JP4376681B2

JP4376681B2 - 音声データ受信装置および音声データ送信装置

Info

Publication number: JP4376681B2
Application number: JP2004114471A
Authority: JP
Inventors: 渉伏見
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2004-04-08
Filing date: 2004-04-08
Publication date: 2009-12-02
Anticipated expiration: 2024-04-08
Also published as: JP2005303531A

Description

この発明は、音声データ受信装置および音声データ送信装置に関するものである。

従来の、無音圧縮技術を適用した音声伝送装置においては、受信側機能に揺らぎ吸収バッファを備え、有音区間（トークスパート）の先頭パケットを受信すると、揺らぎ吸収バッファに規定量だけ受信データを蓄積してから復号処理を行い、音声信号を出力していた。

例えば、特許文献１に開示された従来の音声パケット送受信装置は、トークスパートの始まりの音声パケットを受信すると、閾値が設定されたゆらぎ吸収バッファに蓄積し、初期蓄積量だけ蓄積したら音声データを送出する。また、蓄積量が上述の閾値を超えて一定時間経過すると、バッファ制御部により初期蓄積量になるまでデータが廃棄される。情報記憶部は、データの廃棄回数とゆらぎ吸収バッファのアンダーフロー発生回数を記憶保持し、次の有音区間における初期蓄積量の決定に用いる。

特許第３０７５２４６号公報

従来の無音圧縮技術を適用した音声伝送装置では、トークスパートの先頭パケットをバッファ内の規定の位置に格納するため、前トークスパート先頭パケットの到着遅延揺らぎ量と現トークスパート先頭パケットの到着遅延揺らぎ量が異なる場合には、受信側でトークスパート間の無音区間の長さが増減する。すなわち、前トークスパートの先頭パケットの到着遅延が大きく、現トークスパートの到着遅延が小さい場合には、前トークスパートと現トークスパート間の無音時間がとても短くなり、また、前トークスパートの先頭パケットの到着遅延が小さく、現トークスパートの到着遅延が大きい場合には、前トークスパートと現トークスパート間の無音時間がとても長くなり、会話音声に不自然さが目立ち、通話音声品質を低下させるという問題点があった。

この発明は上記のような課題を解決するためになされたもので、受信側でトークスパートの間隔をできるだけ一定にすることにより、通話音声の品質を保つことを目的とする。

この発明に係る音声データ受信装置は、有音区間の音声信号のみがパケット化されたパケットデータを受信する音声データ受信装置において、パケットデータを受信するパケット受信部と、受信したパケットデータをヘッダ部分と音声データ部分に分離するヘッダ分離部と、音声データ部分を蓄積する揺らぎ吸収バッファ部と、揺らぎ吸収バッファ部に蓄積されている音声データ部分の残量を監視するバッファ残量監視部と、有音区間の最後のパケットデータのヘッダに含まれる情報と、次の有音区間の先頭パケットデータのヘッダに含まれる情報に基づいて、２つの有音区間に挟まれた無音区間の時間長を算出する無音区間計算部と、無音区間計算部によって算出された無音区間の時間長と、音声データの残量と、予め定められた無音区間時間長の最小値と、揺らぎ吸収バッファ部の格納初期値に基づいて、受信中の有音区間の先頭パケットデータに含まれる音声データを、揺らぎ吸収バッファ部に蓄積する時間を制御するバッファ制御部と、揺らぎ吸収バッファ部から出力された音声データを復号し、音声信号を出力する音声復号部を備え、バッファ制御部は、受信中の有音区間の先頭パケットデータに含まれる音声データを蓄積する時間を、音声データの残量と無音区間時間長の最小値の合計値Ａが格納初期値を下回る場合において、無音区間計算部によって算出された無音区間の時間長と音声データの残量の合計値Ｂが合計値Ａ未満であれば合計値Ａに応じた時間長に、合計値Ａ以上かつ格納初期値未満であれば合計値Ｂに応じた時間長に、格納初期値以上であれば格納初期値に応じた時間長に制御し、合計値Ａが格納初期値を上回る場合においては、合計値Ａに応じた時間長に制御するようにしたものである。

この発明によれば、バッファ制御部は、無音区間計算部から供給される無音区間の時間長と、バッファ残量監視部から供給される音声データの残量と、予め設定された無音区間時間長の最小値と、揺らぎ吸収バッファ部の格納初期値に基づいて、受信中の有音区間の先頭パケットデータに含まれる音声データを揺らぎ吸収バッファ部に蓄積する時間を決定するようにしたので、受信側での無音区間の時間長をできるだけ一定にすることにより、通話音声の品質を保つことができるという効果がある。

以下、この発明の実施の様々な形態を説明する。
実施の形態１．
図１は、この発明の実施の形態１による、音声伝送装置１００が適用される音声伝送システム１０の構成を示すブロック図である。図に示すように、音声伝送システム１０は、音声伝送装置１００、電話機４００、通信ネットワーク５００を含む。音声伝送装置１００は通信ネットワーク５００に接続されている。音声伝送装置１００は送信処理部２００と受信処理部３００を備えている。通話者が電話機４００を用いて発した音声は、音声伝送装置１００を介して相手の電話機４００に伝送される。

図２は、音声伝送装置１００の送信処理部２００の内部構成を示すブロック図である。図に示すように、送信処理部２００は、音声符号化部２０１、有音判定部２０２、およびパケット送出部２０３を備えている。

図３は、音声伝送装置１００の受信処理部３００の内部構成を示すブロック図である。図に示すように、受信処理部３００は、ヘッダ分離部３０１、トークスパート間隔計算部３０２、バッファ残量監視部３０３、バッファ制御部３０４、揺らぎ吸収バッファ部３０５、音声復号部３０６を備えている。

次に動作について説明する。
音声信号が送信処理部２００に入力されると、音声符号化部２０１において音声信号に音声符号化処理が施され、符号化音声信号がパケット送出部２０３に出力される。それと共に、有音判定部２０２において、入力された音声信号が有音か無音かの判定がなされ、判定結果がパケット送出部２０３に出力される。
パケット送出部２０３は、有音判定部２０２から出力された判定結果に基づいて、音声符号化部２０１から供給された符号化音声信号の有音部分のみを音声パケットとして生成し、送信先の音声伝送装置１００に送信する。

図４は、送信処理部２００から送信されるパケットの例を示す図である。ここで、＃１〜＃７は送信される音声パケットのシーケンス番号である。図に示すように、最初の有音区間にてパケット＃１からパケット＃４が送信され、無音区間ではパケットは送信されない。次の有音区間でパケット＃５からパケット＃７が送信される。
各パケットのヘッダ部にはタイムスタンプ情報が含まれている。図中、各パケットのタイムスタンプはＴＳで示している。ここでは、１つのパケットの時間長をｔ、パケット＃４のタイムスタンプ値をＴ、無音区間の時間長をｔｓとすると、例えば、パケット＃３のタイムスタンプはＴ−ｔと表され、パケット＃５のタイムスタンプ値はＴ＋ｔ＋ｔｓと表すことができる。

送信処理部２００から送信された音声パケットが送信先音声伝送装置１００の受信処理部３００で受信されると、ヘッダ分離部３０１においてパケットのヘッダ部が分離され、ヘッダ部はトークスパート間隔計算部３０２に出力される。それと共に、音声信号部分は、揺らぎ吸収バッファ部３０５に出力される。
トークスパート間隔計算部３０２では、入力されたヘッダ部に含まれるタイムスタンプ情報に基づいて、トークスパート間隔（無音区間の時間長）を計算し、その結果をバッファ制御部３０４に出力する。図４に示した例を用いて説明すると、トークスパート間隔計算部３０２は、無音区間の後の先頭パケット＃５のタイムスタンプ値から、無音区間の前の最後のパケット＃４のタイムスタンプ値を差し引き、さらにパケット＃４自身の時間長ｔを差し引くことにより、トークスパート間隔値を求めることができる。すなわち、（パケット＃５のタイムスタンプ値）−（パケット＃４のタイムスタンプ値）−（１つのパケット時間長）＝（Ｔ＋ｔ＋ｔｓ）−（Ｔ）−（ｔ）＝ｔｓとなる。

バッファ残量監視部３０３は、揺らぎ吸収バッファ部３０５を監視し、バッファ内に残っている音声信号の残量をバッファ制御部３０４に出力する。
バッファ制御部３０４は、トークスパート間隔計算部３０２から供給されるトークスパート間隔と、バッファ残量監視部３０３から供給される音声信号の残量、および予め設定された最小トークスパート間隔値と、揺らぎ吸収バッファ部３０５の格納初期値に基づいて、トークスパートの先頭音声信号の揺らぎ吸収バッファ部３０５への格納位置を決定し、揺らぎ吸収バッファ部３０５に指示を通知する。また、バッファ制御部３０４は、トークスパートの先頭ではない音声信号については、シーケンス番号に沿って並ぶように格納位置を指示する。
揺らぎ吸収バッファ部３０５は、バッファ制御部３０４からの指示に基づき、ヘッダ分離部３０１から供給された音声信号を格納すると共に、格納されている音声信号を格納されている時間が長い順に一定の周期で音声復号部３０６に出力する。
音声復号部３０６は、入力された音声信号の復号処理を行い出力する。

音声信号が揺らぎ吸収バッファ部３０５内に留まる時間、すなわち、バッファ内に入力されてから出力されるまでにかかる時間は、揺らぎ吸収バッファ部３０５への格納位置により異なる。
ここで、バッファ制御部３０４の制御について詳しく説明する。図５、図６、および図７は、揺らぎ吸収バッファ部３０５を模式的に表した図である。図中、右側が揺らぎ吸収バッファ部３０５の出口方向であり、右側に格納されているデータほどバッファ内に留まる時間が短く、左側に行くほど留まる時間が長くなることを表している。
図５では、前回のトークスパート区間における音声データが残っていない状態の揺らぎ吸収バッファ部３０５を表している。
バッファ制御部３０４は、揺らぎ吸収バッファ部３０５の右端から最小トークスパート間隔を取った位置を最小トークスパート間隔位置（音声データの残量と無音区間時間長の最小値の合計値Ａ）とする。すなわち、最小トークスパート間隔位置に格納されたデータは、最小トークスパート間隔だけバッファ内に留まる。また、同様にバッファの右端から初期格納量を取った位置を格納初期位置（格納初期値）とする。トークスパート間隔計算部３０２において、パケットヘッダに含まれるタイムスタンプ情報より導き出されたトークスパート間隔値が、最小トークスパート間隔に収まる場合、すなわち、図中、バッファの右端から計ってＡの領域に位置する場合（無音区間の時間長と音声データの残量の合計値Ｂが合計値Ａ未満）には、現トークスパートの先頭音声データを最小トークスパート間隔値の位置に合わせて格納する。また、Ｂの領域に位置する場合（合計値Ｂが合計値Ａ以上かつ格納初期値未満）には、現トークスパートの先頭音声データを計算で求めたトークスパート間隔値の位置に合わせて格納する。また、Ｃの領域に位置する場合（合計値Ｂが格納初期値以上）には、現トークスパートの先頭音声データを格納初期値の位置に合わせて格納する。

また、図６では、前回のトークスパート区間における音声データが残っている状態の揺らぎ吸収バッファ部３０５を表している。この場合には、前回のトークスパートの音声データの末尾から最小トークスパート間隔を取った位置を最小トークスパート間隔位置（音声データの残量と無音区間時間長の最小値の合計値Ａ）とし、バッファの右端から初期格納量を取った位置を格納初期位置（格納初期値）とする。なお、図６では、最小トークスパート間隔位置が格納初期位置よりも大きい場合（合計値Ａが格納初期値を上回る場合）を示している。トークスパート間隔計算部３０２においてパケットヘッダに含まれるタイムスタンプ情報より導き出されたトークスパート間隔値が、前回のトークスパート区間における音声データの末尾から計ってＡの領域に位置する場合、Ｂの領域に位置する場合、Ｃの領域に位置する場合、何れの場合でも現トークスパートの先頭音声データを最小トークスパート間隔位置に合わせて格納する。

また、図７に示す例は、前回のトークスパート区間における音声データが残っている状態の揺らぎ吸収バッファ部３０５であって、最小トークスパート間隔位置が格納初期位置よりも小さい場合を示している。図７の例においても図６の例と同様に、前回のトークスパートの音声データの末尾から最小トークスパート間隔を取った位置を最小トークスパート間隔位置（音声データの残量と無音区間時間長の最小値の合計値Ａ）とし、バッファの右端から初期格納量を取った位置を格納初期位置（格納初期値）とする。トークスパート間隔計算部３０２においてパケットヘッダに含まれるタイムスタンプ情報より導き出されたトークスパート間隔値が、前回のトークスパート区間における音声データの末尾から計ってＡの領域に位置する場合（無音区間の時間長と音声データの残量の合計値Ｂが合計値Ａ未満）には、現トークスパートの先頭音声データを最小トークスパート間隔位置に合わせて格納し、Ｂの領域に位置する場合（合計値Ｂが合計値Ａ以上かつ格納初期値未満）には、現トークスパートの先頭音声データを計算で求めたトークスパート間隔値の位置に合わせて格納し、Ｃの領域に位置する場合（合計値Ｂが格納初期値以上）には、現トークスパートの先頭音声データを格納初期位置に合わせて格納する。

以上のように、実施の形態１によれば、バッファ制御部３０４は、トークスパート間隔計算部３０２から供給されるトークスパート間隔値、バッファ残量監視部３０３から供給される前回トークスパートにおける音声信号のバッファ残量、予め設定された最小トークスパート間隔値、および揺らぎ吸収バッファ部３０５の格納初期値に基づいて、受信中のトークスパートの先頭データの揺らぎ吸収バッファ部３０５への格納位置を決定するようにしたので、無音圧縮技術を適用した音声パケット伝送において、トークスパートの間隔をできるだけ一定に保ち、通話音声品質を確保する事ができる。

また、実施の形態１によれば、トークスパート間隔計算部３０２は、入力されたパケットヘッダ部に含まれるタイムスタンプ情報に基づいて、トークスパート間隔を計算しているが、トークスパート間隔は他の方法によって計算することもできる。例えば、図８に示すように、送信処理部２００から送信されるパケットを受信処理部３００で受信する際、無音区間においても、１パケットの時間長に基づいてシーケンス番号をカウントアップすることにより、トークスパート間隔を求めることができる。
また、図９に示すように、トークスパートの先頭パケットに無音区間長情報を含ませるようにするようにしてもよい。
また、音声通信に限らずリアルタイム通信を行うシステムであれば、実施の形態１を適用することにより同様の効果を得ることができる。

実施の形態２．
実施の形態２は、音声伝送装置の受信処理部の構成が実施の形態１と異なる。
図１０は、この発明の実施の形態２による音声伝送装置の受信処理部６００の内部構成を示すブロック図である。図３と同一の符号は、同一もしくは相当する構成要素を表している。受信処理部６００は、遅刻パケットカウント部３０７を備えている。

次に動作について説明する。
実施の形態１では、最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値は、予め設定された値を用いたが、実施の形態２では、これらの値を動的に制御する。
遅刻パケットカウント部３０７は、受信処理部６００で受信はされたものの、揺らぎ吸収バッファ部３０５から出力されるべきタイミングから遅れてしまい、遅刻パケットとして廃棄されたパケットをカウントし、トークスパート毎に、受信できたパケットに対する遅刻パケットの割合を算出してバッファ制御部３０４に通知する。
バッファ制御部３０４は、遅刻パケットカウント部３０７から通知された遅刻パケットの割合に基づいて、最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値を決定する。例えば、遅刻パケットの割合がある閾値Ａよりも大きい場合には、現在の最小トークスパート間隔値および格納初期値にそれぞれα、βを加えた値を用い、ある閾値Ｂよりも小さい場合には現在の最小トークスパート間隔値および格納初期値からそれぞれγ、δを差し引いた値を用いる。これを順次トークスパート毎に判定して値を更新する。なお、ここで閾値Ａ、閾値Ｂ、変化量α、β、γ、δはそれぞれ予め設定された値であり、最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値には最大値と最小値を設定するようにしてもよい。

以上のように、実施の形態２によれば、遅刻パケットをカウントしてその結果をバッファ制御に用いる事により、トークスパートの間隔をできるだけ保ち、より通話音声品質を向上させる事ができる。

また、図１１に示す受信処理部６５０のように、遅刻パケットカウント部３０７の代わりにオーバーフローパケットカウント部３０８を備えるようにしてもよい。
オーバーフローパケットカウント部３０８は、受信処理部６５０で受信したパケットのうち、オーバーフローパケットとして廃棄されてしまったパケットをカウントし、トークスパート毎に、受信したパケットに対するオーバーフローパケットの割合を算出してバッファ制御部３０４に通知する。バッファ制御部３０４は、通知されたオーバーフローパケットの割合に基づき、最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値を決定する。例えば、オーバーフローパケットの割合がある閾値Ａよりも大きい場合には、現在の最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値にそれぞれα、βを加えた値を用い、ある閾値Ｂよりも小さい場合には現在の最小トークスパート間隔値および揺らぎ吸収バッファ格納初期値からそれぞれγ、δを差し引いた値を用いる。これを順次トークスパート毎に判定して値を更新する。閾値Ａ、閾値Ｂ、変化量α、β、γ、δはそれぞれ予め設定された値であり、最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値には最大値と最小値を設定する事としても良い。

また、図１２に示す受信処理部７００のように、遅刻パケットカウント部３０７やオーバーフローパケットカウント部３０８の代わりに到着遅延揺らぎ計測部３０９を備えるようにしてもよい。
到着遅延揺らぎ計測部３０９は、トークスパート毎に、受信処理部７００で受信したパケットの到着遅延揺らぎ量を計測し、バッファ制御部３０４に通知する。バッファ制御部３０４は、到着遅延揺らぎ計測部３０９から通知された到着遅延揺らぎ量に基づいて、最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値を決定する。
例えば、到着遅延揺らぎ量がある閾値Ａよりも大きい場合には現在の最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値にそれぞれα、βを加えた値を用い、ある閾値Ｂよりも小さい場合には、現在の最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値からそれぞれγ、δを差し引いた値を用いる。これを順次トークスパート毎に判定して値を更新する。閾値Ａ、閾値Ｂ、変化量α、β、γ、δはそれぞれ予め設定された値であり、最小トークスパート間隔値および揺らぎ吸収バッファ部３０５の格納初期値には最大値と最小値を設定するようにしても良い。
また、音声通信に限らずリアルタイム通信を行うシステムであれば、実施の形態２を適用することにより同様な効果を得ることができる。

また、バッファ残量監視部３０３で観測された、揺らぎ吸収バッファ部３０５内の前トークスパートの音声データ部分の残量に基づいて、最小トークスパート間隔値と、揺らぎ吸収バッファ部３０５の格納初期値を決定してもよい。
さらに、バッファ制御部３０４の制御により得られる実際のトークスパート間隔と、トークスパート間隔計算部３０２によって算出されたトークスパート間隔の差に基づいて、最小トークスパート間隔値と、揺らぎ吸収バッファ部３０５の格納初期値を決定してもよい。

実施の形態３．
図１３は、この発明の実施の形態３による音声伝送装置の送信処理部２５０の内部構成を示すブロック図である。また、図１４は、実施の形態３による音声伝送装置の受信処理部７５０の内部構成を示すブロック図である。図２および図３と同一の符号は、同一もしくは相当する構成要素を表している。
図に示すように、送信処理部２５０は、パケット送出部２０３とは機能が異なるパケット送出部２０４を備えている。
また、受信処理部７５０は、有音判定部３１０を備えている。

次に動作について説明する。
実施の形態１および実施の形態２では、音声データパケットの送信処理において無音圧縮技術を用い、伝送されるパケットは有音部分のパケットのみとしたが、実施の形態３では、図１５に示すように、無音部分も含めて全ての音声データが伝送される。

音声信号が送信処理部２５０に入力されると、音声符号化部２０１において音声信号に音声符号化処理が施され、符号化音声信号がパケット送出部２０４に出力される。パケット送出部２０４は、音声符号化部２０１から供給された符号化音声信号を音声パケットとして生成し、送信先の音声伝送装置に送信する。

送信処理部２５０から送信された音声パケットが送信先音声伝送装置の受信処理部７５０で受信されると、ヘッダ分離部３０１においてヘッダ部が分離され、音声信号部分は、揺らぎ吸収バッファ部３０５に出力される。また、受信されたパケットは有音判定部３１０に供給され、有音か無音かの判定がなされると共に、その判定結果とヘッダ部の情報がトークスパート間隔計算部３０２に供給される。
トークスパート間隔計算部３０２では、有音判定部３１０から供給されたヘッダ部に含まれるタイムスタンプ情報に基づいて、トークスパート間隔を計算し、その結果をバッファ制御部３０４に出力する。図１５に示したようにパケットが伝送される場合、トークスパート間隔計算部３０２は、無音区間後のトークスパートの先頭パケット＃９のタイムスタンプ値から無音区間前のトークスパートの末尾のパケット＃４のタイムスタンプ値を差し引き、さらにパケット＃４自身の時間長ｔを差し引くことにより、トークスパート間隔値を求めることができる。すなわち、（パケット＃９のタイムスタンプ値）−（パケット＃４のタイムスタンプ値）−（１つのパケット時間長）＝（Ｔ＋５ｔ）−（Ｔ）−（ｔ）＝４ｔとなる。

バッファ残量監視部３０３は、揺らぎ吸収バッファ部３０５を監視し、バッファ内に残っている音声信号の残量をバッファ制御部３０４に出力する。
バッファ制御部３０４は、トークスパート間隔計算部３０２から供給されるトークスパート間隔と、バッファ残量監視部３０３から供給される音声信号の残量、および予め設定された最小トークスパート間隔値と、揺らぎ吸収バッファ部３０５の格納初期値に基づいて、トークスパートの先頭音声信号の揺らぎ吸収バッファ部３０５への格納位置を決定し、揺らぎ吸収バッファ部３０５に指示を通知する。また、バッファ制御部３０４は、トークスパートの先頭ではない音声信号については、シーケンス番号に沿って並ぶように格納位置を指示する。
揺らぎ吸収バッファ部３０５は、バッファ制御部３０４からの指示に基づき、ヘッダ分離部３０１から供給された音声信号を格納すると共に、格納されている音声信号を格納されている時間が長い順に一定の周期で音声復号部３０６に出力する。音声復号部３０６は、入力された音声信号の復号処理を行い出力する。

実施の形態１で示したように、揺らぎ吸収バッファ部３０５への格納位置により、音声信号がバッファ内に留まる時間、すなわち、バッファ内に入力されてから出力されるまでにかかる時間が異なる。

バッファ制御部３０４の制御については、実施の形態１において、図５〜図７を用いて説明した処理と同様の処理を行うようにしてもよい。

以上のように、実施の形態３によれば、無音圧縮技術を利用していないシステムにおいても、トークスパート間隔値、バッファ残量、予め設定された最小トークスパート間隔値、揺らぎ吸収バッファ格納初期値に基づいて、トークスパートの先頭データの揺らぎ吸収バッファ部３０５への格納位置を決定することにより、トークスパートの間隔をできるだけ保ち、通話音声品質を確保する事ができる。
また、無音圧縮技術を適用していないシステムにおいても、無音圧縮技術を適用した場合のメリットである、トークスパート毎に到着遅延揺らぎ吸収バッファを初期値に設定することによって到着遅延揺らぎに対する耐性向上を享受できるという効果がある。

また、実施の形態３においても、実施の形態２の遅刻パケットカウント機能や、オーバーフローパケットカウント機能、および到着遅延揺らぎ計測機能を追加することにより、同様の効果を得ることができる。
また、音声通信に限らずリアルタイム通信を行うシステムであれば、実施の形態３を適用することにより同様な効果を得ることができる。

実施の形態４．
図１６は、この発明の実施の形態４による音声伝送装置の送信処理部２７０の内部構成を示すブロック図である。また、図１７は、実施の形態４による音声伝送装置の受信処理部８００の内部構成を示すブロック図である。図２および図３と同一の符号は、同一もしくは相当する構成要素を表している。
図に示すように、送信処理部２７０は、パケット送出部２０３，２０４とは機能が異なるパケット送出部２０５を備えている。
また、受信処理部８００は、トークスパート間隔計算部３０２とは機能が異なるトークスパート間隔計算部３１１を備えている。

次に動作について説明する。
実施の形態１および実施の形態２では、音声データパケットの送信処理において無音圧縮技術を用い、伝送されるパケットは有音部分のパケットのみとしたが、実施の形態４では、図１８に示すように、無音部分も含めて全ての音声データが伝送される。

音声信号が送信処理部２７０に入力されると、音声符号化部２０１において音声信号に音声符号化処理が施され、符号化音声信号がパケット送出部２０５に出力される。それと共に、有音判定部２０２において、入力された音声信号が有音か無音かの判定がなされ、判定結果がパケット送出部２０５に出力される。
パケット送出部２０５は、有音判定部２０２から出力された判定結果に基づいて、音声符号化部２０１から供給された符号化音声信号をパケットとして生成すると共に、有音判定部２０２からの判定結果に基づいて、有音であるか否かを示す有音マーカーをヘッダ部に付加して、送信先の音声伝送装置に送信する。

送信処理部２７０から送信された音声パケットが送信先音声伝送装置の受信処理部８００で受信されると、ヘッダ分離部３０１においてパケットのヘッダ部が分離され、ヘッダ部はトークスパート間隔計算部３１１およびヘッダ分離部３０１に出力される。それと共に、音声信号部分が揺らぎ吸収バッファ部３０５に出力される。
トークスパート間隔計算部３１１は、入力されたヘッダ部に含まれるタイムスタンプ情報および有音マーカー情報を用いてトークスパート間隔を計算し、その結果をバッファ制御部３０４に出力する。図１８に示した例を用いて説明すると、トークスパート間隔計算部３１１は、有音マーカー情報が１から０に変わったことによりパケット＃５を無音区間の先頭と判断し、有音マーカー情報が０から１に変わったことによりパケット＃９をトークスパートの先頭と判断する。

トークスパート先頭のパケット＃９のタイムスタンプ値から直前の無音区間の先頭パケット＃５のタイムスタンプ値を差し引きくことにより、トークスパート間隔値を求めることができる。すなわち、（パケット＃９のタイムスタンプ値）−（パケット＃５のタイムスタンプ値）＝（Ｔ＋５ｔ）−（Ｔ＋ｔ）＝４ｔとなる。

バッファ残量監視部３０３は、揺らぎ吸収バッファ部３０５を監視し、バッファ内に残っている音声信号の残量をバッファ制御部３０４に出力する。
バッファ制御部３０４は、トークスパート間隔計算部３１１から供給されるトークスパート間隔と、バッファ残量監視部３０３から供給される音声信号の残量、および予め設定された最小トークスパート間隔値と、揺らぎ吸収バッファ部３０５の格納初期値に基づいて、トークスパートの先頭音声信号の揺らぎ吸収バッファ部３０５への格納位置を決定し、揺らぎ吸収バッファ部３０５に指示を通知する。また、バッファ制御部３０４は、トークスパートの先頭ではない音声信号については、シーケンス番号に沿って並ぶように格納位置を指示する。
揺らぎ吸収バッファ部３０５は、バッファ制御部３０４からの指示に基づき、ヘッダ分離部３０１から供給された音声信号を格納すると共に、格納されている音声信号を格納されている時間が長い順に一定の周期で音声復号部３０６に出力する。
音声復号部３０６は、入力された音声信号の復号処理を行い出力する。

実施の形態１で示したように、音声信号が揺らぎ吸収バッファ部３０５内に留まる時間、すなわち、バッファ内に入力されてから出力されるまでにかかる時間は、揺らぎ吸収バッファ部３０５への格納位置により異なる。

以上のように、実施の形態４によれば、無音圧縮技術を利用していないシステムにおいても、トークスパート間隔値、バッファ残量、予め設定された最小トークスパート間隔値、揺らぎ吸収バッファ格納初期値に基づいて、トークスパートの先頭データの揺らぎ吸収バッファ部３０５への格納位置を決定することにより、トークスパートの間隔をできるだけ保ち、通話音声品質を確保する事ができる。
また、無音圧縮技術を適用していないシステムにおいても、無音圧縮技術を適用した場合のメリットである、トークスパート毎に到着遅延揺らぎ吸収バッファを初期値に設定することによって到着遅延揺らぎに対する耐性向上を享受できるという効果がある。

また、実施の形態４においても、実施の形態２の遅刻パケットカウント機能や、オーバーフローパケットカウント機能、および到着遅延揺らぎ計測機能を追加することにより、同様の効果を得ることができる。

また、音声通信に限らず、リアルタイム通信を行うシステムについても、本発明の適用により同様な効果が得られる。
また、音声通信に限らずリアルタイム通信を行うシステムであれば、実施の形態４を適用することにより同様な効果を得ることができる。

この発明の実施の形態１による、音声伝送装置が適用される音声伝送システムの構成を示すブロック図である。この発明の実施の形態１による、音声伝送装置の送信処理部の内部構成を示すブロック図である。この発明の実施の形態１による、音声伝送装置の受信処理部の内部構成を示すブロック図である。この発明の実施の形態１による、音声伝送装置から送信される音声パケットの例を示す図である。この発明の実施の形態１による、揺らぎ吸収バッファ部を模式的に表した図である。この発明の実施の形態１による、揺らぎ吸収バッファ部を模式的に表した図である。この発明の実施の形態１による、揺らぎ吸収バッファ部を模式的に表した図である。この発明の実施の形態１による、音声伝送装置から送信される音声パケットの例を示す図である。この発明の実施の形態１による、音声伝送装置から送信される音声パケットの例を示す図である。この発明の実施の形態２による、音声伝送装置の受信処理部の内部構成を示すブロック図である。この発明の実施の形態２による、音声伝送装置の受信処理部の変形例の内部構成を示すブロック図である。この発明の実施の形態２による、音声伝送装置の受信処理部の変形例の内部構成を示すブロック図である。この発明の実施の形態３による、音声伝送装置の送信処理部の内部構成を示すブロック図である。この発明の実施の形態３による、音声伝送装置の受信処理部の内部構成を示すブロック図である。この発明の実施の形態３による、音声伝送装置から送信される音声パケットの例を示す図である。この発明の実施の形態４による、音声伝送装置の送信処理部の内部構成を示すブロック図である。この発明の実施の形態４による、音声伝送装置の受信処理部の内部構成を示すブロック図である。この発明の実施の形態４による、音声伝送装置から送信される音声パケットの例を示す図である。

符号の説明

１０音声伝送システム、１００音声伝送装置（音声データ受信装置、音声データ送信装置）、２００，２５０，２７０送信処理部（音声データ送信装置）、２０１音声符号化部、２０２有音判定部、２０３，２０４，２０５パケット送出部、３００，６００，６５０，７００，７５０，８００受信処理部（音声データ受信装置）、３０１ヘッダ分離部（パケット受信部）、３０２，３１１トークスパート間隔計算部（無音区間計算部）、３０３バッファ残量監視部、３０４バッファ制御部、３０５揺らぎ吸収バッファ部、３０６音声復号部、３０７遅刻パケットカウント部、３０８オーバーフローパケットカウント部、３０９到着遅延揺らぎ計測部、３１０有音判定部、４００電話機、５００通信ネットワーク。

Claims

有音区間の音声信号のみがパケット化されたパケットデータを受信する音声データ受信装置において、
上記パケットデータを受信するパケット受信部と、
受信したパケットデータをヘッダ部分と音声データ部分に分離するヘッダ分離部と、
上記音声データ部分を蓄積する揺らぎ吸収バッファ部と、
上記揺らぎ吸収バッファ部に蓄積されている音声データ部分の残量を監視するバッファ残量監視部と、
有音区間の最後のパケットデータのヘッダに含まれる情報と、次の有音区間の先頭パケットデータのヘッダに含まれる情報に基づいて、２つの有音区間に挟まれた無音区間の時間長を算出する無音区間計算部と、
上記無音区間計算部によって算出された無音区間の時間長と、上記音声データの残量と、予め定められた無音区間時間長の最小値と、上記揺らぎ吸収バッファ部の格納初期値に基づいて、受信中の有音区間の先頭パケットデータに含まれる音声データを、上記揺らぎ吸収バッファ部に蓄積する時間を制御するバッファ制御部と、
上記揺らぎ吸収バッファ部から出力された音声データを復号し、音声信号を出力する音声復号部を備え、
上記バッファ制御部は、受信中の有音区間の先頭パケットデータに含まれる音声データを蓄積する時間を、
上記音声データの残量と上記無音区間時間長の最小値の合計値Ａが上記格納初期値を下回る場合において、上記無音区間計算部によって算出された無音区間の時間長と上記音声データの残量の合計値Ｂが上記合計値Ａ未満であれば上記合計値Ａに応じた時間長に、上記合計値Ａ以上かつ上記格納初期値未満であれば上記合計値Ｂに応じた時間長に、上記格納初期値以上であれば上記格納初期値に応じた時間長に制御し、
上記合計値Ａが上記格納初期値を上回る場合においては、上記合計値Ａに応じた時間長に制御すること
を特徴とする音声データ受信装置。
無音区間計算部は、有音区間の最後のパケットデータのヘッダに含まれるタイムスタンプ値と、次の有音区間の先頭パケットデータのヘッダに含まれるタイムスタンプ値の差を用いて、無音区間の時間長を算出することを特徴とする請求項１記載の音声データ受信装置。
無音区間計算部は、無音区間の間も受信したパケット毎に振られるシーケンス番号をカウントし、有音区間の最後のパケットデータに振られたシーケンス番号と、次の有音区間の先頭パケットデータに振られたシーケンス番号の差を用いて、無音区間の時間長を算出することを特徴とする請求項１記載の音声データ受信装置。
無音区間計算部は、有音区間の先頭パケットデータのヘッダに含まれる、当該有音区間前の無音区間時間長情報を用いて、無音区間の時間長を算出することを特徴とする請求項１記載の音声データ受信装置。
音声信号がパケット化されたパケットデータを受信する音声データ受信装置において、
上記パケットデータを受信するパケット受信部と、
受信したパケットデータをヘッダ部分と音声データ部分に分離するヘッダ分離部と、
上記受信したパケットデータが有音信号を含むものであるか、無音信号であるかを判定する有音判定部と、
上記音声データ部分を蓄積する揺らぎ吸収バッファ部と、
上記揺らぎ吸収バッファ部に蓄積されている音声データ部分の残量を監視するバッファ残量監視部と、
上記有音判定部によって有音と判断された区間の最後のパケットデータのヘッダに含まれる情報と、次の有音区間の先頭パケットデータのヘッダに含まれる情報に基づいて、２つの有音区間に挟まれた無音区間の時間長を算出する無音区間計算部と、
上記無音区間計算部によって算出された無音区間の時間長と、上記音声データの残量と、予め定められた無音区間時間長の最小値と、上記揺らぎ吸収バッファ部の格納初期値に基づいて、受信中の有音区間の先頭パケットデータに含まれる音声データを、上記揺らぎ吸収バッファ部に蓄積する時間を制御するバッファ制御部と、
上記揺らぎ吸収バッファ部から出力された音声データを復号し、音声信号を出力する音声復号部を備え、
上記バッファ制御部は、受信中の有音区間の先頭パケットデータに含まれる音声データを蓄積する時間を、
上記音声データの残量と上記無音区間時間長の最小値の合計値Ａが上記格納初期値を下回る場合において、上記無音区間計算部によって算出された無音区間の時間長と上記音声データの残量の合計値Ｂが上記合計値Ａ未満であれば上記合計値Ａに応じた時間長に、上記合計値Ａ以上かつ上記格納初期値未満であれば上記合計値Ｂに応じた時間長に、上記格納初期値以上であれば上記格納初期値に応じた時間長に制御し、
上記合計値Ａが上記格納初期値を上回る場合においては、上記合計値Ａに応じた時間長に制御すること
を特徴とする音声データ受信装置。
音声信号がパケット化されたパケットデータを受信する音声データ受信装置において、
上記パケットデータを受信するパケット受信部と、
受信したパケットデータをヘッダ部分と音声データ部分に分離するヘッダ分離部と、
上記音声データ部分を蓄積する揺らぎ吸収バッファ部と、
上記揺らぎ吸収バッファ部に蓄積されている音声データ部分の残量を監視するバッファ残量監視部と、
上記ヘッダに含まれる有音無音を示す識別情報に基づいて有音と判断された区間の最後のパケットデータのヘッダに含まれる情報と、次の有音区間の先頭パケットデータのヘッダに含まれる情報に基づいて、２つの有音区間に挟まれた無音区間の時間長を算出する無音区間計算部と、
上記無音区間計算部によって算出された無音区間の時間長と、上記音声データの残量と、予め定められた無音区間時間長の最小値と、上記揺らぎ吸収バッファ部の格納初期値に基づいて、受信中の有音区間の先頭パケットデータに含まれる音声データを、上記揺らぎ吸収バッファ部に蓄積する時間を制御するバッファ制御部と、
上記揺らぎ吸収バッファ部から出力された音声データを復号し、音声信号を出力する音声復号部を備え、
上記バッファ制御部は、受信中の有音区間の先頭パケットデータに含まれる音声データを蓄積する時間を、
上記音声データの残量と上記無音区間時間長の最小値の合計値Ａが上記格納初期値を下回る場合において、上記無音区間計算部によって算出された無音区間の時間長と上記音声データの残量の合計値Ｂが上記合計値Ａ未満であれば上記合計値Ａに応じた時間長に、上記合計値Ａ以上かつ上記格納初期値未満であれば上記合計値Ｂに応じた時間長に、上記格納初期値以上であれば上記格納初期値に応じた時間長に制御し、
上記合計値Ａが上記格納初期値を上回る場合においては、上記合計値Ａに応じた時間長に制御すること
を特徴とする音声データ受信装置。
到着遅延が大きいため、受信した時点で廃棄されたパケットデータの数をカウントする遅刻パケットカウント部を備え、
バッファ制御部は、上記遅刻パケットカウント部でカウントされたパケット数に基づいて、無音区間時間長の最小値と、揺らぎ吸収バッファ部の格納初期値を決定することを特徴とする請求項１から請求項６のうちのいずれか１項記載の音声データ受信装置。
揺らぎ吸収バッファ部のオーバーフローにより、受信した時点で廃棄されたパケットデータの数をカウントするオーバーフローパケットカウント部を備え、
バッファ制御部は、上記オーバーフローパケットカウント部でカウントされたパケット数に基づいて、無音区間時間長の最小値と、揺らぎ吸収バッファ部の格納初期値を決定することを特徴とする請求項１から請求項６のうちのいずれか１項記載の音声データ受信装置。
到着遅延の揺らぎ時間を計測する到着遅延揺らぎ計測部を備え、
バッファ制御部は、上記到着遅延揺らぎ計測部で計測された到着遅延の揺らぎ時間に基づいて、無音区間時間長の最小値と、揺らぎ吸収バッファ部の格納初期値を決定することを特徴とする請求項１から請求項６のうちのいずれか１項記載の音声データ受信装置。
バッファ残量監視部で観測された、揺らぎ吸収バッファ部内の前有音区間の音声データ部分の残量に基づいて、無音区間時間長の最小値と、揺らぎ吸収バッファ部の格納初期値を決定することを特徴とする請求項１から請求項６のうちのいずれか１項記載の音声データ受信装置。
バッファ制御部の制御により得られる実際の無音区間時間長と、無音区間計算部によって算出された無音区間時間長の差に基づいて、無音区間時間長の最小値と、揺らぎ吸収バッファ部の格納初期値を決定することを特徴とする請求項１から請求項６のうちのいずれか１項記載の音声データ受信装置。
請求項４記載の音声データ受信装置にパケットデータを送信する音声データ送信装置であって、
入力された音声信号を符号化し、符号化音声信号を出力する音声符号化部と、
上記入力された音声信号が有音信号であるか、無音信号であるかを判定する有音判定部と、
上記有音判定部による判定結果に基づいて、上記符号化音声信号のうち、有音信号のみをパケットデータ化して送信するパケット送出部を備え、
上記パケット送出部は、有音区間の先頭パケットデータのヘッダに、当該有音区間の直前の無音区間の時間長の情報を含ませることを特徴とする音声データ送信装置。
請求項６記載の音声データ受信装置にパケットデータを送信する音声データ送信装置であって、
入力された音声信号を符号化し、符号化音声信号を出力する音声符号化部と、
上記入力された音声信号が有音信号であるか、無音信号であるかを判定する有音判定部と、
上記符号化音声信号を音声パケット化して送信するパケット送出部を備え、
上記パケット送出部は、上記有音判定部による判定結果に基づいて、各々のパケットデータのヘッダに、当該パケットデータの有音無音を示す識別情報を含ませることを特徴とする音声データ送信装置。