用於實施語音會議的方法和語音會議系統的製作方法

2023-09-12 20:04:55

專利名稱：用於實施語音會議的方法和語音會議系統的製作方法
用於實施語音會議的方法和語音會議系統
背景技術：
語音會議系統允許多個語音終端設備互相連接成一個電話會議，從 而向各個用戶榆入通過其餘用戶的語音終端設備的各自話筒所接收的 音頻信號作為用作音頻輸出的"混合的信號".輸入用戶的"混合的信 號"，下面也稱為混合信號，在此是施加的所有音頻信號的疊加，然而 該用戶的音頻信號除外，因為這個他自身在會議中的講話部分不需要或 者不允許被他自己聽到，因為這會產生自身講話的非期望的回聲效應.
因此，必須為電話會議的N個用戶中的每一個形成特殊的混合信號，在 這種情況下，將該電話會議的其餘用戶的(N-l)個語音信號加工成該 特殊的混合信號。
例如，在具有語音終端設備的基於分組的通信系統中，該語音終端 設備藉助基於分組的方法通過基於分組的網絡一例如基於IP的UP: Internet Protocal，網際網路協議)網絡一來通信，將通過話筒接收的
音頻信號通過編碼器轉換為用於該基於分組的網絡的數據分組，並且借 助解碼器將來自該基於分組的網絡的數據分組轉換為用於通過例如位
於電話聽筒中的揚聲器音頻輸出的音頻信號.組合的編碼和解碼單元通 常稱作C0DE(X編解碼器)(編碼/解碼)。已知的編碼方法例如通過ITU-T (ITU-T: ITU的電信標準化部門；ITU:國際電信聯盟)來進行標準化。 它們例如是具有名稱G. 711, G. 726或者G. 729的CODEC,這些CODEC 尤其通過各自的語音質量、各自的壓縮率以及各自編碼方法的複雜性來 相互區分.例如CODBCG. 729的優點是，該CODEC可以用於語音質量比
較好時的高壓縮，但是其中必須執行計算強度大的運算.
語音終端設備經常支持多個CODEC,其中協商用一個共同的CODEC 來用於各個通信夥伴的連接和/或各個通信夥伴的連接的部分片段，
為了通過電話會議將語音終端設備相互連接，通常這樣處理，即在 語音終端設備的語音會議系統中將傳入的經過編碼的語音數據進行解 碼，從中為各自的語音終端設備分別產生混合信號，並且該分別產生的
6混合信號利用與各自的語音終端設備匹配的編碼器來轉換.分別生成的 混合語音數據於是通過面向分組的方法傳輸給各自語音終端設備來進 行各自的語音輸出，
由此給出，在具有N個用戶的電話會議中，通過語音會議系統同時 對N個傳入的語音數據流進行解碼，並且通過N個編碼器將隨後形成的 N個混合信號轉換為N個傳出的語音數據流.尤其在具有許多用戶的電 話會議中，這可能導致可觀的用於編碼和解碼的計算消耗，除此以外， 為了支持具有許多用戶的電話會議，必須維持大量的編碼器和解碼器.
為了減少編碼和解碼的複雜性，可以在語音會議系統中只使用需要 較少計算能力的CODEC.然而已經證實，在語音質量和/或用於傳輸經過 編碼的語音數據所需要的帶寬方面，這種計算強度較低的CODEC大多是
不利的.
可替換地，並且為了解決這個高計算消耗的問題，通過將各自語音 終端設備的經過編碼的語音數據傳輸給所有其它的語音終端設備，然後 分別在語音終端設備中進行解碼和混合，語音會議系統可以放棄解碼和 對經過解碼的信號的混合.然而這種方法引出了其它的或者進一步的問 題，因為對語音終端設備的帶寬要求極度地提高，並且語音終端設備必 須為此如此設置，即必須能對多個傳入的語音數據流進行並行處理.由 此，語音終端設備中的複雜性顯著提高了.
在前述所有的方法中，證實這樣做是困難的，即通過語音會議系統 服務大量的用戶而不將語音會議系統中的計算複雜性極度提高，並且對 語音質量或傳輸帶寬沒有明顯的消極影響.

發明內容
本發明要解決的技術問題是，給出一種用於執行語音會議的方法以 及一種語音會議系統，即使在會議用戶較多時，該語音會議系統也可以 為所有語音信號的編碼保持較低的計算複雜性。
這個任務通過根據權利要求1的用於執行語音會議的方法，以及通 過根據權利要求14的語音會議系統來解決。
所述方法的優選實施形式和擴展在從屬權利要求中給出.
在本發明的方法中，該方法用於在通信系統中實施具有至少三個語音終端設備的語音會議，優選為同時、雙向的通信而設置的語音終端設
備分別具有接收信道(Empfangskanal)和記錄信道(Aufnahmekanal ), 該接收信道用於接收在語音會議中累積的經過編碼的語音數據，並且將 通過對接收到的語音數據進行解碼而形成的語音信號輸出給各自的語 音終端設備。該記錄信道用於為語音會議提供經過編碼的語音數據，其 中要提供的語音數據由編碼器根據在各自的語音終端設備上記錄的語 音信號來形成。在本發明的方法中，將語音終端設備中的至少一個設備 至少暫時地分配給第一組，使得為該第一組將通過它們各自的記錄信道 提供的語音數據分別解碼成單個語音信號(Einzelsprachsignal),將 該單個語音信號疊加成合成語音信號(Su咖ensprachsignal )，並且將 該合成語音信號編碼為第一合成語音數據(Summensprachdaten ),此外， 將語音終端設備中的至少兩個設備至少暫時地分配給第二組，使得第二 組只包括這樣的語音終端設備，即在該語音終端設備中在它們各自的記 錄信道上識別出廣泛的(weitgehend)非主動性.根據本發明，向分配 給笫二組的語音終端設備通過它們各自的接收信道輸入第一合成語音 數據來用於分別輸出該第一合成語音數據.
本發明證明其自身尤其是有益的，即當從多個單個語音信號中形成 唯一的、共同的合成語音信號，並且將經過編碼的合成語音信號，即笫 一合成語音數據，不經過特殊的改變而輸入給多個語音終端設備.因此 只對一個語音信號一合成語音信號一優選通過共同的CODEC來編碼，由 此在語音會議中同時使用的CODEC的數量可以明顯地減少。例如，如果 將X個非主動的語音終端設備分配給第二組，則為了對特定於終端設備 的語音數據進行編碼而不使用本發明的方法，通常需要同時使用X個 C0DEC。相反地，在使用本發明的方法時，只需要使用一個CODEC,因此 可以節約X-l個CODEC,原因是需要相應更少的CODEC,語音會議的最 大數量用戶所需要的CODEC的最大數量，可以例如在為真實環境中運行 的電話會議所做的準備階段調查的範圍內根據經驗確定，
從前文所述中可以看出， 一方面用於執行根據本發明的方法的語音 會議系統可以保持少於語音會議中存在地用戶的CODEC,並且儘管如此 該語音會議系統可以用語音數據來服務所有用戶。另一方面，通過更少 的同時主動的CODEC—即通過語音會議中的所有語音終端設備而同時使用的所有CODEC的總計，或者通過所有同時舉行的語音會議的語音終端 設備而同時使用的所有CODEC的總計，減少了在語音會議系統中的計算 複雜性，從而或者可以節約計算容量，或者可以使用質量更好的CODEC, 其中後者又對語音質量和所佔用的傳輸帶寬具有積極作用.
單個語音信號的疊加可以理解為對單個語音信號的求和，並且必要 時理解為連接在求和後面的信號表減.後者在此可以保證最大電平不會 被合成語音信號超過.此外，通過在疊加時對單個語音信號進行不同的 加權，單個語音信號在疊加時可以被匹配到共同的音量水平.
在本發明的優選設置中，可以這樣形成第一組，即只將在各自的記 錄信道上識別出主動性的語音終端設備分配給第一組，因此第一組和第 二組可以保持不相交.這樣做是有益的，因為在形成疊加時只需要注意 主動的單個語音信號.由此，要疊加的單個語音信號的數量減少了，並 且因此也降低了疊加的複雜性，除此之外也改善了疊加的合成語音信號 的語音質量，因為那些雖然包括通常會引起幹擾的背景噪聲但除此之外 不具有主動性的語音信號並不傳入合成語音信號中，因此通過本發明隱 含性地被濾出，
可替換地在本發明的另一個優選設置中，可以這樣形成第一組，即 將語音會議的基本上非主動的語音終端設備或者將所有語音終端設備 也分配給第一組.用這種方式不需要對單個語音信號進行關於主動性/ 非主動性的提前檢查，由此可以避免在執行本方法時的延遲.合成語音 信號在本設置中還包括非主動的單個語音信號，這些非主動的單個語音 信號通過廣泛的非主動性表徵，其中主動的語音終端設備是佔支配地位 的，從而滿足了合成語音信號基本上是主動語音終端設備的疊加信號的 目的.
按照本發明的優選擴展，分配或者劃分到第一和/或第二組可以動 態地進行.第一個可能性是，通過在一個時間段過去之後對語音終端設 備的主動性進行分析，在規則的或者不規則的時間段過去之後對語音終 端設備的組的歸屬性進行檢查，根據在這個時間點佔主導的主動性或者 根據在該時間段期間的主動性頻率和/或主動性持續時間，可以將已在 記錄信道上識別了主動性的語音終端設備標記為主動發言方，並且分配 給笫一組，類似地，可以在記錄信道上識別了非主動性時在將所屬的語20
音終端設備標記為被動的聽眾方，並且分配給笫二組.
除此之外或者可替換地可以重新執行組的分配，所述組的分配通過 在一個記錄信道上的主動性改變而引發，而主動性改變例如是從廣泛的 非主動性轉換成主動性或者相反，或者通過在一個語音終端設備上的使 用者動作來引發，使用者動作例如可能是在一個語音終端設備上的按 鍵，通過該使用者動作表示，相應的用戶想要主動地參與語音會議。可 替換地，為了向每個用戶分配講話的權利，可以通過語音會議的主持人 來執行該使用者動作。
在本發明的另一種優選擴展中可以形成第三組，所述第三組與第二 組類似只包括這樣的語音終端設備，則這些語音終端設備在它們的記錄 信道上具有廣泛的非主動性.優選對第二組以及第三組分別使用互不相 同的編碼器，來對同樣輸入的合成語音信號進行編碼，從而向笫二組的 語音終端設備榆入通過第 一編碼器編碼的第 一合成語音數據，而向第三 組的語音終端設備輸入通過笫二編碼器編碼的笫二合成語音數據.因
此，例如可以這樣形成組，即將支持CODECG. 729的語音終端設備分配 給第二組，而支持G. 711的語音終端設備分到第三組.用這種方式可以 促使分別使用各個語音終端設備的質量最好的CODEC,優選將笫二組和 第三組分離，從而分配給這兩組中一組的語音終端設備只獲得第一合成 語音數據或者可替換地只獲得笫二合成語音數據，其中支持多個CODEC 的語音終端設備，優選分配給這樣的組，即該組使得可以輸出質量最高 的輸出信號，和/或該組通過傳輸相應的合成數據實現了最小的帶寬負 荷，
除了根據本發明的方法，前面所述的優點、擴展和實施形式以類似 的方式適用於根據本發明的語音會議系統.


下面藉助於附圖進一步闡釋本發明的實施例。 在此在示意圖中
圖l示出具有語音會議伺服器和參與語音會議的語音終端設備的通 信系統，以及
圖2-圖5示出語音會議伺服器的部件以及在各個不同的方法階段中在語音會議中這些部件之間的邏輯信號流和數據流.
具體實施例方式
在閨1以示意閨示出具有語音會議系統K0NF和多個語音終端設備 A， B， C, D， E， F和G的通信系統.語音會議系統K0NF以及語音終端 設備A， B， C， D， E， F， G在所述實施例中基於面向分組的原理，其中 為了語音的傳輸以及發信號設置了沒有進一步示出的基於IP的傳輸網 絡.語音終端設備A, B， C， D， E， F， G與語音會議系統K0NF的耦合 在圖1中分別通過各自的語音終端設備A， B， C， D， E， F, G與語音會 議系統K0NF之間的連接V來形象地說明，
在圖1至圖5中假設，已經通過語音會議系統K0NF建立了語音會 議，並且連接建立階段已經結束.參與該語音會議的是所有的前述語音 終端設備A至G,
在閨1中示出的輸出情況是，在語音會議KONP中，就傳送語音來 說，語音終端設備A， B和C是主動的，而語音終端設備D， E， F和G 是非主動的.這個劃分在圖1中通過第一組和第二組GR1和GR2的橢圓 圖形來表明，其中GR1的橢圃形包括語音終端設備A， B， C， GR2的橢 圃形包括其餘的語音終端設備D， E， F， G.通過連接V流動的語音數據 流在圖1中通過有方向的箭頭示出，其中將從各自的語音終端設備A， B， C， D， E， F， G向語音會議系統KONF傳輸的語音數據流稱為單個語音數 據ESD，而將從語音會議系統KONF向各自的語音終端設備A, B， C， D, E， F， G傳輸的語音數據流標記為合成語音數據SSD。
語音終端設備A， B， C， D， E， F， G中的一個語音終端設備上的用 戶是主動地參與語音會議還是僅僅被動地參與語音會議，在附圖標記 ESD中通過上標A來表示主動，通過上標P來表示被動(因此給出了 ESD' 或者ESDP)。產生各自的單個語音數據ESD的各語音終端設備A， B， C， D， E， F， G在參考標記ESD中通過語音終端設備A， B， C， D, E, F， G 的下標字母來表示.因此例如通過參考標記ESDPB來標記從語音終端設 備B輸出的單個語音數據的被動數據流.就合成語音數據而言，在各自 的參考標記SSD中給出從哪些源數據流疊加成合成語音數據流。這通過 將源語音終端設備A， B， C， D, E， F, G的字母作為下標來表明.因此例如將傳入語音終端設備A和B的數據流標記為SSD".
在該實施例中，在語音會議系統K0NF中，在給定的時間段內對傳 入的語音數據進行分析，並且尤其是分析在該時間段內是否識別出各語 音終端設備A， B， C， D， E， F, G的主動性或者被動性。該分析藉助於 語音終端設備A， B， C, D， E， F， G的所有的單個語音數據ESD或者從 該ESD中解碼的單個語音信號來進行，困1的通信系統在此在這樣一個 時間點示出，即在該時間點語音終端設備A， B和C被識別為是主動的， 而語音終端設備D， E， F和G被確定為是非主動的.因此按照前面解釋 過的命名，單個語音數據ESD\， ESD ，ESD'是為主動的語音終端設備A， B， C傳入的.另外，語音會議系統KONF中的單個語音數據ESDV ESDP8， ESD 以及ESD 是為被動的語音終端設備D， E， F和G傳入的.根據本 發明，將從語音終端設備A， B和C傳入的單個語音數據ESD、 ESDV ES叭解碼成單個語音信號，並且疊加為共同的合成語音信號一 該合成語 音信號沒有示出.將該合成語音信號在另一個步驟中編碼成合成語音數 據.由於對語音終端設備A， B和C的信號的疊加，將該合成語音數據 稱為SSD道，並且將該合成語音數據作為輸出數據流傳輸給被動的語音 終端設備D, E， F， G,也就是這些語音終端設備D， E， F， G通過在它 們各自記錄信道上的進一步的非主動性表徵。因此，將相同的合成語音 數據SSDm輸入給所有被動的語音終端設備D， E, F， G.接著，在各語 音終端設備D, E， F， G中對在該各語音終端設備D， E， F, G中接收到 的合成語音數據SSD縱進行解碼，並且通過電話聽筒的揚聲器輸出給各 個用戶。
除此之外，為主動的語音終端設備A, B， C單獨傳輸合成語音數據 SSD,例如為語音終端設備A傳榆經過編碼的數據，該數據是語音終端 設備B和語音終端設備C的單個語音信號的特定於終端設備的疊加.因 此將B和C的單個語音信號的經過編碼的疊加作為合成語音數據SSDBC 傳輸給語音終端設備A.用類似方式分別將其餘語音終端設備的單個語 音信號經過疊加然後經過編碼地輸入其他的主動語音終端設備B和C。
為語音端設備B輸入合成語音數據SSDm;，並且為語音終端設備C輸入
合成語音數據SSD,b,該合成語音數據SSDw和SSDw分別特定於終端設備 (特定於B或者C)而形成。因此為各自的語音終端設備A， B, C， D, E， F， G輸入合成語音數 據SSD，該合成語音數據SSD在各自的語音終端設備A， B， C， D， E, F， G上經過解碼之後通過揚聲器輸出.在此合成語音數據SSD分別包含每 個用戶分別需要的語音會議的音頻分量.在各個語音終端設備A， B, C， D, E, F, G中對語音信號或者語音數據進行的廣泛的後處理，例如通過 音頻信號的疊加、提取和/或倒置(Inversion)而進行的後處理，在本 發明的範圍內是不需要的.
至於主動性和非主動性(或者被動性)的確定到目前為止還沒有詳 細討論。主動性例如通過信號一次性地超過閾值電平來表徵，可替換地， 在把信號分類為主動信號之前， 一個電平必須被多次超越。此外可以將 平均的和統計的分析引入到主動性評估中，可以檢查均勻的或者不均勻 的時間段；除此之外或者可替換地，超過或者不超過閾值可以引起關於 主動性的重估.
在解釋過圖1中關於實施本發明語音會議的粗略關聯之後，現在借 助於圖2以及其他的圖3-5來解釋，語音會議系統KONF如何執行語音 數據的分析以及語音信號和語音數據的加工.在此在圖2中的輸出情況 與在圖l中的情況相同；也就是說語音終端設備A， B和C是主動的， 並且語音終端設備D, E， F和G是非主動的.在圖1中引入的單個語音 數據ESD、合成語音數據SSD—包括上下標、組GR1， GR2以及語音終端 設備A， B, C， D， E， F， G的標誌，在圖2至困5中保持不變。
在圖2至困5中，將語音會議系統KONF分割成解碼單元DE、信號 混合單元MIX、編碼單元KE、主動性識別單元AE以及編碼控制單元KSE. 在這些圖中從左向右提供信號流，由此在語音會議系統K0NF中在左側 提供傳入的語音終端設備A， B, C， D， E, F， G的單個語音數據ESD， 並且分別在困2至圖5的右側示出從語音會議系統KONF輸出給各個語 音終端設備A， B， C， D， E， F， G的合成語音數據SSD.解碼單元DE 用長方形來表示，該解碼單元DE包括多個同樣用長方形來表示的解碼 器Dl至D7,解碼器Dl至D7在此是CODEC的解碼實例，例如G. 723 CODEC 或者G. 729 CODEC,解碼單元DE的輸入信息是語音終端設備A， B， C， D， E， F, G的單個語音數據ESD\， BSDV ESDac， ESDpd， ESDpb， ESDpp， ESD 的數據分組.為了將面向分組的經過編碼的數據與未經編碼的語音
13信號區分開來，在圖2至困5中用雙箭頭來表示數據或者數據分組，而用單箭頭來表示信號(也表示控制數據)。
解碼單元DE的解碼器Dl至D7擁有用於將單個語音信號ESS傳輸至信號混合單元MIX的信號輸出端來作為輸出端.在信號混合單元MIX中基於傳入的單個語音信號ESS而形成不同的、疊加的混合信號作為合成語音信號，該合成語音信號又傳輸給編碼單元KE.該混合信號(在圖中表示為相加的單個語音信號一例如ESSb + ESS,)或合成語音信號通過各自CODEC的編碼器實例(Kodierins tanz ) Kl至K6編碼成合成語音數據SSD，並且傳輸給各自的語音終端設備A至G.
向主動性識別單元AE(根據權利要求15也稱為信號混合控制單元)輸入所有通過解碼單元DE榆出的單個語音信號ESS" ESSb, ESSc， ESSd，ESSb， ESSp， ESS"可替換地，也可以在將單個語音數據ESDAA， ESDAB,ESD、， ESDPD， ESDPB， ESDPP， ESD 輸入解碼單元DE之前，通過主動性識別單元AE來處理該單個語音數據.主動性識別單元AE確定一定時間段內的主動和被動的語音終端設備。所確定的信息接著通過該實施例範圍內沒有進一步特殊化的信令輸入信號混合單元MIX以及編碼控制單元KSE，從而主動性識別單元AE除了識別主動性和被動性以外，還執行用於控制信號混合的功能。藉助輸入的信息，在信號混合單元MIX中控制並執行不同的單個語音信號ESSA, ESSb， ESSc， ESSd, ESSb, ESSp， ESSc的混合.
除此之外，將該信息以及其他關於語音終端設備A至G的CODEC的信息INF傳輸給編碼控制單元KSE,接著編碼控制單元KSE確定語音終端設備A至G的組分配，所確定的組的歸屬性在此在圖2至固5中在編碼單元KE的輸出端上用虛線畫出的橢圃表示。在解碼單元DE、信號混合單元MIX以及編碼單元KE中的信號路徑同樣通過虛線示出，
在圖2中根據圖1中的示意困，將主動的語音終端設備A， B和C的單個語音數據ESDAA， ESDV ES叭輸入解碼單元DE.除此之外，將語音終端設備D， E， F和G的非主動單個語音數據ESDPD， BSDPB， ESDPP,ESD 同樣輸入解碼單元DE,在此，解碼通過各自的解碼器Dl至D7單獨進行。解碼器Dl至D7產生各自的單個語音信號ESSA, ESSb， ESSc，ESSd, ESSb， BSSp， ESSfi.將所述的單個語音信號ESS輸入信號混合單元MIX以及主動性識別單元AE.
主動性識別單元AE分析單個語音信號ESS,並且識別出語音終端設備A， B和C通過廣泛的主動性來表徵，相反語音終端設備D， E， F和G通過廣泛的非主動性來表徵.這藉助一個或者多個信息消息傳輸給信號混合單元MIX.這在圖2中通過消息ACT和PAS來表示，其中消息ACT包括主動的語音終端設備A， B， C的列表，而消息PAS包括被動的語音終端設備D， E， F和G的列表.信號混合單元MIX處理這些消息，並且將三個主動語音終端設備信號ESSA， ESSb， ESSc中的兩個疊加成三個語音終端設備A， B， C中的每兩個的相應的合成語音信號，以及疊加成所有三個語音終端設備信號ESSA， ESSb， ESSe的疊加.語音終端設備B和C的信號疊加一在圖2中稱為ESSB + ESSC—在此設置為給語音終端設備A的輸出，並且仍必須為此傳輸給編碼單元KE.類似地，為語音終端設備B進行語音終端設備A和C的單個語音信號的疊加ESSA + ESSe，以及為語音終端設備C進行語音終端設備A和B的單個語音信號的疊加ESSA+ ESSB,除此之外，根據本發明執行所有三個主動語音終端設備信號的疊加BSSA + ESSB + ESSc，並且同樣輸入編碼單元KE。
編碼控制單元KSE得到關於主動的語音終端設備(A， B， C)和非主動的語音終端設備(D， E， F， G)的消息，並且額外地詢問哪個CODEC由哪個語音終端設備A， B， C， D， E， F， G來支持，這通過信息INF的輸入來表示.基於這些信息，現在編碼控制單元KSB可以將語音終端設備A， B， C， D， E， F， G分組，從而在第一組GR1中包括了所有主動的語音終端設備(即A， B， C)，以及在第二組GR2中組合了所有被動的語音終端設備(即D， E， F, G).這樣做的前提是，所有被動的語音終端設備D， E， F， G分別支持同一個CODEC,從而隨後在語音終端設備D，E, F, G上的編碼又可以被解碼，
將組信息從編碼控制單元KSE傳輸給編碼羊元KE(在閨2中表示為消息"GR1: A， B， C"和"GR2: D， E， F, G").接著編碼單元1[B為分配給第一組GR1的主動語音終端設備A， B， C分別產生一個編碼器實例(或者從給出的編碼器池中檢索出 一個實例)，以及為分配給第二組GR2的所有語音終端設備D， E， F， G產生一個共同的實例。所述笫一種情況在圖2中是編碼器U， K2和K3。用於非主動語音終端設備D， E， F，G的共同編碼器在困2中稱為K4.編碼器U通過對疊加的單個語音信號ESSb和ESSe進行編碼來對用於語音終端設備A的合成語音數據SSDBC進行編碼.用類似的方式通過編碼器K2處理語音終端設備A和C的疊加的單個語音信號ESS, + ESSe，並且藉助合成語音數據SSDAe繼續傳遞給語音終端設備B,相應地，通過編碼器K3來對語音終端設備A和B的疊加的單個語音數據ESS,和ESSB進行編碼，並且作為合成語音數據SSDAB輸入語音終端設備C.
編碼器K4處理三個主動語音終端設備A,B和C的經過疊加的信號，即ESSA + ESSB + ESSe.通過編碼器K4產生共同的合成語音數據SSDABC，該合成語音數據SSD縦經過複製並且通過各自的連接傳輸給非主動的語音終端設備D， E， F和G,
通過這種方式，對於語音終端設備D, E, F和G來說只需要一個編碼器K4，該編碼器為所有四個非主動的語音終端設備D， E, F, G共同產生待輸入的合成語音數據SSDABC.因此相對於現有技術節約了大量的編碼器.這種非主動語音終端設備的邏輯組合在圖2中通過具有標記GR2的橢圃示出，該橢圓包括用於語音終端設備D， E， F和G的合成語音數據SSDABC.
基於該配置以及圖2中示出的情況，現在在圖3中通過一個屬於到目前為止主動的語音終端設備C的用戶在一定的時間間隔內沒有產生被識別為主動語音信號的語音信號，該到目前為止主動的語音終端設備C變為非主動。
通過主動性識別單元AE確定，現在只有語音終端設備A和B是主動的，而語音終端設備C, D， E， F和G是非主動的。這藉助消息ACT和PAS傳輸給信號混合單元MIX,接著通過信號混合單元MIX形成來自兩個主動語音終端設備A和B的混合信號一ESS* + ESSB。此外，每一個主動語音終端設備的信號混合單元MIX本來會產生其餘語音終端設備的混合信號.因為在這種情況下只有兩個主動語音終端設備A和B，所以在產生混合信號的情況下就不需要疊加了 .只將語音終端設備B的單個語音信號ESSB提供給語音終端設備A,以及反過來將語音終端設備A的單個語音信號ESSA提供給語音終端設備B,兩個最後所述的單個語音信號ESS,和ESSB分別通過編碼器Kl和K2編譯成合成語音數據SSDb和SSIX，並且分別向語音終端設備A和B傳輸，使得傳輸給語音終端設備A的合成語音數據SSDB只表示對語音終端設備B的單個語音信號ESSB的編碼.類似地，向語音終端設備B只輸入語音終端設備A的語音數據.
兩個主動語音終端設備A和B的經過疊加的合成語音信號ESSA +ESSB與根據本發明的合成語音信號相對應，本發明的合成語音信號現在通過編碼器K4轉換為第一合成語音數據SSDAB.經過轉換的合成語音數據SSD,B現在被複製到不同的連接V上，並且輸入給各個非主動的語音終端設備C至G.這基於通過編碼控制單元KSE的控制進行，該編碼控制單元KSE已識別出主動語音終端設備的第一組GR1隻包括了語音終端設備A和B，而非主動語音終端設備的第二組GR2包括了語音終端設備C， D， E， F和G。這又通過具有標記GR2的橢圃在閨3中表示出來.
基於困2和圖3可以看出，在通常只有一個主發言方和多個次發言方暫時同時存在的語音會議中，藉助本發明能夠明顯減少所使用的編碼器.這在最優的極端情況下可以導致，為了能夠服務於該語音會議的所有語音終端設備而只需要使用兩個編碼器.
基於圖2，在圖4中觀察到一種相反的情況，其中到目前為止一直被動的語音會議成員 一語音終端設備D—通過在它自己的記錄信道上的主動性來表徵，並且因此被分配到主動語音終端設備的組GR1中.語音終端設備A至D現在都是基本上主動的，並且所有的語音終端設備A至G相應於它們的主動性通過主動性識別單元AE分類為或分組為主動的和被動的語音終端設備，這個分組信息又傳輸給信號混合單元MIX。該信號混合單元MIX用與之前的圖2和困3中類似的方式分別形成多個混合信號.分別給主動的語音終端設備A， B， C和D—個混合信號，而給被動的語音終端設備E, F和G共同的混合信號，最後所述的混合信號在此是四個主動語音終端設備A, B， C和D的單個語音信號的疊加ESSA+ ESSB+ESSc + ESSD.基於它們的主動性加上所支持的CODEC的信息，現在通過編碼控制單元KSE形成笫一組GR1和第二組GR2，從而在第一組GR1中包括主動的語音終端設備A, B， C和D，在笫二組GR2中包括非主動的語音終端設備E， P和G,
此外與圖2類似，使用編碼器K1， K2， K3和K4來為語音終端設備A, B, C， D， E， F和G產生信號.為了給到目前為止一直是非主動的但
17是現在被激活的語音終端設備D產生合成語音數據SSDm，在編碼單元KE中產生新的編碼器實例K5,該編碼器實例K5對語音終端設備A, B和C傳入的疊加的合成語音信號ESS, + ESSB + ESSc進行編碼，並且作為合成語音數據將SSDw傳輸給語音終端設備D。通過這種對編碼器的動態增加，可以靈活地對在語音終端設備的各個記錄信道上的主動性改變進行反應，與圖2相反，通過編碼器K4產生的合成語音數據SSD,歸只輸入現在還是非主動的語音終端設備E， F和G.
在圖5中進行根據本發明的一個擴展，其中並不是所有的語音終端設備都支持CODEC的一致準則.在此假設，終端設備D和E分別支持具有極高語音質量的共同的CODEC,而語音終端設備F和G只支持具有中等語音質量的CODEC.此外如在圖2中一樣，所述的語音終端設備D， E,F和G通過它們的非主動性來表徵，語音終端設備A, B和C同樣如在圖2中一樣是主動的.因此與圖2類似，主動性識別單元AE識別出語音終端設備A， B， C是主動的，而語音終端設備D， E, F和G是非主動的，並且主動性識別單元AE將該信息傳榆給信號混合單元MIX以及編碼控制單元KSE,用與在圖2中示出的同樣的方式，信號混合單元MIX為主動的語音終端設備A， B， C產生混合信號，以及為所有被動的語音終端設備D, E, F和G產生共同的疊加的合成語音信號ESS, + BSSb + ESSc,編碼控制單元KSE分析所傳輸的關於主動性和被動性的信息，以及關於通過語音終端設備A至G來支持的CODEC的信息INF,然後根據語音終端設備A至G的主動性和對CODEC的支持性，將語音終端設備A至G分為三組GRl, GR2和GR3。 GR1包括主動的語音終端設備A, B和C. GR2包括非主動的、支持儘可能最好的CODEC的語音終端設備。這在該實施例中只通過語音終端設備D和E給出.此外，編碼控制單元KSE將那些非主動的、但是不支持最高編碼質量的非主動語音終端設備分成組GR3。那些是語音終端設備F和G.
然後，通過編碼單元KE為第一組GR1的語音終端設備A， B， C分別產生編碼器K1， K2和K3.為組GR2產生編碼器實例K4，並且為第三組GR3產生編碼器實例K6，其中在兩個最後所述的編碼器中輸入三個主動語音終端設備A, B和C的疊加的合成語音信號ESSa + ESSb + ESS"現在通過編碼器K4,將這個輸入的合成語音信號轉換為特定於該編碼器的
18第一合成語音數據SSD"m，並且將該第一合成語音數據SSD"成輸入語音終端設備D和E。此外，編碼器K6同樣從相同的合成語音信號中產生第二合成語音數據SSD"成，該相同的合成語音信號也將輸入笫四編碼器K4.因此通過編碼器K6產生特定於編碼器的合成語音數據SSD"痕，該合成語音數據SSD"度接著將輸入兩個非主動的語音終端設備F和G.因此，即使對CODEC的支持性不一致，本發明還是可以在編碼單元KE中明顯減少要使用的編碼器，而不必使用次優的編碼器，儘管各個語音終端設備可以支持質量更好的編碼器.
用類似的方式，本發明可以擴展到多個由非主動語音終端設備構成的組，從而按照一定的判據為各組的語音終端設備進行最佳編碼，其中在下面的段落中解釋可能的優化判據.
當在前面的第二組和第三組GR2， GR3的分組基本上是根據待執行的編碼的質量判據而且由此根據要達到的語音質量來進行時，也可以按照其他的適配判據或者不同判據的組合來進行編碼器選擇.從而例如可以考慮形成儘可能少的組.可替換地可以有這樣的判據，即為組GR2,GR3中的至少一個分配非常多的語音終端設備.只要不存在任意多數量的編碼器，並且只能為確定的CODEC類型產生有限數量的實例，則另外的判據可以是產生一種CODEC類型的儘可能少的實例.除此之外，可以將針對編碼的期望計算消耗引入編碼器的選擇中，從而將語音會議服務
器中的計算消耗保持得很低或者最小化，另外可以注意用於所產生的合成語音數據的傳輸帶寬，從而不會產生與語音終端設備的連接的過髙負荷.應該注意與一個或多個前述判據相關聯的判據是，使在同時舉行的所有語音會議中同時使用的編碼器數量最小化.
優選按照混合的質量判據和數量判據來選擇編碼器，從而例如作為最重要的判據優選質量最好的CODEC,該CODEC受到至少一個其它的語音終端設備支持，或者受到預定最小數量的其它語音終端設備支持.因此對於這樣的優化，可能根據不同的判據並不選擇絕對的最佳，其中例如通過評估各個判據確定整體最佳，並且根據該整體最佳進行編碼器選擇.因此，優選與確定要使用的編碼器一起確定組GR2、 GR3和可能的
其它組，因為這兩者相互影響並具有反饋。
在語音會議中只有少數用戶同時主動地參與語音會議的前提條件
19下，可以藉助本發明的方法在編碼單元KE中明顯地減少計算消耗.在 此可以自適應地執行關於主動性和非主動性的分析，從而例如當語音信 道通過極度增大的主動語音數據流來表徵時，改變主動性閾值，使得只 將兩個或者最多三個語音終端設備分組為主動的語音終端設備.因此可 以實現，絕對不存在由許多主動語音終端設備產生的語音混亂，該語音 混亂反正也沒有語音終端設備的用戶可以理解.因此本發明還附加地用 於使語音會議的實施流水線化，以及提髙語音可理解性和語音清晰性。
為了在編碼單元中實現對編碼器的沒有幹擾的激活和停用，適當的 是信號只在基於相同的CODEC的編碼器之間輸入和輸出。例如，到目前 通過G. 723 CODEC來編碼的主動信號，可以在轉換為非主動性時被分配 給同樣使用該G. 723 CODEC的非主動語音終端設備組。用這種方式，在 編碼單元KE中轉換編碼器對語音終端設備來說是透明的.因此信息通 過編碼單元KE傳給各個語音終端設備不是強制性必須的.
可替換地，還可以在轉換編碼器時轉換到另一種方法。但是，在此 向語音終端設備附加地發出相應的通知是有意義的，該通知表明向新 CODEC的轉換，從而向該語音終端設備指示同樣轉換成匹配的CODEC.
如果在語音通信系統中同時實施多個會議，那麼本發明是尤其有益
的，因為通過這種方式明顯提高了要節約的編碼器的數量。解碼器的數 量在給出的發明中沒有減少，但是這並不是不利的，因為編碼單元KE 的計算消耗明顯超過解碼單元DE的計算消耗。
對於主動性和非主動性的識別可以應用極為不同的方法。例如，在 此可以確定在確定的時間段內的最大信號，該最大信號將與閾值相比 較。除此之外也可以確定平均的信號電平，該平均的信號電平將與閾值 相比較.優選也可以識別信號電平的改變或者識別趨勢，從而在信號電 平稍微提高時就已經可以識別出在短時間內將傳輸關於記錄信道的重 要信息，從而激活該記錄信道.此外尤其優選，主動性和非主動性之間 的轉換並不是在每個時間段內都促使組的從屬性發生明顯的改變，因為 這也許對所產生的語音質量不利。因此，包含滯後或者閾值開關是合理 的，從而當在較長時間段內信號超過或者低於比較值時，才能識別主動 性和非主動性。此外可以定義多個閾值，從而轉換到一個組也許比轉換 到其它方向運行得快.由此可能考慮到以下亊實對於主動的用戶也會 出現談話間隙，該談話間隙不應該立刻引起向非主動組的轉換.即使藉助於語音終端設備來闡釋本發明，本發明也可以一般地用於 多媒體連接或者視頻連接，除此之外，所介紹的原理也可以應用於面向 線路的通信系統來應用.語音終端設備優選是電話，然而在此也可以是
在工位計算機(Arbeitsplatzrechner )上的軟體應用，通常也稱為軟 客戶端，語音會議系統可以是通信系統的中央設備，其中還可以考慮分 布式的架構，其中尤其是可以實現不依賴於是中央的還是分布式的服務 器方的信號混合和信號編碼，並且在終端設備中實現更小的複雜性.
權利要求
1. 一種用於在通信系統中實施具有至少三個語音終端設備(A，B，C，...)的語音會議的方法，其中語音終端設備(A，B，C，...)分別具有一接收信道，該接收信道用於接收經過編碼的、在語音會議中累積的編碼語音數據(SSD)，並且將通過對接收的語音數據(SSD)進行解碼而形成的語音信號輸出給各自的語音終端設備，和一記錄信道，該記錄信道用於為語音會議提供經過編碼的語音數據(ESD)，其中所提供的語音數據(ESD)通過編碼器形成在各個語音終端設備上記錄的語音信號，其特徵是，將語音終端設備(A，B，C，...)中的至少一個設備至少暫時地分配給第一組(GR1)，使得對於該第一組將通過它們各自的記錄信道提供的語音數據(ESD)分別解碼成單個語音信號(ESS)，將所述單個語音信號(ESS)疊加成合成語音信號，並且將所述合成語音信號編碼為第一合成語音數據中(SSD)，將語音終端設備(A，B，C，...)中的至少兩個至少暫時地分配給第二組(GR2)，使得第二組(GR2)只包括這樣的語音終端設備(A，B，C，...)，即在該語音終端設備(A，B，C，...)中識別出它們各自記錄信道上的廣泛的非主動性，以及向分配給第二組(GR2)的語音終端設備(A，B，C，...)通過它們各自的接收信道輸入第一合成語音數據(SSD)，以用於各自輸出第一合成語音數據(SSD)。
2. 根據權利要求1所述的方法，其特徵是，將語音終端設備(A， B， C，…)分配給笫一組(GR1)是這樣進行的，即第一組(GR1)只包 括在各自的記錄信道上被識別出廣泛的主動性的語音終端設備(A， B， C, .. ).
3. 根據前面任何一項權利要求所述的方法，其特徵是，所述笫一 組(GR1)和/或第二組(GR2)一在一個時間段過去之後，和/或—通過在各個記錄信道中的一個記錄信道上識別出主動性改變，和/或—通過在所述語音終端設備(A， B, C，…)中的一個語音終端設 備上識別出使用者動作而重新形成.
4. 根據前面任何一項權利要求所述的方法，其特徵是，通過對笫 一組(GR1)中的語音終端設備(A, B， C，…)的單個語音信號(ESS) 進行疊加，為笫一組(GR1 )中的語音終端設備(A， B, C,...)形成特 定於終端設備的合成語音信號，並且所述合成語音信號被編碼成特定於 終端設備的合成語音數據(SSD )，並且將特定於終端設備的合成語音數 據(SSD)通過所屬的接收信道輸入語音終端設備(A, B， C，...)，以作為特定於終端設備的輸出.
5. 根據前面任何一項權利要求所述的方法，其特徵是，將合成語 音信號編碼成與笫一合成語音數據(SSD")不同的笫二合成語音數據(SSD"),將語音終端設備中的至少兩個語音終端設備(F， G)至少暫時地分 配給第三組(GR3)，使得笫三組(GR3)只包括在各自的記錄信道上識 別出廣泛的非主動性的語音終端設備，並且向分配給第三組(GR3)的語音終端設備(F， G)通過各自的接收 信道輸入第二合成語音數據(SSD")，以用於分別輸出第二合成語音數 據(SSD"),
6. 根據前面任何一項權利要求所述的方法，其特徵是，合成語音 信號被編碼成第 一合成語音數據(SSD")通過恰好一個第 一編碼器(K4 ) 進行.
7. 根據前面任何一項權利要求所述的方法，其特徵是，合成語音 信號被編碼成第二合成語音數據(SSD")通過恰好一個與第一編碼器(W)不同的第二編碼器(K5)進行.
8. 根據前面任何一項權利要求所述的方法，其特徵是，自適應地 進行編碼器的選摔.
9. 根據權利要求8所述的方法，其特徵是，這樣進行各編碼器(Kl,2,...)的自適應選擇，即—優化所涉及的語音終端設備(A, B， C...)上的輸出質量，或者 一優化所涉及的語音終端設備(A， B， C...)的各自接收信道上的 傳輸帶寬，或者一將為語音會議同時使用的編碼器(n, K2，...)的數量最小化.
10. 根據前面任何一項權利要求所述的方法，其特徵是，在識別分配給第一組(GR1)的語音終端設備(A， B， C…)的至少暫時的廣泛非 主動性時，—取消將非主動的語音終端設備(C)分配給第一組(GR1)，並且 —將該非主動的語音終端設備(C)分配給第二組(GR2),
11. 根據前面任何一項權利要求所述的方法，其特徵是，在識別分 配給第一組(GR1)的語音終端設備(C )的至少暫時的廣泛非主動性時， 將到目前為止用於將語音數據傳輸給該非主動語音終端設備的編碼器(K3)標記為可用.
12. 根據前面任何一項權利要求所述的方法，其特徵是，在識別分 配給第二組(GR2)的語音終端設備(D)的至少暫時的廣泛主動性時，—取消將主動的語音終端設備(D)分配給第二組(GR2)，並且 —將該主動的語音終端設備(D)分配給第一組(GR1).
13. 根據前面任何一項權利要求所述的方法，其特徵是，在識別分 配給第二組(GR2)的語音終端設備(D)的至少暫時的廣泛主動性時，—為該主動的語音終端設備(D)形成特定於終端設備的合成語音 信號，並且—將標記為可用的編碼器U6 )分配給該主動的語音終端設備(D),並且—利用所述編碼器(K6)將用於該主動的語音終端設備(D)的特 定於終端設備的合成語音信號編碼成特定於主動語音終端設備(D)的 合成語音數據(SSDABC).
14. 一種用於通信系統中多個語音終端系統的語音會議系統，其特 徵是，具有用於執行根據前面任一項方法權利要求所述方法的裝置.
15. 根據權利要求14所述的語音會議系統，其特徵是，具有—信號混合單元(MIX),所述信號混合單元(MIX)用於將分配給 第一組(GR1 )的語音終端設備(A， B， C…)的單個語音信號(ESS ) 疊加成合成語音信號，和/或將選擇的分配給第一組(GR1)的語音終端 設備(A， B， C...)的單個語音信號(ESS)分別疊加成特定於終端設備 的合成語音信號，和/或—信號混合控制單元(AE)，所述信號混合控制單元(AE)用於從 語音會議的語音終端設備(A， B, C...)傳入的單個語音信號(ESS)中 選擇要通過信號混合單元(MIX)疊加的單個語音信號(ESS)，和/或—具有多個可供使用的編碼器(n， K2,…)的編碼羊元(KE)， 所述編碼單元(KE)通過分別選擇的編碼器(Kl， K2...)將合成語音信 號編碼成第一合成語音數據(SSD)，和將特定於終端設備的合成語音信 號編碼成特定於終端設備的合成語音數據(SSD)，和/或—編碼控制單元(KSE ),所述編碼控制單元(KSE )用於選擇和/或 配置要通過編碼單元(KE)使用的編碼器(Kl， K2，...)，所述編碼器 (n， K2，...)分別是為合成語音信號和特定於終端設備的合成語音信 號而選擇的.
全文摘要
本發明涉及一種用於在通信系統中實施具有至少三個語音終端設備(A，B，C，…)的語音會議的方法和語音會議系統，其中將語音終端設備(A，B，C，…)中的至少一個設備至少暫時地分配給第一組(GR1)，使得對於該第一組將通過它們各自的記錄信道提供的語音數據(ESD)分別解碼成單個語音信號(ESS)，將所述單個語音信號(ESS)疊加成合成語音信號，並且將所述合成語音信號編碼為第一合成語音數據中(SSD)。此外將語音終端設備(A，B，C，…)中的至少兩個至少暫時地分配給第二組(GR2)，使得第二組(GR2)只包括這樣的語音終端設備(A，B，C，…)，即在該語音終端設備(A，B，C，…)中識別出它們各自記錄信道上的廣泛的非主動性。此外向分配給第二組(GR2)的語音終端設備(A，B，C，…)通過它們各自的接收信道輸入第一合成語音數據(SSD)，以用於各自輸出第一合成語音數據(SSD)。
文檔編號H04M3/56GK101502043SQ200680055414
公開日2009年8月5日 申請日期2006年7月28日 優先權日2006年7月28日
發明者S·哈特曼, T·克利曼, V·吉爾格, W·施米德 申請人:西門子公司