JP5664291B2 - 音声品質観測装置、方法及びプログラム - Google Patents

Description

本発明は音声品質観測装置、方法及びプログラムに関し、例えば、ＩＰ電話端末（ソフトフォンを含む）に適用し得るものである。

近年では、ＶｏＩＰ技術を利用した音声通信であるＩＰ電話通信が広く普及してきた。ＩＰ電話通信では、音声信号の情報をＩＰパケット化して、ＩＰネットワークを介して伝送することにより相手端末に音声信号を伝えている。一般に、ＩＰネットワークは伝送のリアルタイム性が保証されず、音声パケット伝送中（通話中）にパケットの時間揺らぎ（ジッタ）などが生じ、通話品質の低下を招く。このようなことから、音声品質の状態を観測する手法が望まれており、例えば、非特許文献１に記載のように、通話中に伝送されるパケットの統計的情報（パケットロス数やジッタの統計値など）を基に、音声品質を指標化する方法が提案されている。

ＩＴＵ−Ｔ Ｐ．５６４

しかしながら、近年のＩＰ電話通信では、ネットワーク上で生じたパケットの時間揺らぎ（ジッタ）などを、受信側で補償する技術が用いられており、ネットワーク上を流れるパケットの統計的情報が必ずしも通話品質の指標に直結しない。

そのため、受信側の聴取者へ出力される実際の音声品質を簡便に観測することができる音声品質観測装置、方法及びプログラムが望まれている。

第１の本発明は、音声復号手段から出力される復号音声信号の音声品質を観測する音声品質観測装置において、（１）非定期に到来する音声パケットを所定の形式（以下、音声情報と呼ぶ）で蓄積すると共に、定期的に音声情報を上記音声復号手段に出力するパケットバッファ手段と、（２）単位時間当たりに生じる、上記音声復号手段で実行される復号音声補償処理の割合を、復号音声信号の音声品質の指標として算出する音声情報監視手段とを有することを特徴とする。

第２の本発明は、音声復号手段から出力される復号音声信号の音声品質を観測する音声品質観測方法において、（１）パケットバッファ手段が、非定期に到来する音声パケットを音声情報として蓄積すると共に、定期的に音声情報を上記音声復号手段に出力し、（２）音声情報監視手段が、単位時間当たりに生じる、上記音声復号手段で実行される復号音声補償処理の割合を、復号音声信号の音声品質の指標として算出することを特徴とする。

第３の本発明は、到来する音声パケットを基に処理する音声復号手段を有する音声処理装置に搭載され、上記音声復号手段から出力される復号音声信号の音声品質を観測する音声品質観測プログラムであって、上記音声処理装置に搭載されているコンピュータを、（１）非定期に到来する音声パケットを音声情報として蓄積すると共に、蓄積を開始してからの蓄積音声情報数が所定数になったときから定期的に音声情報を上記音声復号手段に出力するパケットバッファ手段と、（２）単位時間当たりに生じる、上記音声復号手段で実行される復号音声補償処理の割合を、復号音声信号の音声品質の指標として算出する音声情報監視手段として機能させることを特徴とする。

本発明によれば、受信側の聴取者へ出力される実際の音声品質を簡便に観測することができる音声品質観測装置、方法及びプログラムを提供できる。

第１の実施形態に係る音声品質観測装置の機能的構成を示すブロック図である。 第２の実施形態に係る音声品質観測装置の機能的構成を示すブロック図である。

（Ａ）第１の実施形態
以下、本発明による音声品質観測装置、方法及びプログラムの第１の実施形態を、図面を参照しながら詳述する。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態の音声品質観測装置の機能的構成を示すブロック図である。第１の実施形態の音声品質観測装置は、例えば、ＩＰ電話端末（ソフトフォンを含む）に搭載され、ＩＰ電話端末の構成によっては、ＣＰＵ及び当該ＣＰＵが実行するプログラム（音声品質観測プログラム）で実現されるものであるが、機能的には、図１で表すことができる。

図１において、パケットバッファ１０１及び音声情報監視回路１０２が、第１の実施形態の音声品質観測装置１００の構成要素となっている。なお、音声信号の処理系列の中における音声品質観測装置１００の位置を明らかにするため、図１では音声復号回路１０３も書き出している。

パケットバッファ１０１は、図示しないネットワーク（例えば、ＩＰネットワーク）から到来した音声パケット（例えば、符号化音声データが収容されているＩＰパケット）若しくは当該音声パケットを音声復号回路の処理単位（音声フレーム）に分離したものを音声情報として一時的に蓄えるもの（ＦＩＦＯメモリ）である。パケットバッファ１０１は、音声パケットの時間揺らぎを吸収するものである。音声パケットの到来周期は一定であるとは限らず、パケットバッファ１０１は、このような非定期的に到来する音声パケット若しくは分離した音声フレームを格納し、格納した音声情報を定期的に出力して音声復号回路１０３に与えるものである。なお、音声復号回路１０３は、定期的に入力される音声情報を処理するものとなっている。パケットバッファ１０１は、定期的な出力のタイミングにおいて出力する音声情報が存在しない枯渇状態になると、音声復号回路１０３がロス補償処理を起動するようなデータ（補償音声情報）を出力する。

音声復号回路１０３は、入力される音声情報に収容されている符号化音声データを復号し、音声信号を出力する。なお、音声復号回路１０３は、入力される音声情報列から、補償音声情報を認識したときには、当該部分の音声信号を補償するような処理部を内蔵している（補償方法は限定されないが、特開平６−６１９８３号公報や特開平７−３３４１９１号公報の方法を適用できる）。

音声情報監視回路１０２は、パケットバッファ１０１から音声復号回路１０３に与えられる音声情報の連続性を監視し、音声品質指標Ｎを算出、出力するものである。

音声情報監視回路１０２は、補償音声情報判別部１１０、補償フレーム数累算部１１１及び指標算出部１１２を有する。

補償音声情報判別部１１０は、パケットバッファ１０１から補償音声情報が出力されたか否かを判別するものである。

補償フレーム数累算部１１１は、補償音声情報が出力されたと判別されたとき、その補償音声情報に含まれる音声フレーム数分だけ、自己の累算値Ｃに積算するものである。因みに、音声データの符号化は、１フレーム（所定時間）分の音声データ毎に実行されている。補償フレーム数累算部１１１の累算値Ｃは、新たな観測期間が始まったときにクリアされるようになされている。

指標算出部１１２は、ある観測期間（一定期間）が終了したときに、その観測期間において音声復号回路１０３が必要とするフレーム数Ｍ（一定値）に対する、補償フレーム数累算部１１１の累算値Ｃの比を、音声品質指標Ｎとして算出して出力するものである。すなわち、音声品質指標Ｎは（１）式で表され、値が０に近いほど音声品質の劣化が小さいことを表すものとなっている。

Ｎ＝Ｃ／Ｍ …（１）
なお、音声品質が良いほど値が大きくなる音声品質指標Ｎにしたい場合であれば、例えば、（２）式に示すように、所定値Ａ（例えば１）から（１）式に示す値Ｃ／Ｍを減算した値を、音声品質指標Ｎにするようにすれば良い。

Ｎ＝Ａ−Ｃ／Ｍ …（２）
（Ａ−２）第１の実施形態の動作
次に、第１の実施形態の音声品質観測装置１００の動作（音声品質観測方法）を説明する。

ネットワークから到来する非定期的な音声パケットは、そのまま若しくは音声フレームに分離されてパケットバッファ１０１に音声情報として格納される。パケットバッファ１０１は、ネットワークから到来する非定期的なパケットの最大間隔が考慮され、その最大間隔内に必要となる定期的な音声情報数と同等の量を開始時に溜めてから出力を開始するように動作する。このようにすることにより、パケットバッファ１０１の枯渇が生じにくくなり、パケットバッファ１０１から出力される定期的な音声情報の連続性が確保され、音声復号回路１０３の処理後の復号音声信号の品質の劣化が抑えられる。

しかしながら、ネットワーク上で想定以上のパケット間隔が生じた場合には、パケットバッファ１０１内の音声情報が枯渇し、出力すべき音声情報が存在しなくなる。この場合、パケットバッファ１０１は、音声復号回路１０３においてロス補償処理を起動するようなデータ（補償音声情報）を出力する。音声復号回路１０３においてロス補償処理されて得られた復号音声信号は、本来の音声パケットの符号化音声データを復号して得たものとは異なるので、音声品質の劣化を招くものとなっている。

そこで、第１の実施形態においては、音声復号回路１０３に入力される音声情報の連続性を監視し、この連続性に基づいて復号音声信号の音声品質指標を算出することとした。具体的には、観測時間当たりに生じる復号音声補償処理（ロス補償処理）の割合を音声品質指標とすることとした。

音声情報監視回路１０２からは、予め定められている観測期間（一定期間）毎に音声品質指標Ｎが出力される。新たな観測期間になったときには、補償フレーム数累算部１１１における累算値Ｃは、０クリアされる。

音声情報監視回路１０２においては、補償音声情報判別部１１０によって、パケットバッファ１０１から補償音声情報が出力されることが監視される。パケットバッファ１０１から補償音声情報が出力され、そのことが補償音声情報判別部１１０から補償フレーム数累算部１１１に通知されると、累算値Ｃは、補償フレーム数累算部１１１によって、その補償音声情報に含まれる音声フレーム数分だけ積算される。

現在の観測期間が満了すると、指標算出部１１２によって、上述した（１）式に従う演算が実行され、この観測期間についての音声品質指標Ｎが得られて出力される。

なお、観測された音声品質指標Ｎの利用方法は任意であり、通知のために利用されても良く、また、他の回路の動作等を制御するために用いられても良い。例えば、ネットワーク監視装置等の上位装置に音声品質として通知するように利用されても良い。また例えば、パケットバッファ１０１が定期的な出力を開始するまでに蓄える音声情報数を、音声品質指標Ｎの値に応じて制御するようにしても良い。

（Ａ−３）第１の実施形態の効果
第１の実施形態によれば、パケットバッファ１０１が枯渇した際に出力される補償音声情報を監視し、音声復号の際の補償処理の頻度を反映させた音声品質指標を得るようにしたので、より実際の音声品質に即した音声品質指標を簡便に得ることができる。

この第１の実施形態の場合、音声情報監視回路１０２の補償音声情報判別部１１０は、補償音声情報か否かだけを判別すれば音声品質指標を得ることができ、言い換えると、音声パケットのヘッダ等を監視してパケットのロスを判別することが不要であるので、上述したように、音声品質指標を簡便に得ることができる。

到来した音声パケットに時間揺らぎがあっても、パケットバッファ１０１が枯渇しなければ復号された音声信号の品質は十分であり、時間揺らぎは、パケットバッファ１０１が枯渇して始めて、音声信号の品質を劣化させるものである。そのため、パケットバッファ１０１が枯渇したか否かを音声品質指標に反映させる第１の実施形態は、上述のように、実際の音声品質に即した音声品質指標を得ているということができる。

（Ｂ）第２の実施形態
次に、本発明による音声品質観測装置、方法及びプログラムの第２の実施形態を、図面を参照しながら詳述する。

図２は、第２の実施形態の音声品質観測装置の機能的構成を示すブロック図であり、第１の実施形態に係る図１との同一、対応部分には同一、対応符号を付して示している。

図２において、第２の実施形態の音声品質観測装置１００Ａも、パケットバッファ１０１及び音声情報監視回路１０２Ａとからなる。第２の実施形態の場合、音声情報監視回路１０２Ａの内部構成が第１の実施形態のものと異なっている。

第２の実施形態の音声情報監視回路１０２Ａは、補償音声情報判別部１１０、補償フレーム数累算部１１１、指標算出部１１２Ａに加え、補償音声情報連続数監視部１１３及び連続数／重み変換部１１４を有する。

補償音声情報連続数監視部１１３は、補償音声情報判別部１１０がパケットバッファ１０１から補償音声情報が出力されたと判別したときに、今回の補償音声情報を含めた補償音声情報の連続数を計数するものであり、補償音声情報の連続が途切れたときにその連続数を連続数／重み変換部１１４に与えるものである。例えば、本来同一速度であるべき、音声信号の送信側装置のシステムクロックより、音声信号の受信側装置（ＩＰ電話機）のシステムクロックが高速な場合に、補償音声情報が連続して生じることが起こり得る。また例えば、音声通信に介在している中継装置が、音声パケットをバースト的に送出するものであって、本装置にバースト的な音声パケットが到来する前の時間がかなり長くなると、補償音声情報が連続して生じることが起こり得る。

連続数／重み変換部１１４は、補償音声情報の連続数を、音声品質指標を算出する際の重みＷ（Ｗは１より小さい正数）に変換するものである。仮に、観測期間に３つの補償音声情報が生じたとする。同じ３つの補償音声情報でも、散発的に生じた場合と連続的に生じた場合とでは、音声品質は後者の方が劣化するということができる。１音声情報分の補償精度と、３音声情報分の補償精度とを比較した場合、３音声情報期間の終了側の補償精度はかなり低くなってしまう。重みＷは、連続数が大きいほど、音声品質指標Ｎの値が小さくなるものである。ここで、連続数／重み変換部１１４が、重みＷを出力する最小連続数は２に限定されるものではなく、最小連続数を適宜選定すれば良い。

第２の実施形態の指標算出部１１２Ａは、連続数／重み変換部１１４から与えられた重みＷをも適用して（３）式に示すように今回の観測期間の音声品質指標Ｎを算出する。

Ｎ＝Ｗ・Ｃ／Ｍ …（３）
ここで、同一観測期間において、補償音声情報の連続が複数回生じた場合には、以下のいずれの対応例を採用しても良い。第１は、各回の重みの乗算値を（３）式の重みＷとして適用する。第２は、各回の重みの加算値を（３）式の重みＷとして適用する。第３は、複数回の連続の中で最も連続数が大きいものに対応する重みを（３）式の重みＷとして適用する。

第２の実施形態によれば、パケットバッファ１０１が枯渇した際に出力される補償音声情報を監視し、音声復号の際の補償処理の頻度を反映させた、しかも、補償処理の連続をも反映させた音声品質指標を得るようにしたので、より実際の音声品質に即した音声品質指標を簡便に得ることができる。

（Ｃ）他の実施形態
上記各実施形態においては、パケットバッファ１０１が枯渇した際に出力される補償音声情報を監視して音声復号の際の補償処理を反映させた音声品質指標を得るようにしたが、これに加えて、補償処理が実行される他の場合をも、音声品質指標に反映させるようにしても良い。

例えば、ネットワーク上でのパケットロスはパケットバッファ１０１の蓄積量を減少させるように働くが、上記各実施形態の場合、パケットロスがパケットバッファ１０１の枯渇を引き起こさない限り、音声品質指標に反映されない。そのため、パケットバッファ１０１の枯渇を引き起こさないロスパケットに係る音声フレーム数（重み付け係数を掛けた音声フレーム数であっても良い）も累算値Ｃに積算して、音声品質指標Ｎを算出するようにしても良い。

ここで、補償音声情報判別部１１０に、音声フレームのシーケンス番号の監視機能を持たせてパケットロスを検出するようにしても良く、また、音声復号回路１０３に内蔵されているパケットロスの検出回路から、パケットロスの情報を取得するようにしても良い。

上記では、ネットワーク上でのパケットロスに言及したが、パケットバッファ１０１が満杯の状態で到来した音声パケットを破棄することで生じたパケットロスも同様に扱うようにしても良い。

上記各実施形態では、音声フレーム数から音声品質指標Ｎを算出するものを示したが、音声パケット数から音声品質指標Ｎを算出するようにしても良い。このような場合も、上述した（１）式右辺の単位が「パケット数」に変わるだけであり、同様な算出式を適用することができる。

上記各実施形態では、観測時間内の補償音声情報数に基づいて、音声品質指標Ｎを算出するものを示したが、補償音声情報数の計数値が一定の値になるまでの時間に基づいて、音声品質指標Ｎを算出するようにしても良い。

上記各実施形態では、パケットバッファ１０１が開始時に所定量を蓄積するものを示したが、初期蓄積をしないものを用いても良い。この場合、最初の揺らぎが生じた際にその揺らぎと同等の蓄積が生じ、以降は初期蓄積をするものと同様に音質の劣化が抑えられる。

本発明の音声品質観測装置等が搭載される音声処理装置は、ＩＰ電話端末（ソフトフォンを含む）に限定されず、他の装置であっても良い。例えば、レガシーな電話端末をＩＰネットワークに接続するためのルータに本発明の音声品質観測装置等を搭載しても良い。

１００、１００Ａ…音声品質観測装置、１０１…パケットバッファ、１０２、１０２Ａ…音声情報監視回路、１０３…音声復号回路、１１０…補償音声情報判別部、１１１…補償フレーム数累算部、１１２、１１２Ａ…指標算出部、１１３…補償音声情報連続数監視部、１１４…連続数／重み変換部。

Claims (4)

1. 音声復号手段から出力される復号音声信号の音声品質を観測する音声品質観測装置において、
   非定期に到来する音声パケットを音声情報として蓄積すると共に、定期的に音声情報を上記音声復号手段に出力するパケットバッファ手段と、
   単位時間当たりに生じる、上記音声復号手段で実行される復号音声補償処理の割合を、復号音声信号の音声品質の指標として算出する音声情報監視手段とを有する
   ことを特徴とする音声品質観測装置。
2. 上記パケットバッファ手段は、定期的な出力タイミングで蓄積されている音声情報がない場合には、出力する音声情報がないことを表す補償処理要通知データをその出力タイミングで出力するものであり、
   上記音声情報監視手段は、上記補償処理要通知データに基づいて、単位時間当たりに生じる、上記音声復号手段で実行される復号音声補償処理の割合である指標を算出する
   ことを特徴とする請求項１に記載の音声品質観測装置。
3. 音声復号手段から出力される復号音声信号の音声品質を観測する音声品質観測方法において、
   パケットバッファ手段が、非定期に到来する音声パケットを音声情報として蓄積すると共に、定期的に音声情報を上記音声復号手段に出力し、
   音声情報監視手段が、単位時間当たりに生じる、上記音声復号手段で実行される復号音声補償処理の割合を、復号音声信号の音声品質の指標として算出する
   ことを特徴とする音声品質観測方法。
4. 到来する音声パケットを基に処理する音声復号手段を有する音声処理装置に搭載され、上記音声復号手段から出力される復号音声信号の音声品質を観測する音声品質観測プログラムであって、
   上記音声処理装置に搭載されているコンピュータを、
   非定期に到来する音声パケットを音声情報として蓄積すると共に、定期的に音声情報を上記音声復号手段に出力するパケットバッファ手段と、
   単位時間当たりに生じる、上記音声復号手段で実行される復号音声補償処理の割合を、復号音声信号の音声品質の指標として算出する音声情報監視手段と
   して機能させることを特徴とする音声品質観測プログラム。

Images