JPH0449757A - Conference speech terminal equipment - Google Patents
Conference speech terminal equipmentInfo
- Publication number
- JPH0449757A JPH0449757A JP2160492A JP16049290A JPH0449757A JP H0449757 A JPH0449757 A JP H0449757A JP 2160492 A JP2160492 A JP 2160492A JP 16049290 A JP16049290 A JP 16049290A JP H0449757 A JPH0449757 A JP H0449757A
- Authority
- JP
- Japan
- Prior art keywords
- sound image
- speaker
- state
- spread
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000004807 localization Effects 0.000 claims description 32
- 230000005236 sound signal Effects 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 10
- 210000005069 ears Anatomy 0.000 claims description 4
- 230000003068 static effect Effects 0.000 abstract 3
- 238000000034 method Methods 0.000 description 22
- 230000004044 response Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 210000000883 ear external Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 210000000613 ear canal Anatomy 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 239000011358 absorbing material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Landscapes
- Stereophonic System (AREA)
Abstract
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、会議通話用の音声回線で相互に接続された複
数の通話端末に配置された会議通話端末装置に利用する
。DETAILED DESCRIPTION OF THE INVENTION [Industrial Field of Application] The present invention is applied to a conference call terminal device disposed in a plurality of call terminals interconnected by a conference call audio line.
本発明は、特に、個々の通話者端末において複数の通話
者から送話元を識別する場合、一人の話者状態から別の
一人の話者状態に遷移する際の音像移動定位の変化に対
する違和感を防止するようにした会議通話端末装置に関
する。In particular, the present invention aims to improve the sense of discomfort caused by changes in sound image movement localization when transitioning from one speaker state to another, especially when identifying a calling source from a plurality of callers at an individual caller terminal. The present invention relates to a conference call terminal device that prevents the above.
電話会議のように多数の対地と対話を行う場合や、複数
人が二つの会議室にそれぞれ集合して2対地で対向して
対話を行う場合、一般のハンドセット電話では発声者が
誰であるのか判明せず混乱する欠点がある。When communicating with multiple parties, such as in a telephone conference, or when multiple people gather in two conference rooms and have conversations with two parties facing each other, it is difficult to identify who is speaking on a general handset telephone. It has the disadvantage of being unclear and confusing.
そこで、ヘッドホンの両耳受聴とすることで、この難点
を解消する方法がある。すなわち、ヘッドホンを使用し
て頭外部に音像を定位させる方法が提案されている。例
えば、鹿島出版社刊のブラウェルト、六本、後藤共著「
空間音響」に記載されている。この方式は、頭部回折に
よるインパルス応答1−1.およびH2と、レシーバ対
外耳道入りロインパルス応答の逆特性RtおよびRaを
あらかじめ畳込んだ全インパルス応答hL (左耳用)
およびり、(右耳用)を畳込み両耳レシーバの入力とす
る。ただし、左右の人力の全インパルス応答りは、
h=H*R
の畳込み積分で表すことが可能となる。Therefore, there is a way to solve this problem by using headphones for binaural listening. That is, a method has been proposed in which a sound image is localized outside the head using headphones. For example, see the book co-authored by Blawelt, Rokubon, and Goto, published by Kajima Publishing Co., Ltd.
"Spatial Acoustics". This method is based on the impulse response 1-1. and H2, and the total impulse response hL (for the left ear), which is preconvoluted with the inverse characteristics Rt and Ra of the loin impulse response from the receiver to the ear canal.
and (for the right ear) are the inputs of the convolutional binaural receiver. However, the total impulse response of the left and right human forces can be expressed by the convolution integral of h=H*R.
第5図は頭外音像定位技術を説明するための説明図であ
る。18は受聴者、17は両耳レシーバ、21.22.
23.24および25ハ通話者ASB、C,DおよびE
のそれぞれの音像定位である。FIG. 5 is an explanatory diagram for explaining the extrahead sound image localization technique. 18 is a listener, 17 is a binaural receiver, 21.22.
23.24 and 25 callers ASB, C, D and E
These are the respective sound image localizations.
第5図において、いま自分を含め、6対地あるいは6人
の通話者(7)(ASB、C,D、E、F)と話す音像
定位生成法を以下に述べる。なお音像定位とは発声する
場所の位置を意味している。In FIG. 5, the sound image localization generation method for talking to 6 stations or 6 callers (7) (ASB, C, D, E, F), including myself, will be described below. Note that sound image localization refers to the position of the place where the voice is uttered.
通話者ASBSC,DおよびEのそれぞれの音像定位2
1.22.23.24および25を前方に等分割に音像
定位を配置させるようにする。通常、テレビ会議や多対
地接続の音声会議、においては平均6対地接続が一般的
に多いと言われている。このため、通話相手は5人もし
くは、5対地の相手接続となる。nの数が多くなればそ
の音像位置からの話者同定認識率は低下する。ここでは
話を容易とするた杓に左90度、左45度、中央、右4
5度および右90度の5箇所とする。Sound image localization 2 for callers ASBSC, D and E
1. 22, 23, 24 and 25 are arranged to equally divide the sound image localization in front. Normally, it is said that in video conferences and audio conferences with multiple ground connections, an average of six ground connections is common. Therefore, there are five people on the other end of the call or connection to five destinations. As the number n increases, the speaker identification recognition rate from the sound image position decreases. Here, for ease of discussion, we will use 90 degrees to the left, 45 degrees to the left, 45 degrees to the center, and 4 degrees to the right.
5 degrees and 5 places at 90 degrees to the right.
まず、希望の音像発生位置から受聴者の外耳までのイン
パルス応答特性を測定する。第5図では通話者Fが受聴
者18となり、送話者Cの位置に発生する音像定位の場
合を示している。すなわち、前記インパルス応答特性と
はHctおよびHcitである。その測定法は無響室内
でインパルス応答を測定する方法が用いられてきたが、
文献(林「ヘッドホンによる音場感再生とその主観評価
」日本音響学会聴覚研究会H−89−19,1989)
によれば、頭外縁を自然に生じるためには、無響室よ
りも被測定者の後方、同側方の壁および天井は強い反射
をしない吸音材料の条件を満たず防音室の方がより自然
であり、実音場に近似できるので、優れでいるL報告さ
れている。拡声器より広帯域雑音を放射し、被験者の左
右外耳道入口にプローブチューブマイクあるいはl/8
インチ程度の小型マイクをセフ)し、この3点の信号を
同時にアナログディジタル変換する。これからクロスス
ペクトル法をもってインパルス応答を算出することが可
能である。First, the impulse response characteristics from the desired sound image generation position to the listener's outer ear are measured. FIG. 5 shows a case where the speaker F is the listener 18 and the sound image is localized at the location of the speaker C. That is, the impulse response characteristics are Hct and Hcit. The measurement method used has been to measure the impulse response in an anechoic chamber.
Literature (Hayashi “Sound field reproduction using headphones and its subjective evaluation” Auditory Research Group of the Acoustical Society of Japan H-89-19, 1989)
According to the authors, in order for the outer edge of the head to occur naturally, it is better to use a soundproof room than in an anechoic room, since the walls and ceiling behind and on the same side of the subject do not meet the requirements for sound-absorbing materials that do not have strong reflections. It has been reported that L is superior because it is natural and can approximate the actual sound field. Broadband noise is emitted from a loudspeaker, and probe tube microphones or l/8 are placed at the entrances of the subject's left and right ear canals.
A small microphone (about an inch in size) is used to simultaneously convert these three signals from analog to digital. From this, it is possible to calculate the impulse response using the cross-spectral method.
一方、ヘッドセットの逆特性RtおよびRRを得るには
ヘッドセットの電気音響変換入力に対する外耳道音圧を
測定する。広帯域雑音をヘッドセットの電気人力とし、
ヘッドセットを被験者の外耳に装着し、ヘッドセットの
レシーバのπ1てパッドに穴をあけプローブチューブま
たは1/8インチマイクロホンを挿入し外耳人口の音圧
波形を取り出す。電気入力信号と外耳道音圧から変換さ
れた電気信号をアナログディジタル変換し逆フイルタ特
性を得る。この方法は、時間領域の最小二乗誤差による
逆フイルタ構成法として周知である。On the other hand, to obtain the inverse characteristics Rt and RR of the headset, the ear canal sound pressure with respect to the electroacoustic conversion input of the headset is measured. Using broadband noise as electrical power for the headset,
A headset is attached to the external ear of the subject, a hole is made in the π1 pad of the receiver of the headset, a probe tube or a 1/8 inch microphone is inserted, and the sound pressure waveform of the external ear is extracted. The electrical input signal and the electrical signal converted from the ear canal sound pressure are converted from analog to digital to obtain inverse filter characteristics. This method is well known as an inverse filter construction method using least squares error in the time domain.
従って、畳込んだ全インパルス応答りは、h π R*
トI
で求められる。Therefore, the convolved total impulse response is h π R*
It can be found by
いま、受信された音声信号をP、レシーバの外耳人力の
音圧信号をQとすれば、
Q=P*h
からなる皆込み積分でレシーバの外耳人力Qに列する音
声#Pの変換が可能となる。Now, if the received audio signal is P and the sound pressure signal of the receiver's external ear force is Q, it is possible to convert the sound #P that is aligned with the receiver's external ear force Q using the total integral consisting of Q = P * h. becomes.
以−トのディジタル演算により通話者の受聴するレシー
バからの音声は、あらかじめ91算された実空間にいる
のと同一の音声波形となるので、人間の聴覚真理的反応
として、あたかも通話者はあたかも[」の前1.5m程
度を隔てて相手と通話する間隔を得ることができ、その
実空間にいる自然な通話環境と感じられる。頭外感覚は
その自然な感覚の一部である。このため、ヘッドセット
通話につきものの圧迫感や聴覚的および心理的疲労感を
覚えることなく快適に長時間の通話を楽しむことができ
る。Through the above digital calculation, the voice heard by the caller from the receiver becomes the same sound waveform as if they were in the real space calculated in advance by 91, so as a human auditory truth response, the caller hears it as if it were in the real space. You can talk to the other party at a distance of about 1.5 meters in front of the [ ], and it feels like a natural conversation environment in the real space. Extra-head sensations are part of that natural sensation. Therefore, the user can comfortably enjoy long-term calls without feeling pressured or feeling of auditory or psychological fatigue that is often associated with headset calls.
一方、送話音声信号とともに送話元を示す制御情報手段
に、[[’lTT (国際電信電話諮問委員会)勧告
G、722、および論文(島田、銘木:[−多対地音声
会議通信システノ、の対地識別音像生成方式」電子情報
通信学会誌、vol、 J70−8.No、9.198
7年)に記載しである送話光制御情報符号化法があり、
この論文では複数の拡声器を用いて室内空間での音像定
位論が示されている。On the other hand, in the control information means indicating the transmission source together with the transmission audio signal, [['lTT (International Telegraph and Telephone Advisory Committee) Recommendation G, 722, and the paper (Shimada, Meiki: [-Multi-destination audio conference communication system, “Ground Discrimination Sound Image Generation Method” Journal of the Institute of Electronics, Information and Communication Engineers, vol. J70-8. No. 9.198
There is a transmitting light control information encoding method described in 7th year).
This paper presents a theory of sound localization in indoor space using multiple loudspeakers.
音声回線で各送話者の音声信号を加算して伝送し、複数
の送話者が同時にあるような会議通話システムの場合に
は、複数人の音声信号の有無を送話光制御情報信号によ
って判断できたとしても、−度音声加算された信号は各
送話者ご古の音声信号に分離できない。たとえ分離でき
たとしても、その音声信号の特徴パラメータと送話者音
声信号との対応を認識(話者認識)して、そのあらかじ
め指定された送話者位置に音像を生成する技術は現在の
実用化レベルに達していない。In the case of a conference call system in which the audio signals of each speaker are summed and transmitted over an audio line, and where there are multiple speakers at the same time, the presence or absence of audio signals from multiple speakers is determined by the transmission light control information signal. Even if this could be determined, the signal with -degree voice addition cannot be separated into the voice signals of each speaker. Even if separation is possible, the current technology is to recognize the correspondence between the characteristic parameters of the audio signal and the speaker's audio signal (speaker recognition) and generate a sound image at the pre-specified speaker position. It has not reached the practical level.
さらにヘッドホンを用いて頭外部に音像を定位させる方
式では、複数同時音声の状態になると複数の音像定位の
中心に移動することになるので受聴8゛に対して違和感
を覚える。さらに前記島田らの論文では複数の発声音源
、すなわちあらかじめ送話光制御受聴信号によって分け
られた複数の拡声器(スピーカ)の制御法の議論がなさ
れているだけであり、ヘッドセットのように単に左右の
両耳のレシーバ駆!JJ 源信号からの提案はなされて
いない。そこで前述の点に注目し、本願発明者のうちの
一人により、複数の同時送話者が発生した場合、複数の
音像定位の間に音像の拡がり感を付与させることを特徴
とする方式が既に提案されている(島田「会議通話端末
装置」特願平2−112341号、平成2年4月27日
出願)。Furthermore, with the method of localizing sound images outside the head using headphones, when multiple simultaneous sounds occur, the user will move to the center of multiple sound image localizations, which makes the listener feel uncomfortable at 8°. Furthermore, the paper by Shimada et al. only discusses a control method for multiple vocal sound sources, that is, multiple loudspeakers (speakers) that are separated in advance by transmitting optical control listening signals, and does not simply discuss methods for controlling multiple loudspeakers (speakers) that are separated in advance by transmitting optical control listening signals. Receiver drive for both left and right ears! JJ No proposal has been made from the source signal. Therefore, paying attention to the above-mentioned points, one of the inventors of the present application has already developed a method characterized by giving a sense of sound image expansion between multiple sound image localizations when multiple simultaneous talkers occur. It has been proposed (Shimada "Conference Call Terminal Device" Japanese Patent Application No. 112341/1990, filed on April 27, 1990).
しかし、一人の話者状態から別の一人の話者状態に急激
に遷移する場合、インパルス応答特性りと音声信号との
畳込み積分を行っているので、このような状態遷移が発
生した場合、切り替える瞬間に受聴音に雑音が混入した
り、音像定位の移動受聴感覚に不自然性が発生し、通話
品質を劣化させる恐れがある欠点がある。However, when there is a sudden transition from one speaker state to another speaker state, the impulse response characteristic is convolved with the speech signal, so when such a state transition occurs, There are drawbacks such as noise being mixed into the listening sound at the moment of switching, unnaturalness occurring in the listening sensation of moving sound image localization, and the possibility of deteriorating call quality.
本発明の目的は、この欠点を除去することにより、一人
の話者状態から別の話者状態に遷移した場合にも、通話
品質を良好に維持できるヘッドセット会議通話装置を提
供することにある。An object of the present invention is to provide a headset conference call device that can maintain good call quality even when transitioning from one speaker state to another by eliminating this drawback. .
本発明は、会議通話用の音声回線から受信した?T、
pjH信号1、二対する音像を人の両耳に対応するニー
つの電気音響変換手段により生成する音像生成手段と、
この音像生成手段により生成される音像を前記音声回線
から音声信号とともに受信した制御信号に従って定位す
る音像定位手段とを備えた会議通話端末装置において、
前記音像定位手段は、人の話者状態から他の一人の話者
状態に遷移した場合に、受信された第一の送話光を示す
制御信号が終了してから一定時間以内は二人の話者が同
時に存在する複数話者状態とし、二人の音像定位の間に
音像の拡がり感を付与する拡がり付与手段を含むことを
特徴とする。The present invention received from the voice line for conference call? T,
sound image generation means for generating sound images for pjH signals 1 and 2 by two electroacoustic conversion means corresponding to both ears of a person;
A conference call terminal device comprising a sound image localization means for localizing the sound image generated by the sound image generation means according to a control signal received together with the audio signal from the audio line,
The sound image localization means is configured to control the sound image localization means, when the state of one person's speaker changes to the state of another person's speaker, for a certain period of time after the end of the received control signal indicating the first transmission light. The present invention is characterized in that it is set to a multi-speaker state in which speakers are present at the same time, and includes a spread imparting means for imparting a feeling of spread of the sound image between the sound image localization of the two speakers.
拡がり付与手段は、一人の話者状態から別の一人の話者
状態に遷移した場合、受信された第一の送話光を示す制
御信号が終了してから一定時間以内は二人の話者が同時
に存在する複数話者状態とし、二人の音像定位の間に音
像の拡がり感を付与させる。When the one-speaker state transitions to another one-speaker state, the spread imparting means controls two speakers within a certain period of time after the received control signal indicating the first transmitting light ends. A multi-speaker state exists at the same time, and a sense of spread of the sound image is imparted between the sound image localization of the two people.
従って、一人の話者状態から別の一人の話者状態に急激
に遷移した場合にも、音像定位は送話者がより自然的な
一般の集合して会議するような雰囲気を生成することが
可能となる。Therefore, even when there is a sudden transition from a single speaker state to another single speaker state, sound image localization can create an atmosphere where the speakers are more naturally gathered together for a meeting. It becomes possible.
以下、本発明の実施例について図面を容態して説明する
。Embodiments of the present invention will be described below with reference to the drawings.
第1図は本発明の一実施例を示すブロック構成図である
。FIG. 1 is a block diagram showing one embodiment of the present invention.
第1図によると、本実施例は、会議通話用の音声回線か
ら受信した音声信号に対する音像を人の両耳に対応する
二つの電気音響変換手段としての両耳レシーバ17によ
り生成する音像生成手段としての、ディジタルアナログ
変換器(D/A)14.2個の低域フィルタ(LPF)
15 、および2個の増幅器(八MP)16と、この音
像生成手段により生成される音像を前記音声回線から音
声信号とともに受信した送話元制御信号32に従って定
位する音像定位手段としての、信号分離回路1、切替制
御回路2、リニア符号化回路3、切替回路(1) 4
aおよび4b、記憶回路5、切替回路(2)6a、なら
びに加算器7および8とを備えた会議通話端末装置にお
いて、本発明の特徴とするところの、
前記音像定位手段は、一人の話者状態から他の一人の話
者状態に遷移した場合に、受信された第一の送話元を示
す制御信号が終了してから一定時間以内は二人の話者が
同時に存在する複数話者状態とし、二人の音像定位の間
に音像の拡がり感を付与する拡がり付与手段としての、
加算器9、遅延回路(DEL)11 、高域フィルタ(
HPF)12 、切替回路6b、加算器IOおよび減算
器13を含んでいる。According to FIG. 1, in this embodiment, a sound image generating means generates a sound image for an audio signal received from an audio line for a conference call using a binaural receiver 17 as two electroacoustic converting means corresponding to both ears of a person. Digital to analog converter (D/A) as 14.2 low pass filters (LPF)
15, and two amplifiers (8 MP) 16, and a signal separation means as a sound image localization means for localizing the sound image generated by the sound image generation means according to the transmission source control signal 32 received together with the audio signal from the audio line. Circuit 1, switching control circuit 2, linear encoding circuit 3, switching circuit (1) 4
a and 4b, a memory circuit 5, a switching circuit (2) 6a, and adders 7 and 8, in which the present invention is characterized in that the sound image localization means A multi-speaker state in which two speakers exist at the same time within a certain period of time after the received control signal indicating the first speaking source ends when the state transitions from one speaker state to another one-speaker state. As a spreading means that gives a feeling of spreading the sound image between two people's sound image localization,
Adder 9, delay circuit (DEL) 11, high-pass filter (
HPF) 12, a switching circuit 6b, an adder IO, and a subtracter 13.
第2図は送話元制御信号のフレームフォーマットの説明
図で、CCITT勧告H,221の(iJKbps内の
分割使用を示す。また表は音像定位制御信号の符号フォ
ーマット例である。FIG. 2 is an explanatory diagram of the frame format of the source control signal, and shows the divisional use within (iJKbps) of CCITT Recommendation H, 221. The table also shows an example of the code format of the sound image localization control signal.
l5DN(ディジタルサービス統合網)の基本サービス
には、54kbpsサービスの情報回線が2回線(B)
と16kbpsサービスの情報制御回線(D>が1回線
の28+Dのチャネルがある。この加入者相互間にサー
ビスされたディジタル1リンク回線54kbpsを利用
して、速度分割し、各送話者に対し制御情報信号と音声
信号とを同時に受聴者に伝達する方式がある。すなわち
、CCITTで勧告されている)I、 221 (G、
?22)のフレームフォーマットを使用して行う方式
である。この方式は54kbpsディジタル1リンク回
線を使用して、音声だけでなくディジタル画像信号やデ
ータ信号を同時に伝送することが可能な通信系に適用す
るものである。64kbpsチヤネルは8 ktlzで
伝送されるオクテツト構成(8ビツトが一つの構成単位
)とし、各々のオクテツトの8ビツト目をサービスチャ
ネルと呼び、さらにサービスチャネルは第2図に示すよ
うに3部分に分かれる。フレーム・アライメント・シグ
ナル(FAS)は8ビツトからなる基本フレームパター
ンをサービスチャネルのフレームごとに交互に発生する
マルチフレームで構成されている。ビット・アロケショ
ン・シグナル(BAS)は各種通信モードを規定してい
る。また、アプリケーションチャネル(^C)は1フレ
ーム64ビツトであり、5.4khps以下の伝送速度
を有するデータザービス通信に適用可能である。The basic service of l5DN (Digital Service Integrated Network) includes two 54kbps service information lines (B).
There are 28+D channels with 16kbps service information control line (D> is 1 line.Using the 54kbps digital 1 link line provided between these subscribers, the speed is divided and control is provided to each caller. There is a method for simultaneously transmitting information signals and audio signals to the listener (i.e. recommended by CCITT) I, 221 (G,
? This method uses the frame format of 22). This method is applied to communication systems that can simultaneously transmit not only voice but also digital image signals and data signals using a 54 kbps digital 1-link line. A 64 kbps channel consists of octets (8 bits are one unit) transmitted at 8 kTLZ, and the 8th bit of each octet is called a service channel, and the service channel is further divided into three parts as shown in Figure 2. . The frame alignment signal (FAS) consists of multiple frames in which a basic frame pattern of 8 bits is generated alternately for each frame of the service channel. Bit Allocation Signals (BAS) define various communication modes. Further, the application channel (^C) has 64 bits per frame, and is applicable to data service communication having a transmission rate of 5.4 khps or less.
表 符号フォーマット例
この方式の実現例として前記の島田らの論文では、送話
元制御情報信号として表に示すような符号フォーマット
例を用いている。すなわち、送話元の信号は送話者A、
B、C,D、E、Fに対応する送話元制御情報信号をそ
れぞれrlOUOooJ、 r010000コ、 ro
oiooo、、 「000100J、rooooloJ
としている。Table Example of Code Format As an example of implementing this method, the above-mentioned paper by Shimada et al. uses an example of code format as shown in the table as a source control information signal. In other words, the signal from the transmitter is from the transmitter A,
The source control information signals corresponding to B, C, D, E, and F are rlOUOooJ, r010000ko, and ro, respectively.
oiooo,, “000100J,rooooloJ
It is said that
前記論文では、この送話元制御情報信号が互いに直交す
るような符号化系列であり複数の送話者があった場合で
も論理処理が簡単化できるので、望ましい符号であるこ
とを述べている。The above paper states that the transmitting source control information signals are encoded sequences that are orthogonal to each other and are desirable because the logical processing can be simplified even when there are multiple transmitters.
いま、遠隔会議通信ンステムで送話者となった音声信号
と各送話元制御情報信号とを同時に送信する。複数対地
を接続するノード装置では制御情報信号を論理処理して
、受聴者側に音声信号と送話元制御情報信号を伝達する
。受信側では送話元制御情報信号に対応して、あらかじ
め方向別に分割された音像位置にその音声を発生し、あ
たかも、一つのテーブルに会議参加者が席についたごと
く音像を生成する。複数の送話者があった場合の送話光
制御受聴には少なくとも論理「1」の符号を複数個含む
。Now, the remote conference communication system simultaneously transmits the voice signal of the transmitter and the control information signal of each transmitter. A node device that connects multiple destinations logically processes the control information signal and transmits the audio signal and the source control information signal to the listener side. On the receiving side, the sound is generated in sound image positions divided by direction in advance in response to the sender control information signal, and a sound image is generated as if conference participants were seated at one table. When there are multiple speakers, the transmitting light control listening includes at least a plurality of logic "1" codes.
次に、本実施例の具体的な動作説明を行う前に、第3図
に示す会議通話遷移図を用いて、本実施例の、基本的な
動作について説明する。Next, before explaining the specific operation of this embodiment, the basic operation of this embodiment will be explained using the conference call transition diagram shown in FIG.
一般に会議通話状態は第3図に示すように、■単独話者
状態(話者が一人でいる場合、通常はこの状態が全会議
通話状態の80〜90%を占有している)、■複数話者
状態(複数人のあいづぢや笑い声も含む)、および■全
無音状態(通話者全員が喋っていない状態)の三つの状
態があり、これに矢印の状態遷移が加わる。これが会議
の通話状態である。In general, the conference call states are as shown in Figure 3: ■ Single speaker state (when there is only one speaker, this state usually occupies 80 to 90% of all conference call states), ■ Multiple speaker state. There are three states: a speaker state (including chatter and laughter of multiple people), and a total silence state (a state in which all parties are not speaking), and the state transitions indicated by the arrows are added to these states. This is the conference call status.
複数話者状態の場合ではいろいろな音像定位法が考えら
れ、例えば音像の拡がり感付与などが上げられる。この
方法については既に前述した。さらに全無音状態ではヘ
ッドホンのレシーバに入力される音圧を0とするのでは
なく、各送話者から加算されたそのままの室内雑音や回
線雑音を付加して処理すればよい。従って、問題となる
のは単独話者すなわち一人の話者が別の一人の話者へ急
激に状態遷移する場合である。In the case of a multi-speaker situation, various sound image localization methods can be considered, such as adding a sense of spaciousness to the sound image. This method has already been described above. Furthermore, in a completely silent state, instead of setting the sound pressure input to the receiver of the headphones to 0, processing may be performed by adding the room noise and line noise added as they are from each speaker. Therefore, a problem arises when a single speaker, ie, one speaker, suddenly changes state to another speaker.
本発明の基本的な考え方は、今送話元制御信号が第一の
話者から第二の話者に遷移するときに、第一の話者が終
了する時点を一定時間延長し、第二の話者の開始時点と
重複した場合に音像の拡がり感付与を行うものである(
第3図の点線の遷移)。The basic idea of the present invention is that when the current source control signal transitions from the first speaker to the second speaker, the point at which the first speaker ends is extended for a certain period of time, and the second This gives a sense of spaciousness to the sound image when it overlaps with the starting point of the speaker (
(transition indicated by the dotted line in Figure 3).
この一定時間の値の設定は例えば前記の畳込み演算に要
する時間や受聴の不自然性等から求められる。The value of this certain period of time is determined, for example, from the time required for the above-mentioned convolution calculation, the unnaturalness of listening, and the like.
本実施例は、前記の基本的な考え方に基づいて構成され
たものであり、一つの通話者端末から音声信号が送信さ
れているときには、受信した制御信号に従って相手の通
話者ごとに発声位置が異なる音像を生成する。この方式
は異なる対地を接続し、複数の通話者と接続することに
より遠隔会議通信を可能とするもので、通話者ごとに異
なる位置に音像を生成することで通話者認識を容易にさ
せ、送話者が急激に変わる場合でもあたかも一つのテー
ブルに会議参加者が席についたごとくの自然性ある会議
を構成する。This embodiment is constructed based on the above-mentioned basic idea, and when a voice signal is being transmitted from one caller's terminal, the speaking position is determined for each caller according to the received control signal. Generate different sound images. This method enables remote conference communication by connecting different destinations and connecting with multiple callers.By generating sound images in different positions for each caller, it is easy to recognize the callers and send To create a natural conference as if conference participants were seated at one table even when speakers suddenly change.
次に、本実施例の具体的な動作について第4図に示すタ
イミングチャートを参照して説明する。Next, the specific operation of this embodiment will be explained with reference to the timing chart shown in FIG.
ここで第4図は切替回路(1)i6よび(2)の動作を
示す。Here, FIG. 4 shows the operation of switching circuits (1) i6 and (2).
第3図において、音声信号十送話元制御情報31が前記
のCCITT勧告G、 722またはH,221に準拠
したフレーノ・フォーマットで同時に伝送されてくる。In FIG. 3, audio signals and source control information 31 are simultaneously transmitted in Freno format conforming to the CCITT Recommendations G, 722 or H, 221.
ずなt)ち、ディジタル伝送路54kbpsの中で情報
ビット速度56kbpsと制御情報速度3 kbpsが
分離して通信されてくる。この8kbpsを用いて前記
の制御信号を送信する。信号分離回路1はこれら二つの
信号を分離し、音声信号はディジタル信号処理演算が可
能なようにリニア符号化回路3でディジタルノニア符号
となる。一方、送話光制御信号32は切替制御回路2で
今受信した音声が単独話者なのか複数の話者なのかを送
話光制御信号32から判断する。次に、切替回路(1)
4 aおよび4bで切替制御回路2からの指令内容に
よって音声信号に対応する話者の音像定位生成のための
インパルス応答りを選択する。このインパルス応答特性
情報(h)は頭外に音像定位を生成するために用意され
るものであり、あらかじめ測定した各音像定位(第5図
の通話者A、B、C,DおよびEの音像)のインパルス
応答特性情報(h)を格納した記憶回路5を切替回路(
1) 4 aおよび4bで選択する。第1図では送話者
Aから送話者Bへ遷移する場合の切替回路(1)14&
および4bの様子を示している。Then, an information bit rate of 56 kbps and a control information rate of 3 kbps are separately communicated on a digital transmission path of 54 kbps. The control signal described above is transmitted using this 8 kbps. A signal separation circuit 1 separates these two signals, and the audio signal is converted into a digital nonia code by a linear encoding circuit 3 so that digital signal processing operations can be performed. On the other hand, based on the transmission light control signal 32, the switching control circuit 2 determines whether the voice just received is from a single speaker or multiple speakers. Next, the switching circuit (1)
4a and 4b select an impulse response for generating the speaker's sound image localization corresponding to the audio signal according to the contents of the command from the switching control circuit 2. This impulse response characteristic information (h) is prepared to generate sound image localization outside the head, and is based on the sound image localization of each pre-measured sound image (sound images of callers A, B, C, D, and E in Figure 5). ) is connected to the memory circuit 5 storing the impulse response characteristic information (h) of the switching circuit (
1) Select in 4a and 4b. In FIG. 1, the switching circuit (1) 14&
and 4b are shown.
単独話者(話者が一人)の場合、切替回路(2) 6
aおよび6bは「オフ」となって、加算回路7.8およ
び10や減算回路13を介して、ディジタルアナτコグ
変換器14でアナログ信号に変換され、量子化雑音を除
去するための低域フィルタ15に接続される。これをヘ
ッドホンセットの両耳レシーバ17に最適な音量とする
だめの増幅器16を介して、受聴者18のヘッドホンセ
ットの両耳レシーバ17に頭外音像定位した処理情報を
伝達する。In the case of a single speaker (one speaker), switching circuit (2) 6
a and 6b are turned off, and are converted into analog signals by the digital analog τ cog converter 14 via the adder circuits 7.8 and 10 and the subtracter circuit 13, and are converted into analog signals to remove quantization noise. Connected to filter 15. Processing information on the extrahead sound image localization is transmitted to the binaural receivers 17 of the headphone set of the listener 18 via an amplifier 16 that makes the volume optimal for the binaural receivers 17 of the headphone set.
次に、送話者Aの単独話者状態から送話者Bの単独話者
状態へ急激に遷移した場合の例について説明する。Next, an example will be described in which there is a sudden transition from the solo speaker state of speaker A to the solo speaker state of speaker B.
第4図において、各送話者A、B、C,DSEおよびF
に対応する送話光制御信号32は、それぞれrlooo
oo」、rolooo(1+、「001000J、ro
ooloo」、および「000010 Jであるので、
送話光制御信号32は最初はrlooooo」であり、
その後、roloooo」と遷移することになる。前述
のように、このときの切替回路(1) 4 aおよび4
bのスイッチの位置はA端子と接続されているので、イ
ンパルス応答はhAiおよびhALが選択され、入力音
声信号との畳込み積分が行われている。ところが第4図
に示すように、1フレ一ム分だけの遅延後に別の一人の
話者、ここでは送話者Bが話始めたとすると、演算遅延
や音像定位の移動に違和感が生じる。In Figure 4, each speaker A, B, C, DSE and F
The transmitting light control signal 32 corresponding to rlooo
oo”, rolooo(1+, “001000J, ro
ooloo” and “000010 J, so
The transmitting light control signal 32 is initially "rlooooo",
After that, the transition will be "rolooooo". As mentioned above, the switching circuit (1) 4a and 4 at this time
Since the switch position b is connected to the A terminal, hAi and hAL are selected as impulse responses, and convolution with the input audio signal is performed. However, as shown in FIG. 4, if another speaker, here speaker B, starts speaking after a delay of one frame, a sense of discomfort arises in the calculation delay and the movement of the sound image localization.
これを防止するために、送話者へが終了した時点から一
定時間終了するまで、その送話者Aが話者状態を継続し
ているとし、この一定時間内に送話者Bが話始めたとす
れば、この送話者Aと送話者Bが同時に話者となる複数
話者状態と理解し、音像の拡がり感付与の演算を行う。In order to prevent this, it is assumed that speaker A continues to be in the speaker state from the time when the message to the speaker ends until the end of a certain period of time, and within this fixed period of time, speaker B starts speaking. If this is the case, it is understood that this is a multi-speaker state in which speaker A and speaker B are speakers at the same time, and calculations are performed to give a sense of spaciousness to the sound image.
すなわち、切替回路(1) 4 aおよび4bは一定時
間の中間でB端子を「オン」にすると同時に切替回路(
2)6a右よび6bを1オン」とする。そして、切替回
路(2) 6 aおよび6bは一定時間終了と同時に「
オフ」とする。That is, the switching circuits (1) 4a and 4b turn on the B terminal in the middle of a certain period of time, and at the same time turn on the switching circuit (1) 4a and 4b.
2) Set 6a right and 6b to 1 on. Then, the switching circuit (2) 6a and 6b is activated at the same time as the end of the certain period of time.
"Off".
このように送話光制御信号32から抽出した各送話元の
情報から、一定時間まではぞの話者が保留している状態
を生成することにより、音像定位の不自然の移動や演p
の途中中止による雛音発生を防止することができる。In this way, by generating a state in which the speaker is on hold for a certain period of time from the information of each transmitting source extracted from the transmitting light control signal 32, it is possible to prevent unnatural movement of sound image localization and performance.
It is possible to prevent the occurrence of hina-song due to the mid-stop of the process.
以上説明したように、本発明は、会議通話状態である単
独話者が急激に別の単独話者の状態に遷移した場合でも
、前の単独話者の状態を一定時間保留していることから
、音像定位は送話者がより自然的な一般の集合して会議
するような雰囲気を生成することができ、通話品質を良
好に維持することができる効果がある。As explained above, the present invention is advantageous because even if a single speaker in a conference call state suddenly transitions to another single speaker state, the previous single speaker state is suspended for a certain period of time. The sound image localization has the effect of creating a more natural atmosphere in which callers are meeting in a general gathering, and maintaining good call quality.
第1図は本発明の一実施例を示すブロック構成図。
第2図はその送話光制御信号のフレームフォーマットを
示す説明図。
第3図はその会議通話遷移図。
第4図はその動作を示すタイミングチャート。
第5図は頭外音像定位の方法を示す説明図。
1・・・信号分離回路、2・・・切替制御回路、3・・
・リニア符号化回路、4a 、4b・・・切替回路(1
)、5・・記憶回路、6a、6b・・・切替回路(2)
、7〜10・・・加算回路、II・・・遅延回路(DP
:L) 、12・・・高域フィルタ(HPF) 、13
・・・減算回路、14・・・ディジタルアナログ変換器
(0/^)、15・・・低域フィルタ(LPF) 、1
6・・・増幅器(AMP) 、17・・・両耳レシーバ
、18・・・受聴者、21〜25・・・音像位置、31
・・・音声十送話元制御信号、32・・・送話光制御信
号。
特許出願人 日本電信電話株式会社
代理人 弁理士 井 出 直 孝
B 十 B+D 冨2B+D
i−ヒス牙ヤオル
実船(W’l (フレームフッーマ・ント)亮 2
震
実文例(,4′−諸通砧!料図)
33 回FIG. 1 is a block diagram showing an embodiment of the present invention. FIG. 2 is an explanatory diagram showing the frame format of the transmission light control signal. Figure 3 is a transition diagram of the conference call. FIG. 4 is a timing chart showing the operation. FIG. 5 is an explanatory diagram showing a method of extrahead sound image localization. 1... Signal separation circuit, 2... Switching control circuit, 3...
・Linear encoding circuit, 4a, 4b...switching circuit (1
), 5...memory circuit, 6a, 6b...switching circuit (2)
, 7 to 10...addition circuit, II...delay circuit (DP
:L), 12...High-pass filter (HPF), 13
...Subtraction circuit, 14...Digital-to-analog converter (0/^), 15...Low pass filter (LPF), 1
6... Amplifier (AMP), 17... Binaural receiver, 18... Listener, 21-25... Sound image position, 31
. . . Audio transmitter control signal, 32 . . . Transmit light control signal. Patent Applicant Nippon Telegraph and Telephone Corporation Agent Patent Attorney Nao Ide Takashi B 10 B+D 2 B+D
Sentence example (, 4'-Shotsu Kinuta! Fee map) 33 times
Claims (1)
る音像を人の両耳に対応する二つの電気音響変換手段に
より生成する音像生成手段と、この音像生成手段により
生成される音像を前記音声回線から音声信号とともに受
信した制御信号に従って定位する音像定位手段と を備えた会議通話端末装置において、 前記音像定位手段は、一人の話者状態から他の一人の話
者状態に遷移した場合に、受信された第一の送話元を示
す制御信号が終了してから一定時間以内は二人の話者が
同時に存在する複数話者状態とし、二人の音像定位の間
に音像の拡がり感を付与する拡がり付与手段を含む ことを特徴とする会議通話端末装置。[Claims] 1. Sound image generating means for generating a sound image for an audio signal received from an audio line for a conference call using two electroacoustic converting means corresponding to both ears of a person; and sound image localization means for localizing a sound image according to a control signal received together with an audio signal from the audio line, wherein the sound image localization means changes from a state of one speaker to a state of another speaker. In the case of a transition, a multi-speaker state in which two speakers exist at the same time is established within a certain period of time after the end of the received control signal indicating the first transmission source. A conference call terminal device characterized in that it includes a spread imparting means for imparting a sense of spread to a sound image.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2160492A JP2662825B2 (en) | 1990-06-18 | 1990-06-18 | Conference call terminal |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2160492A JP2662825B2 (en) | 1990-06-18 | 1990-06-18 | Conference call terminal |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0449757A true JPH0449757A (en) | 1992-02-19 |
JP2662825B2 JP2662825B2 (en) | 1997-10-15 |
Family
ID=15716112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2160492A Expired - Lifetime JP2662825B2 (en) | 1990-06-18 | 1990-06-18 | Conference call terminal |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2662825B2 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003518890A (en) * | 1999-12-24 | 2003-06-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | Headphones with integrated microphone |
JP2009543479A (en) * | 2006-07-07 | 2009-12-03 | ハリス コーポレイション | Method for transmitting binaural information to a user and binaural sound system |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170132622A (en) | 2016-05-24 | 2017-12-04 | 삼성전자주식회사 | Electronic device having speech recognition function and operating method of Electronic device |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5381506U (en) * | 1976-12-08 | 1978-07-06 |
-
1990
- 1990-06-18 JP JP2160492A patent/JP2662825B2/en not_active Expired - Lifetime
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5381506U (en) * | 1976-12-08 | 1978-07-06 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003518890A (en) * | 1999-12-24 | 2003-06-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | Headphones with integrated microphone |
JP2009543479A (en) * | 2006-07-07 | 2009-12-03 | ハリス コーポレイション | Method for transmitting binaural information to a user and binaural sound system |
JP4916547B2 (en) * | 2006-07-07 | 2012-04-11 | ハリス コーポレイション | Method for transmitting binaural information to a user and binaural sound system |
Also Published As
Publication number | Publication date |
---|---|
JP2662825B2 (en) | 1997-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4166435B2 (en) | Teleconferencing system | |
US5020098A (en) | Telephone conferencing arrangement | |
US8503655B2 (en) | Methods and arrangements for group sound telecommunication | |
US7428223B2 (en) | Method for background noise reduction and performance improvement in voice conferencing over packetized networks | |
US20100248704A1 (en) | Process and device for the acquisition, transmission, and reproduction of sound events for communication applications | |
CN110891216A (en) | Earphone device | |
JPH08125738A (en) | Voice conference system with speaker specifying function by isdn | |
JPH0974446A (en) | Voice communication controller | |
JPH0449757A (en) | Conference speech terminal equipment | |
CN110856068B (en) | Communication method of earphone device | |
JPH07303148A (en) | Communication conference equipment | |
US20050069140A1 (en) | Method and device for reproducing a binaural output signal generated from a monaural input signal | |
US4396802A (en) | Aswixs remote speaker and handset set | |
JP2004274147A (en) | Sound field fixed multi-point talking system | |
US20100272249A1 (en) | Spatial Presentation of Audio at a Telecommunications Terminal | |
JP2662824B2 (en) | Conference call terminal | |
JP2768055B2 (en) | Conference call service | |
JP2502539B2 (en) | Loudspeaker | |
JPH02238800A (en) | Head set talking system with location at outside of head | |
JPS6038065B2 (en) | conference phone equipment | |
KR20020078679A (en) | Multi-Communication Apparatus Using A Network | |
West et al. | Experimental speakerphone system for teleconferencinga | |
JPS63217865A (en) | Conference communication equipment | |
JPS62190962A (en) | Conference talk system | |
JP2004023432A (en) | Voice switching distributor and voice switching distributing method in internet telephone |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090620 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090620 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100620 Year of fee payment: 13 |
|
EXPY | Cancellation because of completion of term |