JP5185631B2 - マルチメディア会議方法および信号 - Google Patents

Description

本発明は、電話会議に関し、より詳細には、使用する計算およびネットワーク資源を最小限にしながら、多数の音声エンドポイント例えば電話と共に会議を行うための方法に関する。

従来、電話通信は、電話間の２当事者の通話をモデルとしている。すなわち、電話通信は、２つの同等の電話の間に確立され、それぞれが、互いの電話の間の音声信号の送信器と受話器の両方の役割をする。電話間の接続を確立および管理する呼制御システムは、各電話内にローカルに具現されても、何らかのネットワークを介して電話と通信することができる遠隔資源に具現されてもよい。しかし、最終的には、１または複数の参加者と共に「会議」をする、または多者間通話を確立することが可能になる。

電話会議システムを、制御プレーンおよびメディア・プレーンとしばしば称される２つのモジュールから成るものとしてモデル化することは有用である。制御プレーンは、電話会議中に発生する制御信号伝達を取り扱う。メディア・プレーンは、電話会議中の電話会議参加者の間のメディア（オーディオ、ビデオ、および／またはテキスト）の配信を取り扱う。電話会議は、同時に活動状態になることがあるメディアの複数のソースからなるため、複数のソースからのメディアが、一緒に「混合」される、または、メディア・タイプに適切な何らかの方法で組み合わされることがある。混合モデルは、しばしばメディア・プレーンの一部と見なされ、混合を行う１つまたは複数の資源は、メディア・プレーンの設計および制御プレーンの動作に、しばしば影響する。

両方のプレーンのモデルまたはアーキテクチャは、今日まで、３つの異なるパラダイムに準じている。第１のパラダイムによれば、電話会議の各参加者の間に別個の直接的通信リンクが確立される。これらの各リンクは、同時に進行することが可能とされ、例えば、ある通話について４人のメンバーが存在する場合、各メンバーは、他の３人の参加者に直接接続されるようになされる。こうしたアーキテクチャは、しばしば「フルメッシュ」と呼ばれる。フルメッシュでは、各参加者は、制御信号および／またはメディアを他のすべての参加者に同時に送信する。この設計は、実装が単純で直接的であるが、計算および伝送資源の利用という点から、特にメディア・プレーンにおいて非効率的であり、フルメッシュ・アキテクチャは、少数の参加者、例えば５人以下の参加者からなる会議に適切であるが、参加者数が増大するに従って実用的でなくなる。

もう１つのアーキテクチャは、「スター」であり、会議の各参加者は、共用の「集中」会議サーバと通信する。したがって、複数の通信リンクが、「スポークと車輪」の関係で確立される。各参加者が中央サーバへの単一の接続を有する。制御プレーンでは、サーバが、会議を運営するために必要な制御信号を管理する。通常、各参加者は、サーバのみと制御信号を送受信する。つまり、参加者は、他の参加者に制御信号を直接送ることがない。メディア・プレーンでは、サーバが、会議用のミキサとして機能し、したがって、各参加者は、ローカルに供給されたメディアをサーバに送る。サーバは、すべての参加者（すなわち個々の電話）からのメディアを受け取り、すべてのこれらの個々の電話の通話の結果を一緒に混合し、混合された信号を各参加者に送信する。各参加者は、混合された信号を受け取り、そして、人間のユーザに完全な会議の体験を与えるためにローカルでプレイアウトすることができる。スター・アキテクチャは、効果的であり無理なくスケール変更されるが、中央サーバを確保し何らかの組織によってホストして（多くの場合料金を徴収して）参加者に利用可能にする必要がある。メディア・プレーンでは、中央サーバにおける混合および資源の使用が、通話中の参加者の数とともに増大し、したがって、多数の参加者にサービスする能力のある中央サーバが高価となる可能性があり、加えて、ホストする組織が、すべての参加者に流れるメディアを送受信するために十分なネットワーク帯域幅が利用可能になる（すなわち、参加者が十分なネットワーク伝送サービスを購入する）ことを保証する必要がある。

第３のアーキテクチャは、ツリーであり、参加者間の接続が、ツリー・グラフ、すなわち循環を含まないグラフを形成する。スターは、ツリーの特殊な事例であることに留意されたい。ツリーでは、各参加者は、１つまたは複数の他の参加者に接続することができ、いくつかの参加者から制御信号およびメディアを受け取り、他のいくつかの参加者に制御信号およびメディアを送ることを担当する。実際には、ツリーは、ＩＰマルチキャストを用いて、またはいわゆる「アプリケーション・レベル」マルチキャストを用いて論理的に実装することができる。ツリー・アキテクチャは、効果的であり、多くの参加者に対する良好なスケーリング特性を有する。しかし、ツリー・アキテクチャは、すべての参加者が、複雑になりうるマルチキャスト制御論理を有することを必要とし、また、すべての参加者が、複数のメディア・フローを混合することができ、したがって混合した論理を含む必要がある。さらに、ＩＰマルチキャストは、基礎となるＩＰベースのネットワーク・ルータがＩＰマルチキャストをサポートする必要があるが、実際には、多くのサービス・プロバイダが、そのネットワークにおいてＩＰマルチキャストのサポートを提供せず（または無効にし）、したがって、ＩＰマルチキャストは、広域ネットワークつまりＷＡＮにおいて通常は利用できない。

所与の会議システムについて、制御プレーンおよびメディア・プレーンのアーキテクチャは、必ずしも一致しないことに留意されたい。例えば、いわゆる「ピアツーピア」会議システムの実用設計では、制御プレーンに対しフルメッシュ・アキテクチャを使用し、メディア・プレーンに対しツリーを使用することがあり、例えば、それによりマルチキャストを使用してメディアを配信することができる。

したがって、従来の会議システムは、種々の形態において高価または非実用的であり、したがって、特に音声およびビデオなどのリアルタイム・メディア・アプリケーションの場合、会議の実施および利用可能性が限定される。リアルタイム通信ソリューションが、２当事者の通話に関して、より偏在的で可動的かつ個人的になるのに従って、廉価で利用可能かつスケーラブルな会議の必要性が高まっている。マルチメディア会議に関する要求を満たすために、特にメディア・プレーンにおいて新しいモデルおよびアーキテクチャが必要とされる。

簡潔に述べると、本発明は、資源の使用を最小限にし、スケールを変更し、かつ、既存の広く利用可能な技術、プロトコル、およびネットワーク構成に基づくため容易に利用可能である、電話会議を提供するためのシステムに関する。さらに、本発明は、モデルを混合する柔軟性を向上させ、より豊かな会議体験を可能にし、改良されローカルで制御可能な体験品質を人間のユーザに提供する。

本発明によれば、本発明の方法は、各参加者が他の参加者のうちの２人だけ即ち「先行」参加者および「後続」参加者に順次接続される、電話会議参加者の「リング」ネットワークを、メディア・プレーンにおいて確立することを実現する。また、制御プレーンは、リング・アーキテクチャを使用しても上述の任意のアーキテクチャを使用してもよい。以下の説明では、制御プレーン・アーキテクチャが、中央ノードが制御システム・サーバの位置にあるスター型であると想定する。本発明によれば、各参加者は、所与のローカル時間間隔中に参加者の位置で生成された音（および／または、ビデオおよび／またはテキスト）から取得されたサンプルを有する。このサンプルは、単一のパケットとしてリングに沿って送られ、同様のローカル時間間隔中に取得されたそれ自体のサンプルを有する後続の参加者に伝達される。受信側参加者は、対応する時間間隔中にリングにおいて先行の参加者から取得されたサンプルに対応するオーディオおよび／またはビデオ出力を可能にする。ミキシング技術が、受信側参加者の位置でこれらのサンプルの混合を可能にする。実質的に信号パケットが継続的にリングを通過するため、参加者が受信したパケットは、その参加者がパケットをより早い時間において以前に受信したときに挿入した古いサンプルを含む。受信側参加者は、その古いサンプルを今しがた受け取ったパケットから除去し、ペイロード内容（他の参加者によって挿入されたサンプル）を、ローカルのプレイアウト用に処理するためにローカル・メモリにコピーし、他の参加者によって信号パケット内に収納されたサンプルに上書きすることなく、新しいサンプルを信号パケットのペイロード内に挿入する。次いで、受信側参加者は、次の後続参加者に結合信号を送り、この後続参加者は、ペイロードからその古いサンプルを除去する同様のプロセスを実行し、ペイロードをローカルのプレイアウト用に処理するためにローカル・メモリにコピーし、新しいサンプルをパケットのペイロード内に挿入し、パケットをその次の参加者に転送する。このように以下同様に行われる。このプロセスは、電話会議が完了するために必要とされる多数回のサイクルにわたってリングを回って継続する。

サンプルのサイズを、例えば、オーディオ・メディアで１０〜６０ｍｓ程度に小さく維持することによって、参加者間の全体的な遅延時間が、妥当な水準に維持される。典型的なオーディオ・メディアのサンプル・サイズは、１０ｍｓ、２０ｍｓ、および６０ｍｓであり、ＶｏＩＰ（ボイスオーバＩＰ）アプリケーションでは２０ｍｓがおそらく最も一般的である。したがって、音声源は、継続的なオーディオ信号を他の参加者に提供するために、通常、２０ｍｓ毎にパケットを送る。典型的なビデオ・サンプルのサイズは、３０フレーム／秒および１５フレーム／秒の典型的ビデオ・フレーム・レートに対応する３３．３３ｍｓおよび６６．６７ｍｓである。パケット交換広域ネットワーク（ＷＡＮ）では、パケット間待ち時間の変動を取り除くために、ジッタ補償バッファリングが各参加者に採用される。典型的なジッタ補償バッファリングの戦略は、それをサンプル・サイズ、例えば、２０ｍｓの倍数のサイズにすることである。したがって、信号パケットがリングを通過するときに遭遇する待ち時間は、主にジッタ補償バッファリングとリンク伝搬遅延からなる。各参加者におけるパケット処理時間は、モデム計算およびネットワーク・インターフェース・プラットフォームにおける処理時間と比較すると些細なものである。したがって、ＷＡＮにより相互接続された１０人の参加者を有する会議は、およそ２００〜２５０ｍｓの範囲のリング通過待ち時間に遭遇する。これは、リング・アーキテクチャに関して、この例では、ある参加者によって生成されたメディア・サンプルの参加者間遅延が、後続参加者について最小（約２０〜２５ｍｓ）となり、先行参加者について最大（約２００〜２５０ｍｓ）となることを意味する。２００〜２５０ｍｓの範囲の待ち時間が、高品質で対話性の高い音声アプリケーションの場合の限界とされている。この限界は、多くの会議アプリケーションでは、かなり緩和されうる。例えば、多くのビジネスの電話会議は、パネル・ディスカッションや業務報告のプレゼンテーションのときなどに、フロアの支配権が長時間にわたり個別の話者に与えられる場合、対話性が高くなく、この環境において許容できる待ち時間は、５００ｍｓから数秒の範囲になりうる。また、アメリカ・オンライン（ＡＯＬ）やマイクロソフトなどから入手可能な一般的なインスタント・メッセージ製品のオプションである最近の音声チャット・システムは、２人の参加者間で数秒の待ち時間を有する（こうしたシステムでは混合資源が使用されないので、待ち時間のため、現在のところ、これら２つのベンダによってサポートされる音声チャット・セッションの参加者数が制限される）。これは、参加者が交代するトランシーバ型の通信である。したがって、メディア・プレーンのリング・アーキテクチャを用いた会議システムの参加者数の制限は、理論上は存在しないが、実際は、会議のコンテキストによって参加者数の限界が決定され、それは、対話性の要求が低い会議では数百人もの参加者となりうる。さらに、待ち時間を減少させるための論理を使用することができ、おそらく最も効果的な待ち時間減少手法は、動的ジッタ補償バッファを使用することである。動的ジッタ補償バッファは、ネットワークによって目下挿入される多くの場合かなり小さい（例えば、数ｍｓ）測定されたジッタに応じて、バッファのサイズを調節する。動的ジッタ補償バッファは、一般にバッファ・サイズをメディア・サンプル・サイズのある倍数に固定する（例えば、音声アプリケーションで２０ｍｓのある倍数）静的バッファの代替である。例えば、ネットワークにおいてジッタが低く、例えば各参加者間で１〜２ｍｓで、動的ジッタ補償バッファが使用される場合、（約２００ｍｓの待ち時間を有する）高い対話性の会議で、数十人の参加者、例えば５０人の参加者をサポートすることができる。

一般的なリンクおよびネットワーク・プロトコル、例えば、イーサネット（登録商標）およびＩＰが、フレーム・サイズおよびパケット・サイズを、それぞれ強く制限するならば、制御なしで、信号パケットのペイロードのサイズが参加者の数に従って大きくなることが問題になりうることは、当業者には容易に理解されよう。イーサネット（登録商標）はリンク・プロトコルとして現在一般的であるため、イーサネット（登録商標）のフレーム・ペイロードのサイズの限界である１５００バイトを、本発明の実施形態として実装されるＩＰベースの会議システムにおけるＩＰパケット・サイズの実質的な限界と見なすべきである。ＶｏＩＰパケットは、ＩＰヘッダ、ＵＤＰヘッダ、ＲＴＰヘッダを含み、それらは、通常合計４０バイトを使用するので、ペイロード・サイズの限界は、１４６０バイトである。会議で１６０バイトに変換するＧ．７１１符号化の２０ｍｓ音声サンプリングを使用する場合、制御なしでは参加者数が９人に制限される。しかし、従来のＩＰ電話および会議システムでしばしば使用されるいくつかの単純な制御機構により、この制限を数百人もの参加者に拡張することができる。１つの制御機構は、オーディオ動作が低度または無音の場合に、参加者がフル・サンプルを挿入しないようにし、代わりに、単一のビットまたはバイトを使用してあるいはナルによって無音を指示するものであり、このような機構は、しばしばネットワーク帯域幅の使用量を節約するために、従来のＩＰ電話システムで一般に利用可能である。

もう１つの機構は、フル・サンプルを信号パケットのペイロードに挿入することができる参加者の数をいくらかの現実的な小さい数、例えば３人の参加者に限定するものである。このような機構は、４人以上の話者が同時に活動状態のとき、従来の会議システム、例えば、集中型のミキシングを用いる多くの会議システムにおいて優位性がある。ミキサは、最も音の大きい３人の話者からのサンプルのみを混合し、他の話者からのサンプルを廃棄する。各参加者において実施されるローカル制御プロトコルが、これをサポートする。つまり、所与の参加者は、最も音の大きい３人の話者のいずれかのサンプルでなり限り、そのサンプルを結合パケットに追加しない。「最も静かな」最も音の大きい話者のサンプルは除去される。

さらに別の機構は、Ｇ．７１１符号化オーディオ用で８０バイトに変換する小さなサンプル・サイズ、例えば、１０ｍｓを用いるものである。
本発明では、他の参加者からのサンプルがローカルのプレイアウトのためにどのように混合されるかを各参加者が独立して決定するため、従来の会議システムと比べて、混合もより柔軟である。各参加者がローカル・オーディオ・サンプル（これは無音の標識のこともある）を信号パケットのペイロードに挿入することを想起すれば、各参加者はまた、他のすべての参加者から非混合のオーディオ・サンプルを受け取る。所与の参加者は、ある種のローカルに定義されたポリシに従って、他の参加者の複数のサンプルの一部のみを混合することを選択したり、各サンプルに異なる重み係数を適用することもできる。これに対し、多くの従来の会議システムでは、参加者は、混合ポリシによってほとんどまたは全く制御することができない。しばしば、１または複数の参加者の音量が、他の参加者より大きいことがある。この制御機構は、一般に、ユーザがその好みに応じて参加者の音量を調節するために使用される。本発明では、参加者は、いかなる混合も行わないようにし、代わりに、ある種の選択アルゴリズムを使用して任意の時間のプレイアウトのために参加者のサンプルを１つだけ選択するように決定することができる。あるいは、何人かの参加者が混合を行わないまたはできない場合、混合を行うことができるある参加者ｐに、混合信号を（またローカルのオーディオ・サンプルに加えて）信号パケットに挿入するよう指定してもよく、その信号パケットは、他の混合しない参加者がコピーおよびプレイアウトすることができる。

ローカル依存の混合は、本発明のいくつかの実施形態ではさらに単純に行われ、その場合、信号を生成しサンプルを信号パケットのペイロードに挿入する権限が、参加者のすべてには与えられず、権限が与えられる可能性がある参加者のすべてが、特定の時間間隔中に実際に信号を生成するわけではない。この事例では、それらの参加者が、信号パケット・ペイロード内の信号を完全に省略するか、入力の「空集合」を表す短縮された信号を送信することができ、それにより、その時間間隔中にその参加者から実質的な信号がないことを、非常に短い信号において表すことができる。

本発明の他の目的および特徴は、添付の図面と併せて以下の詳細な説明から明らかとなろう。しかし、図面は、単に例示を目的として作図され、本発明を限定するものではなく、本発明の限定については、添付の特許請求の範囲を参照すべきであることは理解されよう。また、図面は、必ずしも原寸に比例する必要がなく、他に指示がない限り、本明細書に記載の構造および手順を単に概念的に示すことが意図されていることは理解されるべきである。
図面において、同様の要素は同様の番号により識別される。

図１は、本発明による単方向のリングを全体として１０で示す。リング１０は、電話会議に参加する複数の参加者（ｐ_ｉ）１２を含む。参加者１２は、任意の場所、例えば、単局、単局の遠隔地、世界中の広範囲に及ぶ複数の局などに位置することができる。また、各参加者１２は、中央制御１４に接続される。したがって、制御プレーンに集中型アーキテクチャが使用することが示唆されるが、これは、本発明の必要条件ではない。リング１０は、図２に全体として１００で示す本発明の方法の不可欠の部分である。

図２に示すように、方法１００の第１のステップ（１０２）では、電話会議のために複数のＮ人の参加者ｐ_ｉを選択する。次いで、参加者は、参加者ｐ_０からｐ_Ｎ−１を含むリング１０（図１）を形成するために順序付けされる（１０４）。参加者ｐ_０は、発信元または開始参加者として識別される（１０６）。順序付けの仕方は、方法１００に対してそれほど重要ではなく、任意の所望の仕方で行ってよい。例えば、参加者ｐ_０は、（存在する場合は）電話会議を開始する人物、電話会議中に最も話すと見なされる参加者、または電話会議の最も高位の参加者として、あるいは無作為で選択することができる。参加者ｐ_０が識別されると、残りの参加者が、任意の所望のやり方で参加者ｐ_１からｐ_Ｎ−１として順序付けされる。例えば、参加者が電話会議に参加する順、よく話すと見なされる参加者の順、各参加者が話すと見込まれる量、参加者の相対的な地位、参加者同士および／または参加者ｐ_０に対する参加者の地理的な近接性、あるいは参加者のネットワーク位置の近接性によって、参加者を順序付けすることができる。参加者の互いの地理的近接性によって参加者ｐ_ｉを順序付けすることにより、いくつかの伝送上の利益を得ることができ、例えば、多国籍の参加者を伴う大きな電話会議の場合に遅延を減少される。しかし、ほとんどの場合、電話会議は地理的に互いに近いであろう少数の参加者のみを含む傾向があり、地理的順序付けは、本発明の方法の全体的な効果に対して最小限の影響しか期待されない。

各参加者ｐ_ｉは、リング１０において、先行参加者ｐ_ｉ−１および後続参加者ｐ_ｉ＋１に論理的に接続される。ここで、参加者ｐ_Ｎ−１は、参加者ｐ_０に対する先行参加者ｐ_ｉ−１となる。メディアのフローの方向に対応するリング１０の方向（図１における参加者１２間の矢印の方向によって示される）は、参加者ｐ_０からｐ_Ｎ−１の順序付けによって確立される。

各参加者ｐ_ｉは、中央制御１４にも接続される。中央制御１４は、参加者ｐ_ｉの識別および順序、ならびに他の制御関連情報を管理する。限定ではなく例として、中央制御１４は、プロトコルを確立することができ、このプロトコルは、特定の参加者ｐ_ｉを電話会議に入力を提供する資格がある寄与参加者ｐ_ｃとして分類できる、または電話会議の（後述の）他の特徴を管理できる。他の制御プレーン・アーキテクチャを使用してもよく、制御プレーン・アーキテクチャの選択は、設計上の選択の些細な問題である。

リング１０において参加者ｐ_ｉの順序が確立されると、電話会議は、任意の標準的な方法で開始することができる（１０８）。各参加者ｐ_ｉは、スピーカフォン上の同報スピーカ（例えば、図１の参加者１２を参照）、電話の送受器、またはパーソナル・コンピュータなどのようなオーディオ信号を出力するための手段と関連付けられる。ビデオ入力が必要なアプリケーションでは、ビデオ入力を既知の方法でカメラによって生成してもよい。ほとんどの事例で、各参加者ｐ_ｉは、必須ではないが、その参加者ｐ_ｉから入力を受容するための手段も有することが好ましい。同報通信の電話会議の場合、例えば、少数の参加者が話して多数の参加者が聞いているような場合（例えば、パネル・ディスカッション）、すべての参加者が、電話会議に寄与することが期待されない（または許可さえもされない）。したがって、指定された寄与参加者ｐ_ｃのみが、彼らの位置で入力を受容するための手段を必要とし、一方、他のすべての参加者ｐ_ｉは、彼らの位置でオーディオおよび／またはビデオ信号を出力するための手段のみを有する必要がある。

電話会議が開始されると（１０８）、各参加者は、同様の論理を実行して、参加者が指定の開始参加者ｐ_０であるかどうかについての自己識別の確認から開始する（１１０）。参加者がｐ_０である場合、受信バッファが、新しい信号パケットが生成される必要があるかどうかを決定するための試験として信号パケットについて検査される（１１２）。受信バッファが空の場合、新しい信号パケットが作成される（１１４）。この論理の最初の実行中に（１１４）、第１のローカル時間間隔ｔ_０中にその参加者の場所における手段によって、ローカルで生成される入力サンプルＳ（０，０）が作成される。この入力は、Ｇ．７７１コーデックなどにより任意の既知の方法で作成されうる。表記Ｓ（ｘ，ｙ）では、ｘパラメータが、参加者ｐ_ｘのインデックスを指示し、ｙパラメータが、オーディオ・サンプルのサイズ（例えば２０ｍｓ）に対応するローカル時間間隔のインデックスを指示する。所与の参加者についてのすべてのローカル時間間隔の連結は、電話会議の全持続期間を表し、より正確には、電話会議における所与の参加者の参加の全持続期間を表す。各参加者がローカル・サンプルを生成する実際の「壁時計」時間は重要ではなく、つまりグローバルに同期された時計が必要とされないことに留意されたい。

上述のように、開始参加者ｐ_０が第１の入力Ｓ（０，０）を収集したとき、参加者ｐ_０は信号２００を作成する（１１４）。信号２００は、図３に示される。
信号２００は、一般に「パケット」と呼ばれ、この用語は、本明細書では一般に信号２００を指すために使用される。パケット２００のようなパケットは、所定のフォーマットを有しネットワークを介して送られる電気信号である。この事例では、フォーマットは、制御情報が含まれる「ヘッダ」と呼ばれる信号の第１の部分と、送られる情報（「ペイロード」）が含まれる信号の第２の部分とを含む。ペイロードは、受信者の実質的な関心対象の信号の部分であり、ヘッダは、起点、宛先、フォーマット、サイズ、および他の必要な情報のような制御情報を含む。好ましい実施形態では、信号は、（後述する）一連のネストされたヘッダを含むことができ、したがって、実際のペイロード、すなわち、参加者１２によって生成される実際の信号に対応する情報は、本質的に最外層のパケット内に存在することができる。

本発明の好ましい（しかし決して唯一ではない）実施形態では、リング１００は、インターネット上で形成され、電話会議は、ビデオ・コンポーネントを有していない音声会議である。したがって、好ましい実施形態では、ＩＰ（インターネット・プロトコル）ヘッダ２０２およびＩＰペイロード２０４を含む標準のＶｏＩＰ（ボイスオーバＩＰ）パケットの使用が企図される。ＩＰヘッダ２０２は、ＶｏＩＰネットワークを介するパケットの伝送を制御するのに必要な情報を含み、ＩＰペイロード２０４は、パケット２００の受信者に使用される情報を含んでいる。

この構成では、ＩＰペイロード２０４は、情報のローカルの受信者である参加者ｐ_ｉを制御するため、および、その参加者ｐ_ｉが電話会議の所望の部分を出力するのに必要とされる情報を提供するために使用される信号を含む。参加者ｐ_ｉは、参加者間の接続を処理するため、ならびに、受信した信号を、通常はＵＤＰ（ユーザ・データグラム・プロトコル）とＴＣＰ（伝送制御プロトコル）の一方である適切なアプリケーションに向けて送るために、任意の所望のトランスポート・レベルのプロトコルを使用することができる。好ましい実施形態では、ＵＤＰが使用されるが、本発明の方法は、ＴＣＰが使用される環境にも同様に適用可能である。ＵＤＰ信号（パケット）は、（ＵＤＰの用語で「データグラム」と呼ばれる）ヘッダおよびペイロードを含み、したがって、ＩＰペイロード２０４は、ＵＤＰヘッダ２０６およびＵＤＰペイロード２０８で構成されるＵＤＰパケット２０４からなる。

ＵＤＰヘッダ２０６は、周知の方法で受け取られた情報を取り扱うために必要な情報を提供するため、ここでは、詳細に述べる必要はない。ＵＤＰペイロード２０８は、送信されることが望ましい実体の情報を含む。

しかし、ＵＤＰヘッダ２０６は、参加者ｐ_ｉが所望の出力を出力することを可能にするために必要な情報のすべてを含むわけではない。そのため、ＵＤＰペイロード２０８内に更なる制御情報を与えなければならず、したがって、ＵＤＰペイロード２０８が、さらに、リアルタイム・トランスポート・プロトコル（ＲＴＰ）ヘッダ２１０、および、参加者ｐ_ｉにより出力されることになる信号、波形、またはサンプルを含むＲＴＰペイロード２１２から構成される。ただし、ＲＴＰヘッダ２１０は、本発明のための十分な制御情報を含んでおらず、すなわち、ＲＴＰペイロード内の波形の構造に関する情報を含んでいない。例えば、そのヘッダは、ペイロード内のどの波形がどの参加者によって生成されたかについて、また、ＲＴＰペイロード内の波形の位置についても、受信参加者ｐ_ｉに情報を与えない。この情報は、本発明者が「マルチチャネル・バンドリング」（ＭＣＢ）信号２１２と呼ぶ信号用のさらにネストされた信号内に含まれる。ＭＣＢ信号２１２は、ＭＣＢヘッダ２１４およびＭＣＢペイロード部分２１６を含む。ＭＣＢヘッダ２１４は、ＭＣＢペイロードの構造を記述する。この構造の記述には、波形２１８、２２０、２２２をＭＣＢペイロード２１６内に配置した様々な寄与参加者ｐ_ｃの識別、および、ＭＣＢペイロード２１６内の各波形の位置が含まれ、場合によっては、アプリケーションに有用な他の情報、例えば、複数のメディア・タイプおよび／またはコーデック・タイプが会議参加者によって使用される場合にメディア・タイプおよび／またはコーデック・タイプが含まれる。
上記が、信号２００に含まれる全体的情報である。

受信者（参加者）としてコンピュータを参照しているが、同じことが、必要なプロトコルに適合するための適切なハードウェアおよびソフトウェアを有する電話の使用によって達成することができ、リング１０における参加者ｐ_ｉとしてのコンピュータおよび／または電話の使用をどのように達成するかは、必要以上の実験なしに当業者には理解されよう。

いくつかの実施形態では、信号２００は、ある参加者から別の参加者へのメッセージを含む部分２２４を含むことができる。そのメッセージは、部分２２４を生成した参加者の要求次第で、意図した受信者のみにアクセス可能であるという点でプライベートにすることも、一般の同報通信向けという点で公開にすることもできる。部分２２４は、テキスト・メッセージ、ＳＭＳメッセージ、「ウィスパー」音声メッセージ、または他の任意所望の形態とすることができる。この文脈では、「ウィスパー」音声メッセージは、ある一部の参加者のみに利用可能であるように意図された信号であり、すなわち、少数の参加者のみが、聞くまたは見るようにされたプライベート・メッセージである。ウィスパー・メッセージは、受信者の位置で電話会議の他のものとは異なる様式で生成することができ、したがって、受信者は、ウィスパー・メッセージが電話会議の他の参加者に利用可能でないことを知ることができる。メッセージの生成の「異なる」様式は、電話会議の他のものと区別された（特徴的な音声アラートなどの）信号が先行するメッセージとしてもあるいは、電話会議の他のメッセージとは異なる音量の生成にしてもよい。ウィスパー・メッセージのプライバシを保証する１つの方法は、本発明の方法および／または信号が使用されうる特定のアプリケーションで所望されるように、既知の暗号化プロトコルに準じて、囁かれる会話を暗号化するために（公開鍵暗号化プロトコルなどの）暗号化プロトコルを使用することである。制御プレーンまたはＭＣＢヘッダ（２１４）内の情報は、特定のメディア・サンプルが例えばウィスパーなどの特別の処理を受けなければならない場合に、参加者を指示するために使用されうる。

部分２２４は、例えば、電話会議の進行中に、例えば、音声によってあるいはテキストまたはＳＭＳメッセージを介して、プライベートなチャットを行うための、招待状を作成した参加者から他の１または複数の参加者へ送られる招待状を含むことができる。こうしたメッセージの使用の他の例として、電話会議の内容に注釈コメントを与える、特定の参加者に指示を与える、あるいは、電話会議の一般的主題に無関係のプライベートな会話に参加することである。

図２を参照すると、開始参加者ｐ_０が第１の信号２００を生成し（ステップ１１４）、この信号は、リング１０を移動する信号ストリームの一部分となる。信号２００は、サンプルＳ（０，０）（２１８）を含むＭＣＢペイロード２１６（図３）を有する信号Ａ（０，０）（図１）として開始し、次の後続参加者ｐ_１に送信される（１１４）。

信号パケットＡ（０，０）がリングを移動するための時間がサンプリング間隔より長いという想定のもとでは、Ａ（０，０）がリングを移動している（１１６）間に、参加者ｐ_０は、サンプルＳ（０，１）、Ｓ（０，２）、…をそれぞれ含む他の信号パケットＡ（０，１）、Ａ（０，２）、…を生成している。例えば、サンプリング間隔が２０ｍｓであり、リング通過時間が２００ｍｓの場合、ｐ_０は、参加者ｐ_Ｎ−１からＡ（Ｎ−１，０）を受け取る前に、リングの通過をＡ（０，０）として開始する１０個の信号パケットＡ（０，０）、Ａ（０，１）、…、Ａ（０，９）を生成する。説明のために、Ａ（０，０）がリングを移動する間にｐ_０によって生成された信号パケットの数をＭとして識別することにする。つまり、ｐ_０は、Ａ（Ｎ−１，０）を受け取るとき、サンプルＳ（０，Ｍ）の生成が完了しており、ステップ１１６で、Ａ（Ｎ−１，０）からＳ（０，０）を除去した後、Ｓ（０，Ｍ）をＡ（Ｎ−１，０）と組み合わせてＡ（０，Ｍ）を形成する。前述のように、ｐ_０は、Ａ（Ｎ−１，０）がその受信バッファ内にあるかどうかを検査することによって、Ａ（０，０）がリングをいつ通過したかを検出する（１１２）。

第１のリング通過が発生したあと、参加者ｐ_０は、もはや新しい信号パケットを生成する必要がなく、いまや他のすべての参加者と同様に振る舞うことができる（ステップ１１６）。

ステップ１１６の第１の実行は、ｐ_１において、ｐ_０がＡ（０，０）を参加者ｐ_１に送った直後に行われる。参加者ｐ_１が寄与参加者ｐ_ｃの場合、参加者ｐ_１は、寄与するサンプルＳ（１，０）も有する。信号Ａ（０，０）が寄与参加者ｐ_１に到達すると、参加者ｐ_１は、そのサンプルＳ（１，０）を収集する（１１６）。サンプルＳ（１，０）は、第２のＭＣＢペイロード２２０（図３）に対応する。しかし、Ａ（１，０）を形成するためにＳ（１，０）を信号パケットＡ（０，０）に挿入する前に、ｐ_１は、信号パケットによる第１のリング通過の場合に無い、Ａ（０，０）が事前にリングを通過したときに挿入したＡ（０，０）内のサンプルを、ｐ_１が有しているかどうかを検査する。次いで、参加者ｐ_１は、Ａ（０，０）の内容をローカル・メモリにコピーし、Ｓ（１，０）をＡ（０，０）に挿入して、２つのＭＣＢペイロード２１８、２２０を有するＡ（１，０）を形成し、Ａ（１，０）を参加者ｐ_２に送る。信号パケットが２度目にリングを通過している場合、Ａ（０，Ｍ）として識別される信号パケットのｐ_０からの受信後に、ｐ_１は、Ａ（０，Ｍ）からＳ（１，０）を除去し、Ａ（０，Ｍ）の内容をローカル・メモリにコピーし、Ｓ（１，Ｍ）を挿入してＡ（１，Ｍ）を形成し、Ａ（１，Ｍ）を参加者ｐ_２に送る。参加者ｐ_１より発したサンプルＳ（１，０）に対応する結合信号Ａ（０，Ｍ）の部分（ＭＣＢペイロード２２０）を再生する必要がないため、Ｓ（１，０）は除去される。また、他のすべての参加者は、すでにサンプルＳ（１，０）を受け取っているため、それを他の参加者に再度配布する必要がない。

好ましい実施形態では、Ｓ（１，０）の除去は、参加者ｐ_１の位置で行われるが、除去は、結合信号Ａ（０，Ｍ）が参加者ｐ_１に送られる前に、参加者ｐ_０、すなわち先行参加者の位置で行われてもよく、これは、設計上の選択の些細な問題である。一般に、参加者ｐ_ｉによって最初に生成された信号は、参加者ｐ_ｉ−１によって信号パケットから除去されうるが、好ましい実施形態では、参加者ｐ_ｉが、それが信号パケット内に挿入したサンプルの除去を担当する。

ステップ１１６の一般的な事例では、参加者ｐ_ｉが、参加者ｐ_ｉ−１から信号パケットＡ（ｉ−１，ＫＭ＋ｊ）を受け取る。ここで、Ｋは、発生したリング通過の回数を示し、ｊは、０とＭ−１の間のある値である。そして、サンプルＳ（ｉ，（Ｋ−１）Ｍ＋ｊ）がある場合、それを除去し、Ｓ（ｉ，ＫＭ＋ｊ）を挿入してＡ（ｉ，ＫＭ＋ｊ）を形成し、Ａ（ｉ，ＫＭ＋ｊ）を参加者ｐ_ｉ＋１に送る。ステップ１１８で、次いで、参加者ｐ_１は、通話が完了したかどうかを検査し、完了してない場合、ステップ１１８を再び実行し、そうでない場合、通話を終了する（１２０）。

このやり方では、各参加者ｐ_ｉは、電話会議の所期の受信部分に対応するサンプル（必要に応じて、オーディオのみ、またはオーディオ／ビデオ）を生成することができ、かつ、効率的に、参加者ｐ_ｉの数を問わずに、電話会議全体をリング１０上に沿って送ることができ、通話が終わったときに終了する（１２０）。

基礎をなすネットワークによって導入されるパケット・フローのジッタのため、リングを通過する時間が各信号パケットＡ（Ｘ，Ｙ）ごとに異なることがあり、それにより、Ｍに対する値を選択する問題が引き起こされることは、当業者には理解されよう。前述の各参加者ごとのジッタ保証バッファの使用により、リング通過時間が安定化するが、バッファリングによりジッタが０にされるとは限らない。したがって、リング全体にわたるジッタがサンプリング間隔を超える可能性があり、その場合、追加のジッタ補償バッファリングを参加者ｐ_０で使用して、ジッタ補償バッファのオーバフローおよびアンダフローが発生しないように、また、電話会議中にＭが変更される必要がないように、Ｍの固定値を選択することができる。

通話が非常に多数の参与参加者ｐ_ｃを含む場合、結合信号がリング１０を移動する時間のため、位置ｐ_ｉに比べて位置ｐ_ｉ−１での出力の生成では著しい遅延があるおそれがある。当業者には周知なように、遅延の増大は、会議の対話性の低下に対応し、したがって、人間のユーザにとっての会議の体験品質の低下に対応する。良好な体験品質に必要な対話性の程度は、会議のコンテキストによるが、一般に、電話システムは、なるべく実用的に遅延を減少させるように設計されるべきである。リング通過遅延は、主に、パケット化遅延、ジッタ補償バッファリング遅延、およびリンク伝搬遅延からなる。これらの遅延元の影響を改善することができる本発明の方法のいくつかの好ましい修正形態が存在する。

最初に、各サンプリング時間間隔ｔ_ｘの長さを小さく維持して、入力Ｓ（ｉ，Ｘ）を追加する際の遅延を最小限にするようにする。このタイプの遅延は、しばしばパケット化遅延と呼ばれる。一般的サンプリング時間間隔は、音声について１０ｍｓ、２０ｍｓ、および６０ｍｓであり、２０ｍｓが最も一般的である。したがって、１０ｍｓのサンプリング間隔を選択することが、２０ｍｓまたは６０ｍｓのサンプリング間隔を選択するよりも好ましい。ただし、本発明では、パケット化遅延が、指定されたソース参加者ｐ_０のみで発生しうるように、さらには、信号パケットの第１のリング通過の際のみに発生しうるように、タイミングおよびバッファリングを構成することが可能である。

ジッタ補償バッファリングは、多くのパケット交換ネットワークにおいて必要である。パケットが、参加者ｐ_ｉと参加者ｐ_ｉ＋１の間で送信されるとき、ｐ_ｉは、サンプリング間隔に対応する定期的なスケジュールでパケットを送る。すなわち、連続するパケット送信間の時間が固定されている。ほとんどのパケット交換ネットワークが、時間決定性のパケット転送サービスを提供していないため、ｐ_ｉ＋１でのパケット到着プロセスは、必ずしも規則的にならず、すなわち、パケット・フローが非ゼロのジッタを有している。サンプル内の情報は定期的なスケジュールでプレイアウトされ定期的なスケジュールで次の参加者に転送される必要があるため、ジッタ補償バッファ内にパケットをバッファリングする必要がある。ジッタを除去するために、バッファ・サイズは、最大ジッタ値の２倍であるべきである。論理的な簡潔さのために、多くの電話システムでは、サンプリング間隔の整数倍のバッファ・サイズを選択する。したがって、会議が１０人の参加者を有し、リングのすべての参加者が例えば２０ｍｓのバッファ・サイズを使用する場合、リング通過遅延全体に対するジッタ補償の寄与は、参加者とバッファ・サイズの積であり、この場合は２００ｍｓである。ジッタは小さいことが多いため、ジッタ補償バッファリングにより遅延を短縮するための１つの方法では、動的ジッタ・バッファを使用し、それにより、測定または推定されたジッタに従ってバッファのサイズを調節する。したがって、参加者間の平均ジッタが、２ｍｓの平均ジッタ・バッファ・サイズに対応する１ｍｓの場合、リング通過遅延に対するジッタ・バッファリングの寄与は、１０人の参加者の会議について２０ｍｓであり、これは、２００ｍｓの寄与をもたらす固定された２０ｍｓのバッファが使用された場合に比べて非常に好ましい。

リンク伝搬遅延は、ネットワーク・リンクを介して信号を送信するために必要な時間である。有線または光リンクでは、伝搬遅延は、おおよそリンク長と真空における光速の積である。具体的にするため、東海岸から西海岸へ米国本土を通過するパケットの伝播遅延を解決する典型的な設計が、３０ｍｓであると考える。リング通過遅延に対する伝搬遅延の寄与を低減するために、参加者の順序付けを、連続する参加者間の（物理的または論理的）距離を最小にするあるいは縮小するように選択することができる。例えば、２人の参加者ｐ_Ａおよびｐ_Ｂが米国の東海岸の同じ局内に位置し、２人の参加者ｐ_ｃおよびｐ_Ｄが米国の東海岸の同じ局内に位置する４当事者の電話会議を考える。参加者の順序がｐ_Ａ、ｐ_ｃ、ｐ_Ｂ、ｐ_Ｄの場合、リングは米国を４回横断するのに対し、参加者の順序がｐ_Ａ、ｐ_Ｂ、ｐ_ｃ、ｐ_Ｄの場合、リングは米国を２回だけ横断し、リング通過遅延全体における約６０ｍｓの短縮をもたらす。

本発明の他の実施形態では、他の修正形態が可能である。例えば、任意の１または複数の参加者ｐ_ｉｗからの入力に関連する出力に重みを付けて、それらの出力が、電話会議に対してそれらの感知した重要性に応じて、より高い（または低い）音量で生成されるようにする。この重み付けは、中央制御１４（図１）によって電話会議に先立って行うことができ、その場合、重み付けは、設計上の問題として、各参加者ｐ_ｉｗについて同じにしても、電話会議中に確立または変更されてもよい。重み付けは、個人の好みに基づいて、個々の参加者によって個別の基準で行われもよく、あるいは、重み付けされた参加者ｐ_ｉｗから受け取った入力の特性、例えば、重み付けされた参加者ｐ_ｉｗからのオーディオ入力の音量などによって決定されてもよい。この方法では、例えば、非常に音の大きい話者が自身の生成した入力を和らげて、他の寄与参加者がかき消されないようにしたり、または、静かに話す寄与参加者が自身の出力を増強して、他の音声の中でも聞こえるようにすることができる。この重み付けは、電話会議に先立って事前設定されても、所定の式、例えば、任意の時点の他の残りの寄与参加者に対する任意の寄与参加者の相対的な音の大きさに関する式に従って可変であってもよい。

極端な事例では、重み付けが、すべて設計上の選択として、特定の参加者ｐ_ｐが寄与参加者ｐ_ｃになるのを完全に排除するようにすることが可能で、例えば、会議の管理者が特定の話者の音を消すことを選択することができる、または、特定の好ましい参加者だけが寄与参加者になることを許可されるようにできる。

また、重み付けは、電話会議が進行中に行うこともでき、それにより、個々の参加者が、電話会議中に、特定の参加者が特に興味深い話を持っていると判断して、その「重み」を増大する、またはその逆のことを行うことができる。これは、様々な参加者が同時にプロジェクトのある側面に従事し、他の参加者は他の側面に従事しうる、まる１日（またはそれより長い）過程に及ぶことがあるプロジェクト会議のコンテキストで役立つであろう。それぞれのグループは、自身のグループのメンバーの出力の相対的な音量を上げ、他のグループの音量を下げることができ、また、両方のグループについて聞く必要がある管理者は、それらの音量を等しくするか、または上げ下げして調整することができる。

別の「重み付け」機能は、使用される装置がステレオ出力能力を有する環境で使用することができ、特定の参加者が他の参加者の出力を重み付けすることを可能にし、それにより、聞いている参加者に対して特定の物理的位置に彼らが存在するかのごとく彼らを聞こえるようにする。例えば、適切に重み付けされた場合、実際の物理的な参加者の近接性に関わりなく、参加者ｐ_３は、参加者ｐ_７からの出力が、ｐ_７が参加者ｐ_３のすぐ右に着席しているかのように聞こえるようにすることができる一方で、参加者ｐ_８が長い会議テーブルの遠端に着席しているかのように参加者ｐ_８が聞こえる。別の参加者ｐ_４は、ｐ_３と異なる好みを有し、例えば、ｐ_４の隣にｐ_８が着席しｐ_７が会議テーブルの遠端に着席するように選択することができる。

本発明の好ましい実施形態に適用される本発明の基本的な新規の特徴を示し説明および指摘したが、例示の装置の形態および細部ならびにそれらの動作の種々の省略、置換、および変更が、本発明の趣旨から逸脱することなく当業者により可能なことは理解されよう。例えば、同じ結果を達成するために実質的に同じ機能を実質的に同様に行うそれらの要素および／または方法ステップのすべての組み合わせが、本発明の範囲内であることは明示的に意図されている。さらに、本発明の任意の開示の形態または実施形態に関連して示されかつ／または説明された構造、要素、および／または方法ステップが、設計上の選択の一般的問題として、他の任意の開示、説明、または示唆がなされた形態または実施形態に組み込まれうることは理解されるべきである。したがって、本明細書に添付の特許請求の範囲の範囲によってのみ限定されるものである。

本発明による複数の参加者のリング型ネットワークを示す図である。 本発明の方法の実施に関するステップを示すフローチャートである。 本発明の方法を実施するために使用される信号に含まれる情報を示す図である。

Claims (29)

1. 電話会議のために複数の参加者をリンクする方法であって、
   ａ）前記電話会議に参加するためのＮ人の複数の参加者ｐ_ｉを設定するステップと、
   ｂ）前記Ｎ人の複数の参加者ｐ_ｉから開始参加者ｐ_０として第１の参加者を選択するステップと、
   ｃ）前記Ｎ人の複数の参加者ｐ_ｉの残りの参加者を順序付けて、前記Ｎ人の複数の参加者ｐ_ｉの前記残りの参加者がｐ_１からｐ_Ｎ−１として識別されるようにするステップと、
   ｄ）リングにおいて前記Ｎ人の複数の参加者ｐ_ｉを接続するステップであって、前記Ｎ人の複数の参加者ｐ_ｉのそれぞれが、先行参加者ｐ_ｉ−１および後続参加者ｐ_ｉ＋１に接続され、前記開始参加者ｐ_０が、その先行参加者としての前記参加者ｐ_Ｎ−１およびその後続参加者としての参加者ｐ_１に接続され、したがって、前記リングが完成するステップと、
   ｅ）第１の時間間隔ｔ_０中に参加者のうちの寄与する参加者ｐ_ｃから入力Ｓ（Ｃ，０）を受け入れるステップと、
   ｆ）初期入力Ｓ（０，０）を第１の信号Ａ（０，０）として前記開始参加者ｐ_０からその後続参加者ｐ_１に送信するステップと、
   ｇ）次の後続参加者ｐ_１が寄与参加者ｐ_ｃである場合、前記開始参加者ｐ_０からの前記初期入力Ｓ（０，０）を前記参加者ｐ_１によって受け入れられた入力Ｓ（１，０）と組み合わせて、第１の結合信号Ａ（１，０）を形成するステップと、
   ｈ）前記第１の結合信号Ａ（１，０）を次の後続参加者ｐ_２に送信するステップと、
   ｉ）前記次の後続参加者ｐ_２が寄与参加者ｐ_ｃである場合、前記第１の結合信号Ａ（１，０）を前記次の後続参加者ｐ_２によって受け入れられた入力Ｓ（２，０）と組み合わせて、第２の結合信号Ａ（２，０）を形成するステップであって、前記第２の結合信号Ａ（２，０）は、前記開始参加者ｐ_０で開始し前記次の後続参加者ｐ_２を含む各先行寄与参加者ｐ_ｃからの信号の、所定の式に従って組み合わされる組み合わせを表すステップと、
   ｊ）結合信号Ａ（Ｎ−１，０）が参加者ｐ_Ｎ−１から前記開始参加者ｐ_０に送信されるまで、後続参加者ｐ_ｉにおいてステップｈ）およびｉ）を繰り返すステップであって、前記結合信号Ａ（Ｎ−１，０）は、参加者ｐ_０からｐ_Ｎ−１のうちからのすべての寄与参加者ｐ_ｃの所望の入力Ｓ（Ｃ_ｉ，０）のすべてを含む、前記所定の式に従って組み合わされる結合信号を表すステップと、
   ｋ）前記結合信号Ａ（Ｎ−１，０）が参加者ｐ_Ｎ−１によって受け取られた後に、前記結合信号Ａ（Ｎ−１，０）から入力Ｓ（０，０）を除去するステップと、
   ｌ）前記結合信号Ａ（Ｎ−１，０）における入力Ｓ（０，０）を入力Ｓ（０，Ｍ）に置き換えるステップであって、Ｍは、前記信号Ａ（Ｎ−１，０）が参加者ｐ_０によって受け取られた後の前記第１の時間間隔ｔ_０に続く時間間隔ｔ_Ｍを表すステップと、
   ｍ）前記電話会議が完了するまでステップｈ）、ｉ）、ｊ）、ｋ）、およびｌ）を繰り返すステップと、
   ｎ）どの参加者ｐ_ｉが入力Ｓ（ｉ，Ｘ）のソースであるかを識別するために少なくともいくつかの結合信号Ａ（ｉ，Ｘ）に識別情報を含めるステップとを含み、
   前記識別情報は、更に、少なくともいくつかの結合信号Ａ（ｉ，Ｘ）における前記入力Ｓ（ｉ，Ｘ）のための波形の位置を含む、
   方法。
2. 各参加者ｐ_ｉに関連付けられたオーディオ・スピーカを介して、前記結合信号Ａ（ｉ，Ｘ）に対応するオーディオ信号を再生するステップをさらに含む、請求項１に記載の方法。
3. 前記所定の式は、いくつかの特定の参加者を好ましい参加者ｐ_ｐとして有することを含み、前記好ましい参加者ｐ_ｐから受け入れられた信号のみが再生される、請求項２に記載の方法。
4. 前記電話会議の開始に先立って前記好ましい参加者ｐ_ｐの少なくともいくつかが選択される、請求項３に記載の方法。
5. 個別の参加者ｐ_ｉのオーディオ・スピーカでオーディオ信号を再生するために選択された好ましい参加者ｐ_ｐ１は、異なる参加者ｐ_ｊに関連付けられた異なるオーディオ・スピーカで再生するために選択された好ましい参加者ｐ_ｐ２とは異なることができる、請求項３に記載の方法。
6. 前記参加者ｐ_ｉの少なくともいくつかは、前記個別の参加者ｐ_ｉの前記少なくともいくつかの個別オーディオ・スピーカで再生するために入力が選択された好ましい参加者ｐ_ｐを、選択することができる、請求項５に記載の方法。
7. 参加者が、前記電話会議中に残りの１または複数の参加者とのプライベート・チャットを求めることを可能にし、それによって、前記電話会議の内に下位電話会議を確立するステップをさらに含む、請求項６に記載の方法。
8. 参加者がプライベート・チャットを求めることを可能にする前記ステップは、前記参加者が、前記１または複数の残りの参加者にプライベート・メッセージを送ることを可能にするステップを含み、前記プライベート・メッセージは、テキスト・メッセージ、ＳＭＳメッセージ、およびウィスパー音声メッセージからなる群から選択されたタイプである、請求項７に記載の方法。
9. 前記電話会議は、少なくとも第１および第２のチャネルを有するオーディオ通信ネットワーク上で確立され、
   前記電話会議は、前記第１のチャネル上で確立され、
   前記メッセージは、前記第２のチャネル上で送られる、請求項８に記載の方法。
10. 特定の参加者ｐ_ｉｗから再生されるオーディオ信号を重み付けして、前記特定の参加者ｐ_ｉｗからのオーディオ信号が、残りの参加者の少なくともオーディオ・レベルとは異なるオーディオ・レベルで再生されるようにするステップをさらに含む、請求項２に記載の方法。
11. 任意の参加者ｐ_ｉｗから再生されるオーディオ信号に関連付けられた重みを、残りの参加者の少なくともいくつかによって選択することができる、請求項１０に記載の方法。
12. 任意の参加者ｐ_ｉｗから再生されるオーディオ信号に関連付けられた重みは、任意の参加者ｐ_ｉに関連付けられた入力Ｓ（ｉ，Ｘ）の特性によって決定される、請求項１０に記載の方法。
13. 前記特性は、前記結合信号Ａ（ｉ，Ｘ）における他の入力と比べた入力Ｓ（ｉ，Ｘ）の相対的な音の大きさである、請求項１２に記載の方法。
14. 任意の参加者ｐ_ｉｗから再生されるオーディオ信号に関連付けられた重みは、第２の所定の式に従って選択される、請求項１０に記載の方法。
15. 前記開始参加者ｐ_０は、どの参加者ｐ_ｉが前記電話会議の開始を担当するかについての識別に基づいて選択される、請求項１に記載の方法。
16. 前記開始参加者ｐ_０は、どの参加者ｐ_ｉが、前記電話会議中に最も話す見込みがあると決定されるかについての識別に基づいて選択される、請求項１に記載の方法。
17. 前記参加者ｐ_ｉの前記残りの参加者の前記順序付けは、前記参加者ｐ_ｉの前記残りの参加者間の各距離の論理的順序付けに基づいて行われる、請求項１に記載の方法。
18. 前記参加者ｐ_ｉの前記残りの参加者の前記順序付けは、どの前記参加者ｐ_ｉが、前記電話会議中に最も話す見込みがあると決定されるかについての順序付けに基づいて行われる、請求項１に記載の方法。
19. 前記参加者ｐ_ｉの少なくとも１人は、非混合参加者ｐ_ＮＭであり、非混合参加者ｐ_ＮＭの位置において信号を混合せず、前記方法は、
    参加者ｐ_ＮＭ−１から事前混合信号Ａ（ＮＭ−１，Ｘ）を前記非混合参加者ｐ_ＮＭに送信するステップであって、前記非混合参加者ｐ_ＮＭは、個別の信号を混合する必要なく前記事前混合信号Ａ（ＮＭ−１，Ｘ）を出力することができるステップをさらに含む、請求項１に記載の方法。
20. 前記識別情報は、前記結合信号Ａ（ｉ，Ｘ）におけるヘッダ内に含まれる、請求項１に記載の方法。
21. 参加者ｐ_ｉｓが特定の時間間隔中に実質的に無音である場合、前記時間間隔について前記参加者ｐ_ｉｓから信号が受け入れられない、請求項１に記載の方法。
22. 各時間間隔ｔ_ｘの長さが固定された、請求項１に記載の方法。
23. 各時間間隔の長さが、約１０ｍｓから約６０ｍｓの範囲にある、請求項２２に記載の方法。
24. 各間隔の長さが、約２０ｍｓである、請求項２３に記載の方法。
25. 各間隔ｔ_ｘの長さが時間の経過とともに変化する、請求項１に記載の方法。
26. 前記入力Ｓ（ｉ，Ｘ）は、ビデオ信号を含む、請求項１に記載の方法。
27. 前記結合信号Ａ（ｉ，Ｘ）の参加者ｐ_ｉによる受信の後に参加者ｐ_ｉによって前記結合信号Ａ（ｉ，Ｘ）から信号が除去される、請求項１に記載の方法。
28. 参加者ｐ_ｉによって前記結合信号Ａ（ｉ，Ｘ）から除去された前記信号は、前記参加者ｐ_ｉからの先行信号である、請求項２７に記載の方法。
29. 参加者ｐ_ｉによって前記結合信号Ａ（ｉ，Ｘ）から除去された前記信号は、後続参加者ｐ_ｉ＋Ｙから参加者ｐ_ｉへの先行信号であり、Ｙは、Ｎ−１以下の正の整数である、請求項２７に記載の方法。

Images