JP2010147864A - 通信装置 - Google Patents

Abstract

【課題】複数の通信を伴うサービスを限られた帯域内で行う場合に、各サービスの品質を向上させることのできる技術を提供する。
【解決手段】端末１０は、通信ネットワーク２０を介して他の端末１０と音声通信、映像通信及びデータ通信を行う。このとき、端末１０は、音声データ以外のデータ（非音声データ）の単位時間当たりの送信量を検出し、検出した送信量に応じて、音声データのビットレートを決定する。端末１０は、決定したビットレートでエンコードされた音声データを他の端末１０へ送信する。
【選択図】図１

Description

本発明は、通信装置に関する。

通信網を介して接続された複数の通信端末間で通信を行う際に、送信拠点と受信拠点の間のスループットを測定し、同時に発生する全ての通信のピークの合計値が測定結果を超えないように通信量（音声や、映像のビットレート）を設定する方法が提案されている。また、特許文献１には、各利用者端末における映像および音声の送信と、双方向通信サーバ１０による映像及び音声の配信を、ネットワークの通信帯域に応じて品質を変更する技術が提案されている。特許文献１に記載の技術によれば、使用できる通信帯域を検出し、これが制限されるときはその通信帯域に応じて送信する映像のフレームレートを下げることにより、ネットワークの通信帯域が制限されても通信帯域に対応した品質での双方向対話機能が維持され、最適なサービスの提供が可能となる。
特開２００６−１７４５１１号公報

ところで、同時に発生する全ての通信のピークの合計値が、送信拠点と受信拠点の間のスループットの測定結果以下になるように設定した場合、通信のピークが重なる頻度が低い場合は、帯域を有効に利用できない。１００Ｋｂｐｓ以下の帯域で音声が映像を送信する場合には特に問題になる。例えば、資料を表示し、音声で説明するような形態の会議では、ほとんどの時間、音声のみを送信しており、資料の送信時間が全体に占める割合が極めて少ない。しかし、通常、音声のエンコーダと資料の送信機能は独立して動作するため、資料を送信している間のみビットレートを下げることはできない。よって、使用する帯域を制限する場合、音声と資料の送信を同時に行った場合に予め定められた帯域を越えないようにしなければならない。結果として、音声のみ送信している時間は、使用できる帯域を余すことになり、帯域を有効活用できない。これは、同時に動作するサービスが増えれば増えるほど、帯域を有効利用できないことを意味する。
本発明は上述した背景に鑑みてなされたものであり、複数の通信を伴うサービスを限られた帯域内で行う場合に、各サービスの品質を向上させることのできる技術を提供することを目的とする。

上記課題を解決するために、本発明は、音声データおよび非音声データを送信する送信手段と、前記非音声データの単位時間当たりの送信量を検出する検出手段と、前記検出手段により検出された送信量に応じて、前記音声データのビットレートを決定する決定手段と、前記決定手段により決定されたビットレートでエンコードされた音声データを前記送信手段に供給する供給手段とを具備することを特徴とする通信装置を提供する。

本発明の好ましい態様において、前記供給手段は、前記送信手段に供給する音声データのビットレートを前記決定手段により決定されたビットレートに変更する場合には、予め定められた期間において、前記決定手段により決定されたビットレートでエンコードされた音声データと変更前のビットレートでエンコードされた音声データとを、時分割で混合して前記送信手段に供給してもよい。

本発明の更に好ましい態様において、前記供給手段は、前記送信手段に供給する音声データのビットレートを変更する場合には、前記決定手段により決定されたビットレートでエンコードされた音声データと変更前のビットレートでエンコードされた音声データの割合を時間の経過に伴って変化させてもよい。

また、本発明の更に好ましい態様において、前記供給手段は、前記割合をスプライン曲線に基づいて変化させてもよい。

また、本発明の別の好ましい態様において、前記供給手段は、前記送信手段に供給する音声データのビットレートを前記決定手段により決定されたビットレートに変更する場合には、前記送信手段への音声データの供給が途切れたタイミングで変更してもよい。

また、本発明の別の好ましい態様において、前記供給手段は、前記送信手段に供給する音声データのビットレートを前記決定手段により決定されたビットレートに変更する場合には、前記決定手段により決定されたビットレートと前記送信手段に供給中の音声データのビットレートとの中間値でエンコードされた音声データを前記送信手段に供給した後に、前記決定手段により決定されたビットレートでエンコードされた音声データを前記送信手段に供給してもよい。

本発明によれば、複数の通信を伴うサービスを限られた帯域内で行う場合に、各サービスの品質を向上させることができる。

＜第１実施形態＞
＜構成＞
図１は、この発明の一実施形態である遠隔会議システム１の構成を示すブロック図である。この遠隔会議システム１は、複数の拠点のそれぞれに設置された複数の端末１０ａ，１０ｂ，１０ｃ，１０ｄがそれぞれ、ルータ４０ａ，４０ｂ，４０ｃ，４０ｄを介して、インターネット等の通信ネットワーク２０に接続されて構成される。なお、図１においては４つの端末１０ａ，１０ｂ，１０ｃ，１０ｄを図示しているが、端末の数は４に限定されるものではなく、これより多くても少なくてもよい。また、以下の説明においては、説明の便宜上、端末１０ａ，１０ｂ，１０ｃ，１０ｄを各々区別する必要がない場合には、これらを「端末１０」と称して説明する。同様に、ルータ４０ａ，４０ｂ，４０ｃ，４０ｄを各々区別する必要がない場合には、これらを「ルータ４０」と称して説明する。遠隔会議の参加者が端末１０を用いて通信を行うことで、遠隔会議が実現される。

図２は、端末１０の構成の一例を示すブロック図である。図２に示す例では、説明の便宜上、送信側の端末１０を「端末１０Ａ」とし、受信側の端末１０を「端末１０Ｂ」として説明する。また、以下の説明においては、送信側の端末１０Ａについては送信処理において特徴的な構成について主に説明するとともに、受信側の端末１０Ｂについては受信処理において特徴的な構成について主に説明する。また、送信側の端末１０Ａのルータ４０を「ルータ４０Ａ」とし、受信側の端末１０Ｂのルータ４０を「ルータ４０Ｂ」として説明する。

図において、マイクロホン１５は、収音し、収音した音声を表す音声データを出力する。撮影部１９は、撮影し、撮影した映像を表す映像データを出力する。コンピュータ装置３０は、例えばパーソナルコンピュータであり、遠隔会議等で用いられる資料を表す画像データや会議の参加者を模した画像を表す画像データ等を出力する。ここでは、コンピュータ装置３０から画像データが出力される場合について説明するが、コンピュータ装置３０から出力されるデータは画像データに限らず、例えば、テキストデータやＨＴＭＬデータなどであってもよく、会議の資料や参加者等に関するデータであればどのようなものであってもよい。

端末１０Ａは、マイクロホン１５で収音された音声を表す音声データと、撮影部１９で撮影された映像を表す映像データと、コンピュータ装置３０から出力されるデータとを、受信側の端末１０Ｂへ送信する。以下の説明では、説明の便宜上、端末１０Ａへ送信されるデータのうち、音声データ以外のデータ（すなわち映像データとコンピュータ装置３０から出力されるデータ）を「非音声データ」と称して説明する。

音声エンコード部１１１は、マイクロホン１５から出力される音声データを、複数のビットレートでそれぞれエンコードし、エンコードした音声データを各々音声送信部１１２へ出力する。ここでは、音声エンコード部１１１は、マイクロホン１５から出力される音声データを、８ｋｂｐｓ、１６ｋｂｐｓ、３２ｋｂｐｓ、６４ｋｂｐｓ、９６ｋｂｐｓの５種類のビットレートでそれぞれエンコードし、エンコードした音声データを各々音声送信部１１２へ出力する。

音声送信部１１２は、音声エンコード部１１１から出力される複数種類のエンコード済の音声データからいずれかひとつを選択し、選択した音声データを通信部１８へ供給する。このとき、音声送信部１１２は、非音声データの単位時間当たりの送信量を検出し、検出した送信量に応じてビットレートを決定する。音声送信部１１２は、決定したビットレートでエンコードされた音声データを選択し、通信部１８に供給する。より具体的には、音声送信部１１２は、非音声データの単位時間当たりの送信量が大きいほど、音声データのビットレートを低くする。例えば、音声送信部１１２は、非音声データを送信している期間は音声データのビットレートを下げる（例えば８ｋｂｐｓ）一方、非音声データを送信していない（又は非音声データの送信量が少ない）期間は音声データのビットレートを上げる（例えば４４ｋｂｐｓ）。
このとき、音声送信部１１２は、決定したビットレートを示すデータをヘッダに含めて音声データを送信する。

映像エンコード部１１３は、撮影部１９から出力される映像データを、複数のビットレートでそれぞれエンコードし、エンコードした音声データを各々映像送信部１１４へ出力する。ここでは、映像エンコード部１１３は、撮影部１９から出力される映像データを、１６ｋｂｐｓ、３２ｋｂｐｓ、６４ｋｂｐｓ、９６ｋｂｐｓ、１２８ｋｂｐｓの５種類のビットレートでエンコードし、エンコードした映像データを各々映像送信部１１４へ出力する。

映像送信部１１４は、映像エンコード部１１３から出力される複数種類のエンコード済の映像データからいずれかひとつを選択し、選択した映像データを通信部１８へ供給する。このとき、映像送信部１１４は、映像データ以外のデータの単位時間当たりの送信量を検出し、検出した送信量に応じて、映像データのビットレートを決定する。映像送信部１１４は、決定したビットレートでエンコードされた映像データを選択し、通信部１８に供給する。より具体的には、映像送信部１１４は、映像データ以外のデータの単位時間当たりの送信量が大きいほど、映像データのビットレートを低くする。例えば、映像送信部１１４は、映像データ以外のデータを送信している期間においては映像データのビットレートを下げる一方、映像データ以外のデータを送信していない（又は映像データ以外のデータの送信量が少ない）期間においては映像データのビットレートを上げる。
このとき、映像送信部１１４は、決定したビットレートを示すデータをヘッダに含めて映像データを送信する。

キャプチャ画像データ生成部１１５は、コンピュータ装置３０から出力される画像データに基づいて、該画像データの表す画像をキャプチャしてキャプチャ画像データを生成する。このとき、キャプチャ画像データ生成部１１５は、画像をキャプチャし、前回生成したキャプチャ画像との間で差分が発生している場合のみキャプチャ画像データを生成する。

キャプチャ画像送信部１１６は、キャプチャ画像データ生成部１１５によって生成されたキャプチャ画像データを帯域測定部１１７からの通知に応じたレートで送信する。帯域測定部１１７は、端末１０Ａの通信における使用帯域を測定し、測定結果をキャプチャ画像送信部１１６に通知する。

通信部１８は、他の端末１０との間で通信ネットワーク２０を介して通信を行うための通信手段である。通信部１８は、音声送信部１１２から供給される音声データ、映像送信部１１４から供給される映像データ、及びキャプチャ画像送信部１１６から供給されるキャプチャ画像データを、受信側の端末１０Ｂへ送信する。端末１０Ａから送信された音声データ及び非音声データは、ルータ４０Ａ及びルータ４０Ｂを介して端末１０Ｂで受信される。

次に、受信側の端末１０Ｂの構成の一例について図２を参照しつつ説明する。端末１０Ｂの通信部１８は、音声データ、映像データ及びキャプチャ画像データを受信し、受信した音声データを音声受信部１１８へ供給するとともに、受信した映像データを映像受信部１２０へ供給する。また、通信部１８は受信したキャプチャ画像データをキャプチャ画像受信部１２２へ供給する。

音声受信部１１８は、通信部１８から供給される音声データのヘッダを参照して、音声デコーダ１１９ａ，１１９ｂ，１１９ｃ，１１９ｄ，１１９ｅのいずれかを選択し、選択した音声デコーダに対して音声データを供給する。

音声デコーダ１１９ａ，１１９ｂ，１１９ｃ，１１９ｄ，１１９ｅはそれぞれ、入力される音声データをデコードし、スピーカ１７に出力する。音声デコーダ１１９ａは入力される音声データを８ｋｂｐｓでデコードする。音声デコーダ１１９ｂは入力される音声データを１６ｋｂｐｓでデコードする。音声デコーダ１１９ｃは入力される音声データを３２ｋｂｐｓでデコードする。音声デコーダ１１９ｄは入力される音声データを６４ｋｂｐｓでデコードする。音声デコーダ１１９ｅは入力される音声データを９６ｋｂｐｓでデコードする。なお、以下の説明においては、説明の便宜上、音声デコーダ１１９ａ，１１９ｂ，１１９ｃ，１１９ｄ，１１９ｅを各々区別する必要がない場合には、これらを「音声デコーダ１１９」と称して説明する。

スピーカ１７は、音声デコーダ１１９から出力される音声データに応じて放音する。音声デコーダ１１９から出力される音声データはスピーカ１７に出力され、スピーカ１７から音として放音される。

映像受信部１２０は、通信部１８から供給される映像データのヘッダを参照して、映像デコーダ１２１ａ，１２１ｂ，１２１ｃ，１２１ｄ，１２１ｅのうちのいずれかを選択し、選択した映像デコーダに対して映像データを供給する。

映像デコーダ１２１ａ，１２１ｂ，１２１ｃ，１２１ｄ，１２１ｅはそれぞれ、入力される映像データをデコードし、表示部１３に出力する。映像デコーダ１２１ａは入力される音声データを１６ｋｂｐｓでデコードする。映像デコーダ１２１ｂは入力される画像データを３２ｋｂｐｓでデコードする。映像デコーダ１２１ｃは入力される画像データを６４ｋｂｐｓでデコードする。映像デコーダ１２１ｄは入力される画像データを９６ｋｂｐｓでデコードする。映像デコーダ１１９ｅは入力される画像データを１２８ｋｂｐｓでデコードする。なお、以下の説明においては、説明の便宜上、映像デコーダ１２１ａ，１２１ｂ，１２１ｃ，１２１ｄ，１２１ｅを各々区別する必要がない場合には、これらを「映像デコーダ１２１」と称して説明する。

表示部１３は、液晶パネル等を備え、映像デコーダ１２１から供給される映像データに応じて映像を表示する。映像デコーダ１２１から出力される映像データは表示部１３に出力され、表示部１３に映像として表示される。

キャプチャ画像受信部１２２は、通信部１８から供給されるキャプチャ画像データを画像復元部１２３へ出力する。画像復元部１２３は、キャプチャ画像受信部１２２から供給されるキャプチャ画像データを復元し、指定されたフォーマットでコンピュータ装置３０へ出力する。コンピュータ装置３０は、画像復元部１２３から供給されるデータに応じて資料等の画像を表示する。

＜動作＞
次に、本実施形態の動作について説明する。端末１０の利用者によって遠隔会議を開始する旨の操作が行われると、端末１０は、マイクロホン１５で収音した音声を表す音声データを他の端末１０へ送信するとともに、撮影部１９で撮影された映像データを他の端末１０へ送信する。また、端末１０は、他の端末１０から音声データを受信し、受信した音声データをスピーカ１７から音として放音するとともに、他の端末１０から映像データを受信し、受信した映像データの示す映像を表示部１３に表示させる。また、端末１０は、コンピュータ装置３０から入力された画像データに基づいたキャプチャ画像データを他の端末１０へ送信するとともに、他の端末１０からキャプチャ画像データを受信し、受信したキャプチャ画像データをコンピュータ装置３０へ出力する。

このとき、端末１０は、非音声データの単位時間当たりの送信量を検出し、検出した送信量に応じて音声データのビットレートを決定する。ここでは、端末１０は、検出した非音声データの送信量が多いほど、音声データのビットレートを低くする。このビットレートの決定処理（変更処理）は、例えば、音声送信部１１２が、予め定められた単位時間毎（例えば、１分毎、１０分毎、等）に行うようにしてもよく、また、例えば、検出された送信量が予め定められた条件を満たす場合に帯域配分を決定（変更）するようにしてもよく、要は、音声送信部１１２が、予め定められたタイミングでビットレートの変更処理を行うようにすればよい。音声送信部１１２は、決定したビットレートでエンコードされた音声データを他の端末１０へ送信する。

ここで、ビットレートの変更処理の具体的な内容の例について、図面を参照しつつ説明する。以下の動作例では、目標帯域を１００ｋｂｐｓとし、音声データのみを送信する場合は６４ｋｂｐｓで、映像データのみを送信する場合は９６ｋｂｐｓで通信を行う。一方、映像データと音声データとを同時に送信する場合には、音声データを３２ｋｂｐｓ、映像データを６４ｋｂｐｓで送信する。

＜動作例１＞
この動作例では、端末１０が音声通信のみを行っている状態において、音声通信及び映像通信に切り替える場合の動作について図３乃至図６を参照しつつ説明する。図３は、音声データ通信を６４ｋｂｐｓで行っている状態を示す。図３において、ひとつのブロックが１パケットを示している。また、図３においてペイロードは１０００ｂｙｔｅとする。端末１０の音声送信部１１２は、非音声データの単位時間当たりの送信量を検出する。このとき、非音声データの送信は行われていないため、音声送信部１１２は、音声データのビットレートを６４ｋｂｐｓと決定し、決定したビットレートでエンコードされた音声データを送信する。

次に、音声通信のみを行っている状態において映像送信イベントが発生した場合の送信制御について説明する。映像送信イベントが発生すると、端末１０は、図４に示すように、映像データの送信を開始する。このとき、端末１０の映像送信部１１４は、映像データ以外のデータの単位時間当たりの送信量を検出する。このとき、音声データの送信が６４ｋｂｐｓで行われているため、映像送信部１１４は、映像データのビットレートを６４ｋｂｐｓと決定し、決定したビットレートでエンコードされた映像データの送信を開始する。

一方、音声送信部１１２は、映像送信イベントが発生すると、非音声データ（すなわちこの動作例では映像データ）の単位時間当たりの送信量を検出し、検出された送信量に応じて、音声データのビットレートを決定する。ここでは、音声送信部１１２は、音声データのビットレートを３２ｋｂｐｓと決定する。すなわち、音声送信部１１２は、音声データのビットレートを６４ｋｂｐｓから３２ｋｂｐｓに変更すると決定する。

音声送信部１１２は、決定されたビットレートでエンコードされた音声データを通信部１８に供給する。すなわち、音声送信部１１２は、通信部１８に供給する音声データを、６４ｋｂｐｓでエンコードされた音声データから３２ｋｂｐｓでエンコードされた音声データに切り替える。

このとき、音声データのビットレートが突然に切り替わると、音声を聴取する聴取者が違和感を覚える場合がある。そこで、この動作例では、音声送信部１１２は、ビットレートを切り替える際には、予め定められた期間が経過するまでの間、ビットレートの異なる複数の音声データを時分割で混合して送信する。より具体的には、音声送信部１１２は、図５に示すように、３２ｋｂｐｓの音声データと６４ｋｂｐｓの音声データとを時分割で混合して送信する。

予め定められた期間が経過すると、音声送信部１１２は、図６に示すように、６４ｋｂｐｓの音声データの送信を停止し、３２ｋｂｐｓの音声データのみを送信する。このように、音声データのビットレートを変更する際に、予め定められた期間においてビットレートの異なる複数の音声データを混合して送信することにより、聴取者が感じる違和感を軽減することができる。また、図６において、映像送信部１１４は、音声データの単位時間当たりの送信量を検出し、検出結果に応じて、映像データのビットレートを３２ｋｂｐｓから６４ｋｂｐｓに変更する。

なお、この動作例では、音声データと映像データとを送信する場合について説明したが、キャプチャ画像データを送信する場合は、キャプチャ画像データの送信レート（単位時間当たりの送信量）を図３乃至図６の映像データのビットレートと同じように制御する。なお、キャプチャ画像データの送信レート（単位時間当たりの送信量）の制御処理の内容については、映像データのビットレートと同様であるため、ここではその詳細な説明を省略する。

＜動作例２＞
次に、音声通信と映像通信とを行っている最中において、音声終了イベントが発生した場合の動作について、図７及び図８を参照しつつ説明する。図７は、３２ｋｂｐｓで音声通信を行うとともに、６４ｋｂｐｓで映像通信を行っている状態を示す。図７に示す状態において、音声終了イベントが発生した場合（又は無音状態になり、音声を送信する必要が無い場合）には、音声送信部１１２は、音声データの送信を停止する。このとき、映像送信部１１４は、映像データ以外のデータの単位時間当たりの送信量を検出し、検出結果に応じて、映像データのビットレートを６４ｋｂｐｓから９６ｋｂｐｓに変更する（図８参照）。このように、この動作例では、映像送信部１１４が、映像データ以外のデータの単位時間当たりの送信量に応じて、映像データのビットレートを変更するから、限られた帯域の利用効率を上げることができる。

＜動作例３＞
次に、音声通信と映像通信とを行っている最中において、映像終了イベントが発生した場合の動作について、図９乃至図１１を参照しつつ説明する。図９は、３２ｋｂｐｓで音声通信を行うとともに、６４ｋｂｐｓで映像通信を行っている状態を示す。図９に示す状態において、映像終了イベントが発生した場合、映像送信部１１４は、映像データの送信を停止する。このとき、音声送信部１１２は、非音声データの単位時間当たりの送信量を検出し、検出結果に応じて、音声データのビットレートを３２ｋｂｐｓから６４ｋｂｐｓに変更する。このとき、音声データのビットレートが変更される際に聴取者が感じる違和感を軽減するために、音声送信部１１２は、予め定められた時間が経過するまでの間、ビットレートの異なる複数の音声データを時分割で混合して送信する。すなわち、音声送信部１１２は、図１０に示すように、３２ｋｂｐｓの音声データと６４ｋｂｐｓの音声データとを時分割で混合して送信する。

予め定められた期間が経過すると、音声送信部１１２は、図１１に示すように、３２ｋｂｐｓの音声データの送信を停止し、６４ｋｂｐｓの音声データのみを送信する。このように、音声データのビットレートを変更する際に、予め定められた期間においてビットレートの異なる複数の音声データを混合して送信することにより、聴取者が感じる違和感を軽減することができる。

以上説明したように本実施形態によれば、拠点間で映像や音声、画像などを送受信する場合、同時に発生する通信に対し、その合計帯域が設定した通信帯域を越えないよう、決められた通信帯域内で通信するために、エンコーダのビットレートやデータの転送レートをアプリケーション間で協調しながら動的に制御する。例えば、画像を送信している数秒間のみ音声品質を低下（ビットレートを低くする）させ、それ以外は高品質な（ビットレートの高い）音声を送信するように制御する。すなわち、本実施形態では、アプリケーション間で通信中かどうかの情報を共有し、複数の通信が重なっている間は、それぞれの使用帯域を下げ、重なっていないときには使用帯域を上げる。このようにすることにより、複数の通信を伴うサービスを限られた帯域内で行う場合に、各サービスの品質を向上させることができる。

また、本実施形態では、音声データのビットレートを変更する際に、予め定められた期間の間、ビットレートの異なる複数の音声データを時分割で混合して送信する。このようにすることにより、ビットレートが変更される際の聴取者の違和感を軽減することができる。

また、本実施形態では、使用する帯域を制御するために、複数のエンコーダで複数のビットレートのデータを同時に作成する。このようにすることにより、切替時にノイズが発生することがなく、切替時の聴取者の違和感を軽減することができる。

＜第２実施形態＞
次に、この発明の第２の実施形態について説明する。図１２は、この実施形態に係る端末１０の構成の一例を示すブロック図である。図１２は、上述した第１実施形態における図２に対応するものである。図１２に示す端末１０の構成が上述した第１の実施形態において図２に示した端末１０と異なる点は、送信側の端末１０Ｃがサンプリングレート変換器１１０を有している点と、音声送信部１１２Ｃの処理が異なる点であり、他の構成については上述した第１の実施形態のそれと同様である。そのため、以下の説明においては、上述した第１の実施形態と同様の構成要素については同じ符号を付して適宜その説明を省略する。

図１２において、サンプリングレート変換器１１０は、マイクロホン１５から出力される音声データを、複数のサンプリングレートのいずれかでサンプリングし、サンプリングした音声データを各々音声エンコード部１１１へ出力する。ここでは、サンプリングレート変換器１１０は、マイクロホン１５から出力される４４．１ｋＨｚの音声データのサンプリングレートを、４４．１ｋＨｚ，２２．０５ｋＨｚ，１１．０２５ｋＨｚ，８ｋＨｚのいずれかに変換し、サンプリングレートを変換した音声データを音声エンコード部１１１へ出力する。

この実施形態では、音声送信部１１２Ｃは、非音声データの送信量に応じてビットレートを切り替える際に、サンプリングレートを変更することによって切替時の違和感を減少させる。この具体的な動作の一例について、図１３を参照しつつ説明する。図１３は、この実施形態の動作の一例を示す図である。図１３に示す例においては、音声データのビットレートを６４Ｋｂｐｓから８ｋｂｐｓに切り替える場合を例示している。図１３において、音声送信部１１２Ｃは、非音声データの単位時間当たりの送信量を検出し、検出した送信量に応じてビットレートを決定する。このとき、音声送信部１１２Ｃは、ビットレートを切り替えるときに、サンプリングレート変換器１１０を制御してサンプリングレートを徐々に切り替える。より具体的には、例えば、図１３に示す例においては、音声送信部１１２Ｃは、ビットレートを切り替えるに先立って、サンプリングレートを、４４．１ｋＨｚから、２２．０５ｋＨｚ、１１．０２５ｋＨｚ、８ｋＨｚの順に変更する（図１３の（ａ）乃至（ｄ）参照）。なお、音声エンコード部１１１は、第１の実施形態と同様に、同時に複数のビットレートでエンコードを行う。サンプリングレートが８ｋＨｚに変更された後に、音声送信部１１２は、サンプリングレートを１１．０２５ｋＨｚに変更するとともに、ビットレートを８ｋｂｐｓに変更する（図１３の（ｅ）参照）。このようにすることで、ビットレートを切り替える際の違和感が軽減される。

＜変形例＞
以上、本発明の実施形態について説明したが、本発明は上述した実施形態に限定されることなく、他の様々な形態で実施可能である。以下にその例を示す。なお、以下の各態様を適宜に組み合わせてもよい。
（１）上述の実施形態では、音声エンコード部１１１は、８ｋｂｐｓ、１６ｋｂｐｓ、３２ｋｂｐｓ、６４ｋｂｐｓ、９６ｋｂｐｓの５種類のビットレートでそれぞれエンコードを行ったが、ビットレートの値はこれらに限らず、他の値であってもよい。また、上述の実施形態では、５種類のビットレートでエンコードを行ったが、エンコードするビットレートの種類の数はこれに限らず、これより多くても少なくてもよい。音声デコーダについても同様であり、他のビットレートでデコードするようにしてもよく、また、デコーダの数は上述した実施形態で示したものより多くても少なくてもよい。要は、音声エンコード部１１１がエンコードを行う際のビットレートと音声デコーダ１１９のビットレートとが対応していればよい。

（２）上述の実施形態では、音声送信部１１２は、音声データのビットレートを切り替える際には、予め定められた期間が経過するまでの間、ビットレートの異なる複数の音声データ（すなわち変更前のビットレートでエンコードされた音声データと変更後のビットレートでエンコードされた音声データ）を時分割で混合して送信するようにした（図５、図１０参照）。この予め定められた期間において、音声送信部１１２が、音の種類（人の声、音楽など）に合わせ、聴取者が違和感を覚えないように策定した関数に従い割合を変化させるようにしてもよい。具体的には、例えば、音声送信部１１２が、図１４及び図１５に例示するように、１６ｋｂｐｓ（変更前のビットレート）の音声データと８ｋｂｐｓ（変更後のビットレート）の音声データとの割合を時間の経過に伴って直線的に変化させるようにしてもよい。このように送信する音声データの割合を時間の経過に伴って徐々に変化させることによって、聴取者が感じる違和感を軽減することができる。

また、割合の変更態様の他の例として、例えば、図１６及び図１７に例示するように、音声送信部１１２が、１６ｋｂｐｓ（変更前のビットレート）の音声データと８ｋｂｐｓ（変更後のビットレート）の音声データとの割合を、スプライン曲線に基づいて変化させるようにしてもよい。このように送信する音声データの割合を時間の経過に伴って徐々に変化させることによって、聴取者が感じる違和感を軽減させることができる。

また、割合の変更態様を、音の種類（人の声、音楽など）に応じて異ならせるようにしてもよい。この場合は、例えば、音の特徴（スペクトル等）を表す特徴データと、割合の変更態様（直前的に変更、スプライン曲線に基づいて変更、等）とを予めメモリ等の記憶手段に記憶しておく構成とし、端末１０の音声送信部１１２が、音声エンコード部１１１から供給される音声データから音声の特徴を抽出し、抽出結果を記憶手段に記憶された特徴データと照合し、照合結果に応じて割合の変更態様を決定するようにしてもよい。

（３）また、上述の実施形態では、音声送信部１１２は、音声データのビットレートを切り替える際に、予め定められた期間が経過するまでの間、変更前のビットレートでエンコードされた音声データと変更後のビットレートでエンコードされた音声データとを時分割で混合して送信するようにしたが、音声データのビットレートの切替の態様はこれに限らない。例えば、音声送信部１１２が、音声データのビットレートを複数段階に分けて徐々に変更するようにしてもよい。より具体的には、例えば、音声送信部１１２が、音声データのビットレートを変更する際には、変更前のビットレートと変更後のビットレートとの中間値でエンコードされた音声データを、予め定められた期間が経過するまでの間送信するようにしてもよい。例えば、音声データのビットレートを３２ｋｂｐｓから９６ｋｂｐｓに変更する場合には、音声送信部１１２が、３２ｋｂｐｓと９６ｋｂｐｓの中間値である６４ｋｂｐｓの音声データを予め定められた期間送信した後に、９６ｋｂｐｓの音声データに切り替えるようにしてもよい。

また、音声データのビットレートの切替の態様の他の例として、例えば、音声送信部１１２が、通信部１８への音声データの供給が途切れたタイミング（又は無音になったタイミング）でビットレートを切り替えるようにしてもよい。

（４）上述の実施形態において、通信ネットワーク上のトラフィックが増大している期間は、音声データのビットレートを下げ、そうでない期間は音声データのビットレートを上げるようにしてもよい。

（５）上述の実施形態では、本発明に係る端末（通信装置）を用いて遠隔会議を行う場合について説明したが、本発明はこれに限らず、例えば、通信ネットワークを介して講義や講演を行う場合等においても本発明を適用することができる。これ以外にも、音声通信、映像通信及び資料等のデータ装置等の複数種類の通信を併用するシステムにおいて本発明を適用することができる。

（６）上述の実施形態に係る端末１０の各部は、ハードウェアとして構成されていてもよく、また、ＣＰＵ等の制御手段がメモリ等に記憶されたコンピュータプログラムを読み出して実行することによってソフトウェアとして実現されるものであってもよい。端末１０の各部がソフトウェアとして実現される場合には、端末１０の制御手段によって実行されるコンピュータプログラムは、磁気記録媒体（磁気テープ、磁気ディスクなど）、光記録媒体（光ディスクなど）、光磁気記録媒体、半導体メモリなどのコンピュータが読取可能な記録媒体に記憶した状態で提供し得る。また、インターネットのようなネットワーク経由で端末１０にダウンロードさせることも可能である。なお、このような制御を行う制御手段としてはＣＰＵ以外にも種々の装置を適用することができ、例えば、専用のプロセッサなどを用いてもよい。

遠隔会議システムの構成の一例を示す図である。 端末の構成の一例を示すブロック図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 ビットレートの切替処理を説明するための図である。 端末の構成の一例を示すブロック図である。 ビットレートの切替処理を説明するための図である。 ビットレートの割合の変更態様の一例を示す図である。 ビットレートの割合の変更態様の一例を示す図である。 ビットレートの割合の変更態様の一例を示す図である。 ビットレートの割合の変更態様の一例を示す図である。

符号の説明

１…遠隔会議システム、１０…端末、１３…表示部、１５…マイクロホン、１７…スピーカ、１８…通信部、１９…撮影部、２０…通信ネットワーク、３０…コンピュータ装置、４０…ルータ、１１１…音声エンコード部、１１２…音声送信部、１１３…映像エンコード部、１１４…映像送信部、１１５…キャプチャ画像データ生成部、１１６…キャプチャ画像送信部、１１７…帯域測定部、１１８…音声受信部、１１９…音声デコーダ、１２０…映像受信部、１２１…映像デコーダ、１２２…キャプチャ画像受信部、１２３…画像復元部。

Claims (3)

1. 音声データおよび非音声データを送信する送信手段と、
   前記非音声データの単位時間当たりの送信量を検出する検出手段と、
   前記検出手段により検出された送信量に応じて、前記音声データのビットレートを決定する決定手段と、
   前記決定手段により決定されたビットレートでエンコードされた音声データを前記送信手段に供給する供給手段と
   を具備することを特徴とする通信装置。
2. 前記供給手段は、前記送信手段に供給する音声データのビットレートを前記決定手段により決定されたビットレートに変更する場合には、予め定められた期間において、前記決定手段により決定されたビットレートでエンコードされた音声データと変更前のビットレートでエンコードされた音声データとを、時分割で混合して前記送信手段に供給する
   ことを特徴とする請求項１に記載の通信装置。
3. 前記供給手段は、前記送信手段に供給する音声データのビットレートを変更する場合には、前記決定手段により決定されたビットレートでエンコードされた音声データと変更前のビットレートでエンコードされた音声データの割合を時間の経過に伴って変化させる
   ことを特徴とする請求項２に記載の通信装置。

Images