JP4836705B2

JP4836705B2 - Ｉｐ電話多者通話システム

Info

Publication number: JP4836705B2
Application number: JP2006217834A
Authority: JP
Inventors: 嘉英安藤
Original assignee: On Semiconductor Trading Ltd
Current assignee: On Semiconductor Trading Ltd
Priority date: 2006-08-10
Filing date: 2006-08-10
Publication date: 2011-12-14
Anticipated expiration: 2026-08-10
Also published as: JP2008042798A

Description

本発明は、ＩＰ電話多者通話システムに関する。

通信網を介して情報を交換することによって、遠隔地間の会議を可能とする電話会議システムが用いられている。

特許文献１には、３台の電話機を相互に繋いで３者間の会議を可能とする電話会議システムが開示されている。また、特許文献２には、複数の電話機を相互に接続して会議を行う際に、話者を表示する電話会議システムの話者表示方法が開示されている。このシステムでは、会議に用いられている電話機を表示すると共に、現在発言中の話者に対応する電話機を点滅表示する。

また、特許文献３には、３者以上で通話を行う際に、現在接続されている相手と、現在の話者を視覚的に表示できる話者通知システムが開示されている。具体的には、携帯電話端末を複数話者通話用交換機に接続し、複数話者通話用交換機は接続されている携帯電話端末の情報をそれぞれの携帯電話端末に通知するとともに、現在どの携帯電話端末の話者が話をしているか検出し、その情報を各携帯電話端末へ通知する。これによって、携帯電話端末は複数話者通話用交換機から通知される各携帯電話端末の情報を接続先／話者情報
表示部に表示するとともに、複数話者通話用交換機から通知される現在の話者情報も表示する。

また、近年、インターネット等のデジタル通信網を介して、ＵＤＰ／ＩＰ等の所定のプロトコルにそって音声信号を通信することによって複数地点を接続して会議を行う電話会議システムが用いられるようになっている。このような電話会議システムのプロトコルとしてＶｏＩＰ（ＶｏｉｃｅｏｖｅｒＩｎｔｅｒｎｅｔＰｒｏｔｏｃｏｌ）が知られている。

図８に、ＶｏＩＰに沿った電話会議システムにおいて用いられる端末の基本構成を示す。マイクなどにより端末に入力されたアナログの音声信号は、アナログ／デジタル変換器１０においてリニアＰＣＭデータ等のデジタル信号に変換され、接続される複数の端末に対応するそれぞれのエンコーダ１２ａ，１２ｂ・・・に入力される。各エンコーダ１２ａ，１２ｂ・・・では、デジタルの音声信号が符号化データに変換され、ＣＰＵ１４に受け渡される。ＣＰＵ１４では、符号化データに接続先となる端末のＩＰアドレス、送信元となる端末のＩＰアドレス等が付されたパケットに変換され、ネットワークインターフェース等を介してＩＰ網に出力される。

一方、ＩＰ網から音声情報を含むパケットが受信された場合、ＣＰＵ１４で１つ又は複数のパケットから符号化された音声データが再現される。ＣＰＵ１４は、パケットの送信元の端末をＩＰアドレスから特定し、端末毎に割り当てられているデコーダ１６ａ，１６ｂ・・・のいずれかに対応する音声データを入力する。各デコーダ１６ａ，１６ｂ・・・では、入力された符号化データをリニアＰＣＭデータ等に変換して、ミキサ１８へ入力する。ミキサ１８では、各デコーダ１６ａ，１６ｂ・・・において生成された音声データがミキシングされて、デジタル／アナログ変換器２０へ出力される。デジタル／アナログ変換器２０では、ミキシングされた音声データがアナログ信号に変換されてスピーカ等から出力される。

特開昭６２−１９５９６６号公報特開昭６４−０８５４６４号公報特開２００４−０６４２３６号公報

ところで、ＶｏＩＰに則って３以上の地点を相互に接続して通話を行う場合、通話相手が男性と女性である場合等は通話相手を容易に特定することができるが、通話相手の性別が同じであり、かつ、音声が似通っている場合には、誰が現在の話している話者なのかを特定することが困難である。そのため、会話の内容が把握し難くなり、会議がスムーズに進行し難いという問題がある。

本発明は、インターネットを介して他の通話端末からパケットを受信する受信手段と、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定する音声判定手段と、前記受信手段において受信されたパケットの送信元を特定する端末特定手段と、前記音声判定手段においてパケットに有効な音声信号が含まれていると判断された場合に、前記受信手段において当該パケットの送信元として特定された通話端末を示す表示を行う表示手段と、を備えることを特徴とする通話端末である。

上記通話端末は、例えば、通話端末を示す表示を行う表示手段を備えたコンピュータを、インターネットを介して他の通話端末からパケットを受信する受信手段と、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定する音声判定手段と、前記受信手段において受信されたパケットの送信元を特定する端末特定手段と、として機能させ、前記音声判定手段においてパケットに有効な音声信号が含まれていると判断された場合に、前記表示手段に当該パケットの送信元として特定された通話端末を示す表示を行わせることを特徴とする通話端末プログラムにより実現することができる。

このように、パケットの送信元を特定することによって、どの通話端末から送られてきた音声（有効な音声信号）が再生されているのかを容易に把握させることができる。

ここで、前記音声判定手段を複数備え、前記端末特定手段において特定されたパケットの送信元に基づいて、送信元毎に定められた前記音声判定手段に前記受信手段において受信されたパケットを入力して、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定することが好適である。これによって、複数の送信元からのパケットを扱うことが可能となる。

また、前記端末特定手段は、パケットに含まれる送信元のネットワークアドレスに基づいて前記受信手段において受信されたパケットの送信元を特定することが好適である。この場合、送信元の通話端末において特別な処理を行うことなく、ＴＣＰ／ＩＰ等のプロトコルに則った通信方式において有効な音声信号の送信元となる通話端末を容易に把握させることができる。

また、前記パケットがＲＴＰパケットである場合、前記端末特定手段は、ＲＴＰパケットに含まれる拡張部に含まれる端末特定情報に基づいて前記受信手段において受信されたパケットの送信元を特定することが好適である。ＲＴＰパケットは、リアルタイムの音声信号を通信するためのプロトコルであり、その拡張部に端末特定情報を含めることによって、有効な音声信号の送信元となる通話端末を容易に把握させることができる。

また、前記表示手段は、パケットから抽出された音声信号のエネルギー値を示すことが好適である。例えば、音声信号のエネルギー値をイコライザー形式で表示するとよい。

また、本発明は、信号内に有効な音声信号が含まれているか否かを判定する音声判定手段と、前記信号を音声データとしてパケット化してインターネットへ送出する手段であって、前記音声判定手段において前記信号内に有効な音声信号が含まれていると判定された場合に前記信号が入力された通話端末を特定する端末特定情報をパケットに付加して送信する送信手段と、を備えることを特徴とする通話端末である。

上記通話端末は、例えば、コンピュータを、信号内に有効な音声信号が含まれているか否かを判定する音声判定手段と、前記信号を音声データとしてパケット化してインターネットへ送出する手段であって、前記音声判定手段において前記信号内に有効な音声信号が含まれていると判定された場合に前記信号が入力された通話端末を特定する端末特定情報をパケットに付加して送信する送信手段と、として機能させることを特徴とする通話端末プログラムにより実現することができる。

このように、パケットの送信元を特定する端末特定情報をパケットに含めることによって、受信先となる通話端末において、パケットにどの通話端末から送られてきた音声信号が含まれているのかを容易に判定でき、その情報をユーザに呈示することができる。

ここで、前記パケットがＲＴＰパケットである場合には、前記送信手段は、ＲＴＰパケットに含まれる拡張部に前記端末特定情報を付加して送信を行うことが好適である。ＲＴＰパケットは、リアルタイムの音声信号を通信するためのプロトコルであり、その拡張部に端末特定情報を含めることによって、有効な音声信号の送信元となる通話端末を容易に把握させることができる。

また、前記送信手段は、前記信号内の有効な音声信号のエネルギー値を前記端末特定情報に含めることが好適である。これにより、受信先の通話端末において、例えば、音声信号のエネルギー値をイコライザー形式で表示することができる。

また、本発明は、インターネットを介して他の通話端末からパケットを受信する受信手段と、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定する音声判定手段と、前記受信手段において受信されたパケットの送信元を特定する端末特定手段と、音声信号をパケット化してインターネットへ送出する手段であって、前記受信手段において受信されたパケットから抽出された音声信号を音声データとしてパケット化し、前記音声判定手段において前記音声データに有効な音声信号が含まれていると判定された場合に、前記端末特定手段において特定された通話端末を示す端末特定情報を当該パケットに付加して送信する送信手段と、を備えることを特徴とする通話端末である。

上記通話端末は、例えば、コンピュータを、インターネットを介して他の通話端末からパケットを受信する受信手段と、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定する音声判定手段と、前記受信手段において受信されたパケットの送信元を特定する端末特定手段と、音声信号をパケット化してインターネットへ送出する手段であって、前記受信手段において受信されたパケットから抽出された音声信号を音声データとしてパケット化し、前記音声判定手段において前記音声データに有効な音声信号が含まれていると判定された場合に、前記端末特定手段において特定された通話端末を示す端末特定情報を当該パケットに付加して送信する送信手段と、として機能させることを特徴とする通話端末プログラムにより実現することができる。

このように、受信したパケットに有効な音声情報が含まれている場合に、そのパケットの送信元となる通話端末を特定し、そのパケットに含まれている音声情報を新たにパケット化して転送する際にその通話端末を特定する端末特定情報をパケットに付加することによって、そのパケットの受信先となる通話端末において、そのパケットにどの通話端末から送られてきた音声信号が含まれているのかを容易に判定でき、その情報をユーザに呈示することができる。

さらに、音声の入力を受けて音声信号を生成する音声入力手段と、前記音声入力手段において生成された音声信号に有効な音声信号が含まれているか否かを判定する音声検出手段と、を備え、前記送信手段は、前記音声入力手段において生成された音声信号及び前記受信手段において受信されたパケットから抽出された音声信号を音声データとしてパケット化し、前記音声判定手段において前記音声データに有効な音声信号が含まれていると判定された場合に前記端末特定手段において特定された通話端末を示す端末特定情報を当該パケットに付加し、前記音声検出手段において有効な音声信号が含まれていると判定された場合に前記音声入力手段を備える通話端末を示す端末特定情報を当該パケットに付加して送信することも好適である。

このように通話端末は、前記通話端末プログラムにおいて、さらに音声入力手段を備えたコンピュータを、前記音声入力手段において生成された音声信号に有効な音声信号が含まれているか否かを判定する音声検出手段と、として機能させ、前記送信手段は、前記音声入力手段において生成された音声信号及び前記受信手段において受信されたパケットから抽出された音声信号を音声データとしてパケット化し、前記音声判定手段において前記音声データに有効な音声信号が含まれていると判定された場合に前記端末特定手段において特定された通話端末を示す端末特定情報を当該パケットに付加し、前記音声検出手段において有効な音声信号が含まれていると判定された場合に前記音声入力手段を備える通話端末を示す端末特定情報を当該パケットに付加して送信する手段として機能させる通話端末プログラムにより実現することができる。

これによって、受信したパケットに含まれる音声情報に加えて、新たに音声入力手段で取得された音声信号もパケットに含めて送信することができる。このとき、新たに取得された音声信号に有効な音声信号が含まれている場合、送信元となる通話端末を特定する端末特定情報をパケットに付加することによって、そのパケットの受信先となる通話端末において、そのパケットに新たな音声信号がどの通話端末から送信されてきたのかを容易に判定でき、その情報をユーザに呈示することができる。

また、前記音声判定手段を複数備え、前記端末特定手段において特定されたパケットの送信元に基づいて、送信元毎に定められた前記音声判定手段に前記受信手段において受信されたパケットを入力して、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定し、前記送信手段は、複数の前記音声判定手段のうち音声データに有効な音声信号が含まれていると判定した音声判定手段に対応する送信元である通話端末を示す端末特定情報をパケットに付加して送信することが好適である。これによって、複数の送信元からのパケットを扱うことが可能となる。

また、前記音声判定手段においてパケットに有効な音声信号が含まれていると判断された場合に、前記受信手段において当該パケットの送信元として特定された通話端末を示す表示を行う表示手段をさらに備えることが好適である。このように、パケットの送信元を特定することによって、どの通話端末から送られてきた音声（有効な音声信号）が再生されているのかを容易に把握させることができる。

また、前記パケットがＲＴＰパケットである場合、前記送信手段は、ＲＴＰパケットに含まれる拡張部に前記端末特定情報を付加して送信を行うことが好適である。ＲＴＰパケットの拡張部に端末特定情報を含めることによって、有効な音声信号の送信元となる通話端末を容易に把握させることができる。

本発明によれば、ＩＰ電話により多者通話を行う際に、話者（通話端末）を容易に把握することができる。

＜第１の実施の形態＞
図１に、本発明の実施の形態における電話会議システムの構成の概念図を示す。ここでは、Ａさん、Ｂさん、Ｃさんの３者間においてＶｏＩＰに則って電話会議を行う場合について示している。ただし、これに限定されるものではなく、さらに多くの地点を接続して会議を行う場合も同様である。

Ａさんが使用する通話端末１００Ａからは、Ｂさん及びＣさんの使用する通話端末１００Ｂ，１００ＣへそれぞれＡさんの音声データが送信される。同様に、Ｂさんが使用する通話端末１００Ｂからは、Ａさん及びＣさんの使用する通話端末１００Ａ，１００ＣへそれぞれＢさんの音声データが送信される。また、Ｃさんが使用する通話端末１００Ｃからは、Ａさん及びＢさんの使用する通話端末１００Ａ，１００ＢへそれぞれＣさんの音声データが送信される。

図２に、通話端末１００Ａ，１００Ｂ，１００Ｃの構成を示す。通話端末１００Ａ，１００Ｂ，１００Ｃは、それぞれ同様の構成を有しており、マイク３０、アナログ／デジタル変換器３２、エンコーダ３４、ＣＰＵ３６、通信インターフェース３８、デコーダ４０ａ，４０ｂ、ミキサ４２、スピーカ４４及び話者表示部４６を含んで構成される。通話端末１００Ａは、通信インターフェース３８を介して、インターネットに接続されており、ＵＤＰ／ＩＰプロトコル上で展開されるＶｏＩＰにより他の通話端末と音声信号の通信を行う。

まず、通話端末１００Ａから他の通話端末１００Ｂ，１００Ｃへ音声データを送信する場合について説明する。以下の処理は通話端末１００Ａで行われる。

マイク３０を用いてＡさんが音声を入力すると、アナログ／デジタル変換器３２において音声信号がデジタル化されたリニアＰＣＭデータに変換されてエンコーダ３４に入力される。エンコーダ３４では、リニアＰＣＭデータに変換された音声信号が符号化される。音声信号のダイナミックレンジを５０ｄＢ程度に設定した場合、１２ビット程度のデジタル信号に量子化及び符号化すればよい。符号化された音声データはＣＰＵ３６に入力される。

ＣＰＵ３６は、音声データをＶｏＩＰに則ったＲＴＰパケット（Ｒｅａｌ−ＴｉｍｅＴｒａｎｓｐｏｒｔＰｒｏｔｏｃｏｌＰａｃｋｅｔ）に変換する。符号データ毎のフレーミングは、ＲＦＣ３５５１やＲＦＣ１８８９等のプロトコルに則って行われる。

ＲＴＰパケットは、図３に示すように、ＩＰヘッダ部、ＵＤＰヘッダ部、ＲＴＰヘッダ部及び符号データ部を含んで構成される。ＲＴＰでは、符号データのフレーミングを行う。ＰＴＰヘッダ部は、基本部は８ビット×１５のビット数で構成され、図４に示すように、識別部、シーケンス番号、タイムスタンプ、同期送信元（ＳＳＲＣ）識別子及び寄与送信元（ＣＳＲＣ）識別子を含む。

識別部は、ＲＴＰのバージョン番号（ＲＦＣ１８８９は２）を示すバージョンビット（Ｖ）、パディング・データを示すパディングビット（Ｐ）、拡張ヘッダの有無を示す拡張ビット（Ｘ）、ＣＳＲＣ識別子の数を示すＣＳＲＣビット（ＣＣ）、使用方法が次のペイロードタイプ毎に定義可能なマーカービット（Ｍ）、伝送する符号データの種類を示すペイロードタイプビット（ＰＴ）を含んで構成される。

ＣＰＵ３６は、図３に示すように、さらにＲＴＰパケットにＵＤＰヘッダ及びＩＰヘッダを付加して音声データをインターネットで送信可能なパケットに変換する。すなわち、Ｂさんが使用する通信端末１００Ｂに送信されるパケットには、送信元となるＡさんの使用する通話端末１００ＡのＩＰアドレス及び送信先となるＢさんの使用する通信端末１００ＢのＩＰアドレスが付与される。また、Ｃさんが使用する通信端末１００Ｃに送信されるパケットには、送信元となるＡさんの使用する通話端末１００ＡのＩＰアドレス及び送信先となるＣさんの使用する通信端末１００ＣのＩＰアドレスが付与される。

ＣＰＵ３６においてパケット化された音声データは、通信インターフェース３８を介してネットワークへ送出される。これによって、ネットワークを介して、Ａさんの通話端末１００Ａから通話端末１００Ｂ，１００ＣのそれぞれのＩＰアドレスが送信先として付与されたパケットが送信される。

Ｂさんが使用する通話端末１００Ｂから通話端末１００Ａ，１００Ｃへ音声データを送信する場合、Ｃさんが使用する通話端末１００Ｃから通話端末１００Ａ，１００Ｂへ音声データを送信する場合も同様に処理が行われる。

次に、通話端末１００Ａにおいて他の通話端末１００Ｂ，１００Ｃから送信されてきた音声データを受信する場合について説明する。以下の処理は通話端末１００Ａで行われる。

ＣＰＵ３６は、通信インターフェース３８を介して、通話端末１００ＡのＩＰアドレスが送信先として付加されているパケットをネットワークから受信する。ＣＰＵ３６は、受信したパケット毎に付されている送信元の通話端末のＩＰアドレスから、その送信元が通話端末１００Ｂか通話端末１００Ｃであるかを判定し、送信元毎にパケットに含まれる符号データを組み合わせて音声データを再現する。

ＣＰＵ３６は、１組のパケット群から音声データを再現すると、通話端末毎に設けられているデコーダに音声データを出力する。すなわち、通話端末１００Ｂが送信元であるパケットから再現された音声データはデコーダ４０ａへ入力され、通話端末１００Ｃが送信元であるパケットから再現された音声データはデコーダ４０ｂへ入力される。

デコーダ４０ａ，４０ｂは、ＣＰＵ３６から入力された音声データをリニアＰＣＭデータの音声信号に復号化する。すなわち、デコーダ４０ａでは、Ｂさんが使用する通話端末１００Ｂから送信されてきた音声データが復号化される。また、デコーダ４０ｂでは、Ｃさんが使用する通話端末１００Ｃから送信されてきた音声データが復号化される。復号化された音声信号はミキサ４２へ出力される。

さらに、デコーダ４０ａ，４０ｂは、既存のＶＡＤ方法（ＶｏｉｃｅＡｃｔｉｖｉｔｙＤｅｔｅｃｔｉｏｎ）等によりそれぞれが復号化する音声データ内に有効な音声信号が含まれているか否かを判定して、有効な音声信号が含まれているか否かを示す音声フラグを話者表示部４６へ出力する。

ミキサ４２は、デコーダ４０ａ，４０ｂから入力された音声信号をミキシングしてスピーカ４４へ送信し、音声として出力させる。このとき、スピーカ４４にはデジタル／アナログ変換器及びアンプ等を設けてデジタル信号をアナログ信号に変換して、音声信号を増幅するなどの処理を行ってもよい。

話者表示部４６は、デコーダ４０ａ，４０ｂから入力された音声フラグに基づいて、現在スピーカ４４から出力されている音声の話者が誰であるかを示す表示を行う。例えば、話者表示部４６は、通話端末１００Ｂ，１００Ｃ毎に対応する発光ダイオードを備えており、デコーダ４０ａ，４０ｂから入力された音声フラグに基づいて有効音声信号を含む音声データの送信元である通話端末１００Ｂ，１００Ｃに対応する発光ダイオードを点灯させる。すなわち、デコーダ４０ａから入力された音声フラグが有効音声信号を含むことを示しているものである場合には通話端末１００Ｂに対応する発光ダイオードを点灯させ、デコーダ４０ｂから入力された音声フラグが有効音声信号を含むことを示しているものである場合には通話端末１００Ｃに対応する発光ダイオードを点灯させる。

なお、デコーダ４０ａ，４０ｂでは、復号化する音声データ内の有効な音声信号のエネルギーを検出してそのエネルギー値を示すエネルギー信号を話者表示部４６へ出力するものとしてもよい。この場合、話者表示部４６は、デコーダ４０ａ，４０ｂから入力されたエネルギー信号に基づいて、現在スピーカ４４から出力されている音声の話者毎にその音声のエネルギーを示す表示を行う。例えば、話者表示部４６は、通話端末１００Ｂ，１００Ｃ毎にイコライザー形式の表示部を備えており、デコーダ４０ａ，４０ｂから入力されたエネルギー信号に基づいて有効音声信号を含む音声データの送信元である通話端末１００Ｂ，１００Ｃに対応する表示部を点灯させる。すなわち、デコーダ４０ａから入力されたエネルギー信号に応じて通話端末１００Ｂに対応するイコライザー形式の発光部を点灯させ、デコーダ４０ｂから入力されたエネルギー信号に応じて通話端末１００Ｃに対応するイコライザー形式の発光部を点灯させる。

Ｂさんが使用する通話端末１００Ｂにおいて通話端末１００Ａ，１００Ｃから送信されてきた音声データを受信・再生する場合、Ｃさんが使用する通話端末１００Ｃにおいて通話端末１００Ａ，１００Ｂから送信された音声データを受信・再生する場合も同様に処理が行われる。

＜第２の実施の形態＞
図５に、本発明の実施の形態における電話会議システムの構成の概念図を示す。ここでは、Ａさん、Ｂさん、Ｃさんの３者間においてＶｏＩＰに則って電話会議を行う場合について示している。ただし、これに限定されるものではなく、さらに多くの地点を接続して会議を行う場合も同様である。

Ａさんが使用する通話端末２００ＡにはＢさん及びＣさんの使用する通話端末２００Ｂ，２００Ｃから音声データか直接送信される。一方、Ｂさんが使用する通話端末２００Ｂへは、Ａさんの使用する通話端末２００Ａからの音声信号とＣさんの使用する通話端末２００Ｃからの音声信号とが重畳された音声データがＡさんの使用する通話端末２００Ａから送信される。また、Ｃさんが使用する通話端末２００Ｃへは、Ａさんの使用する通話端末２００Ａからの音声信号とＢさんの使用する通話端末２００Ｂからの音声信号とが重畳された音声データがＡさんの使用する通話端末２００Ａから送信される。

図６に、本実施の形態における通話端末２００Ａの構成を示す。通話端末２００Ａは、マイク３０、アナログ／デジタル変換器３２、音声検出部３１、ミキサ３３ａ，３３ｂ、エンコーダ３４ａ，３４ｂ、ＣＰＵ３６、通信インターフェース３８、デコーダ４０ａ，４０ｂ、ミキサ４２、スピーカ４４及び話者表示部４６を含んで構成される。通話端末２００Ａにおいて、上記通話端末１００Ａと同じ機能を有する構成要素には同じ符号を付している。

通話端末２００Ａは、通信インターフェース３８を介して、インターネットに接続されており、ＵＤＰ／ＩＰプロトコル上で展開されるＶｏＩＰにより他の通話端末と音声信号の通信を行う。

まず、通話端末２００Ａにおいて他の通話端末２００Ｂ，２００Ｃから送信されてきた音声データを受信する場合について説明する。以下の処理は通話端末２００Ａで行われる。

ＣＰＵ３６は、通信インターフェース３８を介して、通話端末２００ＡのＩＰアドレスが送信先として付加されているパケットをネットワークから受信する。ＣＰＵ３６は、受信したパケット毎に付されている送信元の通話端末のＩＰアドレスから、その送信元が通話端末２００Ｂか通話端末２００Ｃであるかを判定し、送信元毎にパケットに含まれる符号データを組み合わせて音声データを再現する。

ＣＰＵ３６は、１組のパケット群から音声データを再現すると、通話端末毎に設けられているデコーダに音声データを出力する。すなわち、通話端末２００Ｂが送信元であるパケットから再現された音声データはデコーダ４０ａへ入力され、通話端末２００Ｃが送信元であるパケットから再現された音声データはデコーダ４０ｂへ入力される。

デコーダ４０ａ，４０ｂは、ＣＰＵ３６から入力された音声データをリニアＰＣＭデータの音声信号に復号化する。すなわち、デコーダ４０ａでは、Ｂさんが使用する通話端末２００Ｂから送信されてきた音声データが復号化される。また、デコーダ４０ｂでは、Ｃさんが使用する通話端末２００Ｃから送信されてきた音声データが復号化される。本実施の形態では、復号化された音声信号はミキサ４２へ出力されると共に、エンコーダ３４ａ，３４ｂにも出力される。

なお、本実施の形態においても、デコーダ４０ａ，４０ｂは、既存のＶＡＤ方法（ＶｏｉｃｅＡｃｔｉｖｉｔｙＤｅｔｅｃｔｉｏｎ）等によりそれぞれが復号化する音声データ内に有効な音声信号が含まれているか否かを判定して、有効な音声信号が含まれているか否かを示す音声フラグを話者表示部４６へ出力すると共に、ＣＰＵ３６へ出力する。

ミキサ４２は、デコーダ４０ａ，４０ｂから入力された音声信号をミキシングしてスピーカ４４へ送信し、音声として出力させる。このとき、アンプ等を設けて音声信号を増幅するなどの処理を行ってもよい。

話者表示部４６は、デコーダ４０ａ，４０ｂから入力された音声フラグに基づいて、現在スピーカ４４から出力されている音声の話者が誰であるかを示す表示を行う。上記第１の実施の形態と同様に、話者表示部４６は、通話端末２００Ｂ，２００Ｃ毎に対応する発光ダイオードを備えており、デコーダ４０ａ，４０ｂから入力された音声フラグに基づいて有効音声信号を含む音声データの送信元である通話端末２００Ｂ，２００Ｃに対応する発光ダイオードを点灯させる。また、デコーダ４０ａ，４０ｂでは、復号化する音声データ内の有効な音声信号のエネルギーを検出してそのエネルギー値を示すエネルギー信号を話者表示部４６へ出力するものとし、話者表示部４６は、デコーダ４０ａ，４０ｂから入力されたエネルギー信号に基づいてイコライザー形式に表示部を点灯させるものとしてもよい。

次に、通話端末２００Ａから他の通話端末２００Ｂ，２００Ｃへ音声データを送信する場合について説明する。以下の処理は通話端末２００Ａで行われる。

マイク３０を用いてＡさんが音声を入力すると、アナログ／デジタル変換器３２において音声信号がデジタル化されたリニアＰＣＭデータに変換されて音声検出部３１及びミキサ３３ａ，３３ｂに入力される。

音声検出部３１は、アナログ／デジタル変換器３２からの信号を受けて、既存のＶＡＤ方法（ＶｏｉｃｅＡｃｔｉｖｉｔｙＤｅｔｅｃｔｉｏｎ）等により信号に有効な音声信号が含まれているか否かを判定して、有効な音声信号が含まれているか否かを示す音声フラグをＣＰＵ３６へ出力する。すなわち、音声検出部３１では、マイク３０にＡさんの音声が入力されているか否かを判定し、Ａさんの音声信号が含まれているか否かを示す音声フラグをＣＰＵ３６へ出力する。

ミキサ３３ａは、アナログ／デジタル変換器３２から出力されたＡさんの音声信号と、上記処理によってデコーダからＢさんの通話端末２００Ｂから送信されてきたパケットから再現されたＢさんの音声信号と、を受けて、それらの信号をミキシングしてエンコーダ３４ａへ出力する。ミキサ３３ｂは、アナログ／デジタル変換器３２から出力されたＡさんの音声信号と、上記処理によってデコーダからＣさんの通話端末２００Ｃから送信されてきたパケットから再現されたＣさんの音声信号と、を受けて、それらの信号をミキシングしてエンコーダ３４ｂへ出力する。

エンコーダ３４ａは、ミキサ３３ａから信号を受けて、Ａさん及びＢさんの音声をミキシングして得られたリニアＰＣＭデータを符号化する。符号化された音声データはＣＰＵ３６に入力される。エンコーダ３４ｂは、ミキサ３３ｂから信号を受けて、Ａさん及びＣさんの音声をミキシングして得られたリニアＰＣＭデータを符号化する。符号化された音声データはＣＰＵ３６に入力される。

ＣＰＵ３６は、エンコーダ３４ａ，３４ｂから音声データを受けて、それぞれをＶｏＩＰに則ったＲＴＰパケット（Ｒｅａｌ−ＴｉｍｅＴｒａｎｓｐｏｒｔＰｒｏｔｏｃｏｌＰａｃｋｅｔ）に変換する。符号データ毎のフレーミングは、ＲＦＣ３５５１やＲＦＣ１８８９等のプロトコルに則って行われる。ＲＴＰヘッダ部は、図４に示したように、識別部、シーケンス番号、タイムスタンプ、同期送信元（ＳＳＲＣ）識別子及び寄与送信元（ＣＳＲＣ）識別子を含むが、本実施の形態では、寄与送信元（ＣＳＲＣ）識別子の後にさらに拡張部を備える。

ＣＰＵ３６は、ＲＴＰヘッダの識別部における拡張ビット（Ｘ）を１とする。これにより、ＲＴＰパケットに拡張部が含まれることが示される。拡張部には、音声データに含まれる音声信号を受け付けた通話端末を特定する端末特定情報が設定される。すなわち、ＣＰＵ３６は、音声検出部３１及びデコーダ４０ａ，４０ｂから音声フラグを受けて、ＲＴＰパケットに載せられる符号データに含まれる音声データが入力された通話端末がどれであるかを示す端末特定情報をＲＴＰパケットに拡張部に設定する。

すなわち、音声検出部３１からの音声フラグがＡさんの音声が含まれることを示していれば、Ａさん及びＢさんの音声信号を符号化した音声データを載せるＲＴＰパケット及びＡさん及びＣさんの音声信号を符号化した音声データを載せるＲＴＰパケットのいずれかの拡張部にＡさんが使用する通話端末２００Ａを特定する端末特定情報を設定する。さらに、デコーダ４０ａからの音声フラグがＢさんの音声が含まれることを示していれば、Ａさん及びＢさんの音声信号を符号化した音声データを載せるＲＴＰパケットの拡張部にＢさんが使用する通話端末２００Ｂを特定する端末特定情報を設定する。同様に、デコーダ４０ｂからの音声フラグがＣさんの音声が含まれることを示していれば、Ａさん及びＣさんの音声信号を符号化した音声データを載せるＲＴＰパケットの拡張部にＣさんが使用する通話端末２００Ｃを特定する端末特定情報を設定する。

ＣＰＵ３６は、図３に示すように、さらにＲＴＰパケットにＵＤＰヘッダ及びＩＰヘッダを付加して音声データをインターネットで送信可能なパケットに変換する。すなわち、Ａさん及びＣさんの音声信号を符号化した音声データを載せたＲＴＰパケットはＢさんが使用する通信端末２００Ｂに送信されるパケットであるので、送信元となるＡさんの使用する通話端末２００ＡのＩＰアドレス及び送信先となるＢさんの使用する通信端末２００ＢのＩＰアドレスが付与される。また、Ａさん及びＢさんの音声信号を符号化した音声データを載せたＲＴＰパケットはＣさんが使用する通信端末２００Ｃに送信されるパケットであるので、送信元となるＡさんの使用する通話端末２００ＡのＩＰアドレス及び送信先となるＣさんの使用する通信端末２００ＣのＩＰアドレスが付与される。

ＣＰＵ３６においてパケット化された音声データは、通信インターフェース３８を介してネットワークへ送出される。これによって、ネットワークを介して、Ａさんの通話端末２００Ａから通話端末２００Ｂ，２００ＣのそれぞれのＩＰアドレスが送信先として付与されたパケットが送信される。

図７に、本実施の形態における通話端末２００Ｂ，２００Ｃの構成を示す。通話端末２００Ｂ，２００Ｃは、マイク３０、アナログ／デジタル変換器３２、エンコーダ３４、ＣＰＵ３６、通信インターフェース３８、デコーダ４０、スピーカ４４及び話者表示部４６を含んで構成される。通話端末２００Ｂ，２００Ｃにおいて、上記通話端末２００Ａと同じ機能を有する構成要素には同じ符号を付している。

通話端末２００Ｂ，２００Ｃは、通信インターフェース３８を介して、インターネットに接続されており、ＵＤＰ／ＩＰプロトコル上で展開されるＶｏＩＰにより通話端末２００Ａと音声信号の通信を行う。

まず、通話端末２００Ｂにおいて通話端末２００Ａから送信されてきた音声データを受信する場合について説明する。以下、通話端末２００Ｂで行われる処理について説明するが、通話端末２００Ｃにおいても同様に通話端末２００Ａから送信されてきた音声データを受信することができる。

ＣＰＵ３６は、通信インターフェース３８を介して、通話端末２００ＢのＩＰアドレスが送信先として付加されているパケットをネットワークから受信する。ＣＰＵ３６は、パケットに含まれる符号データを組み合わせて音声データを再現する。ＣＰＵ３６は、１組のパケット群から音声データを再現すると、通話端末毎に設けられているデコーダ４０に音声データを出力する。

また、ＣＰＵ３６は、ＲＴＰヘッダの識別部における拡張ビット（Ｘ）が１であると、ＲＴＰパケットの拡張部を調査し、拡張部に設定されている端末特定情報を抽出する。拡張部に端末特定情報が含まれていない場合、受信したＲＴＰパケットに載せられた信号に誰の音声も含まれていないことを示す音声フラグ（例えば０）を話者表示部４６へ出力する。拡張部にＡさんが使用する通話端末２００Ａの端末特定情報のみが含まれている場合、受信したＲＴＰパケットに載せられた信号にＡさんの音声のみが含まれていることを示す音声フラグ（例えば１）を話者表示部４６へ出力する。拡張部にＣさんが使用する通話端末２００Ｃの端末特定情報のみが含まれている場合、受信したＲＴＰパケットに載せられた信号にＣさんの音声のみが含まれていることを示す音声フラグ（例えば２）を話者表示部４６へ出力する。拡張部にＡさん及びＣさんが使用する通話端末２００Ａ，２００Ｃの両方の端末特定情報が含まれている場合、受信したＲＴＰパケットに載せられた信号にＡさん及びＣさんの音声が含まれていることを示す音声フラグ（例えば３）を話者表示部４６へ出力する。

デコーダ４０は、ＣＰＵ３６から入力された音声データをリニアＰＣＭデータの音声信号に復号化する。デコーダ４０から出力された音声信号はスピーカ４４へ送信され、音声として出力される。このとき、スピーカ４４にアンプ等を設けて音声信号を増幅するなどの処理を行ってもよい。

話者表示部４６は、ＣＰＵ３６から入力された音声フラグに基づいて、現在スピーカ４４から出力されている音声の話者が誰であるかを示す表示を行う。話者表示部４６は、Ａさんの通話端末２００Ａ及びＣさんの通話端末２００Ｃ毎に対応する発光ダイオードを備えており、ＣＰＵ３６から入力された音声フラグに基づいて有効音声信号を含む音声データの送信元である通話端末２００Ａ，２００Ｃに対応する発光ダイオードを点灯させる。

具体的には、誰の音声も含まれていないことを示す音声フラグ（例えば０）を受信した場合、話者表示部４６へ出力する。拡張部に通話端末２００Ａの端末特定情報のみが含まれている場合、通話端末２００Ａ，２００Ｃに対応する発光ダイオードのいずれも点灯させない。Ａさんの通話端末２００Ａから入力された音声のみが含まれていることを示す音声フラグ（例えば１）を受信した場合、通話端末２００Ａに対応する発光ダイオードのみを点灯させる。Ｃさんの通話端末２００Ｃから入力された音声のみが含まれていることを示す音声フラグ（例えば２）を受信した場合、通話端末２００Ｃに対応する発光ダイオードのみを点灯させる。Ａさん及びＣさんの通話端末２００Ａ，２００Ｃの両方から入力された音声が含まれていることを示す音声フラグ（例えば３）を受信した場合、通話端末２００Ａ，２００Ｃに対応する両方の発光ダイオードを点灯させる。

次に、通話端末２００Ｂから通話端末２００Ａへ音声データを送信する場合について説明する。以下、通話端末２００Ｂで行われる処理について説明するが、通話端末２００Ｃにおいても同様に処理することができる。

マイク３０を用いてＢさんが音声を入力すると、アナログ／デジタル変換器３２において音声信号がデジタル化されたリニアＰＣＭデータに変換されてエンコーダ３４に入力される。エンコーダ３４では、リニアＰＣＭデータに変換された音声信号が符号化される。符号化された音声データはＣＰＵ３６に入力される。

ＣＰＵ３６は、音声データをＶｏＩＰに則ったＲＴＰパケット（Ｒｅａｌ−ＴｉｍｅＴｒａｎｓｐｏｒｔＰｒｏｔｏｃｏｌＰａｃｋｅｔ）に変換する。符号データ毎のフレーミングは、ＲＦＣ３５５１やＲＦＣ１８８９等のプロトコルに則って行われる。ＣＰＵ３６は、さらにＲＴＰパケットにＵＤＰヘッダ及びＩＰヘッダを付加して音声データをインターネットで送信可能なパケットに変換する。すなわち、送信元となるＢさんの使用する通話端末２００ＢのＩＰアドレス及び送信先となるＡさんの使用する通信端末２００ＡのＩＰアドレスが付与される。

ＣＰＵ３６においてパケット化された音声データは、通信インターフェース３８を介してネットワークへ送出される。これによって、ネットワークを介して、Ｂさんの通話端末２００Ｂから通話端末２００ＡのＩＰアドレスが送信先として付与されたパケットが送信される。

なお、本実施の形態では、通話端末２００Ａにおける音声検出部３１及びデコーダ４０ａ，４０ｂにおいて有効な音声信号が含まれるか否かを示す音声フラグを生成するものとしたが、これらにおいて音声信号内の有効な音声信号のエネルギーを検出してそのエネルギー値を示すエネルギー信号をＣＰＵ３６へ出力するものとしてもよい。この場合、ＣＰＵ３６は、ＲＴＰパケットに乗せられる音声データに含まれる有効な音声信号の話者毎のエネルギー値をＲＴＰパケットの拡張部に設定する。一方、受け手となる通話端末２００Ｂ，２００ＣのＣＰＵ３６では、ＲＴＰパケットの拡張部に設定された話者毎のエネルギー値を抽出して話者表示部４６へ出力する。話者表示部４６では、入力された信号に基づいて、話者毎にエネルギー値をイコライザー形式に表示させる。

なお、音声検出部３１、ミキサ３３、エンコーダ３４、ＣＰＵ３６、デコーダ４０、ミキサ４２の機能は、デジタルシグナルプロセッサ（ＤＳＰ：ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｏｒ）において通話端末プログラムを実行することによって実現することもできる。すなわち、通信インターフェース３８において受信されたパケットから得られた音声データをＤＳＰ内で上記の通り処理することによって本願第１及び第２の実施の形態における通話端末を実現することができる。

第１の実施の形態における電話会議システムの構成を説明するための図である。第１の実施の形態における通話端末の構成を示すブロック図である。ＲＴＰパケットの構成を示す図である。ＲＴＰヘッダの構成を示す図である。第２の実施の形態における電話会議システムの構成を説明するための図である。第２の実施の形態における通話端末の構成を示すブロック図である。第２の実施の形態における通話端末の構成を示すブロック図である。従来の電話会議システムにおける通話端末の構成を示すブロック図である。

符号の説明

１０アナログ／デジタル変換器、１２ａ，１２ｂエンコーダ、１６ａ，１６ｂデコーダ、１８ミキサ、２０デジタル／アナログ変換器、３０マイク、３１音声検出部、３２アナログ／デジタル変換器、３３ａ，３３ｂミキサ、３４，３４ａ，３４ｂエンコーダ、３６ＣＰＵ、３８通信インターフェース、４０，４０ａ，４０ｂデコーダ、４２ミキサ、４４スピーカ、４６話者表示部、１００Ａ〜Ｃ，２００Ａ〜２００Ｃ通話端末。

Claims

インターネットを介して他の通話端末からパケットを受信する受信手段と、
前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定する音声判定手段と、
前記受信手段において受信されたパケットの送信元を特定する端末特定手段と、
音声の入力を受けて音声信号を生成する音声入力手段と、
前記音声入力手段において生成された音声信号に有効な音声信号が含まれているか否かを判定する音声検出手段と
音声信号をパケット化してインターネットへ送出する送信手段と、
を備え、
前記送信手段は、前記音声入力手段において生成された音声信号及び前記受信手段において受信されたパケットから抽出された音声信号を音声データとしてパケット化し、前記音声判定手段において前記音声データに有効な音声信号が含まれていると判定された場合に前記端末特定手段において特定された通話端末を示す端末特定情報を当該パケットに付加し、前記音声検出手段において有効な音声信号が含まれていると判定された場合に前記音声入力手段を備える通話端末を示す端末特定情報を当該パケットに付加して送信することを特徴とする通話端末。
請求項１に記載の通話端末であって、
前記音声判定手段を複数備え、
前記端末特定手段において特定されたパケットの送信元に基づいて、送信元毎に定められた前記音声判定手段に前記受信手段において受信されたパケットを入力して、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定し、
前記送信手段は、複数の前記音声判定手段のうち音声データに有効な音声信号が含まれていると判定した音声判定手段に対応する送信元である通話端末を示す端末特定情報をパケットに付加して送信することを特徴とする通話端末。
請求項１又は２に記載の通話端末であって、
前記音声判定手段においてパケットに有効な音声信号が含まれていると判断された場合に、前記受信手段において当該パケットの送信元として特定された通話端末を示す表示を行う表示手段をさらに備えることを特徴とする通話端末。
請求項１〜３のいずれか１つに記載の通話端末であって、
前記パケットはＲＴＰパケットであり、
前記送信手段は、ＲＴＰパケットに含まれる拡張部に前記端末特定情報を付加して送信を行うことを特徴とする通話端末。
請求項１〜４のいずれか１つに記載の通話端末であって、
前記送信手段は、前記信号内の有効な音声信号のエネルギー値を前記端末特定情報に含めることを特徴とする通話端末。
コンピュータを、
インターネットを介して他の通話端末からパケットを受信する受信手段と、
前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定する音声判定手段と、
前記受信手段において受信されたパケットの送信元を特定する端末特定手段と、
音声の入力を受けて音声信号を生成する音声入力手段と、
前記音声入力手段において生成された音声信号に有効な音声信号が含まれているか否かを判定する音声検出手段と、
音声信号をパケット化してインターネットへ送出する送信手段と、
を備え、
前記送信手段は、前記音声入力手段において生成された音声信号及び前記受信手段において受信されたパケットから抽出された音声信号を音声データとしてパケット化し、前記音声判定手段において前記音声データに有効な音声信号が含まれていると判定された場合に前記端末特定手段において特定された通話端末を示す端末特定情報を当該パケットに付加し、前記音声検出手段において有効な音声信号が含まれていると判定された場合に前記音声入力手段を備える通話端末を示す端末特定情報を当該パケットに付加して送信するように機能させることを特徴とする通話端末プログラム。
請求項６に記載の通話端末プログラムであって、
前記音声判定手段を複数備え、
前記端末特定手段において特定されたパケットの送信元に基づいて、送信元毎に定められた前記音声判定手段に前記受信手段において受信されたパケットを入力して、前記受信手段において受信されたパケットに含まれている音声データに有効な音声信号が含まれているか否かを判定し、
前記送信手段は、複数の前記音声判定手段のうち音声データに有効な音声信号が含まれていると判定した音声判定手段に対応する送信元である通話端末を示す端末特定情報をパケットに付加して送信することを特徴とする通話端末プログラム。
請求項６又は７に記載の通話端末プログラムであって、
前記音声判定手段においてパケットに有効な音声信号が含まれていると判断された場合に、前記受信手段において当該パケットの送信元として特定された通話端末を示す表示を行う表示手段をさらに備えることを特徴とする通話端末プログラム。
請求項６〜８のいずれか１つに記載の通話端末プログラムであって、
前記パケットはＲＴＰパケットであり、
前記送信手段は、ＲＴＰパケットに含まれる拡張部に前記端末特定情報を付加して送信を行うことを特徴とする通話端末プログラム。
請求項６〜９のいずれか１つに記載の通話端末プログラムであって、
前記送信手段は、前記信号内の有効な音声信号のエネルギー値を前記端末特定情報に含めることを特徴とする通話端末プログラム。