JP4089347B2 - 音声復号装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、音声信号情報のパケット伝送における音声通信装置に関するものである。
【０００２】
【従来の技術】
現在、インターネット等のネットワークを利用した音声通信が盛んに行われている。これは音声符号化情報をパケット化してネットワークを通じて伝送するものであり、ネットワークの輻輳による音声符号化パケット欠落が発生した場合、受信側では補完パケット等で代替えして音声復号装置を動作させている。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述のような音声復号装置では、補完パケットが復号された場合に復号音声信号レベルは極めて小さくなり、前後の復号音声信号の背景雑音レベルが高い場合には、聴感的な違和感により品質が劣化するという欠点があった。
【０００４】
本発明は、このような従来の構成が有していた問題を解決するものであり、聴感的違和感を解消し、品質劣化を抑えるようにしたものである。
【０００５】
【課題を解決するための手段】
かかる課題を解決するため、本発明による音声復号装置は、伝送路を介して入力される符号化パケットから復号音声信号を生成し、符号化パケットが未入力のとき補完パケットを用いて復号音声信号を生成する音声復号手段と、符号化パケットから生成された復号音声信号のパワーを用いて背景雑音レベルを算出する背景雑音レベル推定手段と、背景雑音レベル推定手段は背景雑音レベルから雑音利得を算出し、雑音利得を乗算した雑音信号を出力する雑音発生手段と、補完パケットから生成された復号音声信号に、雑音信号を加算して合成音声信号を出力する加算手段とを備え、背景雑音レベル推定手段は符号化パケットから復号音声信号が生成されたときのみ、該復号音声信号のパワーを用いて背景雑音レベルを更新して記憶し、該背景雑音レベルから雑音利得を算出し、背景雑音レベルを更新するときに、最新の背景雑音レベルを所定倍したものと最新の背景雑音レベルに所定値を加算したもののうち、大きいほうの値を選択し、該大きいほうの値と符号化パケットから生成された復号音声信号のパワーのうち、小さいほうの値を背景雑音レベルとして更新することを特徴とする。
【０００６】
【発明の実施の形態】
以下、本発明による音声復号装置の実施形態は、図１、図２を用いて説明される。
【０００７】
図１は実施形態の音声復号装置を示す動作ブロック図である。また図２は実施形態のレベル調整雑音重畳を示す図である。図１に示すように、本発明の音声復号装置は、音声復号器１０１、符号化パケット入力判定器１０２、補完パケット生成器１０３、背景雑音レベル推定回路１０４、雑音発生器１０５、乗算器１０６、加算器１０７から構成される。
【０００８】
音声復号器１０１はネットワーク上の伝送路から入力される音声符号化情報である符号化パケットＣを用いて、１０ｍｓのフレーム毎に復号音声信号Ｓｄを生成する。また音声復号器１０１は符号化パケットＣが入力されなかった場合、補完パケットを用いて、１０ｍｓのフレーム毎に復号音声信号Ｓｄを生成する。
【０００９】
符号化パケット入力判定器１０２は、音声復号器１０１に伝送路から符号化パケットＣが入力されたか未入力であるかを判定し、音声復号器１０１に符号化パケットＣが入力された場合、補完パケット使用フラグＰをＰ＝０として補完パケット生成器１０３及び背景雑音レベル推定回路１０４に出力する。また符号化パケット入力判定器１０２は、符号化パケットＣの欠落等により音声復号器１０１に伝送路から符号化パケットＣが入力されず復号音声信号Ｓｄが生成されなかった場合、補完パケット使用フラグＰをＰ＝１として補完パケット生成器１０３及び背景雑音レベル推定回路１０４に出力する。
【００１０】
補完パケット生成器１０３は、補完パケット使用フラグＰ＝０が入力された場合、音声復号器１０１に補完パケットを出力しない。また補完パケット生成器１０３は、補完パケット使用フラグＰ＝１が入力された場合、補完パケットを生成し、音声復号器１０１に補完パケットを出力する。例えば、補完パケットは復号音声が無音となるような情報をもつパケットであり、その復号音声レベルは有音と比べ極めて小さいものとする。
【００１１】
背景雑音レベル推定回路１０４は、補完パケット使用フラグＰ＝０が入力された場合、１０ｍｓのフレーム毎に、雑音利得ｇ＝０として出力する。また背景雑音レベル推定回路１０４は、補完パケット使用フラグＰ＝１が入力された場合、１０ｍｓのフレーム毎に、雑音利得ｇを推定される背景雑音レベルＢから（１）式のように算出し、出力する。背景雑音レベルＢは後述の（２）式のように算出されるが、背景雑音レベルＢの初期値は０である。またＮは１０ｍｓ当たりの音声サンプル数とする。
ｇ＝（√Ｂ）／Ｎ …（１）
【００１２】
更に、背景雑音レベル推定回路１０４は補完パケット使用フラグＰ＝０が入力された場合、合成音声信号Ｓ出力時のフレームパワーＲを算出し、雑音利得ｇを算出するための情報である背景雑音レベルＢを（２）式のように算出し、更新して記憶する。（２）式において、Ｂ_ｎ＋１は算出される背景雑音レベルＢを示し、Ｂ_ｎは背景雑音レベル推定回路１０４に記憶されている背景雑音レベルＢを示す。またＤは予め設定された定数である。
Ｂ_ｎ＋１＝ｍｉｎ（Ｒ，ｍａｘ（Ｂ_ｎ×Ｄ，Ｂ_ｎ＋１））…（２）
【００１３】
ここで、（２）式について説明する。例えばＢ＝ｍｉｎ（ｘ，ｙ）であれば、ｘとｙのうちで値の小さいほうをＢの値とし、Ｂ＝ｍａｘ（ｘ，ｙ）であれば、ｘとｙのうちで値の大きいほうをＢの値とする。
【００１４】
まず（２）式におけるＢ_ｎ＋１を考慮せずに、（２）式を次の（３）式のように変形して説明する。
Ｂ_ｎ＋１＝ｍｉｎ（Ｒ，Ｂ_ｎ×Ｄ）…（３）
（３）式において、Ｒは合成音声信号Ｓ出力時のフレームパワーであり、Ｂ_ｎ×Ｄは背景雑音レベル推定回路１０４に記憶されている背景雑音レベルＢ_ｎを予め定められた定数Ｄ倍したものである。Ｄは合成音声信号が有音状態のとき、Ｂ_ｎ×ＤがＲより大きくならないように設定されるほうがよい。
【００１５】
例えば、時間の変化により無音状態の背景雑音レベルも変化することがある。よって、無音状態の背景雑音レベルの変化を考慮し、推測される背景雑音レベルは、記憶されている背景雑音レベルＢ_ｎにＤが乗算され、Ｂ_ｎ×Ｄとして算出される。（３）式において、ＲとＢ_ｎ×Ｄが比較され、Ｂ_ｎ×Ｄの値のほうが小さければＢ_ｎ×Ｄが背景雑音レベルＢ_ｎ＋１として算出され、Ｒの値のほうが小さければＲが背景雑音レベルＢ_ｎ＋１として算出される。
【００１６】
しかし（３）式においてフレームパワーＲが０である場合、算出される背景雑音レベルＢ_ｎ＋１は常に０となることが考えられる。そこで（２）式のｍａｘ（Ｂ_ｎ×Ｄ，Ｂ_ｎ＋１）の算出が必要になる。つまりＢ_ｎ＋１とは、記憶されている背景雑音レベルＢ_ｎが０である場合でも、算出される背景雑音レベルＢ_ｎ＋１が０とならないように補償するものである。（２）式では、算出される背景雑音レベルＢ_ｎ＋１が０にならないために、Ｂ_ｎ＋１のようにＢ_ｎに１が加算されているが、最低限の背景雑音レベルを補償できるような所定の値をαとして、Ｂ_ｎ＋１部分はＢ_ｎにαが加算されるようにＢ_ｎ＋αと設定されればよい。
【００１７】
また背景雑音レベル推定回路１０４は、補完パケット使用フラグＰ＝１が入力された場合、背景雑音レベルＢは更新されない。
【００１８】
雑音発生器１０５は予め定められたレベルの白色雑音を発生し、雑音信号Ｓｚを出力する。
【００１９】
乗算器１０６は、レベル調整雑音として雑音信号Ｓｚに雑音利得ｇを乗算して出力する。
【００２０】
加算器１０７は復号音声信号Ｓｄに、レベル調整雑音（ｇ×Ｓｚ）を加算して合成音声信号Ｓとして出力する。
【００２１】
次に図１及び図２を用いて、以上の構成による音声復号装置の動作を説明する。
【００２２】
図２に示される送信側入力音声▲１▼は、符号化パケットＣとしてネットワークに伝送される入力音声の状態を表わす。図２に示されるネットワーク伝送▲２▼において、欠落とはパケット欠落であり、ネットワークの輻輳により、パケット欠落が発生したことを表わす。図２に示される復号音声▲３▼は音声復号器１０１が出力する復号音声信号Ｓｄの状態を表わす。図２に示されるレベル調整雑音重畳後の合成音声▲４▼は、符号化パケットＣが欠落して補完パケットを用いて生成された復号音声信号に対して、レベル調整雑音を加算した後の合成音声信号Ｓの状態を表わす。
【００２３】
図１に示される音声復号器１０１に伝送路から符号化パケットＣが入力されると、符号化パケット入力判定器１０２は補完パケット使用フラグＰ＝０を補完パケット生成器１０３及び背景雑音レベル推定回路１０４に出力する。補完パケット使用フラグＰ＝０が入力された補完パケット生成器１０３は補完パケットを音声復号器１０１に出力しない。
【００２４】
音声復号器１０１は入力された符号化パケットＣを用いて、１０ｍｓのフレーム毎に復号音声信号を生成する。
【００２５】
補完パケット使用フラグＰ＝０が入力された背景雑音レベル推定回路１０４は雑音利得ｇ＝０として乗算器１０６に出力する。雑音発生器１０５は雑音信号を乗算器１０６に出力するが、乗算器１０６は雑音信号に雑音利得ｇ＝０を乗算して出力するので、加算器１０７は復号音声信号Ｓｄを合成音声信号Ｓとして出力する。また背景雑音レベル推定回路１０４は、この合成音声信号Ｓから（２）式のように背景雑音レベルＢを算出し、更新して記憶する。
【００２６】
音声復号器１０１に符号化パケットＣが入力されなかった場合、符号化パケット入力判定器１０２は補完パケット使用フラグＰ＝１を補完パケット生成器１０３及び背景雑音レベル推定回路１０４に出力する。補完パケット使用フラグＰ＝１が入力された補完パケット生成器１０３は補完パケットを音声復号器１０１に出力する。補完パケットが入力された音声復号器１０１は補完パケットを用いて復号音声信号を生成する。よって、図２に示されるように、送信側入力音声▲１▼に対して、復号音声▲３▼のようになる。例えば、復号音声▲３▼において、欠落部１１、欠落部１２、欠落部１３が、パケット欠落が発生し、補完パケットを用いて復号した部分である。
【００２７】
補完パケット使用フラグＰ＝１が入力された背景雑音レベル推定回路１０４は、記憶されている背景雑音レベルＢから雑音利得ｇを算出し、乗算器１０６に出力する。乗算器１０６は、雑音発生器１０５から出力される雑音信号Ｓｚに背景雑音レベル推定回路１０４から出力される雑音利得ｇを乗算して出力する。加算器１０７は、復号音声信号Ｓｄに乗算器１０６の出力信号を加算し、合成音声信号Ｓとして出力する。
【００２８】
以上のようにレベル調整雑音重畳が行われ、図２に示されるレベル調整雑音重畳後の合成音声▲４▼のように、復号音声▲３▼において符号化パケットＣが欠落し、補完パケットを用いて復号音声信号Ｓｄが生成された信号部分に、レベル調整のされた雑音信号Ｓｚが加算される。例えば図２において、復号音声▲３▼の欠落部１１に対し、レベル調整雑音重畳後の合成音声▲４▼の重畳部２１のように、レベル調整雑音が加算される。また同様に、欠落部１２及び欠落部１３に対しても、それぞれ重畳部２２及び重畳部２３のようにレベル調整雑音が加算される。
【００２９】
本実施形態では、背景雑音レベル推定回路１０４に補完パケット使用フラグＰ＝０が入力された場合、雑音利得ｇ＝０を出力することによって、復号音声信号Ｓｄを合成音声信号Ｓとして出力させるが、乗算器１０６と加算器１０７の間に切替スイッチを設け、入力判定器１０２が未入力を検出した場合に、切替スイッチをオフ状態とすることにより復号音声信号Ｓｄを合成音声信号Ｓとして出力させる構成でもよい。
【００３０】
また本実施形態では、背景雑音レベル推定回路１０４は、雑音利得ｇを算出するための情報として背景雑音レベルＢを更新して記憶するが、背景雑音レベルから算出した雑音利得ｇも同時に更新して記憶しておき、補完パケット使用フラグＰ＝１が入力された場合、雑音利得ｇを出力させてもよい。
【００３１】
【発明の効果】
以上のように、本発明の音声復号装置によれば、符号化パケットの欠落等により、補完パケットを用いて復号音声信号が生成された場合でも、前後の復号音声信号の背景雑音レベルが高い場合に感じる聴感的違和感を解消し、品質劣化を抑えることができる。
【図面の簡単な説明】
【図１】本発明の実施形態を示す音声復号装置を示すの動作ブロック図
【図２】本発明の実施形態のレベル調整雑音重畳を示す図
【符号の説明】
１０１…音声復号器、１０２…符号化パケット入力判定器、１０３…補完パケット生成器、１０４…背景雑音レベル推定回路、１０５…雑音発生器、１０６…乗算器、１０７…加算器。

Claims (1)

1. 伝送路を介して入力される符号化パケットから復号音声信号を生成し、前記符号化パケットが未入力のとき補完パケットを用いて前記復号音声信号を生成する音声復号手段と、
   前記符号化パケットから生成された前記復号音声信号のパワーを用いて背景雑音レベルを算出する背景雑音レベル推定手段と、
   前記背景雑音レベル推定手段は前記背景雑音レベルから雑音利得を算出し、前記雑音利得を乗算した雑音信号を出力する雑音発生手段と、
   前記補完パケットから生成された前記復号音声信号に、前記雑音信号を加算して出力する加算手段とを備え、
   前記背景雑音レベル推定手段は前記符号化パケットから前記復号音声信号が生成されたときのみ、該復号音声信号のパワーを用いて前記背景雑音レベルを更新して記憶し、該背景雑音レベルから前記雑音利得を算出し、前記背景雑音レベルを更新するときに、最新の背景雑音レベルを所定倍したものと最新の背景雑音レベルに所定値を加算したもののうち、大きいほうの値を選択し、該大きいほうの値と前記符号化パケットから生成された前記復号音声信号のパワーのうち、小さいほうの値を前記背景雑音レベルとして更新すること
   を特徴とする音声復号装置。

Images