JP5539446B2 - 通信網を介して加入者端末機に送信されるオーディオ信号の出力品質改善のためのオーディオ信号の処理方法およびこの方法を採用したオーディオ信号処理装置 - Google Patents

Description

本発明は、通信網を介して加入者端末機に送信されるオーディオ信号の出力改善のためのオーディオ信号の処理方法およびこの方法を採用したオーディオ信号処理（ｐｒｅ−ｐｒｏｃｅｓｓｉｎｇ）装置に関し、より詳細には、通信網を介して加入者端末機に送信されるオーディオ信号を処理し、オーディオ信号を符号化するコーデックモジュールでオーディオ信号を音声信号として判断できるようにすることで、加入者端末機に送信されるオーディオ信号の音質低下を防ぐオーディオ信号の処理方法およびこの方法を採用したオーディオ信号処理装置に関する。

通信端末機で提供するマルチメディアサービスの１つであるリングバックトーン（ＲＢＴ：ｒｉｎｇ ｂａｃｋ ｔｏｎｅ）代替音提供サービスは、発信端末機から加入者端末機に呼連結（ｃａｌｌ ｃｏｎｎｅｃｔｉｏｎ）を要請したり加入者端末機から呼連結を要請したりする場合に、加入者端末機のユーザから所定の（ｐｒｅｄｅｔｅｒｍｉｎｅｄ）オーディオ信号を通信網を介して発信端末機に送信するサービスである。一例として、上述したリングバックトーン代替音提供サービスは、加入者端末機から着信端末機に呼連結を要請した場合には、着信端末機の第２ユーザがフックオフ（ｈｏｏｋ ｏｆｆ）などの着信応答をする前まで、加入者端末機にオーディオ信号「愛しています」を加入者端末機に送信し、発信端末機から加入者端末機に呼連結を要請した場合には、加入者端末機のユーザがフックオフなどの着信応答をする前まで、発信端末機にオーディオ信号「愛しています」を送信する方式で動作する。

一般的に、通信網では、発信者端末機または着信者端末機（加入者端末機）に送信されるオーディオ信号をオーディオ信号専用コーデックを用いて符号化するのではなく、線形予測符号化（ＬＰＣ：Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｄｉｎｇ）系列の音声コーデックを用いて符号化する。しかしながら、オーディオ信号をＬＰＣ系列の音声コーデックで符号化する場合に、発信端末機または加入者端末機で再生されるオーディオ信号は、下記のような理由によって原本オーディオ信号に比べて歪曲したり、オーディオ信号の再生中に快適雑音（ｃｏｍｆｏｒｔ ｎｏｉｓｅ）が再生したりする場合が発生する。

移動電話網に用いられる音声チャンネルの帯域幅は、６４ｋｂｐｓである有線電話に比べて極めて狭いため、音声信号を低送信率（ｌｏｗ−ｂｉｔｒａｔｅ）音声コーデックで圧縮して送信する。移動電話網に用いられる大部分の音声コーデックは、ＬＰＣ基盤の圧縮方式である。ＬＰＣ系列の音声圧縮方法は、ユーザの発声構造に最適化したモデルを用いており、ユーザの音声信号を中／低送信率に圧縮するのに極めて効率的であると言えるが、このようなＬＰＣ系列の音声コーデックでオーディオ信号を圧縮する場合には、音質が低下するという問題が発生する場合がある。この理由は下記のとおりである。

（１）ＬＰＣ系列の音声コーデックが音声圧縮のために抽出する最も重要なパラメータであるフォルマント（ｆｏｒｍａｎｔ）周波数とピッチ（ｐｉｔｃｈ）周期がオーディオ信号からは適切に抽出されない場合がある。ピッチは、音声基本周波数（ｆｕｎｄａｍｅｎｔａｌ ｆｒｅｑｕｅｎｃｙ：基本周期の逆数）に該当するパラメータであって、声帯の周期的な振動によって生成され、音声信号に存在するピッチの場合には約５０〜５００Ｈｚに存在するが、オーディオ信号の場合にはこれよりもさらに広い周波数領域でピッチが存在する場合もある。さらに、音声信号にはピッチが１つだけ存在するが、オーディオ信号にはピッチが複数存在することができる。

（２）オーディオ信号のスペクトラムが音声信号のスペクトラムに比べて極めて複雑であるためである。スペクトラムが単純な音声信号の場合には、パラメータ抽出後に残った残余信号をコードブック（ｃｏｄｅｂｏｏｋ）で相対的に忠実にモデリングすることができるが、オーディオ信号の場合はそうではない。

（３）ＬＰＣ系列の音声コーデックでＶＡＤ（Ｖｏｉｃｅ Ａｃｔｉｖｉｔｙ Ｄｅｔｅｃｔｉｏｎ）およびＤＴＸ（Ｄｉｓｃｏｎｔｉｎｕｏｕｓ Ｔｒａｎｓｍｉｓｓｉｏｎ）の使用がこの理由となりうる。ユーザが端末機を介して通話をする場合に、実際に音声信号が行き来する時間は統計的に全体通過時間の５０％を越えないため、音声信号が含まれていない区間では音声信号を送信しないようにＤＴＸを用いる。これにより、加入者端末機では電力消耗を減らすことができる上に、エアインターフェイス（ａｉｒ ｉｎｔｅｒｆａｃｅ）で全体干渉（ｉｎｔｅｒｆｅｒｅｎｃｅ）レベルを減らすことができ、周波数効率を向上させることができる。ＤＴＸは、ＶＡＤによって動作の可否が決定される。

ＶＡＤとＤＴＸの動作を説明すれば、ＶＡＤは、音声コーデックから抽出されたオーディオ信号に対する１つ以上のパラメータを分析し、１つ以上のパラメータに対して音声区間であるか無声区間であるかを判断し、１）判断結果、音声区間である場合には、ＤＴＸで抽出された１つ以上のパラメータを受信側復号化器に送信し、加入者端末機でパラメータに基づいてオーディオ信号を再生する。

また、２）判断結果、オーディオ信号が無声区間である場合には、ＤＴＸで最小限のパラメータを生成して受信側復号化器に送信し、加入者端末機でパラメータによる快適雑音を再生する。このように、音声コーデックで正常なオーディオ信号を無声区間であると判断する場合に、加入者端末機ではリングバックトーン区間に送信されるオーディオ信号を快適雑音として再生することが発生する場合がある。実際に、多数の移動通信事業者が上述したリングバックトーン代替音提供サービスを行っているが、このようなリングバックトーン代替音再生区間において、音質の劣化によって該当するオーディオ信号が聞こえなかったり大きく歪曲したりして加入者端末機に送信される場合が多い。

ＶＡＤがオーディオ信号を音声信号でないと判断し、受信側で途切れ現象が発生したりオーディオ信号の代わりに快適雑音で再生したりすることを防ぐために、１）基地局と端末機のコーデックを変更する方法、２）オーディオ信号をデータ網を介して送信する方法があり得る。しかしながら、上述した２つの場合は、現在構築されている多くのシステムに変更を招来するようになり、これによる費用の問題が発生する。

したがって、上述した例のように、通信網を介して加入者端末機にリングバックトーン代替音を送る場合は勿論、通信網を介して所定のオーディオ信号を送信するすべての応用例において、通信網の音声コーデックで特定オーディオ信号に対する符号化を実行するときに、無声区間として判断する区間を音声区間として判断できるようにする方法が求められている。

本発明は、上述した従来技術の問題点を解決するために案出されたものであって、通信網を介して加入者端末機にリングバックトーン代替音などのオーディオ信号を送信する場合に、通信網の音声コーデックでオーディオ信号のフレームを音声区間として判断する確率を高めることで、加入者端末機に送信されるオーディオ信号の音質を向上させることを目的とする。

また、本発明は、通信網を介して加入者端末機にリングバックトーン代替音などのオーディオ信号を送信する場合に、通信網の音声コーデックで無声区間として判断しないようにオーディオ信号を前処理（ｐｒｅ−ｐｒｏｃｅｓｓｉｎｇ）することで、より良い音質のリングバックトーン代替音を提供することを他の目的とする。

上記の目的を達成し、上述した従来技術の問題点を解決するために、本発明の一実施形態に係る通信網を介して加入者端末機に送信されるオーディオ信号の処理方法は、前記オーディオ信号を音声コーデックを用いて符号化するステップと、前記符号化されたオーディオ信号を前記音声コーデックを用いて復号化するステップとを含み、前記復号化されたオーディオ信号を前記通信網を介して前記加入者端末機に送信するコーデック（ＣＯＤＥＣ）モジュールでは、前記オーディオ信号に含まれた１つ以上のフレームに対して音声区間であるか無声区間であるかを判断するステップと、前記判断結果に応じて前記フレームに対する１つ以上のパラメータを前記加入者端末機に送信するステップとが実行されることを特徴とする。

本発明の一実施形態に係る通信網を介して加入者端末機に送信されるオーディオ信号の処理装置は、前記オーディオ信号を符号化し、前記符号化されたオーディオ信号を再び復号化する音声コーデックを備え、前記復号化されたオーディオ信号を前記通信網を介して前記加入者端末機に送信するコーデックモジュールは、前記オーディオ信号に含まれた１つ以上のフレームに対して音声区間であるか無声区間であるかを判断するＶＡＤ部と、前記判断結果に応じて前記フレームに対する１つ以上のパラメータを前記加入者端末機に送信するＤＴＸ部とを備えることを特徴とする。

本発明の他の実施形態に係る通信網を介して加入者端末機に送信されるオーディオ信号の処理方法は、前記オーディオ信号を１つ以上のチャンネルに分離するステップと、前記チャンネルそれぞれに対するチャンネルエネルギーを測定し、前記チャンネルエネルギーのうちから特定チャンネルエネルギーを選択するステップと、前記特定チャンネルエネルギーを増幅するステップとを含むことを特徴とする。

また、本発明のさらに他の実施形態に係る通信網を介して加入者端末機に送信されるオーディオ信号の処理方法は、前記オーディオ信号を１つ以上のチャンネルに分離するステップと、前記チャンネルそれぞれに対するチャンネルエネルギーを測定し、前記チャンネルエネルギーのうちから特定チャンネルエネルギーを選択するステップと、前記特定チャンネルエネルギーを有するチャンネル以外のチャンネルエネルギーを減少させるステップとを含むことを特徴とする。

本発明の一実施形態に係るオーディオ信号の出力改善のためのオーディオ信号の処理方法を説明するためのフローチャートである。 本発明の一実施形態に係るＤＴＸの動作方法を説明するためのフローチャートである。 本発明の一実施形態に係るオーディオ信号処理装置の内部構成を示すブロック図である。 本発明の他の実施形態に係るオーディオ信号の出力改善のためのオーディオ信号の処理方法を説明するためのフローチャートである。 本発明のさらに他の実施形態に係るオーディオ信号の出力改善のためのオーディオ信号の処理方法を説明するためのフローチャートである。 本発明の他の実施形態に係るオーディオ信号処理装置の内部構成を示すブロック図である。 本発明のさらに他の実施形態に係るオーディオ信号処理装置の内部構成を示すブロック図である。

以下、添付の図面を参照しながら、本発明に係る通信網を介して加入者端末機に送信されるオーディオ信号の出力改善のためのオーディオ信号の処理方法およびこの方法を採用したオーディオ信号処理装置について詳しく説明する。

参考までに、本明細書で用いられる端末機は、コンピュータ端末機、ＰＳＴＮ（Ｐｕｂｌｉｃ Ｓｗｉｔｃｈｅｄ Ｔｅｌｅｐｈｏｎｅ Ｎｅｔｗｏｒｋ）端末機、ＶｏＩＰ、ＳＩＰ（Ｓｅｓｓｉｏｎ Ｉｎｉｔｉａｔｉｏｎ Ｐｒｏｔｏｃｏｌ）、Ｍｅｇａｃｏ、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、セルラーフォン、ＰＣＳ（Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｅｒｖｉｃｅ）フォン、ハンドヘルドＰＣ（Ｈａｎｄ−Ｈｅｌｄ ＰＣ）、ＣＤＭＡ−２０００（１Ｘ、３Ｘ）フォン、ＷＣＤＭＡ（Ｗｉｄｅｂａｎｄ ＣＤＭＡ）フォン、デュアルバンド／デュアルモード（Ｄｕａｌ Ｂａｎｄ／Ｄｕａｌ Ｍｏｄｅ）フォン、ＧＳＭ（Ｇｌｏｂａｌ Ｓｔａｎｄａｒｄ ｆｏｒ Ｍｏｂｉｌｅ）フォン、ＭＢＳ（Ｍｏｂｉｌｅ Ｂｒｏａｄｂａｎｄ Ｓｙｓｔｅｍ）フォン、または衛星／地上波ＤＭＢ（Ｄｉｇｉｔａｌ Ｍｕｌｔｉｍｅｄｉａ Ｂｒｏａｄｃａｓｔｉｎｇ）フォンのうちのいずれか１つであることができる。

図１は、本発明の一実施形態に係るオーディオ信号の出力改善のためのオーディオ信号の処理方法を説明するためのフローチャートである。

まず、ステップ１０１で、オーディオ信号処理装置は、オーディオ信号を音声コーデックを用いて第１符号化信号に符号化（ｃｏｄｉｎｇ）する。本発明の一実施形態によれば、オーディオ信号処理装置は、音声コーデックを用いてオーディオ信号に対する１つ以上のパラメータを抽出し、抽出された１つ以上のパラメータを含む第１符号化信号に符号化することができる。音声コーデックは、ＶＡＤおよびＤＴＸを含まないことが好ましい。

ステップ１０２で、オーディオ信号処理装置は、第１符号化信号を音声コーデックを用いて第１オーディオ信号に復号化（ｄｅｃｏｄｉｎｇ）する。本発明の一実施形態によれば、オーディオ信号処理装置は、音声コーデックを用いて１つ以上のパラメータを含む第１符号化信号を第１オーディオ信号に復号化することができる。

本発明によれば、ステップ１０１〜ステップ１０２の前処理過程を介して音声コーデックを用いてオーディオ信号から抽出した１つ以上のパラメータは、音声信号と類似した特性を有することができる。

ステップ１０３で、第１オーディオ信号を符号化して加入者端末機に送信するコーデックモジュールは、ＶＡＤを用いて入力される第１オーディオ信号に含まれた１つ以上のフレームに対して音声区間であるか無声区間であるかを判断する。ＶＡＤは、コーデックモジュールから抽出された１つ以上のパラメータに基づいて音声区間または前記無声区間を判断することができる。

本発明の一実施形態によれば、コーデックモジュールは、ＡＭＲ ＶＡＤ ＯＰＴＩＯＮ １またはＡＭＲ ＶＡＤ ＯＰＴＩＯＮ ２のうちのいずれか１つを用いることができる。

ステップ１０４で、コーデックモジュールは、判断結果を参照して、ＤＴＸで所定のロジックに応じてフレームに対する１つ以上のパラメータを加入者端末機に送信する。

図２は、本発明の一実施形態に係るＤＴＸの動作方法の一例を説明するためのフローチャートである。

ステップ２０１で、コーデックモジュールは、ＶＡＤを用いて入力される第１オーディオ信号に含まれた１つ以上のフレームに対して音声区間であるか無声区間であるかを判断する。

ＶＡＤでフレームが音声区間であると判断する場合（ステップ２０２）、ステップ２０２で、ＤＴＸは、フレームに対してコーデックモジュールから抽出したパラメータを加入者端末機に送信する。すなわち、加入者端末機は、抽出したパラメータによるオーディオ信号を再生することができる。

ＶＡＤで、フレームが無声区間であると判断する場合（ステップ２０２）、ステップ２０４で、ＤＴＸは、フレームに対する最小パラメータを生成して加入者端末機に送信する。すなわち、加入者端末機は、最小パラメータによる快適雑音を出力することができる。

図３は、本発明の一実施形態に係るオーディオ信号処理装置の内部構成を示すブロック図である。

図３に示すように、オーディオ信号処理装置３００は、オーディオ信号符号化部３０１と、オーディオ信号復号化部３０２とを備える。

オーディオ信号符号化部３０１は、オーディオ信号を音声コーデックを用いて第１符号化信号に符号化する。本発明の一実施形態によれば、オーディオ信号符号化部３０１は、音声コーデックを用いてオーディオ信号に対する１つ以上のパラメータを抽出し、抽出された１つ以上のパラメータを含む第１符号化信号に符号化することができる。

オーディオ信号復号化部３０２は、第１符号化信号を音声コーデックを用いて第１オーディオ信号に復号化する。本発明の一実施形態によれば、オーディオ信号復号化部３０２は、音声コーデックを用いて１つ以上のパラメータを含む第１符号化信号を第１オーディオ信号に復号化することができる。

第１オーディオ信号を符号化して加入者端末機に送信するコーデックモジュール３５０は、ＶＡＤ３５１と、ＤＴＸ３５２とを備える。本発明によれば、コーデックモジュール３５０は、ＡＭＲ ＶＡＤ ＯＰＴＩＯＮ １またはＡＭＲ ＶＡＤ ＯＰＴＩＯＮ ２のうちのいずれか１つを用いることができる。

ＶＡＤ３５１は、入力される第１オーディオ信号に含まれた１つ以上のフレームに対して音声区間であるか無声区間であるかを判断する。

ＤＴＸ３５２は、判断結果を参照して、所定のロジックに応じてフレームに対する１つ以上のパラメータを加入者端末機に送信する。

本発明の一実施形態によれば、ＶＡＤ３５１でフレームが音声区間であると判断する場合に、ＤＴＸ３５２は、フレームに対してコーデックモジュールから抽出したパラメータを加入者端末機に送信し、ＶＡＤ３５１でフレームが無声区間であると判断する場合に、ＤＴＸ３５２でフレームに対する最小パラメータを生成して加入者端末機に送信する。

図４は、本発明の他の実施形態に係るオーディオ信号の出力改善のためのオーディオ信号の処理方法を説明するためのフローチャートである。

図４に示すように、本発明に他の実施形態に係るオーディオ信号の処理方法は、（１）オーディオ信号に対する前処理過程と、（２）前処理されたオーディオ信号に対する符号化過程とに大別することができる。このような前処理過程は、後述するステップ４０１〜ステップ４０４で構成することができ、前処理が完了したオーディオ信号に対する符号化過程は、後述するステップ４０５〜ステップ４０８で構成することができる。

まず、ステップ４０１で、オーディオ信号処理装置は、オーディオ信号に対する周波数分析を介してオーディオ信号を１つ以上のチャンネルに分離する。

本発明の他の実施形態によれば、オーディオ信号処理装置は、ＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）アルゴリズムを用いてオーディオ信号を周波数別に１つ以上のチャンネルに分離することができる。一例として、オーディオ信号処理装置は、オーディオ信号をＦＦＴアルゴリズムを用いて「１６個」のチャンネルに分離することができる。

ステップ４０２で、オーディオ信号処理装置は、チャンネルそれぞれに対する第１チャンネルエネルギーを測定する。

ステップ４０３で、オーディオ信号処理装置は、測定された１つ以上の第１チャンネルエネルギーのうちから特定チャンネルエネルギーを選択する。一例として、エネルギーが最大であるチャンネルを特定チャンネルとして選択することができる。

ステップ４０４で、オーディオ信号処理装置は、選択された特定チャンネルエネルギーに所定の増幅係数を乗算して特定チャンネルエネルギーを増幅する。

本発明によれば、オーディオ信号処理装置で特定チャンネルエネルギーを増幅する場合に、後述するように、チャンネルに対する信号対雑音比を増加させることで、コーデックモジュールでオーディオ信号を音声信号として判断する確率を高めることができる。

本発明の他の実施形態によれば、オーディオ信号処理装置は、チャンネルそれぞれに対する第１背景雑音を推定し、前記推定された第１背景雑音に応じて選択的に特定チャンネルエネルギーに所定の増幅係数を乗算して特定チャンネルエネルギーを増幅することができる。一例として、推定された第１背景雑音が所定の基準値以下である場合には特定チャンネルエネルギーを増幅せず、第１背景雑音が前記基準値を超える場合には特定チャンネルエネルギーを増幅することができる。

上述したステップ４０１〜ステップ４０４を経たオーディオ信号は、本発明に係るコーデックモジュールに入力され、通信網を介して送信されるために符号化されることができる。このような符号化過程は、後述するステップ４０５〜ステップ４０８で構成することができる。

ステップ４０５で、オーディオ信号を符号化するコーデックモジュールは、第１特定チャンネルエネルギーが増幅されたオーディオ信号に対して、チャンネルそれぞれに対する第２チャンネルエネルギーを測定し、チャンネルそれぞれに対する第２背景雑音を推定（ｅｓｔｉｍａｔｉｏｎ）する。すなわち、第１チャンネルエネルギーは、オーディオ信号に対する前処理過程で測定されたチャンネルエネルギーであり、第２チャンネルエネルギーは、オーディオ信号に対する前処理以後のそれぞれのチャンネルに対するチャンネルエネルギーである。

さらに、第２背景雑音は、下記の数式１のように推定することができる。

Ｅ_ch(ｍ,ｉ)はフレームｍでｉ番目のチャンネルであり、Ｅ_n(ｍ,ｉ)はフレームｍでｉ
番目のチャンネルの背景雑音であり、Ｎ_cはチャンネルの個数である。

本発明の他の実施形態によれば、コーデックモジュールは、ＡＭＲ ＶＡＤ ＯＰＴＩＯＮ ２を用いることができる。

本発明のさらに他の実施形態によれば、コーデックモジュールは、測定された１つ以上の第２チャンネルエネルギーのうち、第２特定チャンネルエネルギーと１つ以上の第２チャンネルエネルギーの平均値とを比べ、第２特定チャンネルエネルギーが平均値よりも大きい場合には、オーディオ信号を正弦波として判断することができる。当業者であれば周知のように、所定の信号が正弦波として判断されるということは、該当する信号が特定周波数成分が強い信号であると解釈することができ、このような信号は、音声信号として判断される可能性が高い信号であることを意味する。

第２特定チャンネルエネルギーを算出するために、下記の数式２を用いることができる。

Ｅ_ch(ｍ,ｉ)はフレームｍでｉ番目のチャンネルエネルギーであり、Ｎ_cはチャンネル係数であり、

は第２チャンネルエネルギーの平均値である。

数式１を参照すれば、オーディオ信号処理装置で第１特定チャンネルエネルギーを増幅する場合に、第１特定チャンネルエネルギーを有するチャンネルの背景雑音も共に増幅される。本発明によれば、上述したステップ４０１〜ステップ４０４を経て前処理されたオーディオ信号の場合には、すでに特定チャンネルエネルギーを有するチャンネルのエネルギーが増幅された状態であるため、コーデックモジュールでは、数式２を参照して算出した第２特定チャンネルエネルギーおよび他のチャンネルのチャンネルエネルギー平均値を比較し、前処理されたオーディオ信号を正弦波として判断する確率が高まる。

上記した数式１を参照すれば、チャンネル全体に対する平均チャンネルエネルギーに比べて特定チャンネルのチャンネルエネルギーが相当に大きい場合にはΦ（ｍ）は大きくなり、平均チャンネルエネルギーに比べて特定チャンネルのチャンネルエネルギーが相当に大きくない場合にはΦ（ｍ）は小さくなる。一例として、ＡＭＲ ＶＡＤ ＯＰＴＩＯＮ２では、Φ（ｍ）が１０よりも大きい場合には該当するオーディオ信号を正弦波であると仮定し、正弦波が検出された場合にはＡＭＲ ＶＡＤ ＯＰＴＩＯＮ ２は背景雑音を増幅させない。

すなわち、特定チャンネルのチャンネルエネルギーを増幅させることで、全体チャンネルの信号対雑音比を大きくし、背景雑音が更新されないようにすることができる。また、相対的に特定チャンネルエネルギーを有するチャンネルエネルギーに対してのみ増幅が実行されるため、前処理されたオーディオ信号に対する第２チャンネルエネルギーおよび第２背景雑音を用いて測定される全体チャンネルの信号対雑音比を改善させることができる。

ステップ４０６で、コーデックモジュールは、チャンネルそれぞれに対する第２チャンネルエネルギーおよび第２背景雑音を用いて、チャンネルそれぞれに対する信号対雑音比（ＳＮＲ：ｓｉｇｎａｌ−ｔｏ−ｎｏｉｓｅ ｒａｔｉｏ）を測定する。信号対雑音比は、数式３のように測定することができる。

Ｅ_ch(ｍ,ｉ)はフレームｍでｉ番目チャンネルのチャンネルエネルギーであり、Ｅ_n(ｍ,ｉ)はフレームｍでｉ番目チャンネルの背景雑音であり、Ｎ_cはチャンネルの個数である。

ステップ４０７で、コーデックモジュールは、測定されたチャンネルそれぞれに対する信号対雑音比に基づいて音声距離を算出する。本発明によれば、音声距離は、チャンネルそれぞれに対する信号対雑音比を合算して算出することができる。

ステップ４０８で、コーデックモジュールは、音声距離が所定の閾値以上である場合に、オーディオ信号を音声信号として判断してオーディオ信号を符号化する。

本発明によれば、チャンネルそれぞれに対して合算された信号対雑音比、すなわち音声距離は、前処理過程で増幅された第１特定チャンネルエネルギーによって前処理以前のオーディオ信号に対する音声距離よりも増加した音声距離を有するようになることで、コーデックモジュールでオーディオ信号を音声信号として判断する確率を高めることができる。

閾値は、チャンネルそれぞれに対する信号対雑音比に基づいて長期尖頭信号対雑音比を測定し、測定された長期尖頭信号対雑音比に応じて閾値を決定することができる。すなわち、閾値は、測定された長期尖頭信号対雑音比と反比例関係を保持し、長期尖頭信号対雑音比が所定の基準値よりも大きい場合には、選定された第１閾値として決定し、長期尖頭信号対雑音比が所定の基準値よりも小さい場合には、選定された第２閾値として決定することができる。第１閾値は、第２閾値よりも小さい。

図５は、本発明のさらに他の実施形態に係るオーディオ信号の出力改善のためのオーディオ信号の処理方法を説明するためのフローチャートである。

ステップ５０１〜５０３およびステップ５０５〜５０８は、図４で示すステップ４０１〜４０３およびステップ４０６〜４０８と同じであるため、これに該当する図示は省略し、ステップ５０４およびステップ５０５のみを示す。

ステップ５０４で、オーディオ信号処理装置は、選定された特定チャンネルエネルギーを有するチャンネル以外のチャンネルエネルギーに所定の増幅係数を乗算してチャンネルエネルギーを減少させる。すなわち、オーディオ信号処理装置で選択された特定チャンネルエネルギーを有するチャンネル以外のチャンネルエネルギーに増幅係数を乗算してチャンネルエネルギーを減少させる場合に、特定チャンネルエネルギーを除いたチャンネルエネルギーが減少するため、相対的に特定チャンネルエネルギーが増加するようになる。

ステップ５０５で、オーディオ信号を符号化するコーデックモジュールは、特定チャンネルエネルギーを有するチャンネル以外のチャンネルのチャンネルエネルギーが減少したオーディオ信号に対して、チャンネルそれぞれに対する第２チャンネルエネルギーを測定し、チャンネルそれぞれに対する第２背景雑音を推定する。また、第２背景雑音は、上記の数式１のように推定することができる。

図６は、本発明の他の実施形態に係るオーディオ信号処理装置の内部構成を示すブロック図である。

図６で示すように、オーディオ信号処理装置６００は、チャンネル分離部６０１と、チャンネル測定部６０２と、チャンネルエネルギー増幅部６０３とを備える。

チャンネル分離部６０１は、オーディオ信号に対する周波数分析を介してオーディオ信号を１つ以上のチャンネルに分離する。本発明の一実施形態によれば、チャンネル分離部６０１は、ＦＦＴアルゴリズムを用いてオーディオ信号に対する周波数を分析し、分析によってオーディオ信号を１つ以上のチャンネルに分離することができる。

チャンネル測定部６０２は、チャンネルそれぞれに対する第１チャンネルエネルギーを測定する。

チャンネルエネルギー増幅部６０３は、測定された１つ以上の第１チャンネルエネルギーのうちから特定チャンネルエネルギーを選択し、特定チャンネルエネルギーに所定の増幅係数を乗算して特定チャンネルエネルギーを増幅する。

オーディオ信号を符号化するコーデックモジュール６５０は、背景雑音推定部６５１と、信号対雑音比測定部６５２と、正弦波判断部６５３と、オーディオ信号符号化部６５４とを備える。

背景雑音推定部６５１は、特定チャンネルエネルギーが増幅したオーディオ信号に対して、チャンネルそれぞれに対する第２チャンネルエネルギーを測定し、チャンネルそれぞれに対する第２背景雑音を推定する。本発明によれば、コーデックモジュール６５０は、ＡＭＲ ＶＡＤ ＯＰＴＩＯＮ ２を用いることができる。

信号対雑音比測定部６５２は、チャンネルそれぞれに対する第２チャンネルエネルギーおよび第２背景雑音を用いてチャンネルそれぞれに対する信号対雑音比を測定する。本発明によれば、信号対雑音比測定部６５２は、正弦波判断部６５３を備え、正弦波判断部６５３は、測定された１つ以上の第２チャンネルエネルギーのうち、第２特定チャンネルエネルギーと１つ以上の第２チャンネルエネルギーの平均値とを比べ、第２特定チャンネルエネルギーが前記平均値よりも大きい場合にはオーディオ信号を正弦波として判断する。

オーディオ信号符号化部６５４は、測定されたチャンネルそれぞれに対する信号対雑音比に基づいて音声距離を算出し、音声距離が所定の閾値以上である場合に、オーディオ信号を音声信号として判断してオーディオ信号を符号化する。

また、本発明によれば、オーディオ信号符号化部６５４は、チャンネルそれぞれに対する信号対雑音比を合算して音声距離を算出することができる。

また、本発明の他の実施形態によれば、閾値は、チャンネルそれぞれに対する信号対雑音比に基づいて長期尖頭信号対雑音比を測定し、測定された長期尖頭信号対雑音比に応じて閾値を決定することができる。

図７は、本発明のさらに他の実施形態に係るオーディオ信号処理装置の内部構成を示すブロック図である。

図７で示すように、オーディオ信号処理装置７００は、チャンネル分離部７０１と、チャンネル測定部７０２と、チャンネルエネルギー減少部７０３とを備える。

チャンネル分離部７０１は、オーディオ信号に対する周波数分析を介してオーディオ信号を１つ以上のチャンネルに分離する。本発明に一実施形態によれば、チャンネル分離部７０１は、ＦＦＴアルゴリズムを用いてオーディオ信号に対する周波数分析し、分析によってオーディオ信号を１つ以上のチャンネルに分離することができる。

チャンネル測定部７０２は、チャンネルそれぞれに対する第１チャンネルエネルギーを測定する。

チャンネルエネルギー減少部７０３は、測定された１つ以上の第１チャンネルエネルギーのうちから特定チャンネルエネルギーを選択し、選択された特定チャンネルエネルギーを有するチャンネル以外のチャンネルエネルギーに所定の増幅係数を乗算してチャンネルエネルギーを減少させる。

オーディオ信号を符号化するコーデックモジュール７５０は、背景雑音推定部７５１と、信号対雑音比測定部７５２と、正弦波判断部７５３と、オーディオ信号符号化部７５４とを備える。

背景雑音推定部７５１は、特定チャンネルエネルギーを有するチャンネル以外のチャンネルのチャンネルエネルギーが減少したオーディオ信号に対して、チャンネルそれぞれに対する第２チャンネルエネルギーを測定し、チャンネルそれぞれに対する第２背景雑音を推定する。本発明によれば、コーデックモジュールは、ＡＭＲ ＶＡＤ ＯＰＴＩＯＮ ２を用いることができる。

信号対雑音比測定部７５２は、チャンネルそれぞれに対する第２チャンネルエネルギーおよび第２背景雑音を用いてチャンネルそれぞれに対する信号対雑音比を測定する。本発明によれば、信号対雑音比測定部７５２は、正弦波判断部７５３を備え、正弦波判断部７５３は、測定された１つ以上の第２チャンネルエネルギーのうち、第２特定チャンネルエネルギーと１つ以上の第２チャンネルエネルギーとの平均値を比べ、第２特定チャンネルエネルギーが平均値よりも大きい場合にはオーディオ信号を正弦波として判断する。

オーディオ信号符号化部７５４は、測定されたチャンネルそれぞれに対する信号対雑音比に基づいて音声距離を算出し、音声距離が所定の閾値以上である場合に、オーディオ信号を音声信号として判断してオーディオ信号を符号化する。

また、本発明によれば、オーディオ信号符号化部７５４は、チャンネルそれぞれに対する信号対雑音比を合算して音声距離を算出することができる。

また、本発明の他の実施形態によれば、閾値は、チャンネルそれぞれに対する信号対雑音比に基づいて長期尖頭信号対雑音比を測定し、測定された長期尖頭信号対雑音比によって閾値を決定することができる。

なお、本発明に係るオーディオ信号の出力改善のためのオーディオ信号の処理方法は、コンピュータにより実現される多様な動作を実行するためのプログラム命令を含むコンピュータ読取可能な記録媒体を含む。当該記録媒体は、プログラム命令、データファイル、データ構造などを単独または組み合わせて含むこともでき、記録媒体およびプログラム命令は、本発明の目的のために特別に設計されて構成されたものでもよく、コンピュータソフトウェア分野の技術を有する当業者にとって公知であり使用可能なものであってもよい。コンピュータ読取可能な記録媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク及び磁気テープのような磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤのような光記録媒体、フロプティカルディスクのような磁気−光媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどのようなプログラム命令を保存して実行するように特別に構成されたハードウェア装置が含まれる。また、記録媒体は、プログラム命令、データ構造などを保存する信号を送信する搬送波を含む光または金属線、導波管などの送信媒体でもある。プログラム命令の例としては、コンパイラによって生成されるような機械語コードだけでなく、インタプリタなどを用いてコンピュータによって実行され得る高級言語コードを含む。前記したハードウェア要素は、本発明の動作を実行するために一以上のソフトウェアモジュールとして作動するように構成することができ、その逆もできる。

上述したように、本発明の好ましい実施形態を参照して説明したが、該当の技術分野において熟練した当業者にとっては、特許請求の範囲に記載された本発明の思想および領域から逸脱しない範囲内で、本発明を多様に修正および変更させることができることを理解することができるであろう。すなわち、本発明の技術的範囲は、特許請求の範囲に基づいて定められ、発明を実施するための最良の形態により制限されるものではない。

本発明によれば、通信網を介して加入者端末機にリングバックトーン代替音などのオーディオ信号を送信する場合に、通信網の音声コーデックでオーディオ信号のフレームを音声区間として判断する確率を高めることで、送信されるオーディオ信号の音質を向上させることができる。

また、本発明によれば、通信網を介して加入者端末機にリングバックトーン代替音などのオーディオ信号を送信する場合に、通信網の音声コーデックで無声区間として判断しないようにオーディオ信号を前処理することで、より良い音質のリングバックトーン代替音を提供することができる。

Claims (10)

1. 通信網を介して加入者端末機に送信されるオーディオ信号の処理方法であって、
   前記オーディオ信号を１つ以上のチャンネルに分離するステップと、
   前記チャンネルそれぞれに対するチャンネルエネルギーを測定し、前記チャンネルエネルギーのうちから特定チャンネルエネルギーを選択するステップと、
   前記特定チャンネルエネルギーを増幅するステップと、
   を含み、前記オーディオ信号は送受信される加入者の音声信号と異なり、
   前記特定チャンネルエネルギーは、前記チャンネルそれぞれのチャンネルエネルギーのうちで最大値を有するチャンネルエネルギーであり、
   前記特定チャンネルエネルギーが増幅された前記オーディオ信号は、所定のコーデックモジュールで符号化されて前記加入者端末機に送信され、
   前記コーデックモジュールでは、
   前記オーディオ信号に対して前記チャンネルそれぞれに対するチャンネルエネルギーを測定し、前記チャンネルそれぞれに対する背景雑音を推定するステップと、
   前記チャンネルエネルギーおよび前記背景雑音を用いて前記チャンネル別の信号対雑音比を測定するステップと、
   前記チャンネル別の信号対雑音比に基づいて前記オーディオ信号を符号化するステップと、
   が実行される、
   ことを特徴とするオーディオ信号の処理方法。
2. 通信網を介して加入者端末機に送信されるオーディオ信号の処理方法であって、
   前記オーディオ信号を１つ以上のチャンネルに分離するステップと、
   前記チャンネルそれぞれに対するチャンネルエネルギーを測定し、前記チャンネルエネルギーのうちから特定チャンネルエネルギーを選択するステップと、
   前記特定チャンネルエネルギーを有するチャンネル以外のチャンネルエネルギーを減少させるステップと、
   を含み、前記オーディオ信号は送受信される加入者の音声信号と異なり、
   前記特定チャンネルエネルギーは、前記チャンネルそれぞれのチャンネルエネルギーのうちで最大値を有するチャンネルエネルギーであり、
   前記特定チャンネルエネルギーが減少されなかった前記オーディオ信号は、所定のコーデックモジュールで符号化されて前記加入者端末機に送信され、
   前記コーデックモジュールでは、
   前記オーディオ信号に対して前記チャンネルそれぞれに対するチャンネルエネルギーを測定し、前記チャンネルそれぞれに対する背景雑音を推定するステップと、
   前記チャンネルエネルギーおよび前記背景雑音を用いて前記チャンネル別の信号対雑音比を測定するステップと、
   前記チャンネル別の信号対雑音比に基づいて前記オーディオ信号を符号化するステップと、
   が実行される、
   ことを特徴とするオーディオ信号の処理方法。
3. 前記コーデックモジュールは、
   前記信号対雑音比に基づいて音声距離を算出するステップと、
   前記音声距離が所定の閾値以上である場合に、前記オーディオ信号を音声信号として判断するステップと、
   をさらに実行することを特徴とする請求項１または２に記載のオーディオ信号の処理方法。
4. 前記オーディオ信号に対して前記チャンネルそれぞれに対する前記チャンネルエネルギーを測定し、前記チャンネルそれぞれに対する前記背景雑音を推定する前記ステップは、
   前記測定されたチャンネルエネルギーのうち、特定チャンネルエネルギーと前記チャンネルエネルギーとの平均値を比べ、前記特定チャンネルエネルギーが前記平均値よりも大きい場合には前記オーディオ信号を正弦波として判断するステップ、
   を含むことを特徴とする請求項１または２に記載のオーディオ信号の処理方法。
5. 前記音声距離を算出する前記ステップは、
   前記チャンネルそれぞれに対する前記信号対雑音比を合算して前記音声距離を算出することを特徴とする請求項３に記載のオーディオ信号の処理方法。
6. 前記閾値は、前記チャンネルそれぞれに対する前記信号対雑音比に基づいて長期尖頭信号対雑音比を測定し、前記測定された長期尖頭信号対雑音比に応じて前記閾値が決定されることを特徴とする請求項３に記載のオーディオ信号の処理方法。
7. 前記コーデックモジュールは、ＡＭＲ ＶＡＤ ＯＰＴＩＯＮ ２を用いることを特徴とする請求項１または２に記載のオーディオ信号の処理方法。
8. 前記オーディオ信号を１つ以上のチャンネルに分離する前記ステップは、
   ＦＦＴアルゴリズムを用いて前記オーディオ信号を１つ以上のチャンネルに分離するステップであることを特徴とする請求項１または２に記載のオーディオ信号の処理方法。
9. 通信網を介して加入者端末機に送信されるオーディオ信号の処理装置であって、
   前記オーディオ信号を１つ以上のチャンネルに分離するチャンネル分離部と、
   前記チャンネルそれぞれにチャンネルエネルギーを測定するチャンネル測定部と、
   前記測定されたチャンネルエネルギーのうちから特定チャンネルエネルギーを選択し、前記特定チャンネルエネルギーを増幅するチャンネルエネルギー増幅部と、
   を備え、前記オーディオ信号は送受信される加入者の音声信号と異なり、
   前記特定チャンネルエネルギーは、前記チャンネルそれぞれのチャンネルエネルギーのうちで最大値を有するチャンネルエネルギーであり、
   前記特定チャンネルエネルギーが増幅された前記オーディオ信号は、所定のコーデックモジュールで符号化されて前記加入者端末機に送信され、
   前記コーデックモジュールは、
   前記オーディオ信号に対して前記チャンネルそれぞれに対するチャンネルエネルギーを測定し、前記チャンネルそれぞれに対する背景雑音を推定し
   前記チャンネルエネルギーおよび前記背景雑音を用いて前記チャンネル別の信号対雑音比を測定し、
   前記チャンネル別の信号対雑音比に基づいて前記オーディオ信号を符号化する、
   ことを特徴とするオーディオ信号処理装置。
10. 前記チャンネルエネルギー増幅部は、
    前記特定チャンネルエネルギーを有するチャンネル以外のチャンネルエネルギーを減少させて前記特定チャンネルエネルギーを相対的に増幅することを特徴とする請求項９に記載のオーディオ信号処理装置。

Images