JP5211615B2 - 映像・音声信号伝送方法及びその伝送装置 - Google Patents

Description

本発明は、デジタル・ビデオに使用されているような信号中の映像信号及び音声信号についての多重及び分離を行う処理方法と装置とに関するものである。

従来、映像信号と音声信号をそれぞれ別々に処理することにより生じる遅延時間の差を補正して、映像信号と音声信号の時間を合わせる技術としては、例えば、下記のような特許文献等に記載されるものがあった。

特許２００２−１８５９３６号公報 特開２００６−２２９７８８号公報

民生用及び放送局スタジオ用デジタルオーディオ機器で音声信号をデジタル化して伝送又は記録を行う際に利用される標準的なデジタルオーディオインタフェースは、電子情報技術産業協会のＪＥＩＴＡ ＣＰ−１２１２で、一般にＡＥＳ／ＥＢＵ（以下「ＡＥＳ」という。）と呼ばれる標準規格中で規定され、主として放送やスタジオ等の業務用途で広く使用されている。

又、ビデオ機器の同軸ケーブルを行き来するようなシリアルデジタル映像信号を伝送するいわゆるＳＤＩインタフェースは、米国規格協会のＡＮＳＩ／ＳＭＰＴＥ２５９Ｍに規定されている。更に、このデジタル化映像（以下、「ＳＤＩ」という。）信号の補助信号領域に、ＡＥＳの規格で規定されたデジタル音声信号を多重して１つのＳＤＩ信号として伝送及び記録する方式として、ＡＮＳＩ／ＳＭＰＴＥ２７２Ｍ及び放送技術開発協議会（ＢＴＡ）の規格ＢＴＡ Ｆ−１００２が規定されている。

特許文献１には、映像と音声との遅延時間を補正し、リップシンクを行う為に、符号器側で映像信号及び音声信号にそれぞれマーカを付加して送信し、復号器側で受信した映像信号及び音声信号の各マーカを検出してリップシンクを行う為の技術が記載されている。特許文献２には、映像信号及び音声信号の処理による遅延時間の差を補正する為に、映像信号処理部への入力データと出力データとを比較することで、テレビ等の画面の１コマであるフレーム単位毎の時間差を検出して音声信号を遅延時間の補正に関する技術がそれぞれ記載されている。

更に、データ圧縮する為の高能率符号化によるデータ伝送の規格には、動画像の符号化方法、オーディオの符号化方法、及び、動画像とオーディオの多重方法である技術標準規格、例えば、ＭＰＥＧ−２がある。その伝送には、符号部側の送信部で映像信号と音声信号とに分離した後に、映像と音声とを別々に符号化し、それら符号化された映像信号と音声信号とを多重して伝送し、復号部側の受信部で符号化映像信号と符号化音声信号とに分離し、それぞれの復号後に、映像信号と音声信号とを再度多重して出力することが一般的に行われている。

特許文献１及び２に記載された技術では、映像信号と音声信号とを別々に処理することによる各遅延時間の差を補正する方法が種々提案され、人が知覚できる範囲でのリップシンクの為の補正は可能である。

しかしながら、特許文献１及び２に記載された従来の技術では、送信部における入力された映像信号及び音声信号の多重信号と、受信部における映像信号と音声信号とを再び多重した多重信号とで、映像と音声の間の遅延時間、及び、音声信号と映像信号との多重位置を完全に一致することが保障されておらず、更に、映像信号及び音声信号について、遅延時間検出用に付加したマーカを送信することがマーカを要す期間に必要であり、リアルタイムで遅延を補正できず、多重処理がある場合の遅延の補正が考慮されていなかった。

本発明の映像・音声信号伝送方法及びその伝送装置は、分離部が映像信号に音声信号が多重された多重信号から前記映像信号と前記音声信号とを分離して第１の映像信号と第１の音声信号とを生成する分離処理を行っている。挿入部が前記第１の音声信号に対しては、前記多重信号における前記音声信号の多重位置を示す位置情報を前記第１の音声信号に挿入して挿入済音声信号を生成する挿入処理を行っている。更に、送信部が前記第１の映像信号と前記位置情報が挿入された前記挿入済音声信号とを送信する送信処理を行っている。

受信処理では、受信部が前記第１の映像信号及び前記挿入済音声信号を受信して前記第１の映像信号と前記挿入済音声信号とを分離して第２の映像信号と第２の音声信号とを生成している。更に、検出処理では、検出部が前記第２の音声信号から前記位置情報を検出している。多重処理では、多重部が前記検出処理で検出された前記位置情報に基づき、所定のタイミングで、前記第２の音声信号を前記第２の映像信号に多重する処理を行なっている。

本発明の映像・音声信号伝送方法及びその伝送装置によれば、送信側にて、映像信号と音声信号とが多重された多重信号から、第１の映像信号と第１の音声信号とに分離し、第１の音声信号に第１の映像信号の位置情報を挿入して挿入済音声信号を生成すると共に、受信側にて、位置情報を検出し、検出された位置情報に基づいて、映像信号と音声信号とを多重している。これにより、受信側で映像信号と音声信号とを再多重する際に、送信側における音声信号の多重位置を正確に再現できる。

本発明の映像・音声信号伝送方法及びその伝送装置は、音声信号に映像信号の位置情報を插入し、映像信号と音声信号とをパケット状にして送信する插入送信部に、シリアル／パラレル変換部と、分離部と、映像信号符号化部と、插入部と、音声信号符号化部と、送信部とを有している。

又、パケット状の映像信号及び音声信号を受信し、音声信号から位置情報を検出する受信検出部には、受信部と、映像信号復号部と、音声信号復号部と、補正部と、検出部と、調整部と、バッファメモリと、多重部と、パラレル／シリアル変換部とを有している。

前記シリアル・パラレル変換部は、シリアルのデジタル信号をパラレル信号に変換し、第１の映像音声多重信号を出力する。前記分離部は、前記第１の映像音声多重信号から第１の映像信号及び第１の音声信号を分離し、出力する。前記映像信号符号化部は、第１の映像信号を高効率符号化等を行い、第１の映像符号化信号を出力する。前記插入部は、前記第１の音声信号のユーザビットへ、前記第１の映像信号の位置情報が插入され、插入済音声信号を出力する。前記音声信号符号化部は、前記插入済音声信号に非圧縮の符号化を行い、插入済音声符号化信号を出力する。前記送信部は、前記第１の映像符号化信号及び前記插入済音声符号化信号をパケット状にして送信信号を送信する。

前記受信部は、パケット状の送信信号から第２の映像符号化信号と第２の音声符号化信号とに分離する。前記映像信号復号部は、前記第２の映像符号化信号を第２の映像信号に復号する。前記音声信号復号部は、前記第２の音声符号化信号を第２の音声信号に復号する。前記補正部は、前記第２の映像信号と前記第２の音声信号との前記多重部における多重のタイミングを回路や素子により決まる所定の値だけで補正する為に、補正音声信号を出力するものである。

又、前記検出部は、前記第２の音声信号からユーザビットを検出し、検出信号を出力する。前記調整は、前記検出信号及び第２の映像信号から前記第２の映像信号と前記第２の音声信号との多重するタイミングを調整し、調整信号を出力する。前記補正部を介した前記バッファメモリは、前記調整信号により、前記補正音声信号をより適正に補正する微補正音声信号Ｓ２７を出力する。多重部は、前記第２の映像信号と前記微補正音声信号とを多重して第２の映像音声多重信号を出力する。前記パラレル・シリアル変換部は、前記第２の映像音声多重信号をシリアル信号に変換し、出力している。

（実施例１の構成）
図１は、本発明の実施例１を示す映像・音声信号伝送装置の概略の構成図である。
この映像・音声信号伝送装置は、ＳＤＩインタフェースを有するデジタルビデオ機器で使用されるような映像信号と音声信号とが多重された２７０Ｍｂｐｓのシリアルデジタル信号である第１のＳＤＩ信号Ｓ１が入力されている。插入送信部１０は、前記映像信号及び前記音声信号を別々に符号化した映像符号化信号Ｓ１３と音声符号化信号Ｓ１５とを国際規格のＩＳＯ／ＩＥＣ１３８１８−１で規定されているＴＳパケットのようにパケット状にした送信信号Ｓｔを送信する。このＴＳ（トランスポートストリーム）パケットは、映像音声信号の多重伝送方式として、日本だけでなく国際的に広く採用されているものである。

受信検出部２０は、前記符号化データＤを導線、光ファイバ及び無線設備等を介して受信し、第２の映像信号Ｓ２２及び微補正音声信号Ｓ２７を多重し、シリアル信号の第２のＳＤＩ信号Ｓ２に変換して出力している。

插入送信部１０は、第１のＳＤＩ信号Ｓ１が入力され、放送技術開発協議会（ＢＴＡ）の規格ＢＴＡ Ｆ−１００２で規定されたフォーマットの１０ビットのパラレル信号である第１の映像音声多重信号Ｓ１１に変換して出力し、ＳＤＩインタフェースであるシリアル・パラレル変換部１１を有している。シリアル・パラレル変換部１１の出力側には、映像音声多重信号Ｓ１１から第１の映像信号Ｓｖ及び第1の音声信号Ｓａを分離する分離部１２が接続されている。分離部１２の映像信号Ｓｖの出力側には、情報圧縮するＭＰＥＧ−２等の方法で高效率符号化を行い、第１の映像符号化信号Ｓ１３を出力する映像信号符号化部１３が接続されている。

又、分離部１２の音声信号Ｓａの出力側には、插入部１４が接続されている。插入部１４は、音声信号Ｓａ中の所定位置のユーザビットＵへ、映像部分のフィールドのライン番号（以下「Ｎｏ．」という。）に合わせて音声信号Ｓａの位置を示す情報を插入し、插入済音声信号Ｓ１４を出力するものであり、この出力側に音声信号符号化部１５が接続されている。

更に、插入送信部１０の映像信号符号化部１３の出力側には、送信部１６が接続されている。音声信号符号化部１５は、設定済音声信号Ｓ１４を符号化し、第１の音声符号化信号Ｓ１５を出力するものであり、この出力側には、送信部１６が接続されている。送信部１６は、映像符号化信号Ｓ１３と音声符号化信号Ｓ１５とを、映像及び音声のそれぞれをＴＳパケットと呼ばれる１８８バイト長の分割し、そのＴＳパケットが連続する符号化信号Ｓｔとして出力するものであり、この出力側に、受信側である復号部２０が、光ファイバケーブルのような有線や無線伝送手段を介して接続されている。

受信検出部２０は、符号化信号Ｓｔが入力され、第２の映像符号化Ｓ２１ｖと第２の音声符号化信号Ｓ２１ａとに分離するＴＳパケット受信部である受信部２１を有している。受信部２１の出力側には、映像符号化データＳ２１ｖが入力される映像信号復号部２２と、音声符号化信号Ｓ２１ａが入力される音声信号復号部２３とが接続されている。映像信号復号部２２は、高能率符号化された映像符号化データＳ２１ｖを復号して第２の映像信号Ｓ２２を出力するものである。音声信号復号部２３は、符号化された音声符号化信号Ｓ２１ａを復号して第２の音声信号Ｓ２３を出力するものであり、この出力側に補正部２４及び検出部２５が接続されている。補正部２４は、本実施例１の映像・音声信号伝送装置の回路及び素子等で決まる一定の補正値で、音声信号Ｓ２３を調整し、粗補正音声信号Ｓ２４を出力するものである。検出部２５は、音声信号Ｓ２３からユーザビットＵを検出し、検出信号Ｓ２５を出力するものであり、この出力側に調整部２６が接続されている。

又、映像信号復号部２２の出力側には、調整部２６が接続されている。調整部２６は、音声信号Ｓ２２及び検出信号Ｓ２５に基づき、映像信号Ｓ２２と多重する為に調整信号Ｓ２６を出力するものであり、この出力側にバッファメモリ２７が接続されている。バッファメモリ２７は、記憶素子で構成され、調整信号Ｓ２６により、粗補正音声信号Ｓ２４をより適正に調整させた微補正音声信号Ｓ２７を出力するものであり、この出力側に多重部２８が接続されている。

更に、映像信号復号部２２の出力側には、多重部２８が接続されている。多重部２８は、映像信号Ｓ２２へ微補正音声信号Ｓ２７を多重して１０ビットのパラレル信号である信号Ｓ２８を出力するものであり、この出力側にパラレル／シリアル変換部２９が接続されている。パラレル／シリアル変換部２９は、ＳＤＩインタフェースであり、第２の映像音声多重信号Ｓ２８をパラレル／シリアル変換して第１のＳＤＩ信号Ｓ１と同様の第２のＳＤＩ信号Ｓ２を出力するものである。

（実施例１の映像・音声信号伝送方法）
図２は、図１に示す信号を説明する為の模式図である。
図２の（１）に示すように、第１のＳＤＩ信号Ｓ１は、音声信号Ｓａと映像信号Ｓｖとが交互に連続して配置されたものである。

図２の（２）に示す第１の映像音声多重信号Ｓ１１は、シリアル／パラレル変換部１１の出力信号であり、例えば、図３のライン番号（以下「Ｎｏ．」）５２５には、サンプルＮｏ．１４４０〜１４４４に同期信号、同Ｎｏ．１４４４〜１７１１に音声信号、同Ｎｏ．１７１１〜１７１５に同期信号、及び、同Ｎｏ．０〜１４３９に映像信号がある。このラインは、テレビ画面の一回の走査のデータに相当する。音声信号は、前の走査が終了して次の走査が始まるまでの空き時間を利用して多重されるものである。

図２の（３）の音声信号Ｓａは、図示したような音声信号（音声データパケット）の構造を有し、前記の位置情報がユーザビットＵに挿入される。例えば、そのビットＵは、図４の音声データのビット割付のＵの欄に示したものである。

図２の（４）の符号化信号Ｓｔは、パケット化されているので、単に、ＳＤＩ信号Ｓ１と同様ではないが、映像信号と音声信号とが交互に配置されていることを示す。

図２の（５）の第２の映像音声多重信号Ｓ２８は、第１の映像音声多重信号Ｓ１１と同様の構造を持つものである。その異なる点は、位置情報が挿入され、映像信号符号化部１３で高能率符号化を経ていることである。

図２の（６）の第２のＳＤＩ信号Ｓ２は、第１のＳＤＩ信号Ｓ１と同様の構造として、再現されることを示している。

図３は、図２に示した前記規格ＢＴＡ Ｆ−１００２において、前記ＡＥＳ規格に準拠した音声パケットフォーマット及び音声信号の多重可能補助信号領域（ＢＴＡ Ｆ１００２による）を示す図であり、デジタル・テレビ等で使用されるような映像音声多重信号中の１つの画面に相当するフレーム信号の全体構造、及び、音声信号の映像信号への多重位置が示されている。上から下に各行が並び、各行の左端から右端に各サンプルが示されている。以下のような割当で規定されている。

ラインＮｏ．１では、サンプルＮｏ．１４４０〜１４４４までが１０ビット・４ワードで、音声信号の先頭の同期信号、同Ｎｏ．１４４４〜１７１１までが音声信号、同Ｎｏ．１７１１〜１７１４までが音声信号と同様に映像信号の先頭の同期信号、及び、同Ｎｏ．０〜１４３９までが映像信号の区間である。各ラインＮｏ．９及び２７２のサンプルＮｏ．１６８９〜１７１１までは、共に、音声信号の終わりを検出する区間ＥＤＨである。各ラインＮｏ．１０及び２７３は、例えば、テレビの番組およびコマーシャルの切替ポイントであり、各ラインＮｏ．１１及び２７４は、共に、音声信号を挿入してはならない区間である。更に、各サンプルＮｏ．１４４０及び１７１１は、それぞれ映像信号の終わりをＥＡＶ、及び、映像信号の始まりをＳＡＶで示されている。又、ラインＮｏ．２０〜２６３には、２回の飛び越し走査（インタレース・スキャン）で一回目の画面を構成するフィールド１、及び、ラインＮｏ．２８３〜５２５には、次の跳び越し走査で２回目の画面を構成するフィールド２として映像信号が示されている。

図４は、前記規格ＢＴＡ Ｆ−１００２において、前記ＡＥＳ規格の多重音声データパケットの構造、及び音声データのビット割付を示す図である。ユーザビットには、記号Ｕが付され、音声データのビット割付欄中のビット番号ｂ６行及びＸ＋２列のところに示されている。更に、ユーザビットＵは、コンパクトディスクフォーマット及びデジタルオーディオテープレコーダフォーマット等を除き、ユーザが自由に使用できるビットである。

特に、Ｚは、音声信号の塊であるブロックの開始点で論理レベルが「１」を示し、それ以外で同レベルが「０」で同期を取るためのＺシンクフラグである。ａｕｄ（０−１９）は、２０個の音声データである。左端上の３つのＡＤＦは、補助信号フラグであり、例えば、映像を輝度、同期及び色等の信号に分解して扱う映像信号等で動作するビデオカメラやテレビモニタ等のコンポーネント装置において、左から０００ｈ（ｈは１６進数を示す），３ＦＦｈ及び３ＦＦｈとなる。ＤＩＤは、音声の塊（グループ）を識別するデータ識別番号である。

図５は、插入部１４におけるユーザビット插入方法の例を示す図である。
この図５では、図４にあるビット番号がｂ６行のＸ＋２列に示されているユーザビットＵが次のように設定されている。例えば、図３に示されているラインＮｏ．１２及び２７５の音声データパケット毎の各サンプルＸ＋２におけるユーザビットＵは、左端から８回連続で論理レベルがＵ＝１で、その９回目から１６回目まで、図の途中から右端が省略してあるがＵ＝０であり、その他のラインでは、左端から４回連続Ｕ＝１で、５回目から１６回まで同様に省略してあるがＵ＝０であることを示されている。このことによって、前記位置情報が插入される。

図６は、図１の映像・音声信号伝送装置のフローチャートである。
図６を用いて図１に示す映像・音声信号伝送方法を説明する。

ステップＰ１において、映像・音声信号伝送方法の処理が開始されると、ステップＰ２のシリアル／パラレル変換処理において、ＳＤＩ信号Ｓ１がシリアル／パラレル変換部１１でパラレルに変換されて第１の映像音声多重信号Ｓ１１となる。ステップＰ３の分離処理は、分離部１２で映像音声多重信号Ｓ１１を第１の映像信号Ｓｖと第１の音声信号Ｓａとに分離する。ステップＰ４の映像信号符号化処理では、映像信号符号化部１３で、映像信号Ｓ１２を高能率符号化して第１の映像符号化信号Ｓ１３を生成する。

ステップＰ５は、插入部１４で、音声信号Ｓａに映像音声多重信号Ｓ１１における前記位置情報を、音声信号のデータパケットのユーザビットＵに插入する。ステップＰ６は、音声信号Ｓａの非圧縮符号化を音声信号符号化部１５で行い、第１の音声符号化信号Ｓ１５を生成する。ステップＰ７は、送信部１６で、映像符号化信号Ｓ１３と音声符号化信号Ｓ１５とをＴＳパケットとして送信信号Ｓｔを出力する。

ステップＰ８は、受信部２１で、送信信号Ｓｔを受信し、第２の映像符号化信号Ｓ２１ｖと第２の音声符号化信号Ｓ２１ａとに分離する。ステップＰ９は、映像信号復号部２２で、映像符号化信号Ｓ２１ｖから第２の映像信号Ｓ２２を生成する。ステップＰ１０は、音声信号復号部２３で、音声符号化信号Ｓ２１ａから第２の音声信号Ｓ２３を生成する。ステップＰ１１は、補正部２４で、音声信号Ｓ２３から粗補正音声信号Ｓ２４を生成する。ステップＰ１２は、検出部２４で、音声信号Ｓ２３から位置情報の検出信号Ｓ２５を生成する。ステップＰ１３は、調整部２６で、検出信号Ｓ２５と第２の映像信号Ｓ２２とに基づき、調整信号Ｓ２６を生成する。

ステップＰ１４は、バッファメモリ２７で、粗補正音声信号Ｓ２４と調整信号Ｓ２６とに基づき、微補正音声信号Ｓ２７を生成する。ステップＰ１５は、多重部２８で、映像信号Ｓ２２と微補正音声信号Ｓ２７とを多重して、第２の映像音声多重信号Ｓ２８を生成する。ステップＰ１６は、パラレル／シリアル変換部２９で、映像音声多重信号Ｓ２８をシリアル信号の第２のＳＤＩ信号Ｓ２に変換して出力する。ステップＰ１７において、この映像音声信号伝送方法の処理を終了する。

（実施例１の効果）
本実施例１によれば、映像信号Ｓｖと音声信号Ｓａとに分離した際、設定済音声信号Ｓ１４中のユーザビットＵに、信号Ｓ１１又は映像信号Ｓｖに対する音声信号Ｓａが多重された位置を保持しているので、再度、多重する場合、音声信号Ｓａの多重位置を正確に再現でき、これにより映像及び音声の動きを一致させるリップシンクが容易にできる。

又、本実施例１による映像・音声信号伝送装置を２台揃えて、一方の装置を常時使用に、他方の装置を予備として運用する場合、両装置の映像と音声の遅延時間差を無くすことができるので、仮に一方が故障し、映像と音声との多重信号のまま、他方の装置に切り替えても信号の不連続や雑音が発生することなくスムーズな切り替えが可能となる。

更に、既存の信号フォーマットを使用し、特別な時間差情報を生成したり、付加したりする必要がないので、その分、構成を簡単にできる。

（変形例）
本発明は、上記実施例１に限定されず、図示以外の種々の利用形態や変形が可能である。この利用形態や変形例としては、例えば、次の（ａ）〜（ｄ）のようなものがある。
（ａ）実施例１における映像音声信号伝送方法は、画面のライン本数が６２６本のコンポーネントシステムをはじめ、ＮＴＳＣ及びＰＡＬのコンポジットシステム、ＳＭＰＴＥ−２９２Ｍ及びＳＭＰＴＥ−２９９Ｍ等で規定されたＨＤＴＶ（いわゆるハイビジョンテレビ）システムにおいても、適用が可能であり、適用されるならば、既述の同様の効果が得られる。
（ｂ）バッファメモリ２７は、補正部２４の機能を兼ねることが可能である。これにより、装置の構成が、一層、簡潔となる。
（ｃ）調整部２６は、バッファメモリ２７の機能を取り込むことが可能である。これにより、一層簡潔な装置構成となる。
（ｄ）送信部１６及び受信部２１の間の距離は、無線又は有線か等に関わりなく、設備次第であり、制限されるものではない。

本発明の実施例１を示す映像・音声信号伝送装置の概略の構成図である。 図１に示す信号を説明する為の模式図である。 図２の音声パケットフォーマット及び音声多重領域（ＢＴＡ Ｆ１００２による）を示す図である。 図３の多重音声データパケットの構造、及び音声データのビット割付を示す図である。 図１の実施例１の插入部１４におけるユーザビット插入方法を示す図である。 図１の映像・音声信号伝送装置のフローチャートである。

符号の説明

１０ 插入送信部
２０ 受信検出部
１１ シリアル・パラレル変換部
１２ 分離部
１３ 映像信号符号化部
１４ 插入部
１５ 音声信号符号化部
１６ 送信部
２１ 受信部
２２ 映像信号復号部
２３ 音声信号復号部
２４ 補正部
２５ 検出部
２６ 調整部
２７ バッファメモリ
２８ 多重部
２９ パラレル・シリアル変換部

Claims (2)

1. 分離部が、映像信号に音声信号が多重された多重信号から前記映像信号と前記音声信号とを分離して第１の映像信号と第１の音声信号とを生成する分離処理と、
   挿入部が、前記第１の音声信号に対して、前記多重信号における前記音声信号の多重位置を示す位置情報を前記第１の音声信号に挿入して挿入済音声信号を生成する挿入処理と、
   送信部が、前記第１の映像信号と前記挿入済音声信号とを送信する送信処理と、
   受信部が、前記第１の映像信号及び前記挿入済音声信号を受信して前記第１の映像信号と前記挿入済音声信号とを分離して第２の映像信号と第２の音声信号とを生成する受信処理と、
   検出部が、前記第２の音声信号における前記位置情報を検出する検出処理と、
   多重部が、前記検出処理で検出された前記位置情報に基づき、所定のタイミングで、前記第２の音声信号を前記第２の映像信号に多重する多重処理と、
   を有する映像・音声信号伝送方法であって、
   前記挿入処理は、
   前記挿入部が、前記第１の映像信号におけるライン毎の先頭を示すフラグと、前記第１の映像信号におけるフィールド単位の先頭を示すフラグとに基づき、前記位置情報を前記第１の音声信号におけるユーザビットに挿入することを特徴とする映像・音声信号伝送方法。
2. 多重信号から映像信号と音声信号とを分離して第１の映像信号と第１の音声信号とを生成する分離部と、
   前記第１の音声信号に対して、前記多重信号における前記音声信号の多重位置を示す位置情報を前記第１の音声信号に挿入して挿入済音声信号を生成する挿入部と、
   前記第１の映像信号と前記挿入済音声信号とを送信する送信部と、
   前記第１の映像信号及び前記挿入済音声信号を受信して前記第１の映像信号と前記挿入済音声信号とを分離して第２の映像信号と第２の音声信号とを生成する受信部と、
   前記第２の音声信号における前記位置情報を検出する検出部と、
   前記検出部で検出された前記位置情報に基づき、所定のタイミングで、前記第２の音声信号を前記第２の映像信号に多重する多重部と、
   を有する映像・音声信号伝送装置であって、
   前記挿入部は、
   前記第１の映像信号におけるライン毎の先頭を示すフラグと、前記第１の映像信号におけるフィールド単位の先頭を示すフラグとに基づき、前記位置情報を前記第１の音声信号中のユーザビットに挿入することを特徴とする映像・音声信号伝送装置。

Images