方、マイク入力端子１０２から入力される音声についてはサンプリングレートコンバータ３０２によってダウンサンプルして、低い動作周波数に対応したエコーキャンセラ４０２に入力するため、エコーキャンセラ４０２としては従来と同じ回路規模のものを利用でき、不要な回路面積の増大やコストアップを抑制できるようになる。

次に、サンプリングレートコンバータの詳細について説明する。図２は、サンプリングレートコンバータを説明する図である。本実施形態では、サンプリングレートコンバータとして、図２（ａ）に示すFIR(Finite Impulse Response)フィルタの応用として実現される。一般にFIRフィルタは、下記のような式で表現される。

y_k＝h₀x_k＋h₁x_k-1＋…＋h_n-1x_k-(n-1), (kは整数) (1)

ここでy_kは、時刻kにおける出力、x_kは、時刻kにおける入力、h₀,…,h_n-1は、タップ数nにおけるそれぞれのFIRフィルタ係数である。サンプリング周波数が96kHzならば、96kHzのそれぞれの周期に対して時刻kが対応する。

はじめに、ダウンサンプルのサンプリングレートコンバータについて説明する。本実施形態では、ダウンサンプルはサンプリング周波数を96kHzから48kHzに下げるものである（図２（ｂ）参照）。出力側のサンプリング周波数が48kHzなので、サンプリング定理により、オーディオ帯域は24kHz以下にほぼ完全に遮断しなければならない。

現実的なフィルタ特性は、22kHzまでの信号は通過し、22kHzから24kHzにかけて過渡的に減衰し、24kHz以上は遮断するような特性となる。入力のサンプリング周波数は96kHzなので、もとの信号を入力のサンプリング周波数に対して1/4以下に制限するような特性をもつフィルタ係数を選択する。

フィルタ処理によっていったん24kHz以上にほぼ完全に遮断できれば、その後はフィルタ出力の2サンプルに1サンプルだけとる間引きを行うことで、ダウンサンプリングが実現される。出力の間引きを行うということは、(1)式の積和演算のうち、2サンプルに1サンプルは出力（左辺）を計算する必要がないことになる。つまり下記のような式を用いることで、計算量を1/2にすることができる。

y_2k＝h₀x_2k＋h₁x_2k-1＋…＋h_n-1x_2k-(n-1), (kは整数) (2)

ここで、y_kは、もとのサンプリング周波数（サンプリング周波数96kHz）の時刻kにおける出力、x_kは、時刻kにおける入力、h₀,…,h_n-1は、タップ数nにおけるそれぞれのFIRフィルタ係数である。左辺がダウンサンプル後の出力であるので、もとのサンプリング周波数の時間あたりに対して、(2)式の数自体が(1)式の1/2になっている。

次に、アップサンプルのサンプリングレートコンバータについて説明する（図２（ｃ）、（ｄ）参照）。本実施形態では、アップサンプルはサンプリング周波数を48kHzから96kHzに上げるものである。出力信号のサンプル数が入力信号の2倍になるため、入力の各サンプルの間に零信号を1つだけ挿入してフィルタ処理する。零信号が挿入されたことで、高周波成分が含まれているが、ダウンサンプルの場合と同様、サンプリング周波数(96kHz)に対して1/4以下に制限するような特性をもつフィルタ係数を選択する。これにより、元の信号成分をそのまま残したまま、サンプル数のみ2倍に増やすことができる。

入力信号のサンプル数が2倍になり、見かけ上のサンプリング周波数は2倍の96kHzになったが、2つの信号のうち1つは値が0であるため、(1)式の積和演算の右辺の2項に1項は結果が0であることが分かっている。つまり下記のような式を用いることで、計算量を1/2にすることができる。

y_k＝h₀x_k＋h₂x_k-2＋…＋h_n-2x_k-(n-2) (3.1)
y_k+1＝h₁x_k＋h₃x_k-2＋…＋h_n-1x_k-(n-2) (3.2)

ここで、y_kは、アップサンプル後の時刻kにおける出力、x_kは、アップサンプル後の（零信号が挿入された後の）時刻kにおける入力、h₀,…,h_n-1は、タップ数nにおけるそれぞれのFIRフィルタ係数である。入力のサンプリング周波数が48kHzであるので、48kHzの周期で、(3.1)式および(3.2)式を実行する。つまり96kHzの周期あたりでは、(3.1)式または(3.2)式のいずれかが交互に実行されることになる。右辺の項数が半分であるので、(3.1)式、(3.2)式のいずれの場合も、(1)式に対して積和演算の数が1/2になっている。

このようなサンプリングレートコンバータは、簡単な回路構成によって実現できるため、エコーキャンセラ４０２の前後にサンプリングレートコンバータを設けた構成にしても、回路規模の増大には至らない。つまり、高い動作周波数のエコーキャンセラを用いる場合の回路規模の増大に比べ、本実施形態のように低い動作周波数のエコーキャンセラ４０２とサンプリングレートコンバータとの組み合わせによる回路規模の増大は非常に小さなものとなる。なお、上記FIRフィルタによるサンプリングレートコンバータであればエコーキャンセラ４０２と同じパッケージ内に容易に組み込むことができ、回路面積の増大にはつながらない。

ここで、本発明は上記実施形態に限定されるものではなく、例えば、サンプリングレート周波数が64kHzや、88.2kHz、128kHz、176.4kHz、192kHzなど、オーディオ信号のサンプリングに用いられるすべての周波数に容易に変換することが可能である。

また、上述の実施形態では、ハードウェア選択の一例として、すべてのＡＤ／ＤＡコンバータのサンプリング周波数を同一としたが、これも必須ではない。例えばこの実施形態において、ＡＤコンバータ２０２のサンプリング周波数を他のＡＤ／ＤＡコンバータのサンプリング周波数とは独立に、48kHzに設定すれば、サンプリングレートコンバータ３０２が不要となる。

さらに、オーディオのチャネル数も、上述の実施形態では特に明示しなかったが、１チャネル（モノラル）、２チャネル（ステレオ）、５．１チャネル（サラウンド）、７．１チャネル（サラウンド）など、種々のチャネル数について同様に適用可能である。

さらに、上述の実施形態では、前処理器５０３を相手端末からの信号と補助入力（ＡＵＸ）信号とをミックスした後にまとめて行っているが、相手端末からの信号と、補助入力（ＡＵＸ）信号のそれぞれに独立に設けてもよい。また、相手端末からの信号と補助入力（ＡＵＸ）信号とをミックスした信号でも、スピーカに歪を及ぼすような過大入力が入らないことが保証されている場合には、前処理のうちのコンプレス処理は必ずしも必要ではない。また、チャネル数が１チャネルであったり、多チャネルでもチャネル間の相関がないような信号の場合には、チャネル間の相関成分を除去するような処理は自ずと不要である。

さらに、上述の実施形態では、システム構成の一例として録音出力端子を設けていたが、これも本発明に必ずしも必要ではない。録音出力端子がない場合には、図１における加算器６０１とＤＡコンバータ２０４と録音出力端子１０４は図１から削除してよい。

本実施形態に係るオーディオ通信システムを説明するブロック図である。サンプリングレートコンバータを説明する図である。従来のオーディオ通信システムを説明するブロック図である。

符号の説明

１０１…補助入力端子、１０２…マイク入力端子、１０３…スピーカ出力端子、１０４…録音出力端子、２０１…ＡＤコンバータ、２０３…ＤＡコンバータ、２０４…ＤＡコンバータ、３０２…サンプリングレートコンバータ（ダウンサンプル）、４０２…エコーキャンセラ、５０２…サンプリングレートコンバータ（アップサンプル）、６０２…加算器、７０２…エンコーダ、７０３…デコーダ

Claims

マイクから入力した音声信号をデジタル信号に変換する第１のアナログ／デジタルコンバータと、
補助入力端子から入力したオーディオ信号をデジタル信号に変換する第２のアナログ／デジタルコンバータと、
外部から送信された音声信号もしくはオーディオ信号を受信してスピーカから出力する際、そのスピーカからの出力が前記マイクから入力され相手方にエコーバックされることを防止するエコーキャンセラとを備えるオーディオ通信システムにおいて、
前記エコーキャンセラの動作周波数が、前記第２のアナログ／デジタルコンバータのサンプリング周波数に比べて低くなっている
ことを特徴とするオーディオ通信システム。
前記第１のアナログ／デジタルコンバータおよび前記第２のアナログ／デジタルコンバータのサンプリング周波数は同じである
ことを特徴とする請求項１記載のオーディオ通信システム。
前記第１のアナログ／デジタルコンバータと前記エコーキャンセラとの間には、サンプリング周波数を前記エコーキャンセラの動作周波数に合わせる変換を行うサンプリングレートコンバータが設けられている
ことを特徴とする請求項１記載のオーディオ通信システム。
前記エコーキャンセラの後段には、サンプリング周波数を前記第１のアナログ／デジタルコンバータおよび前記第２のアナログ／デジタルコンバータのサンプリング周波数と合わせる変換を行うサンプリングレートコンバータが設けられている
ことを特徴とする請求項１記載のオーディオ通信システム。
前記外部から送信された音声信号もすくはオーディオ信号を前記エコーキャンセラに入力する前に、その信号のサンプリング周波数を前記エコーキャンセラの動作周波数に合わせる変換を行うサンプリングレートコンバータが設けられている
ことを特徴とする請求項１記載のオーディオ通信システム。