JP6154592B2 - 圧縮装置、伸張装置、圧縮伸張装置、圧縮方法、圧縮制御プログラム、および音声データ構造 - Google Patents

Description

本発明は、圧縮装置、伸張装置、圧縮伸張装置、圧縮方法、圧縮制御プログラム、および音声データ構造に関する。

インターネット等の通信で利用されるＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）を用いた音声通話システムが知られている。このような音声通話システムは、ＶｏＩＰ（Ｖｏｉｃｅ ｏｖｅｒ Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）システムと呼ばれる。ＶｏＩＰシステムにおいて、音声データは、通常のＩＰネットワークシステムと同様に、パケットと呼ばれる単位に分割され、ＩＰネットワーク上に送出される。

ＶｏＩＰシステムにおいて扱われるデータは、上述したように通話音声データである。従って、ＶｏＩＰシステムでは、高品質でかつリアルタイムな通信が要求される。また、回線障害を未然に防ぎつつより多くのユーザを収容するため、ＶｏＩＰシステムでは、ネットワークの回線負荷の低減が、求められている。

回線負荷を低減する代表的な技術として無音圧縮を挙げることができる。無音圧縮において、声を出していない無音部分についてのパケットは、送信されない。ただし、無音圧縮を用いた通話の品質は、無音状態を検出するための検出器の検出精度の影響を受け易い。従って、上記検出器の精度が一定以下の場合、たとえば、受話側で音声の先頭部分が途切れたり、あるいはブツブツ音がするなど、通話品質が安定しない場合もある。

この問題に対して、特許文献１は、有音を検知した以前のデータから有音圧縮を開始する音声圧縮方法について記載する。具体的には、図１４に示すように、有音圧縮は、音声検出しきい値を上回ったタイミング（Ｔ１時点）から即座に開始されるのではなく、「もしもし」の最初の「も」の時間に相当する期間Ｔ０〜Ｔ１だけ遡って開始される。このような方法により、受話側で音声の先頭部分が途切れる問題が解消される可能性が高まる。

一方、音声コーデックの方法として、ＡＣＥＬＰ（ＩＴＵ−Ｔ Ｇ．７２９）やＡＤＰＣＭ（ＩＴＵ−Ｔ Ｇ．７２６）が知られている。ＡＣＥＬＰやＡＤＰＣＭは、音声データの符号化をリアルタイムに行うことが可能である。また、ＡＣＥＬＰやＡＤＰＣＭのデータ圧縮率は比較的高いため、回線負荷は、低く抑えられる。上記において、ＡＣＥＬＰは、Ａｌｇｅｂｒａｉｃ Ｃｏｄｅ Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎの略である。ＡＤＰＣＭは、Ａｄａｐｔｉｖｅ Ｄｉｆｆｅｒｅｎｔｉａｌ Ｐｕｌｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎの略である。ＩＴＵ−Ｔは、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｕｎｉｏｎ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ Ｓｅｃｔｏｒの略である。

また、リアルタイム音声コーデックの別の例として、μ−ｌａｗ（ＩＴＵ−Ｔ Ｇ．７１１）が知られている。μ−ｌａｗは、平均オピニオン評点で高い評価を受ける。平均オピニオン評点とは、マルチメディア（音声、電話、 動画）でコーデックを使って帯域幅を圧縮した際に、圧縮・転送後に受信側で知覚されるメディアの品質の評価を数値で表したものである。すなわち、μ−ｌａｗの音声品質は高い。

特開２００５−２６６４１１号公報

しかしながら、上述した各種方法のうち、ＶｏＩＰシステムに求められる上記３つの要求（高品質、即時性、低回線負荷）を同時に満たすものはない。

一般的な無音圧縮の欠点を改善した特許文献１の方法の場合、少なくとも音声の高品質化は達成される可能性がある。なぜならば、音声の先頭部分が途切れる問題が回避される可能性が高まるからである。しかしながら、特許文献１における有音圧縮は、図１４に示すように、音声検出しきい値を上回った時点から所定の期間（Ｔ０〜Ｔ１）だけ遡って開始される。すなわち、このことは、音声信号が上記所定の期間だけ遅延することを意味する。よって、特許文献１は、即時性という観点ではＶｏＩＰの要求を満たしているとは言い難い。

ＡＣＥＬＰやＡＤＰＣＭの場合、即時性、および回線負荷の抑制は達成される可能性がある。しかしながら、ＡＣＥＬＰやＡＤＰＣＭは、データ圧縮率が高い反面、μ−ｌａｗほどの音声品質を有していない。

μ−ｌａｗの場合、即時性と音声品質については問題ないが、ＡＣＥＬＰやＡＤＰＣＭと比較してどうしてもデータレートが高くなってしまう。すなわち、μ−ｌａｗは、回線負荷を十分に低減できないと言う問題を抱えている。

本発明は、上記課題を解決するためになされたものであり 音声品質が高く、即時性に優れ、しかも回線負荷が低い音声通信を実行することが可能な、圧縮装置、伸張装置、圧縮伸張装置、圧縮方法、圧縮制御プログラム、および音声データ構造を提供することを目的とする。

本発明の圧縮装置は、音声信号を符号化して複数ビットの第１符号化データを生成する符号化部と、無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する圧縮部と、を備える。

本発明の伸張装置は、音声信号が符号化された複数ビットの第１符号化データが無音状態とみなされる所定の数値範囲内に収まるときに、前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを受信する受信部と、前記共通の値を保持し、前記受信した第２符号化データと前記共通の値のビットとを結合して前記第１符号化データを復元する復元部と、を備える。

本発明の圧縮伸張装置は、音声信号を符号化して複数ビットの第１符号化データを生成する符号化部と、無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する圧縮部と、を含むデータ圧縮部と、音声信号が符号化された複数ビットの第１符号化データが無音状態とみなされる所定の数値範囲内に収まるときに、前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを他の装置から受信する受信部と、前記他の装置において削除された前記共通の値を保持し、前記受信した第２符号化データと前記他の装置において削除された共通の値のビットとを結合して前記他の装置において生成された第１符号化データを復元する復元部と、を含むデータ伸張部と、を備える。

本発明の圧縮方法は、音声信号を符号化して複数ビットの第１符号化データを生成し、無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する。

本発明の圧縮制御プログラムは、圧縮装置のコンピュータに、音声信号を符号化して複数ビットの第１符号化データを生成する第１処理と、無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する第２処理とを実行させる。

本発明の音声データ構造は、音声信号が符号化された複数ビットの第１符号化データが無音状態とみなされる所定の数値範囲内に収まるときに、前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを含む。

本発明によって、音声品質が高く、即時性に優れ、しかも回線負荷が低い音声通信を実行することが可能となる。

本発明の第１の実施形態に係る音声通信システムの構成例を示すブロック図である。 図１に示す第１音声通信装置の構成例を示すブロック図である。 図２に示す送信処理部の構成例を示すブロック図である。 μ−ｌａｗの符号化規則を説明する図であり、（ａ）はμ−ｌａｗ正入力と符号化データとの関係を示す図であり、（ｂ）はμ−ｌａｗ負入力と符号化データとの関係を示す図である。 μ−ｌａｗにおいてセグメント番号が１の場合の符号化データのビット配列を示す図である。 図２に示す受信処理部の構成例を示すブロック図である。 第１の実施形態に係る音声通信システム、詳細には、圧縮判定部の動作例を説明するためのデータ変遷図である。 第１の実施形態に係る音声通信システム、詳細には、音声フレーム生成部の動作例を説明するためのデータ変遷図である。 第１の実施形態に係る音声通信システム、詳細には、伸張判定部の動作例を説明するためのデータ変遷図である。 本発明の第２の実施形態に係る圧縮装置の構成例を示すブロック図である。 本発明の第３の実施形態に係る伸張装置の構成例を示すブロック図である。 本発明の第４の実施形態に係る圧縮装置の構成例を示すブロック図である。 図１２に示すメモリに記憶される圧縮制御プログラムの構成例を示すブロック図である。 特許文献１の音声圧縮方法を説明するための図である。

［第１の実施形態］
図１は、本発明の第１の実施形態に係る音声通信システム１００の構成例を示すブロック図である。音声通信システム１００は、第１音声通信装置１０２と、第２音声通信装置１０４と、を備える。第１音声通信装置１０２と第２音声通信装置１０４は、ネットワーク１０６を介して互いに接続される。ネットワーク１０６は、ＩＰプロトコルを利用したパケット通信による音声ネットワークである。第１音声通信装置１０２および第２音声通信装置１０４の各々は、入力されたアナログ音声を音声パケットに変換してネットワーク１０６へ送信するとともに、ネットワーク１０６から受信した音声パケットを変換してアナログ音声として出力する。すなわち、第１音声通信装置１０２と第２音声通信装置１０４との間で、ネットワーク１０６を介した音声通話が実行される。

なお、第１音声通信装置１０２と第２音声通信装置１０４とを同一に構成することができる。以下では、両者が同一に構成される場合を例に挙げるとともに、第２音声通信装置１０４の構成および動作の説明については省略する。

図２は、第１音声通信装置１０２の構成例を示すブロック図である。第１音声通信装置１０２は、音声入力部２００と、送信処理部２０２と、受信処理部２０４と、音声出力部２０６と、を備える。

音声入力部２００は、操作者の音声を電気信号（アナログ音声信号）に変換する。送信処理部２０２は、音声入力部２００から出力されたアナログ音声信号をデジタル化した後に音声信号パケットに変換し、ネットワーク１０６へ送信する。受信処理部２０４は、ネットワーク１０６から受信した音声信号パケットをアナログ音声信号に変換する。音声出力部２０６は、アナログ音声信号を、音声に変換する。

図３は、送信処理部２０２の構成例を示すブロック図である。送信処理部２０２は、符号化部３００と、圧縮判定部３０２と、音声フレーム生成部３０４と、送信制御部３０６と、送信部３０８と、を備える。

符号化部３００は、音声入力部２００から入力したアナログ音声信号をμ−ｌａｗで符号化し、生成された８ビットの符号化データを圧縮判定部３０２へ出力する。

圧縮判定部３０２は、符号化部３００から入力した８ビットの符号化データが圧縮可能なデータであるか否かを判定し、この符号化データに圧縮の可否を示す１ビットの圧縮可能フラグを付加して９ビットのデータとして出力する。μ−ｌａｗにおいて、無音時の音声データのほとんどがセグメント番号１の範囲内に収まる。そして、図５の太破線で示すとおり、セグメント番号１の範囲内に収まる符号化データの配列は規則的な配列となる。具体的には、セグメント番号１の場合の符号化データにおける上位４ビットのうちＭＳＢ（Ｍｏｓｔ Ｓｉｇｎｉｆｉｃａｎｔ Ｂｉｔ）を除いた３ビットの配列は「１１１（２進数）」となる。圧縮判定部３０２は、符号化データの上記３ビットの配列を確認することで、符号化データが圧縮可能なデータであるか否かを判定する。以降、符号化データのＭＳＢを符号ビット、符号化データの上位４ビットの内ＭＳＢを除いた３ビットを圧縮ビット、符号化データの下位４ビットを非圧縮ビットと記載する。

圧縮ビットが「１１１（二進数）」である場合、圧縮判定部３０２は、圧縮可能フラグに「圧縮可」を示す数値（たとえば、“１”）を設定する。一方、圧縮ビットが「１１１（二進数）」でない場合、圧縮判定部３０２は、圧縮可能フラグに「圧縮不可」を示す数値（たとえば、“０”）を設定する。

音声フレーム生成部３０４は、圧縮判定部３０２より受信した符号化データを、送信制御部３０６から指示される結合数（以下、正の整数Ａと表現する）で結合して音声フレームを生成する。音声フレームは、圧縮の有無を設定する音声ヘッダと、アナログ音声をμ−ｌａｗで符号化した符号化データを複数まとめた音声データとを含む。

音声フレーム生成部３０４は、音声データが無音であった場合に可逆圧縮を実行する。具体的には、受信した符号化データＡ個の圧縮可能フラグのすべてが「圧縮可」に設定されている場合、音声フレーム生成部３０４は、符号ビットを受信した順に並べた符号データと、非圧縮ビットを受信した順に並べた非圧縮データとを結合して音声データを生成する。音声フレーム生成部３０４は、圧縮設定が「有効」に設定された１バイトの音声ヘッダと上記音声データ（圧縮ビットが含まれない音声データ）とを結合して音声フレームを生成する。要するに、音声ヘッダに含まれる圧縮設定は、受信側の音声通信装置での伸張時に参照される情報であり、圧縮を行ったか否かを示す情報（すなわち、圧縮ビットを削除したか否かを示す情報）である。

一方、受信した符号化データＡ個のうち圧縮可能フラグが「圧縮不可」設定されているものが１つ以上ある場合、音声フレーム生成部３０４は、符号化データを受信した順に並べた音声データを生成する。音声フレーム生成部３０４は、圧縮設定が「無効」に設定された１バイトの音声ヘッダと上記音声データ（圧縮ビットが含まれる音声データ）とを結合して音声フレームを生成する。

なお、音声ヘッダにおける圧縮設定は、有効／無効の２通りで表現される。すなわち、音声ヘッダ自体は１バイトであるが、圧縮設定は１ビットで表現することが可能である。ここで、宛先、シーケンス番号等の制御情報を独自の音声ヘッダに付加する音声通信システム（例えば、特開２００４−１８６８９２号公報参照）が知られている。このような音声通信システムの場合、上記独自の音声ヘッダの空いている１ビットを圧縮設定に使用することが可能であるため、圧縮設定専用の１バイトの音声ヘッダは不要である。従って、このような音声通信システムの場合、音声フレームのデータ量増加を抑制することができる。

送信制御部３０６は、音声フレーム生成部３０４に対して、音声パケットの送出間隔に基づいた結合数を通知する。また、送信制御部３０６は、送信部３０８に対して、音声パケットの送出を指示する。

送信部３０８は、送信制御部３０６からの送出指示に基づき、ネットワーク１０６上に音声パケットを送出する。音声パケットは、ＩＰヘッダと、音声フレーム生成部３０４で生成された音声フレームとを含む。

以上説明した送信処理部２０２内において、符号化部３００から音声フレーム生成部３０４までの一連の各処理は、いずれもシンプルな処理であり、特に長時間を要する処理ではない。従って、上記一連の各処理をＧ．７１１の標本化周波数である８ｋＨｚのクロックの周期１２５μｓｅｃ内に完了させることは、十分に可能である。

図６は、受信処理部２０４の構成例を示すブロック図である。受信処理部２０４は、受信部４００と、伸張判定部４０２と、受信バッファ部４０４と、バッファ管理部４０６と、復号部４０８と、を備える。

受信部４００は、ネットワーク１０６から音声パケットを受信する。受信部４００は、受信部４００は、音声パケットから音声フレームを抽出し、伸張判定部４０２へ出力する。

伸張判定部４０２は、受信した音声フレームの音声ヘッダを参照することにより、受信した音声フレームの音声データが圧縮された音声データであるか否かを判定する。圧縮された音声データであった場合、伸張判定部４０２は、音声データとして送信された符号ビットおよび非圧縮ビットと、圧縮された（音声データとして送信されなかった）圧縮ビットとを結合して元の８ビットの符号化データを復元する。伸張判定部４０２は、復元された８ビットの符号化データの複数個を結合して音声データを作成し、受信バッファ部４０４へ出力する。

受信した音声フレームの音声ヘッダが圧縮された音声データでなかった場合、伸張判定部４０２は、受信した音声データをそのまま受信バッファ部４０４へ送出する。

受信バッファ部４０４は、伸張判定部４０２から出力された音声データを一時的に蓄積する。

なお、受信バッファ部４０４は、揺らぎ、遅延を吸収する機能（例えば、特開２００５−１３６７４２号公報）を有することもできる。

復号部４０８は、受信バッファ部４０４が蓄積した音声データを読み出して音声信号に復号し、音声出力部２０６へ出力する。

以下、第１の実施形態に係る音声通信システム１００の動作について説明する。なお、以下の説明では、本実施形態の特徴的構成である、圧縮判定部３０２、音声フレーム生成部３０４、および伸張判定部４０２の動作について説明する。

図７は、圧縮判定部３０２の動作例を説明するためのデータ変遷図である。

圧縮判定部３０２は、１２５μｓｅｃ毎に符号化部３００から８ビットの符号化データを入力する。符号化データは、１ビットの符号ビット、３ビットの圧縮ビット、４ビットの非圧縮ビットの計８ビットを含む。圧縮判定部３０２は、圧縮ビットを参照し、対象の符号化データが圧縮可能なデータであるか否かを判定し、この符号化データに圧縮の可否を示す１ビットの圧縮可能フラグを付加して９ビットのデータとして出力する。圧縮判定部３０２は、圧縮ビットが「１１１（二進数）」である場合、圧縮可能フラグに「圧縮可」を示す数値（たとえば、“１”）を設定する。一方、圧縮ビットが「１１１（二進数）」でない場合、圧縮判定部３０２は、圧縮可能フラグに「圧縮不可」を示す数値（たとえば、“０”）を設定する。

図８は、音声フレーム生成部３０４の動作例を説明するためのデータ変遷図である。

音声フレーム生成部３０４は、予め、送信制御部３０６から符号化データを結合する数（結合数Ａ）の通知を受ける（ステップＳ１）。以下では、結合数Ａが１６０である場合を例に挙げる。

音声フレーム生成部３０４は、１２５μｓｅｃ毎に圧縮判定部３０２から９ビットのデータを入力する。９ビットのデータは、１ビットの圧縮可能フラグと８ビットの符号化データを含む。

音声フレーム生成部３０４は、１６０個ごとに９ビットデータの圧縮可能フラグを確認する（ステップＳ２）。上記確認結果に基づいて、音声フレーム生成部３０４は、圧縮された音声データあるいは非圧縮の音声データのいずれかを含む音声フレームを生成する（ステップＳ３）。いずれの場合も、音声フレームは、１バイトの音声ヘッダと複数バイトの音声データを含む。ただし、以下で説明するように、音声ヘッダの設定値および音声データのバイト長は、上記圧縮可能フラグの確認結果によって異なる。

１６０個すべての圧縮可能フラグが１に設定されている場合、音声フレーム生成部３０４は、圧縮された音声データを含む音声フレームを生成する（ステップＳ４）。この音声フレームの音声ヘッダには、圧縮設定が「有効」であることを示す値が設定されている。また、この音声フレームの音声データは、１６０個の符号化データの符号ビットを受信した順に並べた符号データと、非圧縮ビットを受信した順に並べた非圧縮データとを含む。この場合、符号データは、（１６０個×１ビット）／８ビット＝２０バイトである。一方、非圧縮データは、（１６０個×４ビット）／８ビット＝８０バイトである。すなわち、この場合の音声データは、２０＋８０＝１００バイトである。

１６０個の圧縮可能フラグのうち０が設定されているものが１つ以上ある場合、音声フレーム生成部３０４は、非圧縮の音声データを含む音声フレームを生成する（ステップＳ５）。この音声フレームの音声ヘッダには、圧縮設定が「無効」であることを示す値が設定されている。また、この音声フレームの音声データは、１６０個の符号化データ（８ビット）を含む。すなわち、この場合の音声データは、１６０バイトである。

図９は、伸張判定部４０２の動作例を説明するためのデータ変遷図である。

伸張判定部４０２は、２０ｍｓｅｃ毎に受信部４００から音声フレームを受信する。伸張判定部４０２は、音声フレームの音声ヘッダを参照し、受信した音声フレームの音声データが圧縮された音声データであるか否かを判定する（ステップＳ１０）。

圧縮された音声データであった場合、伸張判定部４０２は、符号化データ毎に、１ビットの符号ビットと、３ビットの圧縮ビット（この場合、「１１１（二進数）」）と、非圧縮ビット（４ビット）とを、ＭＳＢから順に結合して元の８ビット単位の符号化データを復元する。ここで、符号ビットと非圧縮ビットは、音声フレームにより送信されるが、圧縮ビットは、音声フレームにより送信されない。そこで、受信部２０４あるいは伸張判定部４０２の所定の記憶部（不図示）には、圧縮ビットが「１１１（二進数）」であることが予め記憶されている。伸張判定部４０２は、上記記憶部を参照して圧縮ビットの値を取得し、上述したように元の８ビットの符号化データを復元する。伸張判定部４０２は、８ビットに復元された符号化データを１６０個分結合した音声データ（１６０バイト）を、受信バッファ４０４へ出力する。

圧縮された音声データでなかった場合、伸張判定部４０２は、受信した音声フレームの音声データ（１６０バイト）を、そのまま受信バッファ部４０４へ出力する。

以上説明した第１の実施形態において、音声符号化は、μ−ｌａｗによって行われる。μ−ｌａｗは、平均オピニオン評点で高い評価を受けるほどに音声品質は高い。従って、ＶｏＩＰの品質要求に十分応えることができる。

また、μ−ｌａｗはリアルタイム音声コーディングが可能である。さらに、送信処理部２０２内の各処理は、シンプルな処理であるため、μ−ｌａｗ（Ｇ．７１１）の標本化周波数（８ｋＨｚ）の周期（１２５μｓｅｃ）内に完了可能である。すなわち、送信処理部２０２で実行される上記圧縮処理が余計な遅延を発生させることはないので、第１の実施形態において、μ−ｌａｗの即時性は、維持される。

さらに、以上説明した第１の実施形態では、μ−ｌａｗで符号化された符号化データを圧縮しているので、単にμ−ｌａｗで符号化するだけの音声通信システムと比較して、データ量を削減することができる。すなわち、第１の実施形態は、回線負荷を低減させることができる。しかも、この場合の圧縮は可逆圧縮であるため、データの品質が低下することもない。

第１の実施形態によるデータ量削減効果について詳細に説明する。第１の実施形態において圧縮対象となるのはセグメント番号１の範囲内のデータである。セグメント番号１の領域は全領域２５６のうちの３２である。また、符号化データがセグメント番号１の範囲内である場合（すなわち、符号化データが無音データと判断される場合）、圧縮されるのは８ビットのうちの３ビットである。すなわち、第１の実施形態は、３２／２５６の範囲内においてデータ量を約５／８にするだけのデータ量削減効果を有することになる。ここで、無音状態が占める割合が高い（セグメント番号１に収まる割合が高い）通話の場合、より一層データ量削減効果が発揮される。

以上を纏めると、第１の実施形態によって、音声品質が高く、即時性に優れ、しかも回線負荷が低い音声通信を実行することが可能となる。

なお、以上の説明では、音声コーデックとしてＩＴＵ−Ｔ Ｇ．７１１におけるμ−ｌａｗを使用する場合を例に挙げたが、第１の実施形態はこれに限定されず、Ａ−ｌａｗにも適用することが可能である。この場合、符号化部３００の一部の構成を、Ａ−ｌａｗに即した構成とすればよい。
［第２の実施形態］
図１０は、本発明の第２の実施形態に係る圧縮装置５００の構成例を示すブロック図である。圧縮装置５００は、符号化部５０２と、圧縮部５０４と、を備える。符号化部５０２は、音声信号を符号化して複数ビットの第１符号化データを生成する。圧縮部５０４は、無音状態とみなされる所定の数値範囲内に収まる第１符号化データから上記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する。

以上説明した第２の実施形態の場合、第１符号化データの所定のビットが削除された第２符号化データを生成する。すなわち、ネットワーク上では、第１符号化データではなく、データ量が削減された第２符号化データが送信される。従って、第２の実施形態によって、回線負荷を低減させることができる。さらに、この場合、削除されるビットは共通の値となるビットである。すなわち、受信側は予めその値を認知することができるため、受信側において元の符号化データ（第１符号化データ）を完全に再現することが可能である。従って、この圧縮処理により音声品質が低下することはない。また、第１符号化データの値が無音と判断される数値範囲内に収まっているか否かを判定する処理および共通の値となるビットを削除する処理は、シンプルな処理であり、特に長時間を要する処理ではない。従って、たとえば、符号化処理にリアルタイム音声コーデック（例えば、ＩＴＵ−Ｔ Ｇ．７１１のμ−ｌａｗ）を採用した場合であっても、その音声コーデックの処理遅延以上の遅延が発生することはない。以上を纏めると、第２の実施形態によって、音声品質が高く、即時性に優れ、しかも回線負荷が低い音声通信が実行可能となる。
［第３の実施形態］
図１１は、本発明の第３の実施形態に係る伸張装置５５０の構成例を示すブロック図である。伸張装置５５０は、受信部５５２と、復元部５５４と、を備える。受信部５５２は、音声信号が符号化された複数ビットの第１符号化データが無音状態とみなされる所定の数値範囲内に収まるときに、第１符号化データから上記複数ビットのうちの共通の値のビットが削除された第２符号化データを受信する。復元部５５４は、上記共通の値を保持し、受信した第２符号化データと共通の値のビットとを結合して第１符号化データを復元する。

第２の実施形態と同一の理由により、以上説明した第３の実施形態によって、音声品質が高く、即時性に優れ、しかも回線負荷が低い音声通信が実行可能となる。
［第４の実施形態］
図１２は、本発明の第３の実施形態に係る圧縮装置６００の構成例を示すブロック図である。

圧縮装置６００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）６０２と、メモリ６０４と、を備える。メモリ６０４は、圧縮制御プログラム７００を記憶する。ＣＰＵ６０２は、圧縮制御プログラム７００を実行する。メモリ６０４の例としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ハードディスク、リムーバブルメディア、あるいはリムーバブルディスク等を挙げることができる。

図１３は、圧縮制御プログラム７００の構成例を示すブロック図である。圧縮制御プログラム７００は、第１プログラム７０２と、第２プログラム７０４と、を含む。

第１プログラム７０２は、音声信号を符号化して複数ビットの第１符号化データを生成する第１処理を実行するための命令群である。具体的には、第１処理は、第１の実施形態の符号化部３００によって実行される処理に相当する。

第２プログラム７０４は、無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する第２処理を実行する命令群である。具体的には、第２処理は、第１の実施形態の圧縮判定部３０２によって実行される処理および音声フレーム生成部３０４によって実行される処理に相当する。

第１の実施形態と同一の理由により、以上説明した第４の実施形態によって、音声品質が高く、即時性に優れ、しかも回線負荷が低い音声通信が実行可能となる。

１００ 音声通信システム
１０２ 第１音声通信装置
１０４ 第２音声通信装置
１０６ ネットワーク
２００ 音声入力部
２０２ 送信処理部
２０４ 受信処理部
２０６ 音声出力部
３００ 符号化部
３０２ 圧縮判定部
３０４ 音声フレーム生成部
３０６ 送信制御部
３０８ 送信部
４００ 受信部
４０２ 伸張判定部
４０４ 受信バッファ部
４０６ バッファ管理部
４０８ 復号部
５００ 圧縮装置
５０２ 符号化部
５０４ 圧縮部
５５０ 伸張装置
５５２ 受信部
５５４ 復元部
６００ 圧縮装置
６０２ ＣＰＵ
６０４ メモリ
７００ 圧縮制御プログラム
７０２ 第１プログラム
７０４ 第２プログラム

Claims (8)

1. 音声信号を符号化して複数ビットの第１符号化データを生成する符号化部と、
   無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する圧縮部と、
   を備えることを特徴とする圧縮装置。
2. 前記圧縮部は、前記第２符号化データと前記削除を行った旨を示す識別情報とを含むフレームを構成することを特徴とする請求項１記載の圧縮装置。
3. 前記符号化の方式は、ＩＴＵ−Ｔ Ｇ．７１１規格のμ−ｌａｗ方式であることを特徴とする請求項１または２記載の圧縮装置。
4. 前記所定の数値範囲は、前記μ−ｌａｗ方式におけるセグメント番号１の範囲を含むことを特徴とする請求項３記載の圧縮装置。
5. 音声信号が符号化された複数ビットの第１符号化データが無音状態とみなされる所定の数値範囲内に収まるときに、前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを受信する受信部と、
   前記共通の値を保持し、前記受信した第２符号化データと前記共通の値のビットとを結合して前記第１符号化データを復元する復元部と、
   を備えることを特徴とする伸張装置。
6. 音声信号を符号化して複数ビットの第１符号化データを生成する符号化部と、無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する圧縮部と、を含むデータ圧縮部と、
   音声信号が符号化された複数ビットの第１符号化データが無音状態とみなされる所定の数値範囲内に収まるときに、前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを他の装置から受信する受信部と、前記他の装置において削除された前記共通の値を保持し、前記受信した第２符号化データと前記他の装置において削除された共通の値のビットとを結合して前記他の装置において生成された第１符号化データを復元する復元部と、を含むデータ伸張部と、
   を備えることを特徴とする圧縮伸張装置。
7. 音声信号を符号化して複数ビットの第１符号化データを生成し、
   無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する
   ことを特徴とする圧縮方法。
8. 圧縮装置のコンピュータに、
   音声信号を符号化して複数ビットの第１符号化データを生成する第１処理と、
   無音状態とみなされる所定の数値範囲内に収まる前記第１符号化データから前記複数ビットのうちの共通の値のビットが削除された第２符号化データを生成する第２処理と
   を実行させることを特徴とする圧縮制御プログラム。

Images