JP4108396B2 - 多地点制御装置の音声符号化伝送システム - Google Patents
多地点制御装置の音声符号化伝送システム Download PDFInfo
- Publication number
- JP4108396B2 JP4108396B2 JP2002208664A JP2002208664A JP4108396B2 JP 4108396 B2 JP4108396 B2 JP 4108396B2 JP 2002208664 A JP2002208664 A JP 2002208664A JP 2002208664 A JP2002208664 A JP 2002208664A JP 4108396 B2 JP4108396 B2 JP 4108396B2
- Authority
- JP
- Japan
- Prior art keywords
- speech
- encoding
- voice
- communication terminal
- decoded
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Time-Division Multiplex Systems (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、符号励振線形予測（Code Excited Linear Prediction：以下、「ＣＥＬＰ」とする）方式をはじめとする情報源符号化方式に基づき符号化された符号化音声信号を用いる電話会議（テレビ会議）システムに適用される多地点制御装置（Multi-point Control Unit：以下、「ＭＣＵ」とする）に関し、特に、多数話者による発言の混在に対応して復号した音声信号を再符号化する多地点制御装置の音声符号化伝送システムに関するものである。
【０００２】
【従来の技術】
ＭＣＵは、通信ネットワークを介して複数の通信端末を種々の形態で接続し、各通信端末で取り扱われる映像、音声、データ等からなる異種かつ異符号の情報内容を受信および送信の対象とし、各情報内容に合致して交換および分配の処理を施し、処理した情報を複数の通信端末に配信するサービスを提供する装置として開発されてきた。その典型的な適用例は電話会議やテレビ会議のシステムである。ＭＣＵで扱う音声の伝送処理については、圧縮符号化が適用されている。
近年、電話帯域の音声を高能率に圧縮符号化する手法として、ＣＥＬＰ方式をはじめとした情報源符号化方式に基づくものが、主にデジタル携帯電話、国際通信、企業内通信等の分野で実用化されている。その中でも、ＩＴＵ−Ｔ勧告Ｇ．７２９で使用されるＣＳ−ＡＣＥＬＰ（Conjugate Structure - Algebraic Code Excited Linear Prediction ：共役構造の代数符号励振線形予測）方式やＧＳＭ−ＡＭＲ(Global System for Mobile communications - Adaptive Multi-Rate)方式等が、国際標準または地域標準方式として採用されている。
【０００３】
音声波の中で、特に有声音は、声帯の振動により発生する振動波に、口腔や鼻腔等の声道の共振特性が加わって生じるものである。元来、ＣＥＬＰ方式はこのような人間の発声機構をモデル化した符号化方式である。そこでは、声帯振動波は、その繰り返し成分を表現するピッチ周期や、変動成分を表現する雑音パラメータで表現する。また、喉、口、鼻を音声が通過する際の声道伝達特性や、唇の放射特性については、線形予測の手法を用いて近似的に表現される。
【０００４】
具体的なＣＥＬＰ方式においては、基本的に２つの符号帳（code book）である適応符号帳（adaptive code book）および雑音符号帳（fixed code book）を用いるほか、ＬＳＰ量子化符号帳（Line Spectral Pair quantization code book)、利得量子化符号帳（gain quantization code book)を用いる。適応符号帳は、駆動源信号の周期的な信号成分を表現するものであり、過去の駆動源信号をメモリに蓄積し、フレーム周期毎に更新されるものがよく用いられる。一方、雑音符号帳は、適応符号帳では表現できない非周期的な信号成分を表現するものであり、複数の典型的な信号パターンを固定的に蓄積したものがよく用いられる。なお、このタイプの雑音符号帳は、信号パターンを蓄積するためのメモリ量が膨大になるため、その改良版として、近年、少ない本数のパルスで近似的に非周期的な信号成分を表現する代数符号帳が、よく用いられるようになってきた。また、駆動源信号の周期的・非周期的成分の利得は、利得量子化符号帳を用いてベクトル量子化する。さらに、送信すべき音声を線形予測分析した結果得られた線形予測係数をＬＳＰに変換し、これをＬＳＰ量子化符号帳を用いてベクトル量子化する。
【０００５】
図１６は従来のＣＳ−ＡＣＥＬＰ方式に基づく音声符号化装置の構成例を示すブロック図である。図において、６０４は線形予測分析処理部、６０５はＬＳＰ（Line Spectral Pair）量子化処理部、６０６はＬＳＰ量子化符号帳、６０８は多重化部、６０９は逆量子化処理部、６１０は適応符号帳、６１１は代数符号帳、６１２，６１６は加算器、６１３は利得制御増幅部、６１４は利得量子化符号帳、６１５は合成フィルタ、６１７は聴覚重み付フィルタ、６１８は歪最小化部、６２４はＬＰＣ（Linear Predictive Coding）・ＬＳＰ変換部である。
【０００６】
次に動作について説明する。
線形予測分析処理部６０４は音声入力からＬＳＰパラメータを得るが、このＬＳＰパラメータは直接ＬＳＰ量子化処理部６０５に入力され、ＬＳＰ量子化符号帳６０６を参照して符号化される。符号化されたＬＳＰパラメータ（符号帳インデックス）は、逆量子化処理部６０９に送出されると共に、多重化部６０８にも送られる。逆量子化処理部６０９では、符号化されたＬＳＰパラメータ（符号帳インデックス）を基にＬＳＰ量子化符号帳６０６を参照して得られたＬＳＰ係数を用いて線形予測係数を計算し、合成フィルタ６１５に供給する。この合成フィルタ６１５を含み、適応符号帳６１０、代数符号帳６１１、加算器６１２，６１６、利得制御増幅部６１３、利得量子化符号帳６１４、聴覚重み付フィルタ６１７で構成される処理ブロック群にて、適応符号帳６１０、代数符号帳６１１、及び利得量子化符号帳６１４の組み合わせを変えることで、複数の音声波形を合成する。歪最小化部６１８において、これらの複数の合成音声波形と入力信号波形との聴覚重み付けエラー電力（＝自乗誤差）を計算し、その中でエラー電力を最小とする適応符号帳６１０、代数符号帳６１１、及び利得量子化符号帳６１４の組み合わせを選択する。いわゆるＡ−ｂ−Ｓ（Analysis by Synthesis）法に基づき音声符号化処理が実行される。このようにして量子化された符号化パラメータ（適応符号帳６１０、代数符号帳６１１、及び利得量子化符号帳６１４等）と、先にＬＳＰ量子化処理部６０５で量子化された量子化パラメータは、多重化部６０８により多重化された後、復号器側に送られる。
【０００７】
次に、上記符号化方式を、ＭＣＵを用いた電話会議装置に適用し、１対多、または多対多の通話を行った場合について述べる。
図１７は従来のＭＣＵの構成を示すブロック図であり、図において、２０は会議端末を構成する電話器、２１は交換機、２２は回線インタフェース部、２３は音声復号処理部、２４は音声検出部、２５は雑音抑圧部、２６は音声加算部、２７は分配処理部、２８は自端末音声減算部、２９は自動利得制御部、３０は音声再符号化処理部である。
【０００８】
次に動作について説明する。
まず、回線インタフェース部２２にて受信された符号化音声は、音声復号処理部２３によりチャネル毎に音声信号に復号される。復号された音声信号は、会議端末２０からのそれぞれについて、音声検出部２４により有音／無音の状態が検出される。この検出結果は、音声加算部２６における加算対象端末の決定、雑音抑圧処理部２５の雑音抑圧のための重み付け、自動利得制御部２９による音声レベルの自動調整のために用いられる。
【０００９】
会議参加者数Ｎが多くなると、背景ノイズレベルもＮに比例して大きくなるため、ＳＮ比の低下により通話品質の劣化を招くという問題がある。そこで、雑音抑圧処理部２５では、無音状態にあるチャネルから入力されてくる雑音を小さくするために、各会議参加者の有音／無音の検出結果に従って有音チャネルと無音チャネルのそれぞれに対して会議参加者数Ｎに基づく各重み係数を決定し、この重み係数をそれぞれの復号音声信号に掛ける雑音制御処理を行う。音声加算部２６では、音声検出部２４の検出結果を参照して、加算すべきチャネルの雑音制御処理された復号音声信号を加算する。加算された復号音声信号は、分配処理部２７において、各チャネルに再分配される。
【００１０】
自端末音声減算部２８では、自端末の音声信号の回りこみによるエコーを抑圧し、聴感上のわずらわしさを解消するため、加算された復号音声信号から自端末の信号を減算する。また、多地点の電話会議システムにおいては、多人数の音声を加算することによる飽和歪みを起こす可能性があるため、自動利得制御部２９にて、飽和歪みを防ぎ、なおかつ個人や全体の音声レベルを調整する。自動利得制御部２９の出力信号は、音声再符号化処理部３０にて符号化されて回線に出力される。
【００１１】
図１７に示された多地点制御装置によるシステムの第１の問題点として、復号・再符号化が繰り返されること（以下、「タンデム接続」という）による音声品質の劣化が挙げられる。ＣＥＬＰ方式に基づく音声符号化・復号装置は、非可逆符号化であるため、復号された音声信号は量子化誤差を含んでいる。さらに、これをタンデム接続することにより、再符号化処理にて量子化誤差がさらに蓄積されるため、音声品質の劣化となる。
【００１２】
この問題を解決する方法として、例えば特開２０００−１７４９０９号公報「会議端末制御装置」に示される技術がある。図１８はこの多地点制御装置（ＭＣＵ）の構成を示すブロック図である。図において、２ａ〜２ｍはデマルチプレクサ、４は話者検出回路、６は第一セレクタ、８ａ〜８ｎはデコーダ（音声復号処理部）、１０ａ〜１０ｎは減衰回路、１２は合成回路、１４はエンコーダ（音声再符号化処理部）、１６は第二セレクタ、１８は分配回路である。
【００１３】
次に動作について説明する。
ＭＣＵが各会議端末からの音声情報を受けると、デマルチプレクサ２ａ〜２ｍで有声／無声信号が分離され、その有声／無声信号を用いて、どの会議端末からの圧縮音声符号が有声であるかを話者検出回路４で検出する。また、有声である会議端末の数が計測される。有声、無声の判定がなされると、その情報が第一セレクタ６に送られ、第一セレクタ６において、有声状態の会議端末の数に応じて次のように作動する。
【００１４】
有声状態の会議端末が２台以上あった場合には、第一セレクタ６は、有声状態の会議端末を選択してデコーダ８ａ〜８ｎに対して１対１の関係で接続し、各圧縮音声符号を送出する。デコーダ８ａ〜８ｎの該当するそれぞれは、供給された圧縮音声符号を復号して音声信号を生成する。生成された音声信号は減衰回路１０ａ〜１０ｎで所定の値に減衰される。それぞれの音声信号は、減衰回路１０でレベル調整が行われた後、合成回路により合成される。つまり、有声状態の会議端末からの音声がすべて集められる。合成された音声信号は、エンコーダ１４で再符号化されて第二セレクタ１６へ送られ、分配回路１８により全会議端末に伝送される。
【００１５】
一方、有声状態の会議端末が１台であった場合には、その旨が第一セレクタ６に伝達され、第一セレクタ６でその有声状態の会議端末が選択され、そのまま直接第二セレクタ１６に接続される。第二セレクタ１６に接続された有声状態の会議端末の圧縮音声符号は、そのまま分配回路１８を介して全会議端末に伝送される。
【００１６】
ＭＣＵが図１８に示す構成をとることにより、単一話者のケースでは、符号化音声のデータ全てがパススルーされるため、タンデム接続が回避され、低ビットレートの音声符号化方式を用いても高品質の音声を提供することができる。
【００１７】
また、前述した図１７に示された多地点制御装置によるシステムの第２の問題点として、情報源符号化処理特有の劣化要因、すなわち複数話者による同時発言がある。この場合の劣化は著しく、聴感上聞き苦しくなるという問題があった。前述した従来のＣＥＬＰ方式に基づく音声符号化装置では、図１６に示したように、元来、単一話者の発声を想定した符号化を行っている。すなわち、声帯音源（駆動ベクトル）、声道情報（線形予測係数）、利得情報などが符号化の過程で抽出されて量子化伝送される。音声の特徴量を示すパラメータはそれぞれ唯一であり、複数話者の混合音声を送信する場合においては、これを精度よく符号化することができない。例えば、複数話者の混合音声の場合、声帯音源は話者毎に異なる複数種類のピッチ周期情報を含んでいるが、その複数種類のピッチ周期を表現する手段が無い。また、複数話者の混合音声の場合、声道情報も単一話者の場合と比較してスペクトル構造が複雑になっている。さらに、それを忠実に表現する量子化パターン（量子化テーブル）が用意されておらず、量子化時の誤差が大きくなる傾向になる。
【００１８】
このような問題を解決する手段として、例えば、特開平１０−２４０２９９号公報「音声符号化及び復号装置」に示される方式がある。図１９はこの公報に開示されたＣＥＬＰ系音声符号化装置の構成を示すブロック図である。図において、３１は複数話者音声分離部、３２１〜３２Ｎは長期予測器、３３１〜３３Ｎは源音コ―ドブック、３４は反射係数分析部、３５はのど（喉）近似フィルタ、３６１〜３６Ｎ，３７は加算器、３８は減算器、３９はエラー分析部である。
【００１９】
次に動作について説明する。
複数話者音声分離部３１は、入力される音声信号の周期的特徴を分析して話者数ｎ（１<ｎ≦Ｎ）を特定し、この音声信号に含まれる各話者の音声を分離して各話者の源音声Ａ１〜Ａｎとして出力する。複数話者音声分離部３１で得られた話者数ｎは、反射係数分析部３４に供給される。反射係数分析部３４では、話者数ｎが１人の場合は１０次、２人の場合は１５次、それ以上の場合は２０次というように、話者数ｎに応じた次数で反射係数ｒを算出する。反射係数ｒは、例えば入力音声の自己相関を用いてＦＬＡＴ（固定小数点共分散格子型アルゴリズム）を実行することにより求めることができる。求められた反射係数ｒは、のど近似フィルタ３５の係数として与えられる。
【００２０】
一方、複数話者音声分離部３１で分離された各話者の源音声Ａ１〜Ａｎは、ｎ個の長期予測器３２１〜３２ｎにそれぞれ入力される。長期予測器３２１〜３２ｎでは、これらの源音声Ａ１〜Ａｎと前フレームの源音声との相関関係などから源音声のピッチＬ１〜Ｌnを抽出する。これらのピッチＬ１〜Ｌnによってそれぞれ復号された信号と源音コードブック３３１〜３３ｎからのコードベクトルとが加算器３６１〜３６ｎにおいてそれぞれ加算され、各話者についての源音声が復号される。これらの複数話者分の源音声が加算器３７によって加算され、のど近似フィルタ３５で声道の特徴を付与されて局部復号信号となる。この局部復号信号と入力音声とが減算器３８によって減算され、減算器３８からのエラー信号が最小となるようにエラー分析部３９で源音コードブック３３１〜３３ｎのインデックスＩ１〜Ｉｎが順次決定される。
【００２１】
【発明が解決しようとする課題】
従来の多地点制御装置の音声符号化伝送システムは以上のように構成されているので、量子化誤差の蓄積による音声品質の劣化を回避するために、図１８に示した方式を用いた場合、話者検出回路４が、発言者以外の発する短区間の音声（咳払い、相槌など）に反応したり、背景ノイズの変動などによって誤判定を起こしたりする恐れがある。この場合、パススルーと復号・再符号化処理との回路切り替えが頻繁に行われる結果となる。すなわち、図１８において、話者検出回路４の判定結果により、エンコーダ１４の出力（符号化音声信号）とパススルーされた符号化音声信号とがセレクタ６によって切り替わることになる。ところがＣＥＬＰ方式のような低ビットレートの音声符号化方式の場合には、通常、符号器と復号器とが常に一対で動作することにより、高品質の音声を伝送することができる。しかしながら図１８の構成では、セレクタ６の切り替えによって、受信者の会議端末に内蔵されている復号器と対になる符号器が、唯一の発言者の会議端末に内蔵されている符号器とＭＣＵの符号器（エンコーダ１４）とに頻繁にスイッチングされる。このため、音声を受ける端末側では、このスイッチングにより音声が不連続となることにより、また音声品質が頻繁に変動することにより不自然に感じられ、聞き苦しくなるという課題があった。
【００２２】
また、従来の多地点制御装置の音声符号化伝送システムは以上のように構成されているので、情報源符号化処理特有である複数話者の同時発言による著しい劣化を回避するために、図１９に示した方式を用いた場合、話者が増えるたびにピッチ周期情報をその分用意せねばならず、話者の増加に比例してビットレートが増大するため、伝送速度をフレキシブルに変化できる通信網、例えばＡＴＭ網やＩＰ網に代表される非同期伝送網等、適用できる伝送網が限定されてしまうという課題があった。
【００２３】
この発明は、上記の課題を解決するためになされたものであり、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できる多地点制御装置の音声符号化伝送システムを得ることを目的とする。
また、この発明は、伝送速度が一定あるいはチャネルあたりの伝送速度に制限を受ける伝送網に対しても適用できる多地点制御装置の音声符号化伝送システムを得ることを目的とする。
【００２４】
【課題を解決するための手段】
この発明に係る多地点制御装置の音声符号化伝送システムは、通信ネットワークを介して複数の通信端末と接続し、各通信端末で取り扱われる音声を符号化した符号化音声信号を受信および送信の対象とし、これら符号化音声信号の情報内容に応じて所定の処理を施し、複数の通信端末に対し処理した符号化音声信号を配信する多地点制御装置の音声符号化伝送システムにおいて、各通信端末から受信した符号化音声信号を復号して復号音声信号を生成し、復号音声信号が有音である通信端末を判定し、有音であると判定した通信端末の１つを指定し、その指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち他の音声符号化パラメータおよび他の通信端末の復号音声信号における複数種類の音声符号化パラメータについては音声再符号化処理を施した後に各通信端末に送信するように構成したものである。
【００２５】
この発明に係る多地点制御装置の音声符号化伝送システムは、１つの通信端末からの復号音声信号のみが有音である場合には１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したものである。
【００２６】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末に対して優先順位を設定し、復号音声信号が有音であると判定した通信端末が複数である場合にはその中で優先順位が最も高い１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したものである。
【００２７】
この発明に係る多地点制御装置の音声符号化伝送システムは、復号音声信号が有音であると判定した通信端末が複数である場合には先に音声信号を受信した先着順に優先順位を設定するように構成したものである。
【００２８】
この発明に係る多地点制御装置の音声符号化伝送システムは、あらかじめ１つの特定の通信端末を優先的に指定して優先順位を設定するように構成したものである。
【００２９】
この発明に係る多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータは、ピッチ周期情報を担うパラメータであるように構成したものである。
【００３０】
この発明に係る多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータは、スペクトル包絡情報を担うパラメータであるように構成したものである。
【００３１】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末から受信した復号音声信号が有音であると判定した場合には、有音の通信端末の数に応じて音声符号化パラメータのフレームのビット配分を適応的に設定するように構成したものである。
【００３２】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末のうち優先順位が第１位の通信端末および第２位の通信端末から受信した復号音声信号が有音であると判定した場合には、第１位の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに第２位の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、第１位および第２位の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したものである。
【００３３】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末のうち主音声の通信端末および副音声の通信端末から受信した復号音声信号が有音であると判定した場合には、主音声の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに副音声の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、主音声および副音声の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したものである。
【００３４】
この発明に係る多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータは、利得符号帳であるように構成したものである。
【００３５】
この発明に係る多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータは、雑音符号帳であるように構成したものである。
【００３６】
この発明に係る多地点制御装置の音声符号化伝送システムは、音声符号化パラメータについて音声再符号化処理を施した後に各通信端末に送信するかまたは音声再符号化処理を施すことなく各通信端末に送信するかを決定する符号化モード情報を所定ビット数からなる符号化パラメータのフレームに含めるように構成したものである。
【００３７】
【発明の実施の形態】
以下、この発明の実施の一形態について図を参照して説明する。
実施の形態１．
図１はこの発明の実施の形態１による音声符号化伝送システムを適用した多地点制御装置の構成を示すブロック図である。図１において、２０１は交換機、２０２は回線インタフェース部、２０３は音声復号処理部、２０４は音声検出部、２０５は雑音抑圧処理部、２０６は音声加算部、２０７は分配処理部、２０８は自端末音声減算部、２０９は自動利得制御部、２１０は音声再符号化処理部、２１１は音声符号化パラメータ制御部である。
【００３８】
図１の構成の基本的な機能は以下の通りである。
各会議端末（通信端末）からの符号化音声が交換機２０１を介して回線インタフェース部２０２で受信される。受信された符号化音声は、音声復号処理部２０３によりチャネル毎に音声信号に復号される。復号された音声信号は、会議端末からのそれぞれについて、音声検出部２０４により有音／無音の状態を検出される。この検出結果は、音声加算部２０６における加算対象端末の決定、雑音抑圧処理部２０５の雑音抑圧のための重み付け、自動利得制御部２０９による音声レベルの自動調整のために用いられる。また、音声復号処理部２０３で復号された復号音声信号および抽出された音声パラメータは、音声符号化パラメータ制御部２１１に入力される。
【００３９】
会議参加者数Ｎが多くなると、雑音が大きくなり通話品質の劣化を招くので、雑音抑圧処理部２０５では、無音状態にあるチャネルから入力されてくる雑音を小さくする。そのために、各会議参加者の有音／無音の検出結果に従って有音チャネルと無音チャネルのそれぞれに対して会議参加者数Ｎに基づく各重み係数を決定し、この重み係数をそれぞれの復号音声信号に掛ける雑音制御処理を行う。音声加算部２０６では、音声検出部２０４の検出結果を参照して、加算すべきチャネルの雑音制御処理された復号音声信号を加算する。加算された復号音声信号は、分配処理部２０７において、各チャネルに再分配される。
【００４０】
自端末音声減算部２０８では、自端末の音声信号の回りこみによるエコーを抑圧し、聴感上のわずらわしさを解消するため、加算された復号音声信号から自端末の信号を減算する。また、多地点の電話会議システムにおいては、多人数の音声を加算することによる飽和歪みを起こす可能性があるため、自動利得制御部２０９にて、飽和歪みを防ぎ、なおかつ個人や全体の音声レベルを調整する。自動利得制御部２０９の出力信号は、音声再符号化処理部２１０において符号化されて回線に出力される。
【００４１】
図２は図１の音声符号化パラメータ制御部２１１のさらに詳細な構成を示すブロック図であり、図において、２１２はセレクタ、２１３は分配処理部、２１４は発言者選択部である。
図２の構成の基本的な機能は以下の通りである。
発言者選択部２１４は、各チャネルの音声検出部２０４の検出結果を集計して、発言者が唯一であると見なせる場合に、その発言者の情報（チャネル番号など）をセレクタ２１２および音声再符号化処理部２１０に出力する。セレクタ２１２は、発言者選択部２１４の選択結果に応じて、音声復号処理部２０３にて抽出された各チャネルの音声符号化パラメータから音声再符号化処理部２１０にパススルーする符号化パラメータを選択する。分配処理部２１３は、セレクタ２１２で選択された符号化パラメータを、各チャネルの音声再符号化処理部２１０に再分配する。
【００４２】
図３は、図１の音声復号処理部２０３のさらに詳細な構成を示すブロック図であり、図において、１２６は多重分離部、１３１ａは適応符号帳、１３１ｂは利得復号部、１３２は復号利得ＭＡ予測部、１３３は代数符号復号部、１３４はピッチプレフィルタ、１３５はＬＳＰ復号部、１３６はＬＳＰ内挿部、１３７はＬＳＰ・ＬＰＣ変換部、１２７，１２８は制御増幅部、１２９は加算器、１３８は合成フィルタ、１３９はポストフィルタである。
【００４３】
図４は、図１の音声再符号化処理部２１０の構成を示すブロック図であり、上述した図１１の音声符号化装置に対応する。図において、１０４は線形予測分析処理部、１０５はＬＳＰ（Line Spectral Pair）量子化処理部、１０６はＬＳＰ量子化符号帳、１０８は多重化部、１０９は逆量子化処理部、１１０は適応符号帳、１１１は代数符号帳、１１２，１１６は加算器、１１４は利得量子化符号帳、１１５は合成フィルタ、１１７は聴覚重み付フィルタ、１１８は歪最小化部、１１９，１２０，１２２は切替スイッチ、１１３ａ，１１３ｂは利得制御増幅部、１２１はピッチプレフィルタ、１２５は利得ＭＡ予測部、１２４はＬＰＣ（Linear Predictive Coding）・ＬＳＰ変換部である。
【００４４】
次に、動作について説明する。なお、説明のために用いる音声符号化方式については、ＩＴＵ−Ｔ勧告Ｇ．７２９ ＣＳ−ＡＣＥＬＰ方式に基づく。
音声復号処理部２０３では、伝送されてきた音声符号化データを基に復号処理を実行する。それと共に、発言者の音声に固有の特徴量を示すパラメータ、すなわち、声帯振動波の繰返し周期を表現するピッチ周期情報である適応符号帳インデックスと、声道情報を表現するスペクトル包絡情報であるＬＳＰ符号帳インデックスとを音声符号化パラメータ制御部２１１に出力する。この場合において、音声検出部２０４の判定結果により、発言者が唯一に決まった場合は、その発言者の端末装置に割り当てたチャネルから受信した符号化パラメータのうち、適応符号帳インデックスとＬＳＰ符号帳インデクスとをそのまま音声再符号化処理部２１０へパススルーする。
【００４５】
このとき音声再符号化処理部２１０では、切替スイッチ１１９，１２０，１２２を各接点１１９Ａ，１２０Ａ，１２２Ａ側に接続し、パススルーされた符号化パラメータについては、再符号化処理すなわち符号帳探索処理を行わずに、そのまま多重化部１０８に送る。その他のパラメータ（図４においては、代数符号帳インデックスおよび利得符号帳インデックス）については、音声加算された復号音声信号に基づいて再符号化処理を行い、歪最小化部１１８で最小自乗誤差の探索により最適な量子化値を抽出して多重化部１０８に送る。多重化部１０８ではこれらパラメータを多重化して回線インタフェース部２０２に出力する。
【００４６】
ここで、音声検出部２０４について、例えば、あるチャネルで発言中、他のチャネルから割り込んで発言があった場合は、そのチャネルにおいて音声の立ち上がりを検出しても、即座に発音中のチャネルからの切り替えは行わず、所定の待ち時間を持たせて、発言中のチャネルからの切り替えを遅らせることにより、相槌、咳払いなど、比較的短区間の、重要度の低い発言での切り替えを防ぐ。これが比較的長い割り込み発言であった場合には、スイッチングの遅れが発生するが、音声加算部２０６の出力（加算復号音声信号）には反映されているため、音声再符号化処理部２１０で合わせて符号化されるので、頭切れなどの心配はない。但し、音声信号を復号するための重要な情報を含む符号化パラメータである適応符号帳インデックス（ピッチ周期情報）およびＬＳＰ符号帳インデックス（スペクトル包絡情報）が一部欠けているため、元々の発言者に比べて割り込み発言の品質は劣化している。しかし、会議運営上、割り込み発言の重要性は低いケースとなることが多く、また、若干ではあるが代数符号帳インデックスの中にも周波数成分に関する情報が漏れているので、実運用上では、例えば、耳障りな音を復号すうような、割込み発言者の音声が異常になるようなことはなく、この劣化は比較的気にならないと言える。
【００４７】
また、音声検出部２０４において、話者が唯一に決まらない場合は、音声再符号化処理部２１０の、スイッチ１１９，１２０，１２２をそれぞれ１１９Ｂ，１２０Ｂ，１２２Ｂ側に接続することによって、パススルー動作は行わない。したがって、音声再符号化処理部２１０内において、話者入力のある各チャネルの復号音声について所定の再符号化処理が行われる。
【００４８】
以上のように、この実施の形態１によれば、指定した会議端末の復号音声信号における複数種類の音声符号化パラメータのうち一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、指定した会議端末の復号音声信号における複数種類の音声符号化パラメータのうち、他の音声符号化パラメータ、および他の通信端末の復号音声信号における複数種類の音声符号化パラメータについては、音声再符号化処理を施した後に各通信端末に送信するので、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できるという効果が得られる。
【００４９】
すなわち、一部の音声符号化パラメータについてパススルーすることにより、メインの話者（指定した会議端末の話者）に関しては、主要な音声符号化パラメータについては、復号・再符号化を繰り返すことによる劣化を受けずに維持されるため、メイン話者については、パススルー時の音声品質に近いものが再現できるという効果が得られる。また、符号化パラメータが常に音声再符号化処理部を経由しているため、頻繁なスイッチングが発生しても、音声の不連続感は解消されるという効果が得られる。また、品質は常に一定に保たれるため、音声品質が揺らぐことによる不自然感が解消されるという効果が得られる。
【００５０】
また、この実施の形態１によれば、音声再符号化処理を施すことなくパススルーする一部の音声符号化パラメータは、ピッチ周期情報を担うパラメータであるので、発言者の音声に固有な声帯振動数の繰り返し周期を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。
【００５１】
また、この実施の形態１によれば、音声再符号化処理を施すことなくパススルーする一部の音声符号化パラメータは、スペクトル包絡情報を担うパラメータであるので、発言者の口腔や鼻腔等の声道を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。
【００５２】
実施の形態２．
実施の形態２においては、実施の形態１の図１乃至図３に相当する構成は、ほぼ同じである。ただし、この実施の形態２では、音声復号処理部２０３から音声符号化パラメータ制御部２１１にパススルーされる適応符号帳インデックスは、優先順位が第１位の会議端末の話者からの符号化パラメータのうちの第１位の適応符号帳インデックス、および、優先順位が第２位の会議端末の話者からの符号化パラメータのうちの第２位の適応符号帳インデックスである。図５は、この発明の実施の形態２における音声再生符号化処理部の構成を示すブロック図であり、図において、１３０は切替スイッチ、１１０ｂは第２の適応符号帳、１１３ｃは利得制御増幅部、１４０は符号化レート制御部である。他の構成要素は、図４に示した実施の形態１における音声再符号化処理部の構成要素と同じものであるので同一符号を付し、原則としてその説明を省略する。
【００５３】
図６は、交換機２０１に接続される電話機すなわち会議端末の構成を示すブロック図であり、図において、５００は回線インタフェース部、５０１は音声復号処理部、５０２はＤ／Ａコンバータ、５０３はスピーカである。
【００５４】
図７は、図６の会議端末における音声復号処理部５０１のさらに詳細な構成を示すブロック図であり、図において、５０４は多重分離部、５０５は符号化モード解読部である。他の構成要素は、図５に含まれている一部の構成要素と同じものであるので同一符号を付し、原則としてその説明を省略する。
【００５５】
図８は、１話者発言の場合、２話者発言の場合、および３話者発言の場合における符号化パラメータのフレーム構成例を示す説明図である。
【００５６】
次に、動作について説明する。なお、実施の形態１の場合と同様に、説明のために用いる音声符号化方式については、ＩＴＵ−Ｔ勧告Ｇ．７２９ ＣＳ−ＡＣＥＬＰ方式に基づく。
スイッチ１３０は、音声符号化パラメータ制御部２１１からの第２位の適応符号帳インデックスを入力するか入力しないか切り替える。符号化レート制御部１４０は、音声符号化パラメータ制御部２１１と音声再符号化処理部２１０との間に設けられ、音声符号化パラメータ制御部２１１からの発言者選択情報に基づき、パラメータの符号化レートを決定する制御信号を代数符号帳１１１および利得量子化符号帳１１４に出力するとともに、符号化モード情報をスイッチ１１９，１２０，１３０の切替制御信号として与えるとともに、多重化部１０８に出力する。多重分離部５０４は、図５の多重化部１０８で多重化された音声符号化パラメータを分離する。符号化モード解読部５０５は、多重分離部５０４で分離された符号化モード情報（図８のフレームにおける最後の１ビットの値）を解読する。
【００５７】
以下、図１〜図９を参照して、全体的な動作を説明する。
いま、話者が唯一である場合には、図１の音声検出部２０４の検出結果により、図２の発言者選択部２１４は「１話者発言」であることを決定して、その決定内容を示す発言者選択情報をセレクタ２１２に出力するとともに、音声再符号化処理部２１０に転送する。セレクタ２１２は、その１話者の会議端末に対応しているチャネルから受信した符号化パラメータを選択して分配処理部２１３に出力する。分配処理部２１３は、その符号化パラメータ（ＬＳＰ符号化インデックスおよび第１位の適応符号化インデックス）をそのまま音声再符号化処理部２１０へパススルーする。このときの動作は、スイッチ１３０を１３０Ｂ側に接続する。すなわち、第２位の適応符号帳インデックスの入力をオフにする。また、符号化レート制御部１４０から出力されるビットレートが決定する。他の動作は実施の形態１の場合と全く同一である。
【００５８】
また、話者が１人もいない場合、あるいは３者以上が同時に発言した場合は、音声検出部２０４の検出結果により、発言者選択部２１４は「３話者以上発言」であることを決定して、その決定内容を示す発言者選択情報をセレクタ２１２に出力するとともに、音声再符号化処理部２１０に転送する。この場合には、セレクタ２１２は符号化パラメータを選択しない。音声再符号化処理部２１０は、発言者選択情報に応じてタンデム接続による再符号化処理を実行する。すなわち、スイッチ１１９，１２０，１３０をそれぞれ接点１１９Ｂ，１２０Ｂ，１３０Ｂ側に接続して、ＬＳＰ符号化インデックスのパススルーを行わず、第１位および第２位の適応符号帳インデックスの入力をオフにする。そして、全符号化パラメータについて、音声加算された信号に基づいて再符号化処理を行い、最適な量子化値を探索して多重化部１０８に送る。もっとも、話者が１人もいない場合には、符号化パラメータが存在しないので、再符号化処理を行うことはない。
【００５９】
一方、２話者が同時発言した場合には、発言者選択部２１４は「２話者発言」であることを決定して、その決定内容を示す発言者選択情報をセレクタ２１２に出力するとともに、音声再符号化処理部２１０に転送する。セレクタ２１２は、その２話者の会議端末に対応しているチャネルから受信した符号化パラメータを選択して分配処理部２１３に出力する。分配処理部２１３は、その符号化パラメータをそのまま音声再符号化処理部２１０へパススルーする。音声再符号化処理部２１０は、第１の話者のＬＳＰ符号化インデックスおよび第１位の適応符号化インデックスをパススルーするとともに、第２の話者の第２位の適応符号化インデックス（ピッチ周期情報）をパススルーする。
【００６０】
すなわち、スイッチ１１９，１２０，１３０をそれぞれ接点１１９Ａ，１２０Ａ，１３０Ａ側に接続して、ＬＳＰ符号化インデックス、第１位および第２位の適応符号帳インデックスを多重化部１０８に送る。他の符号化パラメータである代数符号化インデックスおよび利得符号化インデックスについては、音声加算された信号に基づいて再符号化処理を行い、最適な量子化値を探索して多重化部１０８に送る。多重化部１０８は、これら複数の符号化パラメータを多重化して回線インタフェース部２０２に出力する。
【００６１】
同時に、符号化レート制御部１４０では、音声符号化パラメータ制御部２１１からの発言者選択情報に応じて、代数符号化インデックスおよび利得符号化インデックスに割り当てられるビット数を伝送速度に見合うように調整して、それぞれ代数符号帳１１１および利得量子化符号帳１１４に出力するとともに、後述する符号化モード情報を生成して、スイッチ１１９，１２０，１３０および多重化部１０８に出力する。
【００６２】
この場合において、符号化モードを２モード設定することとし、「１話者発言」および「３話者以上発言」の符号化モードを「モード０」とし、「２話者発言」の符号化モードを「モード１」とする。すなわち、「０」および「１」の符号化モード情報を設定する。したがって、この符号化モード情報を伝送するには１ビットを必要とする。伝送速度が８キロビット／秒の場合の各モードにおける符号化パラメータの１フレーム（８０ビット）のビット割り当ての例を図８および図９に示す。
【００６３】
「モード０」においては、ＩＴＵ−Ｔ勧告Ｇ．７２９に示されているビット割り当てとほぼ同じである。すなわち、図８に示すように、「１話者発言」の場合には、ＬＳＰ符号帳インデックスおよび適応符号帳インデックスの符号化パラメータをパススルーし、「３話者以上発言」の場合には、全ての符号化パラメータをパススルーしない。ただし、伝送速度が８キロビット／秒であるので、標準方式では符号化モード情報を送信する余地がないため、図９に示すように、標準方式でパリティビットとして設定されている１ビットを符号化モード情報に転用して送信する。
【００６４】
一方、「モード１」においては、第２位の適応符号化インデックス（１３ビット）を送信する必要があるので、その１３ビット分だけ他の符号化パラメータのビット割り当てを減らす（これを縮退という）必要がある。したがって、図９および図８に示すように、「２話者発言」の場合には、代数符号帳インデックスを３４ビットから２２ビットに縮退し、利得符号帳インデックスを１４ビットから１３ビットに縮退する。そして、第１話者のＬＳＰ符号帳インデックスおよび適応符号帳インデックス、並びに、第２話者の第２位の適応符号帳インデックスからなる符号化パラメータをパススルーする。
【００６５】
なお、代数符号帳インデックスの縮退方式については、第１サブフレームおよび第２サブフレームともに、ＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．８節に記述されている方式（１１ビット量子化）を用いて実現する。また、利得符号帳インデックスの縮退方式については、第１サブフレームはＩＴＵ−Ｔ勧告Ｇ．７２９本体の第３．９節に記載されている方式（７ビット量子化）を用いて、第２サブフレームはＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．９節に記述されている方式（６ビット量子化）を用いて実現する。
【００６６】
多重化部１０８は、これらの符号化パラメータを多重化して、図８に示す１フレームごとに回線インタフェース部２０２および交換機２０１を介して、各会議端末に送信する。そして、図６に示した会議端末の受信部において、音声復号処理部５０１は、交換機２０１および回線インタフェース部５００を介して受信した符号化パラメータのフレームを復号する。すなわち、図７に示した音声復号処理部５０１において、多重分離部５０４は、１フレームの符号化パラメータを各符号化パラメータに分離し、符号化モード情報を符号化モード解読部５０５に出力する。符号化モード解読部５０５は、その符号化モード情報に基づいて、スイッチ１３０に切替制御信号を与え、ビット割当情報を代数符号帳１１１および利得量子化符号帳１１４に与える。
【００６７】
したがって、符号化モード情報が０のフレームを受信したときは、スイッチ１３０は切替制御信号によって接点１３０Ｂ側に接続され、第２位の適応符号帳インデックスの入力をオフにする。また、代数符号帳１１１は、ビット割当情報に応じて、ＩＴＵ−Ｔ勧告Ｇ．７２９本体の第４．１節に示された復号方式を用いて代数符号帳インデックスを復号する。また、利得量子化符号帳１１４も、ビット割当情報に応じて、ＩＴＵ−Ｔ勧告Ｇ．７２９本体の第４．１節に示された復号方式を用いて利得符号帳インデックスを復号する。
【００６８】
一方、符号化モード情報が１のフレームを受信したときは、スイッチ１３０は切替制御信号によって接点１３０Ａ側に接続され、第２位の適応符号帳インデックスの入力をオンにしてその復号を開始する。また、代数符号帳１１１は、ビット割当情報に応じて、第１サブフレームについては、ＩＴＵ−Ｔ勧告Ｇ．７２９本体の第４．１節に示された復号方式を用いて代数符号帳インデックスを復号し、第２サブフレームについては、同勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ．６章に示された復号方式を用いて代数符号帳インデックスを復号する。次に、第２位の適応符号帳インデックスを復号して得られた第２話者のピッチ周期成分、第１位の適応符号帳インデックスを復号して得られた第１話者のピッチ周期成分、および代数符号帳インデックスを復号して得られた雑音成分を加算器１１２で加算して、励振信号として合成フィルタ１１５に出力する。合成フィルタ１１５は、この励振信号に基づいて声道情報を畳み込み、復号音声を得る。
【００６９】
以上のように、この実施の形態２によれば、複数の会議端末から受信した復号音声信号が有音であると判定した場合には、有音の会議端末の数に応じて符号化パラメータのフレームのビット配分を適応的に設定するので、伝送速度が一定あるいはチャネルあたりの伝送速度に制限を受ける伝送網に対しても適用できるという効果が得られる。
【００７０】
また、この実施の形態２によれば、複数の会議端末のうち優先順位が第１位の会議端末の第１話者および第２位の会議端末の第２話者から受信した復号音声信号が有音であると判定した場合には、第１話者の復号音声信号におけるピッチ周期情報である第１位の適応符号帳インデックス、およびスペクトル包絡情報であるＬＳＰ符号帳インデックスからなる音声符号化パラメータ、並びに、第２話者の復号音声信号におけるピッチ周期情報である第２位の適応符号帳インデックスからなる音声符号化パラメータについては、音声再符号化処理を施すことなく各会議端末にパススルーして送信するので、２話者が同時に発言した場合でも、比較的良好な音声品質の伝送が可能になるという効果が得られる。
【００７１】
また、この実施の形態２によれば、音声再符号化処理を施す音声符号化パラメータについては、伝送レート制御機能に基づく縮退の量子化ビット制御を行うので、音声品質の劣化に対して影響の少ない符号化パラメータを縮退させて、第２話者の復号音声信号におけるピッチ周期情報である第２位の適応符号帳インデックスからなる音声符号化パラメータについて音声再符号化処理を施すことなく各会議端末にパススルーして送信するので、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。
【００７２】
また、この実施の形態２によれば、縮退の量子化ビット制御が行われる符号化パラメータを励振利得である利得符号帳インデックスとしたので、音声品質の劣化に対して影響の少ない利得符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。
【００７３】
また、この実施の形態２によれば、縮退の量子化ビット制御が行われる符号化パラメータを雑音符号帳である代数符号帳インデックスとしたので、音声品質の劣化に対して影響の少ない代数符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。
【００７４】
また、この実施の形態２によれば、音声符号化パラメータについて音声再符号化処理を施した後に各会議端末に送信するか、または音声再符号化処理を施すことなく各会議端末にパススルーして送信するかを決定する１ビットの符号化モード情報を、８０ビットからなる符号化パラメータのフレームに含めるので、伝送レートに影響を与えることなく、特定の符号化パラメータをパススルーするか否かの情報を符号化パラメータのフレームに含めることができるという効果が得られる。
【００７５】
実施の形態３．
図１０はこの発明の実施の形態３における多地点制御装置の構成を示すブロック図であり、図１１は実施の形態３における音声符号化パラメータ制御部のブロック図である。図１に相当する図１０の部分には同一符号を付し、図２に相当する図１１の部分には同一符号を付し、原則としてその説明を省略する。図１０および図１１において、２１５は先着チャネル判定部で、発言のあったチャネルのうち音声検出部２０４が最初に検出したチャネルの検出結果に応答して音声符号化パラメータ制御部２１１のセレクタ２１２を制御するものである。
【００７６】
次に、動作について説明する。
発言者が競合した場合、先着チャネル判定部２１５は、先に発言のあったチャネルについて優先話者と判定し、その判定結果をセレクタ２１２に与える。セレクタ２１２は、その先着チャネルの符号化パラメータのみを音声再符号化処理部２１０へパススルーする。それ以降においては、音声再符号化処理部２１０は実施の形態１と同様に動作する。
【００７７】
以上のように、この実施の形態３によれば、複数の会議端末に対して優先順位を設定し、復号音声信号が有音であると判定した会議端末が複数である場合にはその中で優先順位が最も高い１つの会議端末を指定し、その指定した会議端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するので、複数の会議端末の話者が同時に発言した場合でも、会議が混乱するのを回避できるという効果が得られる。
【００７８】
また、この実施の形態３によれば、復号音声信号が有音であると判定した会議端末が複数である場合には、先に音声信号を受信した先着順に優先順位を設定するので、無用な咳払い、相槌やルールを逸脱した割込み発言によって、会議の進行が乱されることがないという効果が得られる。
【００７９】
実施の形態４．
図１２はこの発明の実施の形態４における多地点制御装置およびその他の構成を示すブロック図であり、図１３は実施の形態４における音声符号化パラメータ制御部のブロック図である。図１に相当する図１２の部分には同一符号を付し、図２に相当する図１３の部分には同一符号を付し、原則としてその説明を省略する。図１２において、２２４はＭＣＵ制御部であり、インターネットなどを通じて優先話者とする特定のチャネルを優先話者判定部２１６に登録する。図１３において、２１６は優先話者判定部で、電話会議の特定のチャネルを優先話者として予め登録しておき、復号音声信号と音声検出結果に応じて有音と判定されたチャネルが登録された特定のチャネルであった場合、そのチャンネルの話者を優先話者して判定する。
【００８０】
次に、動作について説明する。
例えば、会議主催者は、会議設定時にインターネットなどによりＭＣＵ制御部２２４を介して、会議主催者のチャネルあるいは指名された司会進行役のチャネルなどを、優先話者としてりＭＣＵ制御部２２４に登録しておく。次に、発言者が競合した場合において、登録されている優先話者、すなわち会議主催者のチャネルや指名された司会進行役のチャネルにおいて発言があったとき、優先話者判定部２１６は、復号音声信号、音声検出結果および登録されたデータとから、優先話者のチャネルを検知し、音声符号化パラメータ制御部２１１のセレクタ２１２が該当するチャネルの符号化パラメータのみを音声再符号化処理部２１０へパススルーするように制御する。それ以降の動作については、実施の形態１の場合と同様である。
【００８１】
以上のように、この実施の形態４によれば、あらかじめ１つの特定の会議端末を優先的に指定し、復号音声信号が有音であると判定した複数の会議端末の中に特定の会議端末が含まれている場合には、その特定の会議端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各会議端末にパススルーして送信するので、会議主催者や指名された司会進行役の発言を検知して、発言者が競合した場合でも、円滑な会議進行が可能になるという効果が得られる。
【００８２】
実施の形態５．
図１４および図１５は、この発明の実施の形態５における符号化パラメータのフレーム構成を示す説明図である。なお、この実施の形態５において、多地点制御装置、多地点制御装置における音声再符号化処理部、および会議端末における音声復号処理部の構成は、それぞれ図１、図２および図５、並びに図７に示した実施の形態２における構成と同じである。また、多地点制御装置における音声符号化パラメータ制御部の構成は、図１３に示した実施の形態４における構成と同じである。
【００８３】
次に、動作について説明する。説明のために用いる音声符号化方式についても、実施の形態２と同様に、ＩＴＵ−Ｔ勧告Ｇ．７２９のＣＳ−ＡＣＥＬＰ方式に基づく。図１において、音声検出部２０４の検出結果により、図２における音声符号化パラメータ制御部２１１の発言者選択部２１４の選択が「１話者発言」、「２話者発言」、または「３話者以上発言」に決定した場合には、実施の形態２の場合と同様に、その決定に基づく発言者選択情報をセレクタ２１２に与えるとともに、図５における符号化レート制御部１４０に出力する。符号化レート制御部１４０は、この発言者選択情報に応じて、「モード０」または「モード１」を示す１ビットの符号化モード情報を生成して、音声再符号化処理部２１０に出力する。音声再符号化処理部２１０は、この符号化モード情報に基づいて、多重化部１０８から会議端末に出力する符号化パラメータのフレームを構成する。
【００８４】
すなわち、「モード１」においては、第２位の適応符号化インデックス（８ビット）を送信する必要があるので、その８ビット分だけ他の符号化パラメータを縮退する必要がある。したがって、図１４および図１５に示すように、「２話者発言」の場合には、代数符号帳インデックスを３４ビットから２８ビットに縮退し、利得符号帳インデックスを１４ビットから１２ビットに縮退する。そして、第１話者のＬＳＰ符号帳インデックスおよび適応符号帳インデックス、並びに、第２話者の第２位の適応符号帳インデックスからなる符号化パラメータをパススルーする。
【００８５】
なお、代数符号帳インデックスの縮退方式については、第１サブフレームについてはＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．８節に記述されている方式（１１ビット量子化）を用い、第２サブフレームについてはＩＴＵ−Ｔ勧告Ｇ．７２９本体第３．８節に記述されている方式（１７ビット量子化）を用いて実現する。また、利得符号帳インデックスの縮退方式については、第１サブフレームおよび第２サブフレームともにＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．９節に記述されている方式（６ビット量子化）を用いて実現する。
【００８６】
ところで、電話会議システムにおいて使用されるチャネルは、主音声と副音声で構成されている。この場合、主音声は発言者の音声であり、副音声は、例えば発言者の発言に対する同時通訳などが適用される。そこで、図１３における優先話者判定部２１６において、主音声を第１話者とし副音声を第２話者として順位付けを設定しておく。図１４に示すように、主音声の符号化パラメータであるＬＳＰ符号帳インデックスおよび第１位の適応符号帳インデックスについては、パススルーされた量子化パラメータをそのまま伝送するようにし、副音声の符号化パラメータである第２位の適応符号帳インデックスについては、パススルーされた量子化パラメータを縮退させて伝送する。
【００８７】
以上のように、この実施の形態５によれば、主音声および副音声の会議端末から受信した復号音声信号が有音であると判定した場合には、主音声の会議端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ、並びに、副音声の会議端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各会議端末に送信するので、主音声と副音声とが同時に発言した場合でも、副音声の符号化パラメータを縮退させることで、伝送レートを維持しつつ主音声の音声品質の劣化を極力抑えて伝送できるという効果が得られる。
【００８８】
また、この実施の形態５によれば、実施の形態２と同様に、音声品質の劣化に対して影響の少ない利得符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。また、音声品質の劣化に対して影響の少ない代数符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。また、伝送レートに影響を与えることなく、特定の符号化パラメータをパススルーするか否かの符号化モード情報を符号化パラメータのフレームに含めることができるという効果が得られる。
【００８９】
さらに、上記実施の形態２乃至実施の形態５によれば、実施の形態１と同様に、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できるという効果が得られる。また、発言者の音声に固有な声帯振動数の繰り返し周期を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。また、発言者の口腔や鼻腔等の声道を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。
【００９０】
なお、上記各実施の形態においては、通信端末として会議端末（電話機）を例に採ってこの発明を説明したが、通信端末の態様は会議端末に限定されない。例えば、複数種類の音声信号を異なるチャネルで同時に伝送する放送システムや有線放送システムにおいて、その音声信号を受信する複数の受信機を通信端末として適用し、受信機側で特定の１つのチャネル（例えば、主音声のチャネルまたは副音声のチャネル）を指定する構成にしてもよい。
【００９１】
【発明の効果】
以上のように、この発明によれば、多地点制御装置の音声符号化伝送システムを、各通信端末から受信した符号化音声信号を復号して復号音声信号を生成し、復号音声信号が有音である通信端末を判定し、有音であると判定した通信端末の１つを指定し、その指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち他の音声符号化パラメータおよび他の通信端末の復号音声信号における複数種類の音声符号化パラメータについては音声再符号化処理を施した後に各通信端末に送信するように構成したので、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できるという効果がある。
【００９２】
この発明によれば、多地点制御装置の音声符号化伝送システムを、１つの通信端末からの復号音声信号のみが有音である場合には１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したので、１対多または多対多の電話会議において高品質な音声伝送を実現できるという効果がある。
【００９３】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末に対して優先順位を設定し、復号音声信号が有音であると判定した通信端末が複数である場合にはその中で優先順位が最も高い１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したので、複数の会議端末の話者が同時に発言した場合でも、会議が混乱するのを回避できるという効果がある。
【００９４】
この発明によれば、多地点制御装置の音声符号化伝送システムを、復号音声信号が有音であると判定した通信端末が複数である場合には先に音声信号を受信した先着順に優先順位を設定するように構成したので、無用な咳払い、相槌やルールを逸脱した割込み発言によって、会議の進行が乱されることがないという効果がある。
【００９５】
この発明によれば、多地点制御装置の音声符号化伝送システムを、あらかじめ１つの特定の通信端末を優先的に指定して優先順位を設定するように構成したので、会議主催者や指名された司会進行役の発言を検知して、発言者が競合した場合でも、円滑な会議進行が可能になるという効果がある。
【００９６】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータを、ピッチ周期情報を担うパラメータであるように構成したので、発言者の音声に固有な声帯振動数の繰り返し周期を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果がある。
【００９７】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータを、スペクトル包絡情報を担うパラメータであるように構成したので、発言者の口腔や鼻腔等の声道を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果がある。
【００９８】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末から受信した復号音声信号が有音であると判定した場合には、有音の通信端末の数に応じて音声符号化パラメータのフレームのビット配分を適応的に設定するように構成したので、伝送速度が一定あるいはチャネルあたりの伝送速度に制限を受ける伝送網に対しても適用できるという効果がある。
【００９９】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末のうち優先順位が第１位の通信端末および第２位の通信端末から受信した復号音声信号が有音であると判定した場合には、第１位の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに第２位の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、第１位および第２位の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したので、２話者が同時に発言した場合でも、比較的良好な音声品質の伝送が可能になるという効果がある。
【０１００】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末のうち主音声の通信端末および副音声の通信端末から受信した復号音声信号が有音であると判定した場合には、主音声の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに副音声の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、主音声および副音声の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したので、主音声と副音声とが同時に発言した場合でも、副音声の符号化パラメータを縮退させることで、伝送レートを維持しつつ主音声の音声品質の劣化を極力抑えて伝送できるという効果がある。
【０１０１】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータを、利得符号帳であるように構成したので、音声品質の劣化に対して影響の少ない利得符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果がある。
【０１０２】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータを、雑音符号帳であるように構成したので、音声品質の劣化に対して影響の少ない代数符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果がある。
【０１０３】
この発明によれば、多地点制御装置の音声符号化伝送システムを、音声符号化パラメータについて音声再符号化処理を施した後に各通信端末に送信するかまたは音声再符号化処理を施すことなく各通信端末に送信するかを決定する符号化モード情報を所定ビット数からなる符号化パラメータのフレームに含めるように構成したので、伝送レートに影響を与えることなく、特定の符号化パラメータをパススルーするか否かの情報を符号化パラメータのフレームに含めることができるという効果がある。
【図面の簡単な説明】
【図１】 この発明の実施の形態１による音声符号化伝送システムに適用した多地点制御装置の構成を示すブロック図である。
【図２】 同実施の形態１における音声符号化パラメータ制御部の構成を示すブロック図である。
【図３】 同実施の形態１における音声復号処理部の構成を示すブロック図である。
【図４】 同実施の形態１における音声再符号化処理部の構成を示すブロック図である。
【図５】 同実施の形態２における音声再生符号化処理部の構成を示すブロック図である。
【図６】 同実施の形態２における会議端末の受信側の構成を示すブロック図である。
【図７】 同実施の形態２における会議端末の音声復号処理部の構成を示すブロック図である。
【図８】 同実施の形態２に係る音声符号化パラメータのフレーム構成を示す図である。
【図９】 同実施の形態２に係る符号化パラメータの１フレームのビット割り当て例を示す説明図である。
【図１０】 同実施の形態３における多地点制御装置の構成を示すブロック図である。
【図１１】 同実施の形態３における音声符号化パラメータ制御部の構成を示すブロック図である。
【図１２】 同実施の形態４に係る音声符号化伝送システムに適用する多地点制御装置の構成を示すブロック図である。
【図１３】 同実施の形態４における音声符号化パラメータ制御部の構成を示すブロック図である。
【図１４】 同実施の形態５に係る音声符号化パラメータのフレーム構成を示す図である。
【図１５】 同実施の形態５に係る符号化パラメータの１フレームのビット割り当て例を示す説明図である。
【図１６】 従来のＣＥＬＰ方式に基づく音声符号化装置の構成を示すブロック図である。
【図１７】 従来の多地点制御装置の構成を示すブロック図である。
【図１８】 従来の多地点制御装置の他の構成を示すブロック図である。
【図１９】 従来のＣＥＬＰ系音声符号化装置の構成を示すブロック図である。
【符号の説明】
１０４ 線形予測分析処理部、１０５ ＬＳＰ量子化処理部、１０６ ＬＳＰ量子化符号帳、１０８ 多重化部、１０９ 逆量子化処理部、１１０ 適応符号帳、１１０ｂ 第２の適応符号帳、１１１ 代数符号帳（雑音符号帳）、１１２，１１６ 加算器、１１３ａ，１１３ｂ 利得制御増幅部、１１３ｃ 利得制御増幅部、１１４ 利得量子化符号帳、１１５ 合成フィルタ、１１７ 聴覚重み付フィルタ、１１８ 歪最小化部、１１９，１２０ 切替スイッチ、１２１ ピッチプレフィルタ、１２４ ＬＰＣ・ＬＳＰ変換部、１２５ 利得ＭＡ予測部、１２６ 多重分離部、１２７，１２８ 制御増幅部、１２９ 加算器、１３０ 切替スイッチ、１３１ａ 適応符号帳、１３１ｂ 利得復号部、１３２ 復号利得ＭＡ予測部、１３３ 代数符号復号部、１３４ ピッチプレフィルタ、１３５ＬＳＰ復号部、１３６ ＬＳＰ内挿部、１３７ ＬＳＰ・ＬＰＣ変換部、１３８ 合成フィルタ、１３９ ポストフィルタ、１４０ 符号化レート制御部、２０１ 交換機、２０２ 回線インタフェース部、２０３ 声声復号処理部、２０４ 音声検出部、２０５ 雑音抑圧処理部、２０６ 音声加算部、２０７ 分配処理部、２０８ 自端末音声減算部、２０９ 自動利得制御部、２１０ 音声再符号化処理部、２１１ 音声符号化パラメータ制御部、２１２ セレクタ、２１３ 分配処理部、２１４ 発言者選択部、２１５ 先着チャネル判定部、２１６優先話者判定部、２２４ ＭＣＵ制御部。
【発明の属する技術分野】
この発明は、符号励振線形予測（Code Excited Linear Prediction：以下、「ＣＥＬＰ」とする）方式をはじめとする情報源符号化方式に基づき符号化された符号化音声信号を用いる電話会議（テレビ会議）システムに適用される多地点制御装置（Multi-point Control Unit：以下、「ＭＣＵ」とする）に関し、特に、多数話者による発言の混在に対応して復号した音声信号を再符号化する多地点制御装置の音声符号化伝送システムに関するものである。
【０００２】
【従来の技術】
ＭＣＵは、通信ネットワークを介して複数の通信端末を種々の形態で接続し、各通信端末で取り扱われる映像、音声、データ等からなる異種かつ異符号の情報内容を受信および送信の対象とし、各情報内容に合致して交換および分配の処理を施し、処理した情報を複数の通信端末に配信するサービスを提供する装置として開発されてきた。その典型的な適用例は電話会議やテレビ会議のシステムである。ＭＣＵで扱う音声の伝送処理については、圧縮符号化が適用されている。
近年、電話帯域の音声を高能率に圧縮符号化する手法として、ＣＥＬＰ方式をはじめとした情報源符号化方式に基づくものが、主にデジタル携帯電話、国際通信、企業内通信等の分野で実用化されている。その中でも、ＩＴＵ−Ｔ勧告Ｇ．７２９で使用されるＣＳ−ＡＣＥＬＰ（Conjugate Structure - Algebraic Code Excited Linear Prediction ：共役構造の代数符号励振線形予測）方式やＧＳＭ−ＡＭＲ(Global System for Mobile communications - Adaptive Multi-Rate)方式等が、国際標準または地域標準方式として採用されている。
【０００３】
音声波の中で、特に有声音は、声帯の振動により発生する振動波に、口腔や鼻腔等の声道の共振特性が加わって生じるものである。元来、ＣＥＬＰ方式はこのような人間の発声機構をモデル化した符号化方式である。そこでは、声帯振動波は、その繰り返し成分を表現するピッチ周期や、変動成分を表現する雑音パラメータで表現する。また、喉、口、鼻を音声が通過する際の声道伝達特性や、唇の放射特性については、線形予測の手法を用いて近似的に表現される。
【０００４】
具体的なＣＥＬＰ方式においては、基本的に２つの符号帳（code book）である適応符号帳（adaptive code book）および雑音符号帳（fixed code book）を用いるほか、ＬＳＰ量子化符号帳（Line Spectral Pair quantization code book)、利得量子化符号帳（gain quantization code book)を用いる。適応符号帳は、駆動源信号の周期的な信号成分を表現するものであり、過去の駆動源信号をメモリに蓄積し、フレーム周期毎に更新されるものがよく用いられる。一方、雑音符号帳は、適応符号帳では表現できない非周期的な信号成分を表現するものであり、複数の典型的な信号パターンを固定的に蓄積したものがよく用いられる。なお、このタイプの雑音符号帳は、信号パターンを蓄積するためのメモリ量が膨大になるため、その改良版として、近年、少ない本数のパルスで近似的に非周期的な信号成分を表現する代数符号帳が、よく用いられるようになってきた。また、駆動源信号の周期的・非周期的成分の利得は、利得量子化符号帳を用いてベクトル量子化する。さらに、送信すべき音声を線形予測分析した結果得られた線形予測係数をＬＳＰに変換し、これをＬＳＰ量子化符号帳を用いてベクトル量子化する。
【０００５】
図１６は従来のＣＳ−ＡＣＥＬＰ方式に基づく音声符号化装置の構成例を示すブロック図である。図において、６０４は線形予測分析処理部、６０５はＬＳＰ（Line Spectral Pair）量子化処理部、６０６はＬＳＰ量子化符号帳、６０８は多重化部、６０９は逆量子化処理部、６１０は適応符号帳、６１１は代数符号帳、６１２，６１６は加算器、６１３は利得制御増幅部、６１４は利得量子化符号帳、６１５は合成フィルタ、６１７は聴覚重み付フィルタ、６１８は歪最小化部、６２４はＬＰＣ（Linear Predictive Coding）・ＬＳＰ変換部である。
【０００６】
次に動作について説明する。
線形予測分析処理部６０４は音声入力からＬＳＰパラメータを得るが、このＬＳＰパラメータは直接ＬＳＰ量子化処理部６０５に入力され、ＬＳＰ量子化符号帳６０６を参照して符号化される。符号化されたＬＳＰパラメータ（符号帳インデックス）は、逆量子化処理部６０９に送出されると共に、多重化部６０８にも送られる。逆量子化処理部６０９では、符号化されたＬＳＰパラメータ（符号帳インデックス）を基にＬＳＰ量子化符号帳６０６を参照して得られたＬＳＰ係数を用いて線形予測係数を計算し、合成フィルタ６１５に供給する。この合成フィルタ６１５を含み、適応符号帳６１０、代数符号帳６１１、加算器６１２，６１６、利得制御増幅部６１３、利得量子化符号帳６１４、聴覚重み付フィルタ６１７で構成される処理ブロック群にて、適応符号帳６１０、代数符号帳６１１、及び利得量子化符号帳６１４の組み合わせを変えることで、複数の音声波形を合成する。歪最小化部６１８において、これらの複数の合成音声波形と入力信号波形との聴覚重み付けエラー電力（＝自乗誤差）を計算し、その中でエラー電力を最小とする適応符号帳６１０、代数符号帳６１１、及び利得量子化符号帳６１４の組み合わせを選択する。いわゆるＡ−ｂ−Ｓ（Analysis by Synthesis）法に基づき音声符号化処理が実行される。このようにして量子化された符号化パラメータ（適応符号帳６１０、代数符号帳６１１、及び利得量子化符号帳６１４等）と、先にＬＳＰ量子化処理部６０５で量子化された量子化パラメータは、多重化部６０８により多重化された後、復号器側に送られる。
【０００７】
次に、上記符号化方式を、ＭＣＵを用いた電話会議装置に適用し、１対多、または多対多の通話を行った場合について述べる。
図１７は従来のＭＣＵの構成を示すブロック図であり、図において、２０は会議端末を構成する電話器、２１は交換機、２２は回線インタフェース部、２３は音声復号処理部、２４は音声検出部、２５は雑音抑圧部、２６は音声加算部、２７は分配処理部、２８は自端末音声減算部、２９は自動利得制御部、３０は音声再符号化処理部である。
【０００８】
次に動作について説明する。
まず、回線インタフェース部２２にて受信された符号化音声は、音声復号処理部２３によりチャネル毎に音声信号に復号される。復号された音声信号は、会議端末２０からのそれぞれについて、音声検出部２４により有音／無音の状態が検出される。この検出結果は、音声加算部２６における加算対象端末の決定、雑音抑圧処理部２５の雑音抑圧のための重み付け、自動利得制御部２９による音声レベルの自動調整のために用いられる。
【０００９】
会議参加者数Ｎが多くなると、背景ノイズレベルもＮに比例して大きくなるため、ＳＮ比の低下により通話品質の劣化を招くという問題がある。そこで、雑音抑圧処理部２５では、無音状態にあるチャネルから入力されてくる雑音を小さくするために、各会議参加者の有音／無音の検出結果に従って有音チャネルと無音チャネルのそれぞれに対して会議参加者数Ｎに基づく各重み係数を決定し、この重み係数をそれぞれの復号音声信号に掛ける雑音制御処理を行う。音声加算部２６では、音声検出部２４の検出結果を参照して、加算すべきチャネルの雑音制御処理された復号音声信号を加算する。加算された復号音声信号は、分配処理部２７において、各チャネルに再分配される。
【００１０】
自端末音声減算部２８では、自端末の音声信号の回りこみによるエコーを抑圧し、聴感上のわずらわしさを解消するため、加算された復号音声信号から自端末の信号を減算する。また、多地点の電話会議システムにおいては、多人数の音声を加算することによる飽和歪みを起こす可能性があるため、自動利得制御部２９にて、飽和歪みを防ぎ、なおかつ個人や全体の音声レベルを調整する。自動利得制御部２９の出力信号は、音声再符号化処理部３０にて符号化されて回線に出力される。
【００１１】
図１７に示された多地点制御装置によるシステムの第１の問題点として、復号・再符号化が繰り返されること（以下、「タンデム接続」という）による音声品質の劣化が挙げられる。ＣＥＬＰ方式に基づく音声符号化・復号装置は、非可逆符号化であるため、復号された音声信号は量子化誤差を含んでいる。さらに、これをタンデム接続することにより、再符号化処理にて量子化誤差がさらに蓄積されるため、音声品質の劣化となる。
【００１２】
この問題を解決する方法として、例えば特開２０００−１７４９０９号公報「会議端末制御装置」に示される技術がある。図１８はこの多地点制御装置（ＭＣＵ）の構成を示すブロック図である。図において、２ａ〜２ｍはデマルチプレクサ、４は話者検出回路、６は第一セレクタ、８ａ〜８ｎはデコーダ（音声復号処理部）、１０ａ〜１０ｎは減衰回路、１２は合成回路、１４はエンコーダ（音声再符号化処理部）、１６は第二セレクタ、１８は分配回路である。
【００１３】
次に動作について説明する。
ＭＣＵが各会議端末からの音声情報を受けると、デマルチプレクサ２ａ〜２ｍで有声／無声信号が分離され、その有声／無声信号を用いて、どの会議端末からの圧縮音声符号が有声であるかを話者検出回路４で検出する。また、有声である会議端末の数が計測される。有声、無声の判定がなされると、その情報が第一セレクタ６に送られ、第一セレクタ６において、有声状態の会議端末の数に応じて次のように作動する。
【００１４】
有声状態の会議端末が２台以上あった場合には、第一セレクタ６は、有声状態の会議端末を選択してデコーダ８ａ〜８ｎに対して１対１の関係で接続し、各圧縮音声符号を送出する。デコーダ８ａ〜８ｎの該当するそれぞれは、供給された圧縮音声符号を復号して音声信号を生成する。生成された音声信号は減衰回路１０ａ〜１０ｎで所定の値に減衰される。それぞれの音声信号は、減衰回路１０でレベル調整が行われた後、合成回路により合成される。つまり、有声状態の会議端末からの音声がすべて集められる。合成された音声信号は、エンコーダ１４で再符号化されて第二セレクタ１６へ送られ、分配回路１８により全会議端末に伝送される。
【００１５】
一方、有声状態の会議端末が１台であった場合には、その旨が第一セレクタ６に伝達され、第一セレクタ６でその有声状態の会議端末が選択され、そのまま直接第二セレクタ１６に接続される。第二セレクタ１６に接続された有声状態の会議端末の圧縮音声符号は、そのまま分配回路１８を介して全会議端末に伝送される。
【００１６】
ＭＣＵが図１８に示す構成をとることにより、単一話者のケースでは、符号化音声のデータ全てがパススルーされるため、タンデム接続が回避され、低ビットレートの音声符号化方式を用いても高品質の音声を提供することができる。
【００１７】
また、前述した図１７に示された多地点制御装置によるシステムの第２の問題点として、情報源符号化処理特有の劣化要因、すなわち複数話者による同時発言がある。この場合の劣化は著しく、聴感上聞き苦しくなるという問題があった。前述した従来のＣＥＬＰ方式に基づく音声符号化装置では、図１６に示したように、元来、単一話者の発声を想定した符号化を行っている。すなわち、声帯音源（駆動ベクトル）、声道情報（線形予測係数）、利得情報などが符号化の過程で抽出されて量子化伝送される。音声の特徴量を示すパラメータはそれぞれ唯一であり、複数話者の混合音声を送信する場合においては、これを精度よく符号化することができない。例えば、複数話者の混合音声の場合、声帯音源は話者毎に異なる複数種類のピッチ周期情報を含んでいるが、その複数種類のピッチ周期を表現する手段が無い。また、複数話者の混合音声の場合、声道情報も単一話者の場合と比較してスペクトル構造が複雑になっている。さらに、それを忠実に表現する量子化パターン（量子化テーブル）が用意されておらず、量子化時の誤差が大きくなる傾向になる。
【００１８】
このような問題を解決する手段として、例えば、特開平１０−２４０２９９号公報「音声符号化及び復号装置」に示される方式がある。図１９はこの公報に開示されたＣＥＬＰ系音声符号化装置の構成を示すブロック図である。図において、３１は複数話者音声分離部、３２１〜３２Ｎは長期予測器、３３１〜３３Ｎは源音コ―ドブック、３４は反射係数分析部、３５はのど（喉）近似フィルタ、３６１〜３６Ｎ，３７は加算器、３８は減算器、３９はエラー分析部である。
【００１９】
次に動作について説明する。
複数話者音声分離部３１は、入力される音声信号の周期的特徴を分析して話者数ｎ（１<ｎ≦Ｎ）を特定し、この音声信号に含まれる各話者の音声を分離して各話者の源音声Ａ１〜Ａｎとして出力する。複数話者音声分離部３１で得られた話者数ｎは、反射係数分析部３４に供給される。反射係数分析部３４では、話者数ｎが１人の場合は１０次、２人の場合は１５次、それ以上の場合は２０次というように、話者数ｎに応じた次数で反射係数ｒを算出する。反射係数ｒは、例えば入力音声の自己相関を用いてＦＬＡＴ（固定小数点共分散格子型アルゴリズム）を実行することにより求めることができる。求められた反射係数ｒは、のど近似フィルタ３５の係数として与えられる。
【００２０】
一方、複数話者音声分離部３１で分離された各話者の源音声Ａ１〜Ａｎは、ｎ個の長期予測器３２１〜３２ｎにそれぞれ入力される。長期予測器３２１〜３２ｎでは、これらの源音声Ａ１〜Ａｎと前フレームの源音声との相関関係などから源音声のピッチＬ１〜Ｌnを抽出する。これらのピッチＬ１〜Ｌnによってそれぞれ復号された信号と源音コードブック３３１〜３３ｎからのコードベクトルとが加算器３６１〜３６ｎにおいてそれぞれ加算され、各話者についての源音声が復号される。これらの複数話者分の源音声が加算器３７によって加算され、のど近似フィルタ３５で声道の特徴を付与されて局部復号信号となる。この局部復号信号と入力音声とが減算器３８によって減算され、減算器３８からのエラー信号が最小となるようにエラー分析部３９で源音コードブック３３１〜３３ｎのインデックスＩ１〜Ｉｎが順次決定される。
【００２１】
【発明が解決しようとする課題】
従来の多地点制御装置の音声符号化伝送システムは以上のように構成されているので、量子化誤差の蓄積による音声品質の劣化を回避するために、図１８に示した方式を用いた場合、話者検出回路４が、発言者以外の発する短区間の音声（咳払い、相槌など）に反応したり、背景ノイズの変動などによって誤判定を起こしたりする恐れがある。この場合、パススルーと復号・再符号化処理との回路切り替えが頻繁に行われる結果となる。すなわち、図１８において、話者検出回路４の判定結果により、エンコーダ１４の出力（符号化音声信号）とパススルーされた符号化音声信号とがセレクタ６によって切り替わることになる。ところがＣＥＬＰ方式のような低ビットレートの音声符号化方式の場合には、通常、符号器と復号器とが常に一対で動作することにより、高品質の音声を伝送することができる。しかしながら図１８の構成では、セレクタ６の切り替えによって、受信者の会議端末に内蔵されている復号器と対になる符号器が、唯一の発言者の会議端末に内蔵されている符号器とＭＣＵの符号器（エンコーダ１４）とに頻繁にスイッチングされる。このため、音声を受ける端末側では、このスイッチングにより音声が不連続となることにより、また音声品質が頻繁に変動することにより不自然に感じられ、聞き苦しくなるという課題があった。
【００２２】
また、従来の多地点制御装置の音声符号化伝送システムは以上のように構成されているので、情報源符号化処理特有である複数話者の同時発言による著しい劣化を回避するために、図１９に示した方式を用いた場合、話者が増えるたびにピッチ周期情報をその分用意せねばならず、話者の増加に比例してビットレートが増大するため、伝送速度をフレキシブルに変化できる通信網、例えばＡＴＭ網やＩＰ網に代表される非同期伝送網等、適用できる伝送網が限定されてしまうという課題があった。
【００２３】
この発明は、上記の課題を解決するためになされたものであり、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できる多地点制御装置の音声符号化伝送システムを得ることを目的とする。
また、この発明は、伝送速度が一定あるいはチャネルあたりの伝送速度に制限を受ける伝送網に対しても適用できる多地点制御装置の音声符号化伝送システムを得ることを目的とする。
【００２４】
【課題を解決するための手段】
この発明に係る多地点制御装置の音声符号化伝送システムは、通信ネットワークを介して複数の通信端末と接続し、各通信端末で取り扱われる音声を符号化した符号化音声信号を受信および送信の対象とし、これら符号化音声信号の情報内容に応じて所定の処理を施し、複数の通信端末に対し処理した符号化音声信号を配信する多地点制御装置の音声符号化伝送システムにおいて、各通信端末から受信した符号化音声信号を復号して復号音声信号を生成し、復号音声信号が有音である通信端末を判定し、有音であると判定した通信端末の１つを指定し、その指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち他の音声符号化パラメータおよび他の通信端末の復号音声信号における複数種類の音声符号化パラメータについては音声再符号化処理を施した後に各通信端末に送信するように構成したものである。
【００２５】
この発明に係る多地点制御装置の音声符号化伝送システムは、１つの通信端末からの復号音声信号のみが有音である場合には１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したものである。
【００２６】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末に対して優先順位を設定し、復号音声信号が有音であると判定した通信端末が複数である場合にはその中で優先順位が最も高い１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したものである。
【００２７】
この発明に係る多地点制御装置の音声符号化伝送システムは、復号音声信号が有音であると判定した通信端末が複数である場合には先に音声信号を受信した先着順に優先順位を設定するように構成したものである。
【００２８】
この発明に係る多地点制御装置の音声符号化伝送システムは、あらかじめ１つの特定の通信端末を優先的に指定して優先順位を設定するように構成したものである。
【００２９】
この発明に係る多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータは、ピッチ周期情報を担うパラメータであるように構成したものである。
【００３０】
この発明に係る多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータは、スペクトル包絡情報を担うパラメータであるように構成したものである。
【００３１】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末から受信した復号音声信号が有音であると判定した場合には、有音の通信端末の数に応じて音声符号化パラメータのフレームのビット配分を適応的に設定するように構成したものである。
【００３２】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末のうち優先順位が第１位の通信端末および第２位の通信端末から受信した復号音声信号が有音であると判定した場合には、第１位の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに第２位の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、第１位および第２位の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したものである。
【００３３】
この発明に係る多地点制御装置の音声符号化伝送システムは、複数の通信端末のうち主音声の通信端末および副音声の通信端末から受信した復号音声信号が有音であると判定した場合には、主音声の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに副音声の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、主音声および副音声の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したものである。
【００３４】
この発明に係る多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータは、利得符号帳であるように構成したものである。
【００３５】
この発明に係る多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータは、雑音符号帳であるように構成したものである。
【００３６】
この発明に係る多地点制御装置の音声符号化伝送システムは、音声符号化パラメータについて音声再符号化処理を施した後に各通信端末に送信するかまたは音声再符号化処理を施すことなく各通信端末に送信するかを決定する符号化モード情報を所定ビット数からなる符号化パラメータのフレームに含めるように構成したものである。
【００３７】
【発明の実施の形態】
以下、この発明の実施の一形態について図を参照して説明する。
実施の形態１．
図１はこの発明の実施の形態１による音声符号化伝送システムを適用した多地点制御装置の構成を示すブロック図である。図１において、２０１は交換機、２０２は回線インタフェース部、２０３は音声復号処理部、２０４は音声検出部、２０５は雑音抑圧処理部、２０６は音声加算部、２０７は分配処理部、２０８は自端末音声減算部、２０９は自動利得制御部、２１０は音声再符号化処理部、２１１は音声符号化パラメータ制御部である。
【００３８】
図１の構成の基本的な機能は以下の通りである。
各会議端末（通信端末）からの符号化音声が交換機２０１を介して回線インタフェース部２０２で受信される。受信された符号化音声は、音声復号処理部２０３によりチャネル毎に音声信号に復号される。復号された音声信号は、会議端末からのそれぞれについて、音声検出部２０４により有音／無音の状態を検出される。この検出結果は、音声加算部２０６における加算対象端末の決定、雑音抑圧処理部２０５の雑音抑圧のための重み付け、自動利得制御部２０９による音声レベルの自動調整のために用いられる。また、音声復号処理部２０３で復号された復号音声信号および抽出された音声パラメータは、音声符号化パラメータ制御部２１１に入力される。
【００３９】
会議参加者数Ｎが多くなると、雑音が大きくなり通話品質の劣化を招くので、雑音抑圧処理部２０５では、無音状態にあるチャネルから入力されてくる雑音を小さくする。そのために、各会議参加者の有音／無音の検出結果に従って有音チャネルと無音チャネルのそれぞれに対して会議参加者数Ｎに基づく各重み係数を決定し、この重み係数をそれぞれの復号音声信号に掛ける雑音制御処理を行う。音声加算部２０６では、音声検出部２０４の検出結果を参照して、加算すべきチャネルの雑音制御処理された復号音声信号を加算する。加算された復号音声信号は、分配処理部２０７において、各チャネルに再分配される。
【００４０】
自端末音声減算部２０８では、自端末の音声信号の回りこみによるエコーを抑圧し、聴感上のわずらわしさを解消するため、加算された復号音声信号から自端末の信号を減算する。また、多地点の電話会議システムにおいては、多人数の音声を加算することによる飽和歪みを起こす可能性があるため、自動利得制御部２０９にて、飽和歪みを防ぎ、なおかつ個人や全体の音声レベルを調整する。自動利得制御部２０９の出力信号は、音声再符号化処理部２１０において符号化されて回線に出力される。
【００４１】
図２は図１の音声符号化パラメータ制御部２１１のさらに詳細な構成を示すブロック図であり、図において、２１２はセレクタ、２１３は分配処理部、２１４は発言者選択部である。
図２の構成の基本的な機能は以下の通りである。
発言者選択部２１４は、各チャネルの音声検出部２０４の検出結果を集計して、発言者が唯一であると見なせる場合に、その発言者の情報（チャネル番号など）をセレクタ２１２および音声再符号化処理部２１０に出力する。セレクタ２１２は、発言者選択部２１４の選択結果に応じて、音声復号処理部２０３にて抽出された各チャネルの音声符号化パラメータから音声再符号化処理部２１０にパススルーする符号化パラメータを選択する。分配処理部２１３は、セレクタ２１２で選択された符号化パラメータを、各チャネルの音声再符号化処理部２１０に再分配する。
【００４２】
図３は、図１の音声復号処理部２０３のさらに詳細な構成を示すブロック図であり、図において、１２６は多重分離部、１３１ａは適応符号帳、１３１ｂは利得復号部、１３２は復号利得ＭＡ予測部、１３３は代数符号復号部、１３４はピッチプレフィルタ、１３５はＬＳＰ復号部、１３６はＬＳＰ内挿部、１３７はＬＳＰ・ＬＰＣ変換部、１２７，１２８は制御増幅部、１２９は加算器、１３８は合成フィルタ、１３９はポストフィルタである。
【００４３】
図４は、図１の音声再符号化処理部２１０の構成を示すブロック図であり、上述した図１１の音声符号化装置に対応する。図において、１０４は線形予測分析処理部、１０５はＬＳＰ（Line Spectral Pair）量子化処理部、１０６はＬＳＰ量子化符号帳、１０８は多重化部、１０９は逆量子化処理部、１１０は適応符号帳、１１１は代数符号帳、１１２，１１６は加算器、１１４は利得量子化符号帳、１１５は合成フィルタ、１１７は聴覚重み付フィルタ、１１８は歪最小化部、１１９，１２０，１２２は切替スイッチ、１１３ａ，１１３ｂは利得制御増幅部、１２１はピッチプレフィルタ、１２５は利得ＭＡ予測部、１２４はＬＰＣ（Linear Predictive Coding）・ＬＳＰ変換部である。
【００４４】
次に、動作について説明する。なお、説明のために用いる音声符号化方式については、ＩＴＵ−Ｔ勧告Ｇ．７２９ ＣＳ−ＡＣＥＬＰ方式に基づく。
音声復号処理部２０３では、伝送されてきた音声符号化データを基に復号処理を実行する。それと共に、発言者の音声に固有の特徴量を示すパラメータ、すなわち、声帯振動波の繰返し周期を表現するピッチ周期情報である適応符号帳インデックスと、声道情報を表現するスペクトル包絡情報であるＬＳＰ符号帳インデックスとを音声符号化パラメータ制御部２１１に出力する。この場合において、音声検出部２０４の判定結果により、発言者が唯一に決まった場合は、その発言者の端末装置に割り当てたチャネルから受信した符号化パラメータのうち、適応符号帳インデックスとＬＳＰ符号帳インデクスとをそのまま音声再符号化処理部２１０へパススルーする。
【００４５】
このとき音声再符号化処理部２１０では、切替スイッチ１１９，１２０，１２２を各接点１１９Ａ，１２０Ａ，１２２Ａ側に接続し、パススルーされた符号化パラメータについては、再符号化処理すなわち符号帳探索処理を行わずに、そのまま多重化部１０８に送る。その他のパラメータ（図４においては、代数符号帳インデックスおよび利得符号帳インデックス）については、音声加算された復号音声信号に基づいて再符号化処理を行い、歪最小化部１１８で最小自乗誤差の探索により最適な量子化値を抽出して多重化部１０８に送る。多重化部１０８ではこれらパラメータを多重化して回線インタフェース部２０２に出力する。
【００４６】
ここで、音声検出部２０４について、例えば、あるチャネルで発言中、他のチャネルから割り込んで発言があった場合は、そのチャネルにおいて音声の立ち上がりを検出しても、即座に発音中のチャネルからの切り替えは行わず、所定の待ち時間を持たせて、発言中のチャネルからの切り替えを遅らせることにより、相槌、咳払いなど、比較的短区間の、重要度の低い発言での切り替えを防ぐ。これが比較的長い割り込み発言であった場合には、スイッチングの遅れが発生するが、音声加算部２０６の出力（加算復号音声信号）には反映されているため、音声再符号化処理部２１０で合わせて符号化されるので、頭切れなどの心配はない。但し、音声信号を復号するための重要な情報を含む符号化パラメータである適応符号帳インデックス（ピッチ周期情報）およびＬＳＰ符号帳インデックス（スペクトル包絡情報）が一部欠けているため、元々の発言者に比べて割り込み発言の品質は劣化している。しかし、会議運営上、割り込み発言の重要性は低いケースとなることが多く、また、若干ではあるが代数符号帳インデックスの中にも周波数成分に関する情報が漏れているので、実運用上では、例えば、耳障りな音を復号すうような、割込み発言者の音声が異常になるようなことはなく、この劣化は比較的気にならないと言える。
【００４７】
また、音声検出部２０４において、話者が唯一に決まらない場合は、音声再符号化処理部２１０の、スイッチ１１９，１２０，１２２をそれぞれ１１９Ｂ，１２０Ｂ，１２２Ｂ側に接続することによって、パススルー動作は行わない。したがって、音声再符号化処理部２１０内において、話者入力のある各チャネルの復号音声について所定の再符号化処理が行われる。
【００４８】
以上のように、この実施の形態１によれば、指定した会議端末の復号音声信号における複数種類の音声符号化パラメータのうち一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、指定した会議端末の復号音声信号における複数種類の音声符号化パラメータのうち、他の音声符号化パラメータ、および他の通信端末の復号音声信号における複数種類の音声符号化パラメータについては、音声再符号化処理を施した後に各通信端末に送信するので、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できるという効果が得られる。
【００４９】
すなわち、一部の音声符号化パラメータについてパススルーすることにより、メインの話者（指定した会議端末の話者）に関しては、主要な音声符号化パラメータについては、復号・再符号化を繰り返すことによる劣化を受けずに維持されるため、メイン話者については、パススルー時の音声品質に近いものが再現できるという効果が得られる。また、符号化パラメータが常に音声再符号化処理部を経由しているため、頻繁なスイッチングが発生しても、音声の不連続感は解消されるという効果が得られる。また、品質は常に一定に保たれるため、音声品質が揺らぐことによる不自然感が解消されるという効果が得られる。
【００５０】
また、この実施の形態１によれば、音声再符号化処理を施すことなくパススルーする一部の音声符号化パラメータは、ピッチ周期情報を担うパラメータであるので、発言者の音声に固有な声帯振動数の繰り返し周期を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。
【００５１】
また、この実施の形態１によれば、音声再符号化処理を施すことなくパススルーする一部の音声符号化パラメータは、スペクトル包絡情報を担うパラメータであるので、発言者の口腔や鼻腔等の声道を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。
【００５２】
実施の形態２．
実施の形態２においては、実施の形態１の図１乃至図３に相当する構成は、ほぼ同じである。ただし、この実施の形態２では、音声復号処理部２０３から音声符号化パラメータ制御部２１１にパススルーされる適応符号帳インデックスは、優先順位が第１位の会議端末の話者からの符号化パラメータのうちの第１位の適応符号帳インデックス、および、優先順位が第２位の会議端末の話者からの符号化パラメータのうちの第２位の適応符号帳インデックスである。図５は、この発明の実施の形態２における音声再生符号化処理部の構成を示すブロック図であり、図において、１３０は切替スイッチ、１１０ｂは第２の適応符号帳、１１３ｃは利得制御増幅部、１４０は符号化レート制御部である。他の構成要素は、図４に示した実施の形態１における音声再符号化処理部の構成要素と同じものであるので同一符号を付し、原則としてその説明を省略する。
【００５３】
図６は、交換機２０１に接続される電話機すなわち会議端末の構成を示すブロック図であり、図において、５００は回線インタフェース部、５０１は音声復号処理部、５０２はＤ／Ａコンバータ、５０３はスピーカである。
【００５４】
図７は、図６の会議端末における音声復号処理部５０１のさらに詳細な構成を示すブロック図であり、図において、５０４は多重分離部、５０５は符号化モード解読部である。他の構成要素は、図５に含まれている一部の構成要素と同じものであるので同一符号を付し、原則としてその説明を省略する。
【００５５】
図８は、１話者発言の場合、２話者発言の場合、および３話者発言の場合における符号化パラメータのフレーム構成例を示す説明図である。
【００５６】
次に、動作について説明する。なお、実施の形態１の場合と同様に、説明のために用いる音声符号化方式については、ＩＴＵ−Ｔ勧告Ｇ．７２９ ＣＳ−ＡＣＥＬＰ方式に基づく。
スイッチ１３０は、音声符号化パラメータ制御部２１１からの第２位の適応符号帳インデックスを入力するか入力しないか切り替える。符号化レート制御部１４０は、音声符号化パラメータ制御部２１１と音声再符号化処理部２１０との間に設けられ、音声符号化パラメータ制御部２１１からの発言者選択情報に基づき、パラメータの符号化レートを決定する制御信号を代数符号帳１１１および利得量子化符号帳１１４に出力するとともに、符号化モード情報をスイッチ１１９，１２０，１３０の切替制御信号として与えるとともに、多重化部１０８に出力する。多重分離部５０４は、図５の多重化部１０８で多重化された音声符号化パラメータを分離する。符号化モード解読部５０５は、多重分離部５０４で分離された符号化モード情報（図８のフレームにおける最後の１ビットの値）を解読する。
【００５７】
以下、図１〜図９を参照して、全体的な動作を説明する。
いま、話者が唯一である場合には、図１の音声検出部２０４の検出結果により、図２の発言者選択部２１４は「１話者発言」であることを決定して、その決定内容を示す発言者選択情報をセレクタ２１２に出力するとともに、音声再符号化処理部２１０に転送する。セレクタ２１２は、その１話者の会議端末に対応しているチャネルから受信した符号化パラメータを選択して分配処理部２１３に出力する。分配処理部２１３は、その符号化パラメータ（ＬＳＰ符号化インデックスおよび第１位の適応符号化インデックス）をそのまま音声再符号化処理部２１０へパススルーする。このときの動作は、スイッチ１３０を１３０Ｂ側に接続する。すなわち、第２位の適応符号帳インデックスの入力をオフにする。また、符号化レート制御部１４０から出力されるビットレートが決定する。他の動作は実施の形態１の場合と全く同一である。
【００５８】
また、話者が１人もいない場合、あるいは３者以上が同時に発言した場合は、音声検出部２０４の検出結果により、発言者選択部２１４は「３話者以上発言」であることを決定して、その決定内容を示す発言者選択情報をセレクタ２１２に出力するとともに、音声再符号化処理部２１０に転送する。この場合には、セレクタ２１２は符号化パラメータを選択しない。音声再符号化処理部２１０は、発言者選択情報に応じてタンデム接続による再符号化処理を実行する。すなわち、スイッチ１１９，１２０，１３０をそれぞれ接点１１９Ｂ，１２０Ｂ，１３０Ｂ側に接続して、ＬＳＰ符号化インデックスのパススルーを行わず、第１位および第２位の適応符号帳インデックスの入力をオフにする。そして、全符号化パラメータについて、音声加算された信号に基づいて再符号化処理を行い、最適な量子化値を探索して多重化部１０８に送る。もっとも、話者が１人もいない場合には、符号化パラメータが存在しないので、再符号化処理を行うことはない。
【００５９】
一方、２話者が同時発言した場合には、発言者選択部２１４は「２話者発言」であることを決定して、その決定内容を示す発言者選択情報をセレクタ２１２に出力するとともに、音声再符号化処理部２１０に転送する。セレクタ２１２は、その２話者の会議端末に対応しているチャネルから受信した符号化パラメータを選択して分配処理部２１３に出力する。分配処理部２１３は、その符号化パラメータをそのまま音声再符号化処理部２１０へパススルーする。音声再符号化処理部２１０は、第１の話者のＬＳＰ符号化インデックスおよび第１位の適応符号化インデックスをパススルーするとともに、第２の話者の第２位の適応符号化インデックス（ピッチ周期情報）をパススルーする。
【００６０】
すなわち、スイッチ１１９，１２０，１３０をそれぞれ接点１１９Ａ，１２０Ａ，１３０Ａ側に接続して、ＬＳＰ符号化インデックス、第１位および第２位の適応符号帳インデックスを多重化部１０８に送る。他の符号化パラメータである代数符号化インデックスおよび利得符号化インデックスについては、音声加算された信号に基づいて再符号化処理を行い、最適な量子化値を探索して多重化部１０８に送る。多重化部１０８は、これら複数の符号化パラメータを多重化して回線インタフェース部２０２に出力する。
【００６１】
同時に、符号化レート制御部１４０では、音声符号化パラメータ制御部２１１からの発言者選択情報に応じて、代数符号化インデックスおよび利得符号化インデックスに割り当てられるビット数を伝送速度に見合うように調整して、それぞれ代数符号帳１１１および利得量子化符号帳１１４に出力するとともに、後述する符号化モード情報を生成して、スイッチ１１９，１２０，１３０および多重化部１０８に出力する。
【００６２】
この場合において、符号化モードを２モード設定することとし、「１話者発言」および「３話者以上発言」の符号化モードを「モード０」とし、「２話者発言」の符号化モードを「モード１」とする。すなわち、「０」および「１」の符号化モード情報を設定する。したがって、この符号化モード情報を伝送するには１ビットを必要とする。伝送速度が８キロビット／秒の場合の各モードにおける符号化パラメータの１フレーム（８０ビット）のビット割り当ての例を図８および図９に示す。
【００６３】
「モード０」においては、ＩＴＵ−Ｔ勧告Ｇ．７２９に示されているビット割り当てとほぼ同じである。すなわち、図８に示すように、「１話者発言」の場合には、ＬＳＰ符号帳インデックスおよび適応符号帳インデックスの符号化パラメータをパススルーし、「３話者以上発言」の場合には、全ての符号化パラメータをパススルーしない。ただし、伝送速度が８キロビット／秒であるので、標準方式では符号化モード情報を送信する余地がないため、図９に示すように、標準方式でパリティビットとして設定されている１ビットを符号化モード情報に転用して送信する。
【００６４】
一方、「モード１」においては、第２位の適応符号化インデックス（１３ビット）を送信する必要があるので、その１３ビット分だけ他の符号化パラメータのビット割り当てを減らす（これを縮退という）必要がある。したがって、図９および図８に示すように、「２話者発言」の場合には、代数符号帳インデックスを３４ビットから２２ビットに縮退し、利得符号帳インデックスを１４ビットから１３ビットに縮退する。そして、第１話者のＬＳＰ符号帳インデックスおよび適応符号帳インデックス、並びに、第２話者の第２位の適応符号帳インデックスからなる符号化パラメータをパススルーする。
【００６５】
なお、代数符号帳インデックスの縮退方式については、第１サブフレームおよび第２サブフレームともに、ＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．８節に記述されている方式（１１ビット量子化）を用いて実現する。また、利得符号帳インデックスの縮退方式については、第１サブフレームはＩＴＵ−Ｔ勧告Ｇ．７２９本体の第３．９節に記載されている方式（７ビット量子化）を用いて、第２サブフレームはＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．９節に記述されている方式（６ビット量子化）を用いて実現する。
【００６６】
多重化部１０８は、これらの符号化パラメータを多重化して、図８に示す１フレームごとに回線インタフェース部２０２および交換機２０１を介して、各会議端末に送信する。そして、図６に示した会議端末の受信部において、音声復号処理部５０１は、交換機２０１および回線インタフェース部５００を介して受信した符号化パラメータのフレームを復号する。すなわち、図７に示した音声復号処理部５０１において、多重分離部５０４は、１フレームの符号化パラメータを各符号化パラメータに分離し、符号化モード情報を符号化モード解読部５０５に出力する。符号化モード解読部５０５は、その符号化モード情報に基づいて、スイッチ１３０に切替制御信号を与え、ビット割当情報を代数符号帳１１１および利得量子化符号帳１１４に与える。
【００６７】
したがって、符号化モード情報が０のフレームを受信したときは、スイッチ１３０は切替制御信号によって接点１３０Ｂ側に接続され、第２位の適応符号帳インデックスの入力をオフにする。また、代数符号帳１１１は、ビット割当情報に応じて、ＩＴＵ−Ｔ勧告Ｇ．７２９本体の第４．１節に示された復号方式を用いて代数符号帳インデックスを復号する。また、利得量子化符号帳１１４も、ビット割当情報に応じて、ＩＴＵ−Ｔ勧告Ｇ．７２９本体の第４．１節に示された復号方式を用いて利得符号帳インデックスを復号する。
【００６８】
一方、符号化モード情報が１のフレームを受信したときは、スイッチ１３０は切替制御信号によって接点１３０Ａ側に接続され、第２位の適応符号帳インデックスの入力をオンにしてその復号を開始する。また、代数符号帳１１１は、ビット割当情報に応じて、第１サブフレームについては、ＩＴＵ−Ｔ勧告Ｇ．７２９本体の第４．１節に示された復号方式を用いて代数符号帳インデックスを復号し、第２サブフレームについては、同勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ．６章に示された復号方式を用いて代数符号帳インデックスを復号する。次に、第２位の適応符号帳インデックスを復号して得られた第２話者のピッチ周期成分、第１位の適応符号帳インデックスを復号して得られた第１話者のピッチ周期成分、および代数符号帳インデックスを復号して得られた雑音成分を加算器１１２で加算して、励振信号として合成フィルタ１１５に出力する。合成フィルタ１１５は、この励振信号に基づいて声道情報を畳み込み、復号音声を得る。
【００６９】
以上のように、この実施の形態２によれば、複数の会議端末から受信した復号音声信号が有音であると判定した場合には、有音の会議端末の数に応じて符号化パラメータのフレームのビット配分を適応的に設定するので、伝送速度が一定あるいはチャネルあたりの伝送速度に制限を受ける伝送網に対しても適用できるという効果が得られる。
【００７０】
また、この実施の形態２によれば、複数の会議端末のうち優先順位が第１位の会議端末の第１話者および第２位の会議端末の第２話者から受信した復号音声信号が有音であると判定した場合には、第１話者の復号音声信号におけるピッチ周期情報である第１位の適応符号帳インデックス、およびスペクトル包絡情報であるＬＳＰ符号帳インデックスからなる音声符号化パラメータ、並びに、第２話者の復号音声信号におけるピッチ周期情報である第２位の適応符号帳インデックスからなる音声符号化パラメータについては、音声再符号化処理を施すことなく各会議端末にパススルーして送信するので、２話者が同時に発言した場合でも、比較的良好な音声品質の伝送が可能になるという効果が得られる。
【００７１】
また、この実施の形態２によれば、音声再符号化処理を施す音声符号化パラメータについては、伝送レート制御機能に基づく縮退の量子化ビット制御を行うので、音声品質の劣化に対して影響の少ない符号化パラメータを縮退させて、第２話者の復号音声信号におけるピッチ周期情報である第２位の適応符号帳インデックスからなる音声符号化パラメータについて音声再符号化処理を施すことなく各会議端末にパススルーして送信するので、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。
【００７２】
また、この実施の形態２によれば、縮退の量子化ビット制御が行われる符号化パラメータを励振利得である利得符号帳インデックスとしたので、音声品質の劣化に対して影響の少ない利得符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。
【００７３】
また、この実施の形態２によれば、縮退の量子化ビット制御が行われる符号化パラメータを雑音符号帳である代数符号帳インデックスとしたので、音声品質の劣化に対して影響の少ない代数符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。
【００７４】
また、この実施の形態２によれば、音声符号化パラメータについて音声再符号化処理を施した後に各会議端末に送信するか、または音声再符号化処理を施すことなく各会議端末にパススルーして送信するかを決定する１ビットの符号化モード情報を、８０ビットからなる符号化パラメータのフレームに含めるので、伝送レートに影響を与えることなく、特定の符号化パラメータをパススルーするか否かの情報を符号化パラメータのフレームに含めることができるという効果が得られる。
【００７５】
実施の形態３．
図１０はこの発明の実施の形態３における多地点制御装置の構成を示すブロック図であり、図１１は実施の形態３における音声符号化パラメータ制御部のブロック図である。図１に相当する図１０の部分には同一符号を付し、図２に相当する図１１の部分には同一符号を付し、原則としてその説明を省略する。図１０および図１１において、２１５は先着チャネル判定部で、発言のあったチャネルのうち音声検出部２０４が最初に検出したチャネルの検出結果に応答して音声符号化パラメータ制御部２１１のセレクタ２１２を制御するものである。
【００７６】
次に、動作について説明する。
発言者が競合した場合、先着チャネル判定部２１５は、先に発言のあったチャネルについて優先話者と判定し、その判定結果をセレクタ２１２に与える。セレクタ２１２は、その先着チャネルの符号化パラメータのみを音声再符号化処理部２１０へパススルーする。それ以降においては、音声再符号化処理部２１０は実施の形態１と同様に動作する。
【００７７】
以上のように、この実施の形態３によれば、複数の会議端末に対して優先順位を設定し、復号音声信号が有音であると判定した会議端末が複数である場合にはその中で優先順位が最も高い１つの会議端末を指定し、その指定した会議端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するので、複数の会議端末の話者が同時に発言した場合でも、会議が混乱するのを回避できるという効果が得られる。
【００７８】
また、この実施の形態３によれば、復号音声信号が有音であると判定した会議端末が複数である場合には、先に音声信号を受信した先着順に優先順位を設定するので、無用な咳払い、相槌やルールを逸脱した割込み発言によって、会議の進行が乱されることがないという効果が得られる。
【００７９】
実施の形態４．
図１２はこの発明の実施の形態４における多地点制御装置およびその他の構成を示すブロック図であり、図１３は実施の形態４における音声符号化パラメータ制御部のブロック図である。図１に相当する図１２の部分には同一符号を付し、図２に相当する図１３の部分には同一符号を付し、原則としてその説明を省略する。図１２において、２２４はＭＣＵ制御部であり、インターネットなどを通じて優先話者とする特定のチャネルを優先話者判定部２１６に登録する。図１３において、２１６は優先話者判定部で、電話会議の特定のチャネルを優先話者として予め登録しておき、復号音声信号と音声検出結果に応じて有音と判定されたチャネルが登録された特定のチャネルであった場合、そのチャンネルの話者を優先話者して判定する。
【００８０】
次に、動作について説明する。
例えば、会議主催者は、会議設定時にインターネットなどによりＭＣＵ制御部２２４を介して、会議主催者のチャネルあるいは指名された司会進行役のチャネルなどを、優先話者としてりＭＣＵ制御部２２４に登録しておく。次に、発言者が競合した場合において、登録されている優先話者、すなわち会議主催者のチャネルや指名された司会進行役のチャネルにおいて発言があったとき、優先話者判定部２１６は、復号音声信号、音声検出結果および登録されたデータとから、優先話者のチャネルを検知し、音声符号化パラメータ制御部２１１のセレクタ２１２が該当するチャネルの符号化パラメータのみを音声再符号化処理部２１０へパススルーするように制御する。それ以降の動作については、実施の形態１の場合と同様である。
【００８１】
以上のように、この実施の形態４によれば、あらかじめ１つの特定の会議端末を優先的に指定し、復号音声信号が有音であると判定した複数の会議端末の中に特定の会議端末が含まれている場合には、その特定の会議端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各会議端末にパススルーして送信するので、会議主催者や指名された司会進行役の発言を検知して、発言者が競合した場合でも、円滑な会議進行が可能になるという効果が得られる。
【００８２】
実施の形態５．
図１４および図１５は、この発明の実施の形態５における符号化パラメータのフレーム構成を示す説明図である。なお、この実施の形態５において、多地点制御装置、多地点制御装置における音声再符号化処理部、および会議端末における音声復号処理部の構成は、それぞれ図１、図２および図５、並びに図７に示した実施の形態２における構成と同じである。また、多地点制御装置における音声符号化パラメータ制御部の構成は、図１３に示した実施の形態４における構成と同じである。
【００８３】
次に、動作について説明する。説明のために用いる音声符号化方式についても、実施の形態２と同様に、ＩＴＵ−Ｔ勧告Ｇ．７２９のＣＳ−ＡＣＥＬＰ方式に基づく。図１において、音声検出部２０４の検出結果により、図２における音声符号化パラメータ制御部２１１の発言者選択部２１４の選択が「１話者発言」、「２話者発言」、または「３話者以上発言」に決定した場合には、実施の形態２の場合と同様に、その決定に基づく発言者選択情報をセレクタ２１２に与えるとともに、図５における符号化レート制御部１４０に出力する。符号化レート制御部１４０は、この発言者選択情報に応じて、「モード０」または「モード１」を示す１ビットの符号化モード情報を生成して、音声再符号化処理部２１０に出力する。音声再符号化処理部２１０は、この符号化モード情報に基づいて、多重化部１０８から会議端末に出力する符号化パラメータのフレームを構成する。
【００８４】
すなわち、「モード１」においては、第２位の適応符号化インデックス（８ビット）を送信する必要があるので、その８ビット分だけ他の符号化パラメータを縮退する必要がある。したがって、図１４および図１５に示すように、「２話者発言」の場合には、代数符号帳インデックスを３４ビットから２８ビットに縮退し、利得符号帳インデックスを１４ビットから１２ビットに縮退する。そして、第１話者のＬＳＰ符号帳インデックスおよび適応符号帳インデックス、並びに、第２話者の第２位の適応符号帳インデックスからなる符号化パラメータをパススルーする。
【００８５】
なお、代数符号帳インデックスの縮退方式については、第１サブフレームについてはＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．８節に記述されている方式（１１ビット量子化）を用い、第２サブフレームについてはＩＴＵ−Ｔ勧告Ｇ．７２９本体第３．８節に記述されている方式（１７ビット量子化）を用いて実現する。また、利得符号帳インデックスの縮退方式については、第１サブフレームおよび第２サブフレームともにＩＴＵ−Ｔ勧告Ｇ．７２９ Ａｎｎｅｘ Ｄ 第Ｄ．５．９節に記述されている方式（６ビット量子化）を用いて実現する。
【００８６】
ところで、電話会議システムにおいて使用されるチャネルは、主音声と副音声で構成されている。この場合、主音声は発言者の音声であり、副音声は、例えば発言者の発言に対する同時通訳などが適用される。そこで、図１３における優先話者判定部２１６において、主音声を第１話者とし副音声を第２話者として順位付けを設定しておく。図１４に示すように、主音声の符号化パラメータであるＬＳＰ符号帳インデックスおよび第１位の適応符号帳インデックスについては、パススルーされた量子化パラメータをそのまま伝送するようにし、副音声の符号化パラメータである第２位の適応符号帳インデックスについては、パススルーされた量子化パラメータを縮退させて伝送する。
【００８７】
以上のように、この実施の形態５によれば、主音声および副音声の会議端末から受信した復号音声信号が有音であると判定した場合には、主音声の会議端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ、並びに、副音声の会議端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各会議端末に送信するので、主音声と副音声とが同時に発言した場合でも、副音声の符号化パラメータを縮退させることで、伝送レートを維持しつつ主音声の音声品質の劣化を極力抑えて伝送できるという効果が得られる。
【００８８】
また、この実施の形態５によれば、実施の形態２と同様に、音声品質の劣化に対して影響の少ない利得符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。また、音声品質の劣化に対して影響の少ない代数符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果が得られる。また、伝送レートに影響を与えることなく、特定の符号化パラメータをパススルーするか否かの符号化モード情報を符号化パラメータのフレームに含めることができるという効果が得られる。
【００８９】
さらに、上記実施の形態２乃至実施の形態５によれば、実施の形態１と同様に、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できるという効果が得られる。また、発言者の音声に固有な声帯振動数の繰り返し周期を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。また、発言者の口腔や鼻腔等の声道を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果が得られる。
【００９０】
なお、上記各実施の形態においては、通信端末として会議端末（電話機）を例に採ってこの発明を説明したが、通信端末の態様は会議端末に限定されない。例えば、複数種類の音声信号を異なるチャネルで同時に伝送する放送システムや有線放送システムにおいて、その音声信号を受信する複数の受信機を通信端末として適用し、受信機側で特定の１つのチャネル（例えば、主音声のチャネルまたは副音声のチャネル）を指定する構成にしてもよい。
【００９１】
【発明の効果】
以上のように、この発明によれば、多地点制御装置の音声符号化伝送システムを、各通信端末から受信した符号化音声信号を復号して復号音声信号を生成し、復号音声信号が有音である通信端末を判定し、有音であると判定した通信端末の１つを指定し、その指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち他の音声符号化パラメータおよび他の通信端末の復号音声信号における複数種類の音声符号化パラメータについては音声再符号化処理を施した後に各通信端末に送信するように構成したので、１対多または多対多の電話会議で想定される複数話者の同時発言や、高ノイズ環境下での発言、咳払い、相槌などの短区間の発言に対しても高品質な音声伝送を実現できるという効果がある。
【００９２】
この発明によれば、多地点制御装置の音声符号化伝送システムを、１つの通信端末からの復号音声信号のみが有音である場合には１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したので、１対多または多対多の電話会議において高品質な音声伝送を実現できるという効果がある。
【００９３】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末に対して優先順位を設定し、復号音声信号が有音であると判定した通信端末が複数である場合にはその中で優先順位が最も高い１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信するように構成したので、複数の会議端末の話者が同時に発言した場合でも、会議が混乱するのを回避できるという効果がある。
【００９４】
この発明によれば、多地点制御装置の音声符号化伝送システムを、復号音声信号が有音であると判定した通信端末が複数である場合には先に音声信号を受信した先着順に優先順位を設定するように構成したので、無用な咳払い、相槌やルールを逸脱した割込み発言によって、会議の進行が乱されることがないという効果がある。
【００９５】
この発明によれば、多地点制御装置の音声符号化伝送システムを、あらかじめ１つの特定の通信端末を優先的に指定して優先順位を設定するように構成したので、会議主催者や指名された司会進行役の発言を検知して、発言者が競合した場合でも、円滑な会議進行が可能になるという効果がある。
【００９６】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータを、ピッチ周期情報を担うパラメータであるように構成したので、発言者の音声に固有な声帯振動数の繰り返し周期を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果がある。
【００９７】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける一部の音声符号化パラメータを、スペクトル包絡情報を担うパラメータであるように構成したので、発言者の口腔や鼻腔等の声道を表現する情報をそのまま伝送して、高品質な音声伝送を実現できるという効果がある。
【００９８】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末から受信した復号音声信号が有音であると判定した場合には、有音の通信端末の数に応じて音声符号化パラメータのフレームのビット配分を適応的に設定するように構成したので、伝送速度が一定あるいはチャネルあたりの伝送速度に制限を受ける伝送網に対しても適用できるという効果がある。
【００９９】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末のうち優先順位が第１位の通信端末および第２位の通信端末から受信した復号音声信号が有音であると判定した場合には、第１位の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに第２位の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、第１位および第２位の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したので、２話者が同時に発言した場合でも、比較的良好な音声品質の伝送が可能になるという効果がある。
【０１００】
この発明によれば、多地点制御装置の音声符号化伝送システムを、複数の通信端末のうち主音声の通信端末および副音声の通信端末から受信した復号音声信号が有音であると判定した場合には、主音声の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに副音声の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、主音声および副音声の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に各通信端末に送信するように構成したので、主音声と副音声とが同時に発言した場合でも、副音声の符号化パラメータを縮退させることで、伝送レートを維持しつつ主音声の音声品質の劣化を極力抑えて伝送できるという効果がある。
【０１０１】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータを、利得符号帳であるように構成したので、音声品質の劣化に対して影響の少ない利得符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果がある。
【０１０２】
この発明によれば、多地点制御装置の音声符号化伝送システムにおける縮退の量子化ビット制御が行われる符号化パラメータを、雑音符号帳であるように構成したので、音声品質の劣化に対して影響の少ない代数符号帳インデックスの符号化パラメータを縮退させて、２話者が同時に発言した場合でも、音声品質の劣化を抑制できるという効果がある。
【０１０３】
この発明によれば、多地点制御装置の音声符号化伝送システムを、音声符号化パラメータについて音声再符号化処理を施した後に各通信端末に送信するかまたは音声再符号化処理を施すことなく各通信端末に送信するかを決定する符号化モード情報を所定ビット数からなる符号化パラメータのフレームに含めるように構成したので、伝送レートに影響を与えることなく、特定の符号化パラメータをパススルーするか否かの情報を符号化パラメータのフレームに含めることができるという効果がある。
【図面の簡単な説明】
【図１】 この発明の実施の形態１による音声符号化伝送システムに適用した多地点制御装置の構成を示すブロック図である。
【図２】 同実施の形態１における音声符号化パラメータ制御部の構成を示すブロック図である。
【図３】 同実施の形態１における音声復号処理部の構成を示すブロック図である。
【図４】 同実施の形態１における音声再符号化処理部の構成を示すブロック図である。
【図５】 同実施の形態２における音声再生符号化処理部の構成を示すブロック図である。
【図６】 同実施の形態２における会議端末の受信側の構成を示すブロック図である。
【図７】 同実施の形態２における会議端末の音声復号処理部の構成を示すブロック図である。
【図８】 同実施の形態２に係る音声符号化パラメータのフレーム構成を示す図である。
【図９】 同実施の形態２に係る符号化パラメータの１フレームのビット割り当て例を示す説明図である。
【図１０】 同実施の形態３における多地点制御装置の構成を示すブロック図である。
【図１１】 同実施の形態３における音声符号化パラメータ制御部の構成を示すブロック図である。
【図１２】 同実施の形態４に係る音声符号化伝送システムに適用する多地点制御装置の構成を示すブロック図である。
【図１３】 同実施の形態４における音声符号化パラメータ制御部の構成を示すブロック図である。
【図１４】 同実施の形態５に係る音声符号化パラメータのフレーム構成を示す図である。
【図１５】 同実施の形態５に係る符号化パラメータの１フレームのビット割り当て例を示す説明図である。
【図１６】 従来のＣＥＬＰ方式に基づく音声符号化装置の構成を示すブロック図である。
【図１７】 従来の多地点制御装置の構成を示すブロック図である。
【図１８】 従来の多地点制御装置の他の構成を示すブロック図である。
【図１９】 従来のＣＥＬＰ系音声符号化装置の構成を示すブロック図である。
【符号の説明】
１０４ 線形予測分析処理部、１０５ ＬＳＰ量子化処理部、１０６ ＬＳＰ量子化符号帳、１０８ 多重化部、１０９ 逆量子化処理部、１１０ 適応符号帳、１１０ｂ 第２の適応符号帳、１１１ 代数符号帳（雑音符号帳）、１１２，１１６ 加算器、１１３ａ，１１３ｂ 利得制御増幅部、１１３ｃ 利得制御増幅部、１１４ 利得量子化符号帳、１１５ 合成フィルタ、１１７ 聴覚重み付フィルタ、１１８ 歪最小化部、１１９，１２０ 切替スイッチ、１２１ ピッチプレフィルタ、１２４ ＬＰＣ・ＬＳＰ変換部、１２５ 利得ＭＡ予測部、１２６ 多重分離部、１２７，１２８ 制御増幅部、１２９ 加算器、１３０ 切替スイッチ、１３１ａ 適応符号帳、１３１ｂ 利得復号部、１３２ 復号利得ＭＡ予測部、１３３ 代数符号復号部、１３４ ピッチプレフィルタ、１３５ＬＳＰ復号部、１３６ ＬＳＰ内挿部、１３７ ＬＳＰ・ＬＰＣ変換部、１３８ 合成フィルタ、１３９ ポストフィルタ、１４０ 符号化レート制御部、２０１ 交換機、２０２ 回線インタフェース部、２０３ 声声復号処理部、２０４ 音声検出部、２０５ 雑音抑圧処理部、２０６ 音声加算部、２０７ 分配処理部、２０８ 自端末音声減算部、２０９ 自動利得制御部、２１０ 音声再符号化処理部、２１１ 音声符号化パラメータ制御部、２１２ セレクタ、２１３ 分配処理部、２１４ 発言者選択部、２１５ 先着チャネル判定部、２１６優先話者判定部、２２４ ＭＣＵ制御部。
Claims (13)
- 通信ネットワークを介して複数の通信端末と接続し、各通信端末で取り扱われる音声を符号化した符号化音声信号を受信および送信の対象とし、これら符号化音声信号の情報内容に応じて所定の処理を施し、前記複数の通信端末に対し処理した符号化音声信号を配信する多地点制御装置の音声符号化伝送システムにおいて、
各通信端末から受信した符号化音声信号を復号して復号音声信号を生成し、
復号音声信号が有音である通信端末を判定し、
有音であると判定した通信端末の１つを指定し、
その指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち一部の音声符号化パラメータについては音声再符号化処理を施すことなく前記各通信端末に送信し、
前記指定した通信端末の復号音声信号における複数種類の音声符号化パラメータのうち他の音声符号化パラメータおよび他の通信端末の復号音声信号における複数種類の音声符号化パラメータについては音声再符号化処理を施した後に前記各通信端末に送信することを特徴とする多地点制御装置の音声符号化伝送システム。 - １つの通信端末からの復号音声信号のみが有音である場合には前記１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信することを特徴とする請求項１記載の多地点制御装置の音声符号化伝送システム。
- 複数の通信端末に対して優先順位を設定し、復号音声信号が有音であると判定した通信端末が複数である場合にはその中で優先順位が最も高い１つの通信端末を指定し、その指定した通信端末の復号音声信号における一部の音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信することを特徴とする請求項１記載の多地点制御装置の音声符号化伝送システム。
- 復号音声信号が有音であると判定した通信端末が複数である場合には先に音声信号を受信した先着順に優先順位を設定することを特徴とする請求項３記載の多地点制御装置の音声符号化伝送システム。
- あらかじめ１つの特定の通信端末を優先的に指定して優先順位を設定することを特徴とする請求項３記載の多地点制御装置の音声符号化伝送システム。
- 一部の音声符号化パラメータは、ピッチ周期情報を担うパラメータであることを特徴とする請求項１から請求項５のうちのいずれか１項記載の多地点制御装置の音声符号化伝送システム。
- 一部の音声符号化パラメータは、スペクトル包絡情報を担うパラメータであることを特徴とする請求項１から請求項５のうちのいずれか１項記載の多地点制御装置の音声符号化伝送システム。
- 複数の通信端末から受信した復号音声信号が有音であると判定した場合には、有音の通信端末の数に応じて音声符号化パラメータのフレームのビット配分を適応的に設定することを特徴とする請求項１から請求項７のうちのいずれか１項記載の多地点制御装置の音声符号化伝送システム。
- 複数の通信端末のうち優先順位が第１位の通信端末および第２位の通信端末から受信した復号音声信号が有音であると判定した場合には、前記第１位の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに前記第２位の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、前記第１位および第２位の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に前記各通信端末に送信することを特徴とする請求項８項記載の多地点制御装置の音声符号化伝送システム。
- 複数の通信端末のうち主音声の通信端末および副音声の通信端末から受信した復号音声信号が有音であると判定した場合には、前記主音声の通信端末の復号音声信号におけるピッチ周期情報およびスペクトル包絡情報をそれぞれ担う２つの音声符号化パラメータ並びに前記副音声の通信端末の復号音声信号におけるピッチ周期情報を担う音声符号化パラメータについては音声再符号化処理を施すことなく各通信端末に送信し、前記主音声および副音声の通信端末の復号音声信号において音声再符号化処理を施す音声符号化パラメータについては伝送レート制御機能に基づく縮退の量子化ビット制御を行った後に前記各通信端末に送信することを特徴とする請求項８記載の多地点制御装置の音声符号化伝送システム。
- 縮退の量子化ビット制御が行われる符号化パラメータは、利得符号帳であることを特徴とする請求項９または請求項１０記載の多地点制御装置の音声符号化伝送システム。
- 縮退の量子化ビット制御が行われる符号化パラメータは、雑音符号帳であることを特徴とする請求項９または請求項１０記載の多地点制御装置の音声符号化伝送システム。
- 音声符号化パラメータについて音声再符号化処理を施した後に各通信端末に送信するか、または音声再符号化処理を施すことなく前記各通信端末に送信するかを決定する符号化モード情報を所定ビット数からなる符号化パラメータのフレームに含めることを特徴とする請求項１から請求項１２のうちのいずれか１項記載の多地点制御装置の音声符号化伝送システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002208664A JP4108396B2 (ja) | 2002-07-17 | 2002-07-17 | 多地点制御装置の音声符号化伝送システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002208664A JP4108396B2 (ja) | 2002-07-17 | 2002-07-17 | 多地点制御装置の音声符号化伝送システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004053763A JP2004053763A (ja) | 2004-02-19 |
| JP4108396B2 true JP4108396B2 (ja) | 2008-06-25 |
Family
ID=31932748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002208664A Expired - Fee Related JP4108396B2 (ja) | 2002-07-17 | 2002-07-17 | 多地点制御装置の音声符号化伝送システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4108396B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8369799B2 (en) | 2007-10-25 | 2013-02-05 | Echostar Technologies L.L.C. | Apparatus, systems and methods to communicate received commands from a receiving device to a mobile device |
| CN101981872B (zh) * | 2008-03-31 | 2016-04-27 | 艾科星科技公司 | 用于经由无线电话网络的话音信道发射数据的系统、方法及设备 |
| US8867571B2 (en) | 2008-03-31 | 2014-10-21 | Echostar Technologies L.L.C. | Systems, methods and apparatus for transmitting data over a voice channel of a wireless telephone network |
| JP6809313B2 (ja) | 2017-03-14 | 2021-01-06 | 株式会社村田製作所 | 正極、電池、電池パック、電子機器、電動車両、蓄電装置および電力システム |
| JP7092048B2 (ja) * | 2019-01-17 | 2022-06-28 | 日本電信電話株式会社 | 多地点制御方法、装置及びプログラム |
-
2002
- 2002-07-17 JP JP2002208664A patent/JP4108396B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004053763A (ja) | 2004-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108352164B (zh) | 将立体声信号时域下混合为主和辅声道的使用左和右声道之间的长期相关差的方法和系统 | |
| JP4518714B2 (ja) | 音声符号変換方法 | |
| US7165035B2 (en) | Compressed domain conference bridge | |
| JP5153791B2 (ja) | ステレオ音声復号装置、ステレオ音声符号化装置、および消失フレーム補償方法 | |
| JP4263412B2 (ja) | 音声符号変換方法 | |
| KR20060131851A (ko) | 통신 장치 및 신호 부호화/복호화 방법 | |
| JPH0962299A (ja) | コード励振線形予測符号化装置 | |
| US7443978B2 (en) | Method and apparatus for audio coding with noise suppression | |
| US20030195745A1 (en) | LPC-to-MELP transcoder | |
| JP4558734B2 (ja) | 信号復号化装置 | |
| US9258429B2 (en) | Encoder adaption in teleconferencing system | |
| JPH08305398A (ja) | 音声復号化装置 | |
| JP4108396B2 (ja) | 多地点制御装置の音声符号化伝送システム | |
| JP4236675B2 (ja) | 音声符号変換方法および装置 | |
| JP3649854B2 (ja) | 音声符号化装置 | |
| JP4985743B2 (ja) | 音声符号変換方法 | |
| Taleb et al. | G. 719: The first ITU-T standard for high-quality conversational fullband audio coding |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050627 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20071030 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20071030 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20071030 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080227 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080304 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080402 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110411 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |