音源供給装置及び音源供給方法
【課題】音楽がノイズと判定されない様に元の音源に加工を加える事により、音質劣化が少ない音楽を聞かせるようにした音源供給装置の提供。
【解決手段】携帯端末（１０５）を介して音楽を聞かせるサービスを行なう音源供給装置（２０）において、複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイル（２０２及び２０３）を、予め蓄積しておく音源ファイル蓄積装置（２００）と、再生要求を表す起動信号を受けた時に、前記起動信号から携帯端末（１０５）のコーデック（１０６）種別を判定し、複数種類の加工音源ファイル（２０２及び２０３）の中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、携帯端末（１０５）に供給し、前記音楽を携帯端末を介して聞かせる音源再生装置（３００）とを備えた音源供給装置（２０）。
【解決手段】携帯端末（１０５）を介して音楽を聞かせるサービスを行なう音源供給装置（２０）において、複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイル（２０２及び２０３）を、予め蓄積しておく音源ファイル蓄積装置（２００）と、再生要求を表す起動信号を受けた時に、前記起動信号から携帯端末（１０５）のコーデック（１０６）種別を判定し、複数種類の加工音源ファイル（２０２及び２０３）の中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、携帯端末（１０５）に供給し、前記音楽を携帯端末を介して聞かせる音源再生装置（３００）とを備えた音源供給装置（２０）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、携帯端末を介して聞かせる音楽を音源ファイルとして蓄積しておき、該音源ファイルを再生して、携帯端末に供給し、音楽を携帯端末を介して聞かせる音源供給装置及び音源供給方法に関する。
【背景技術】
【０００２】
特許文献１には、電話交換機に、リングバックトーン或いはビジートーンを音声として記憶させておき、発信側電話機に対して、記憶されている前記音声で応答する電話交換システムが開示されている。
【０００３】
特許文献２には、リングバックトーン或いはビジートーンを検出したとき、検出結果を音声にて出力する電話機が開示されている。
【０００４】
特許文献３には、交換機に、予め加入者が発呼者に対して送出する画像／音声メッセージを登録し、加入者に対する着呼時に、呼出前又は呼出中に、画像／音声メッセージを発呼者に送出することが開示されている。
【０００５】
特許文献４には、リングバックトーンの代りに、商業情報を音声／文字／画像の形式で送出する技術が開示されている。
【０００６】
しかし、特許文献１乃至４のいずれにも、コーデックを有する携帯端末を介して音楽を聞かせることには、注意が向いていない。
【０００７】
図７には、現状の音源供給装置１０を備えたシステムが示されている。図７に図示されたシステムは、現状の音源供給装置１０と、ゲートウェイスイッチ(Gateway Switch: GS)１０２と、モバイルスイッチングセンター(Mobile Switching Center: MSC)１０３と、基地局１０４と、携帯端末としての携帯電話１０５とを有する。携帯電話１０５は、具体的には、GSM (Global System for Mobile Communication)Terminalであり、RPE-LTP (Regular Pulse Excited-Long Term Prediction)と名づけられた音声コーデック１０６を有している。ゲートウェイスイッチ１０２とモバイルスイッチングセンター１０３とは交換網を構成する。
【０００８】
現状の音源供給装置１０は、128kbit/secのWAV（WAVＥとも呼ばれるWindows（登録商標）標準の音声ファイルの形式）形式の音源ファイルを蓄積している音源ファイル蓄積装置１００と、音源再生装置（発信メロディー装置）１０１とを有する。
【０００９】
音源ファイルは、音源再生装置１０１によって、64kbit/secのμ Law PCM(Pulse Code Modulation)信号またはＡ Law PCM信号として送出される。ゲートウェイスイッチ１０２及びモバイルスイッチングセンター１０３は64kbit/secで音源ファイルをそのまま伝送するので、ゲートウェイスイッチ１０２及びモバイルスイッチングセンター１０３では音源ファイルの音質の劣化は無い。
【００１０】
基地局１０４において、携帯電話１０５の音声コーデック１０６と同じ音声コーデック(RPE-LTPコーディック)１０７で、無線区間信号に変換される。音楽を聞くだけの場合、基地局１０４の音声コーデック１０７は、PCM信号をGSM符号信号に変換し、携帯電話１０５の音声コーデック１０６は、GSM符号信号をPCM信号に変換する。携帯電話１０５は、PCM信号をアナログ信号に変換し、スピーカから携帯電話の所持者などに音楽を聞かせる。携帯電話１０５は、しゃべる時は、聞く時と変換の方向が逆になる。この場合、携帯電話１０５は、マイクロホンからの音声をPCM信号に変換し、携帯電話１０５の音声コーデック１０６は、PCM信号をGSM符号信号に変換し、基地局１０４の音声コーデック１０７は、GSM符号信号をPCM信号に変換する。
【００１１】
基地局１０４と携帯電話１０５との間の帯域は狭い為、人間の音声に特化した符号化を行っている。そのため、音楽のいくつかのフレームが音声ではなくノイズと見なされ、音楽の代わりにノイズフレームが伝送されるので音質が劣化してしまう。
【００１２】
すなわち、現状の音源再生では、基地局１０４と携帯電話１０５との間の伝送帯域が狭く音声に特化したコーデック１０６を使用しているため、音楽の音質が保てないという課題がある。
【００１３】
この現状の音源再生の課題について、より詳細に説明する。
【００１４】
音楽の再生要求時には、準備してあった音源ファイル１００を携帯電話網（ゲートウェイスイッチ１０２とモバイルスイッチングセンター１０３と基地局１０４とを含む）に音声モード(64Kbit/s PCM)で接続して聞かせていた。携帯電話１０５、特に狭帯域の携帯電話では、無線区間のコーデック特性に起因する音質劣化が発生し、音質の良い音楽を提供できないという問題があった。
【００１５】
携帯電話１０５で使用している音声コーデック１０６は、狭帯域でも人間の音声のみを送信させる事を目的に設計されており、人間の音声に特化した符号化方式を採用している。一方、音楽は、白色ノイズのような部分を含むものと考えられる。そのため、音楽は人間の音声ではないため、波形が抑圧され音質が劣化してしまう。
【００１６】
【特許文献１】特開平３−１２３２６９号公報
【特許文献２】特開平３−１９１６４５号公報
【特許文献３】特開平９−１６２９７８号公報
【特許文献４】特表２００３−５０５９３７号公報
【発明の開示】
【発明が解決しようとする課題】
【００１７】
音質劣化の発生原因は以下の通りである。コーデック種別によって劣化の原因と状態は異なっているので、GSMでの劣化原因を以下に示す。
【００１８】
GSMでは、VAD(Voice Activity Detection)によって音声でないと判断された場合、該当フレームをSID(Silent Description) フレームで転送する。これは、元来、例えば、「もしもし」という音声の後に存在する無音区間に、SIDフレームによるノイズを流し、周囲の音、例えば車の音が、入るのを防止するためである。音楽がVADによって音声でないと判断された場合、該当フレームをSIDフレームで転送するので、SIDフレームによる、大きな音のノイズが聞こえてしまう。Full rate, Half rate, Enhanced full rate の３種類のコーデックは符号化方式は異なっているが、VADの論理は同じである。
【００１９】
本発明は、VADの動作が音質劣化の主原因であるので、この動作を変える事によって劣化を防止しようとするものである。
【００２０】
すなわち、本発明の目的は、使用しているコーデックの音声とノイズの判定論理を解析して、ノイズと判定されない様に元の音源に加工を加える事により、音質劣化が少ない音楽を聞かせるようにした音源供給装置及び音源供給方法を提供することにある。
【課題を解決するための手段】
【００２１】
本発明による音源供給装置及び本発明による音源供給方法は、以下のとおりである。
【００２２】
（１） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定し、前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備えたことを特徴とする音源供給装置。
【００２３】
（２） 上記（１）に記載の音源供給装置において、
前記音源再生装置は、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するものであることを特徴とする音源供給装置。
【００２４】
（３） 上記（１）に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００２５】
（４） 上記（３）に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００２６】
（５） 上記（４）に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００２７】
（６） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定する種別判定ステップと、
前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備えたことを特徴とする音源供給方法。
【００２８】
（７） 上記（６）に記載の音源供給方法において、
前記種別判定ステップは、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するステップであることを特徴とする音源供給方法。
【００２９】
（８） 上記（６）に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３０】
（９） 上記（８）に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３１】
（１０） 上記（９）に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３２】
（１１） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００３３】
（１２） 上記（１１）に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００３４】
（１３） 上記（１２）に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００３５】
（１４） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３６】
（１５） 上記（１４）に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３７】
（１６） 上記（１５）に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３８】
（１７） 上記（１６）に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【発明の効果】
【００３９】
本発明によれば、音楽を供給する携帯端末のコーデックに対応して加工された音源ファイルを接続しているので、音質劣化の少ない曲を聞かせることができる。
【発明を実施するための最良の形態】
【００４０】
以下に述べるように、本発明は、携帯端末で音楽を聞くサービスにおいて、携帯端末のコーデック(CODEC: COder-DECoder)特性に応じて音質劣化が少なくなる様に音源に加工を加える。加工した複数の音源ファイルを予め作成して蓄積しておき、再生要求時にはコーデック種別に応じた最適な音源ファイルを選択して聞かせる事により、最善の音質の音楽を聞かせることが出来ることを特徴としている。
【００４１】
本発明による音源供給装置では、音源再生装置は、起動信号に含まれる発信網種別ＩＡＭ(Initial Address Message)により携帯端末のコーデック種別を判定し、コーデック種別に応じて加工した最善の音源を選択する。
【００４２】
このようにして、本願発明では、コーデック対応に音質劣化が少ない専用の音源ファイルを選択して聞かしているので、携帯端末のコーデックで音質劣化が少ない曲を聞かせることができる。
【００４３】
ここで、本発明の核心部分を説明しておく。本発明では、狭帯域の携帯網を使っても音質劣化が少なくなる様に音源ファイルを加工する。この加工技術が本発明の核心である。
【００４４】
音質劣化の状態は各携帯網が使用しているコーデック種別毎の符号化アルゴリズムに依存している。そのため、コーデック毎に音源ファイルの加工方式を変えなければならない。発信者の携帯網を判断して、その携帯網で使用しているコーデック向けに加工した音源ファイルを選択して接続することにより、音楽の音質劣化を防ぐことが出来る。
【００４５】
主な携帯網とコーデック種別と伝送帯域は下記の表１に示す通りである。
【００４６】
【表１】
【００４７】
ここで、PHSはPersonal Handyphone System、ADPCMはAdaptive Differential Pulse Code Modulation、PDCはPersonal Digital. Cellular、VSELPはVector Sum Excited Linear Prediction、PSI-CELPはPitch Synchronous Innovation-Code Excited Linear Prediction、RPE-LTPはRegular Pulse Excited-Long Term Prediction、EFRはEnhanced Full Rate、A-CELPはAlgebraic-Code Excited Linear Prediction、CdmaはCode division multiple access、EVRCはEnhanced Variable Rate Codecである。
【００４８】
以下に述べる本発明の実施例では、GSM網の加入者が「発信メロディーサービス」により音楽を聞く場合について説明する。なお、「発信メロディーサービス」とは、ＡがＢに電話をかけて呼び出し中、Ａが、リングバックトーンの代わりにＢが指定した音楽を聞くサービス（Ring Back Melodyサービス）である。
【００４９】
GSM網にはFull rate, Half rate, EFR(Enhanced Full Rate)の３種類のコーデックがある。事業者によって使用しているコーデックが異なっているので、それぞれ異なった対応（音源加工方式）を行う事によって対応する。複数個のコーデックを使用している事業者も存在する。
【００５０】
図１を参照すると、本発明の一実施例による音源供給方法を実施する音源供給装置２０を備えたシステムが示されている。図１に図示されたシステムは、音源供給装置２０を除けば、図７に図示されたシステムと同様の参照番号にて示された同様の部分を含んでいる。
【００５１】
本発明の一実施例による音源供給装置２０は、128kbit/secのWAV形式の元音源ファイル２０１と、その元音源ファイル２０１を加工した加工音源ファイル（GSM向け）２０２と、元音源ファイルを加工した加工音源ファイル（cdma向け）２０３とを蓄積している音源ファイル蓄積装置２００と、音源再生装置（発信メロディー装置）３００とを有する。
【００５２】
各コーデック種別に応じた加工音源ファイル２０２および２０３は、本発明で作成したアルゴリズムによって元音源ファイル（基本音源ファイル）から加工して作成する。作成された加工音源ファイルを、音源データベースとしての音源ファイル蓄積装置２００中に蓄積しておく。この加工する部分が今回の発明の核心部分である。
【００５３】
図１には、発信メロディーサービスにおける音楽を聞く場合が示されている。すなわち、音源再生装置（発信メロディー装置）３００は、音楽の再生要求を表す起動信号IAM (Initial Address Message)を受けた時、起動信号の中の発信者情報によって発信者が使用しているコーデック識別を決定し、該当コーデック向けに加工された音源ファイル（加工音源ファイル２０２および２０３の内の一つ）を選択して接続する。この際、加工された音源ファイルは、音源再生装置３００によって、64kbit/secのμ Law PCM(Pulse Code Modulation)信号またはＡ Law PCM信号として送出される。
【００５４】
次に、図１の音源供給装置２０の音質改善時の接続の動作を説明する。
【００５５】
図１において、起動信号IAMによって音楽再生要求があった場合、音源供給装置２０は、起動信号IAMに含まれる発信者情報から発信端末１０５のコーデック種別を判断して、該当コーデック向けに加工された音源（加工音源ファイル２０２および２０３の内の一つ）の音楽を聞かせる。該当コーデック向けの音源が存在しない時は元音源（元音源ファイル２０１）の音楽を聞かせる。
【００５６】
元音源ファイル２０１の元音源を元にして再生用の加工された音源ファイル２０２および２０３を作成する。この際、携帯電話のコーデック対応に対応が必要であるが、携帯電話１０５（GSM Terminal）の音声コーデック１０６向けの加工アルゴリズムの概要は以下の通りである。
【００５７】
ここで、図２を参照して、元音源ファイル２０１の元音源（図２の（Ａ）参照）を元にして作成された、再生用の加工音源ファイル（GSM向け）２０２（図２の（Ｂ）参照）について説明しておく。図２の（Ａ）における元音源において、２０ｍｓｅｃ単位の音声フレームのうち、ノイズと判定されたフレームとその直後の２フレーム（合計、３フレーム）を、図２の（Ｂ）に示すように、強制的に０に置き換える（無音にする。クリッピング。）。
【００５８】
この加工を実現する加工アルゴリズムを、図３を参照して説明する。
【００５９】
１）音楽を表現している基本音源を入力し（図３のステップＳ０）、音楽の小音量部分(小振幅部分)は音質劣化が激しくなるので、小振幅部分の伸張(Gain Control)を行う（図３のステップＳ１）。
【００６０】
小音量のままであると劣化が激しくなる理由は以下の通りである。
【００６１】
Gain control アルゴリズムは信号のEnergyを増幅することにより、以下の４）項で述べるクリッピング(clipping) 処理が動作するclippingの回数を減らす目的を持っている。図４を参照すると、音声度(pvad)の絶対値がノイズ閾値(thvad)に近い場合、最小値から始まったノイズ判定度が徐々に増加してノイズと見なされる値に至るまでの時間は非常に短い。話者認識(VAD)アルゴリズムによると、ノイズ閾値(thvad)が音声度(pvad)より大きくなるとノイズと判定されるが、図４の（１）のように、音声度(pvad)の絶対値が小さいとノイズ閾値(thvad)がすぐに音声度(pvad)に達するのでノイズフレームの強制切断を頻繁にしなければならない。図４の（２）の様に、音声の絶対値が大きいと、一旦強制切断を行った後、ノイズ閾値(thvad)がノイズと見なされる値に達するまでの時間が長くなり、強制切断の回数が減少する。
【００６２】
２）入力された基本音源をコーデック（図１の１０６）の符号化単位である20msec毎(160標本)のフレームに分ける（図３のステップＳ２）。
【００６３】
３）コーデック１０６におけるノイズと音声との識別(VAD:Voice Activity Detection)は、各フレーム毎に音声度(pvad)係数とノイズ閾値(thvad)を計算し（図３のステップＳ３）、音声度(pvad)係数＞ノイズ閾値(thvad) の時、音声フレームと判定している（図３のステップＳ４）。
【００６４】
４）ノイズ判定の論理を変更すると音楽の音質を改善することが出来るが、背景雑音を除去できなくなり、通常の通話の音質を劣化させてしまう。音楽伝送の為だけにコーデック１０６の仕様を変更することは出来ないので、本発明では、音源ファイル自体を加工する事により音質劣化を防ぐ。
【００６５】
（音声度＜ノイズ閾値）であるフレームは、ノイズフレームと判定される。よって、現在フレームがノイズフレームと認識されない様にするためには、音声度(pvad)がノイズ閾値(thvad)より大きくなければならない。音声度が常にノイズ閾値より大きくなるためには、GSMシミュレータによってノイズ閾値が音声度より大きくなる部分を探してその部分にてノイズ閾値を強制的に最小化させることにより音声度がノイズ閾値より大きくなるように動作を遂行する。この際、ノイズ閾値を最小化させるためにはVADでのノイズ閾値の更新において、該当入力フレームでの入力信号のエネルギーを強制的に０にしなければならないが、これは信号を強制的に０にすることで実現可能である。この処理をClipping処理という。
【００６６】
５）音源を加工しない場合にノイズと見なされるフレームに対しては、該当フレーム（ノイズフレーム）とその直後の２フレームの合計３フレームを強制的に０に置き換える（無音にする）。３つの連続フレームを０に置き換えることにより、ノイズ判定の閾値を下げることが出来る（図３のステップＳ５）。３つの連続フレームを０に置き換えた音源ファイルを、ＧＳＭ用加工音源ファイル（図１の２０２）として音源ファイル蓄積装置（図１の２００）に出力する（図３のステップＳ６）。
【００６７】
ここで、該当フレーム（ノイズフレーム）とその直後の２フレームを強制的に０に置き換える（無音にする）ことにより、判定の閾値を下げることができる理由について、説明する。
【００６８】
GSMで使っているコーデック（図１の１０６）内部のアルゴリズムによると、ノイズ閾値は該当フレームのエネルギーに依存する要素が大きくなっている。そのため、入力信号を０（エネルギー＝０）とすることによりノイズ閾値を下げることが出来る。
【００６９】
この際、信号を０に置き換える（無音にする）ことで、閾値を下げるのに、有効なフレーム数について説明する。
【００７０】
GSMで使っているノイズ閾値を求めるアルゴリズムによると、１フレーム無音、２フレーム無音では、ノイズ閾値が最小値まで下がらない。連続する３フレーム以上を無音にする事により、ノイズ閾値を最小値にすることが出来る。４フレーム以上無音にすると、再生した時に「プツッ」という瞬断の音が聞こえてしまう。２フレーム無音でも、４フレーム無音でも音質は改善されますが、３フレーム無音の場合に最良の改善度合いとなる。連続して無音にするフレーム数をＮ（＝正の整数）であるとすると、Ｎが３以外の正整数の場合でも、音質は改善されるが、Ｎが３の場合が最良の改善効果となる。
【００７１】
６）ノイズ閾値(thvad)を下げる事により、入力信号が音声と見なされる様になり、音質劣化が少なくなる。
【００７２】
図５と図６に改善前（図７の１００中の音源ファイル）と改善後（図１の２０２）の音源ファイルの音声度(pvad)とノイズ閾値(thvad)の変動の様子を示す。図５（改善前）はノイズ閾値(thvad)が高いため多くのフレームがノイズと判定されている。図６（改善後）は入力信号を強制切断することによりノイズ閾値を下げているため、ノイズと判定されるフレーム数が大幅に減少している。
【００７３】
７）一度、ノイズ閾値を下げたとしてもその後の入力によりノイズ閾値が徐々に上昇する。上記１）項で述べた小振幅部分の伸張(Gain Control)を行う事により、ノイズ閾値がノイズとみなされる値までに達する時間を長くすることが出来る。その結果、強制的に切断されるフレームの数を少なくすることが出来る。
【００７４】
このようにして、本発明においては、コーデック１０６に対応して加工された音源ファイル２０２を選択して接続しているので、音質劣化の少ない曲を聞くことができる。
【００７５】
次に、音質改善の評価結果を説明する。
【００７６】
１）シミュレータによる評価
音質改善の評価のため、２０種類の音源を準備した。その評価結果を、下記の表２に示す。
【００７７】
【表２】
【００７８】
ここに示すノイズフレーム数は、改善前と改善後の音源に対してGSMのシミュレータを使って計測した。
【００７９】
音楽によってノイズフレームの数及び本発明の音質改善によるノイズフレームの減少の割合は異なっている。歌が主体の音楽、バイオリン単独の音楽では、改善前のノイズフレームの数が少ない。特に、１４番の音源は最初からノイズフレームと判定されるフレームが無く、改善前の音楽＝改善後の音楽である。ピアノ曲、オーケストラ曲、ダイナミックが大きく急速に変化する音楽の場合は、ノイズフレームの数が多くなる。この様な曲に対して、本発明の音質改善が非常に有効である。
【００８０】
２）実端末を使った主観評価（ＭＯＳ）
各音源の加工前と加工後の音楽を実際の携帯電話網を通してGSM端末から再生した音楽を聞き比べて評価した。改善前音源では曲の１フレーズが終了した部分に「ブー」というノイズが混ざっていたが、改善後音源ではノイズが混ざることがほとんど無くなり、音質が改善されていることが評価出来た。
【００８１】
音楽によって本発明の音質改善の効果の程度は異なっている。歌唱曲、弦楽曲では、改善前でもノイズが聞こえる数が少ない。ピアノ曲や強弱の変動が大きい曲の場合、ノイズに聞こえる部分が大幅に減少していた。
【産業上の利用可能性】
【００８２】
本発明は、携帯電話で音楽を聞くサービス全般に広く利用出来る。
【００８３】
特に、発信メロディーサービスにおいては、エンドユーザー、音源供給事業者の双方から音質の改善要求が出されている。エンドユーザーからは、「良い音質の音楽を聞きたい」との音質改善要求である。コンテンツ供給事業者からは、「供給した音楽を良い音質で聞かせたい。その結果として、提供コンテンツの売り上げを伸ばしたい。音質が悪ければ提供コンテンツの売り上げを伸ばすことが出来ない。」との要望がある。本発明は、これらの要求やようぼぷに要望に応えることができる。
【図面の簡単な説明】
【００８４】
【図１】本発明の一実施例による音源供給装置を備えたシステムを説明するための図である。
【図２】図１のシステムにおいて用いられる、元音源ファイル及び加工音源ファイル（GSM向け）を説明するための図である。
【図３】図１のシステムにおいて用いられる、ＧＳＭ用の音源ファイルの加工アルゴリズムの概要を示したフローチャートである。
【図４】図３のＧＳＭ用の音源ファイルの加工アルゴリズムの一部を説明するための図である。
【図５】図７のシステムにおいて用いられる音源ファイルの音声度(pvad)とノイズ閾値(thvad)の変動の様子を示す図である。
【図６】図１のシステムにおいて用いられる音源ファイルの音声度(pvad)とノイズ閾値(thvad)の変動の様子を示す図である。
【図７】現状の音源供給装置を備えたシステムを説明するための図である。
【符号の説明】
【００８５】
１０ 音源供給装置
１００ 音源ファイル蓄積装置
１０１ 音源再生装置
１０２ ゲートウェイスイッチ(GS)
１０３ モバイルスイッチングセンター(MSC)
１０４ 基地局
１０５ 携帯電話
１０６ 音声コーデック
１０７ 音声コーデック
２０ 音源供給装置
２００ 音源ファイル蓄積装置
２０１ 元音源ファイル
２０２ 加工音源ファイル（GSM向け）
２０３ 加工音源ファイル（cdma向け）
３００ 音源再生装置
【技術分野】
【０００１】
本発明は、携帯端末を介して聞かせる音楽を音源ファイルとして蓄積しておき、該音源ファイルを再生して、携帯端末に供給し、音楽を携帯端末を介して聞かせる音源供給装置及び音源供給方法に関する。
【背景技術】
【０００２】
特許文献１には、電話交換機に、リングバックトーン或いはビジートーンを音声として記憶させておき、発信側電話機に対して、記憶されている前記音声で応答する電話交換システムが開示されている。
【０００３】
特許文献２には、リングバックトーン或いはビジートーンを検出したとき、検出結果を音声にて出力する電話機が開示されている。
【０００４】
特許文献３には、交換機に、予め加入者が発呼者に対して送出する画像／音声メッセージを登録し、加入者に対する着呼時に、呼出前又は呼出中に、画像／音声メッセージを発呼者に送出することが開示されている。
【０００５】
特許文献４には、リングバックトーンの代りに、商業情報を音声／文字／画像の形式で送出する技術が開示されている。
【０００６】
しかし、特許文献１乃至４のいずれにも、コーデックを有する携帯端末を介して音楽を聞かせることには、注意が向いていない。
【０００７】
図７には、現状の音源供給装置１０を備えたシステムが示されている。図７に図示されたシステムは、現状の音源供給装置１０と、ゲートウェイスイッチ(Gateway Switch: GS)１０２と、モバイルスイッチングセンター(Mobile Switching Center: MSC)１０３と、基地局１０４と、携帯端末としての携帯電話１０５とを有する。携帯電話１０５は、具体的には、GSM (Global System for Mobile Communication)Terminalであり、RPE-LTP (Regular Pulse Excited-Long Term Prediction)と名づけられた音声コーデック１０６を有している。ゲートウェイスイッチ１０２とモバイルスイッチングセンター１０３とは交換網を構成する。
【０００８】
現状の音源供給装置１０は、128kbit/secのWAV（WAVＥとも呼ばれるWindows（登録商標）標準の音声ファイルの形式）形式の音源ファイルを蓄積している音源ファイル蓄積装置１００と、音源再生装置（発信メロディー装置）１０１とを有する。
【０００９】
音源ファイルは、音源再生装置１０１によって、64kbit/secのμ Law PCM(Pulse Code Modulation)信号またはＡ Law PCM信号として送出される。ゲートウェイスイッチ１０２及びモバイルスイッチングセンター１０３は64kbit/secで音源ファイルをそのまま伝送するので、ゲートウェイスイッチ１０２及びモバイルスイッチングセンター１０３では音源ファイルの音質の劣化は無い。
【００１０】
基地局１０４において、携帯電話１０５の音声コーデック１０６と同じ音声コーデック(RPE-LTPコーディック)１０７で、無線区間信号に変換される。音楽を聞くだけの場合、基地局１０４の音声コーデック１０７は、PCM信号をGSM符号信号に変換し、携帯電話１０５の音声コーデック１０６は、GSM符号信号をPCM信号に変換する。携帯電話１０５は、PCM信号をアナログ信号に変換し、スピーカから携帯電話の所持者などに音楽を聞かせる。携帯電話１０５は、しゃべる時は、聞く時と変換の方向が逆になる。この場合、携帯電話１０５は、マイクロホンからの音声をPCM信号に変換し、携帯電話１０５の音声コーデック１０６は、PCM信号をGSM符号信号に変換し、基地局１０４の音声コーデック１０７は、GSM符号信号をPCM信号に変換する。
【００１１】
基地局１０４と携帯電話１０５との間の帯域は狭い為、人間の音声に特化した符号化を行っている。そのため、音楽のいくつかのフレームが音声ではなくノイズと見なされ、音楽の代わりにノイズフレームが伝送されるので音質が劣化してしまう。
【００１２】
すなわち、現状の音源再生では、基地局１０４と携帯電話１０５との間の伝送帯域が狭く音声に特化したコーデック１０６を使用しているため、音楽の音質が保てないという課題がある。
【００１３】
この現状の音源再生の課題について、より詳細に説明する。
【００１４】
音楽の再生要求時には、準備してあった音源ファイル１００を携帯電話網（ゲートウェイスイッチ１０２とモバイルスイッチングセンター１０３と基地局１０４とを含む）に音声モード(64Kbit/s PCM)で接続して聞かせていた。携帯電話１０５、特に狭帯域の携帯電話では、無線区間のコーデック特性に起因する音質劣化が発生し、音質の良い音楽を提供できないという問題があった。
【００１５】
携帯電話１０５で使用している音声コーデック１０６は、狭帯域でも人間の音声のみを送信させる事を目的に設計されており、人間の音声に特化した符号化方式を採用している。一方、音楽は、白色ノイズのような部分を含むものと考えられる。そのため、音楽は人間の音声ではないため、波形が抑圧され音質が劣化してしまう。
【００１６】
【特許文献１】特開平３−１２３２６９号公報
【特許文献２】特開平３−１９１６４５号公報
【特許文献３】特開平９−１６２９７８号公報
【特許文献４】特表２００３−５０５９３７号公報
【発明の開示】
【発明が解決しようとする課題】
【００１７】
音質劣化の発生原因は以下の通りである。コーデック種別によって劣化の原因と状態は異なっているので、GSMでの劣化原因を以下に示す。
【００１８】
GSMでは、VAD(Voice Activity Detection)によって音声でないと判断された場合、該当フレームをSID(Silent Description) フレームで転送する。これは、元来、例えば、「もしもし」という音声の後に存在する無音区間に、SIDフレームによるノイズを流し、周囲の音、例えば車の音が、入るのを防止するためである。音楽がVADによって音声でないと判断された場合、該当フレームをSIDフレームで転送するので、SIDフレームによる、大きな音のノイズが聞こえてしまう。Full rate, Half rate, Enhanced full rate の３種類のコーデックは符号化方式は異なっているが、VADの論理は同じである。
【００１９】
本発明は、VADの動作が音質劣化の主原因であるので、この動作を変える事によって劣化を防止しようとするものである。
【００２０】
すなわち、本発明の目的は、使用しているコーデックの音声とノイズの判定論理を解析して、ノイズと判定されない様に元の音源に加工を加える事により、音質劣化が少ない音楽を聞かせるようにした音源供給装置及び音源供給方法を提供することにある。
【課題を解決するための手段】
【００２１】
本発明による音源供給装置及び本発明による音源供給方法は、以下のとおりである。
【００２２】
（１） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定し、前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備えたことを特徴とする音源供給装置。
【００２３】
（２） 上記（１）に記載の音源供給装置において、
前記音源再生装置は、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するものであることを特徴とする音源供給装置。
【００２４】
（３） 上記（１）に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００２５】
（４） 上記（３）に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００２６】
（５） 上記（４）に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００２７】
（６） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定する種別判定ステップと、
前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備えたことを特徴とする音源供給方法。
【００２８】
（７） 上記（６）に記載の音源供給方法において、
前記種別判定ステップは、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するステップであることを特徴とする音源供給方法。
【００２９】
（８） 上記（６）に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３０】
（９） 上記（８）に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３１】
（１０） 上記（９）に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３２】
（１１） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００３３】
（１２） 上記（１１）に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００３４】
（１３） 上記（１２）に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【００３５】
（１４） 携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３６】
（１５） 上記（１４）に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３７】
（１６） 上記（１５）に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【００３８】
（１７） 上記（１６）に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【発明の効果】
【００３９】
本発明によれば、音楽を供給する携帯端末のコーデックに対応して加工された音源ファイルを接続しているので、音質劣化の少ない曲を聞かせることができる。
【発明を実施するための最良の形態】
【００４０】
以下に述べるように、本発明は、携帯端末で音楽を聞くサービスにおいて、携帯端末のコーデック(CODEC: COder-DECoder)特性に応じて音質劣化が少なくなる様に音源に加工を加える。加工した複数の音源ファイルを予め作成して蓄積しておき、再生要求時にはコーデック種別に応じた最適な音源ファイルを選択して聞かせる事により、最善の音質の音楽を聞かせることが出来ることを特徴としている。
【００４１】
本発明による音源供給装置では、音源再生装置は、起動信号に含まれる発信網種別ＩＡＭ(Initial Address Message)により携帯端末のコーデック種別を判定し、コーデック種別に応じて加工した最善の音源を選択する。
【００４２】
このようにして、本願発明では、コーデック対応に音質劣化が少ない専用の音源ファイルを選択して聞かしているので、携帯端末のコーデックで音質劣化が少ない曲を聞かせることができる。
【００４３】
ここで、本発明の核心部分を説明しておく。本発明では、狭帯域の携帯網を使っても音質劣化が少なくなる様に音源ファイルを加工する。この加工技術が本発明の核心である。
【００４４】
音質劣化の状態は各携帯網が使用しているコーデック種別毎の符号化アルゴリズムに依存している。そのため、コーデック毎に音源ファイルの加工方式を変えなければならない。発信者の携帯網を判断して、その携帯網で使用しているコーデック向けに加工した音源ファイルを選択して接続することにより、音楽の音質劣化を防ぐことが出来る。
【００４５】
主な携帯網とコーデック種別と伝送帯域は下記の表１に示す通りである。
【００４６】
【表１】
【００４７】
ここで、PHSはPersonal Handyphone System、ADPCMはAdaptive Differential Pulse Code Modulation、PDCはPersonal Digital. Cellular、VSELPはVector Sum Excited Linear Prediction、PSI-CELPはPitch Synchronous Innovation-Code Excited Linear Prediction、RPE-LTPはRegular Pulse Excited-Long Term Prediction、EFRはEnhanced Full Rate、A-CELPはAlgebraic-Code Excited Linear Prediction、CdmaはCode division multiple access、EVRCはEnhanced Variable Rate Codecである。
【００４８】
以下に述べる本発明の実施例では、GSM網の加入者が「発信メロディーサービス」により音楽を聞く場合について説明する。なお、「発信メロディーサービス」とは、ＡがＢに電話をかけて呼び出し中、Ａが、リングバックトーンの代わりにＢが指定した音楽を聞くサービス（Ring Back Melodyサービス）である。
【００４９】
GSM網にはFull rate, Half rate, EFR(Enhanced Full Rate)の３種類のコーデックがある。事業者によって使用しているコーデックが異なっているので、それぞれ異なった対応（音源加工方式）を行う事によって対応する。複数個のコーデックを使用している事業者も存在する。
【００５０】
図１を参照すると、本発明の一実施例による音源供給方法を実施する音源供給装置２０を備えたシステムが示されている。図１に図示されたシステムは、音源供給装置２０を除けば、図７に図示されたシステムと同様の参照番号にて示された同様の部分を含んでいる。
【００５１】
本発明の一実施例による音源供給装置２０は、128kbit/secのWAV形式の元音源ファイル２０１と、その元音源ファイル２０１を加工した加工音源ファイル（GSM向け）２０２と、元音源ファイルを加工した加工音源ファイル（cdma向け）２０３とを蓄積している音源ファイル蓄積装置２００と、音源再生装置（発信メロディー装置）３００とを有する。
【００５２】
各コーデック種別に応じた加工音源ファイル２０２および２０３は、本発明で作成したアルゴリズムによって元音源ファイル（基本音源ファイル）から加工して作成する。作成された加工音源ファイルを、音源データベースとしての音源ファイル蓄積装置２００中に蓄積しておく。この加工する部分が今回の発明の核心部分である。
【００５３】
図１には、発信メロディーサービスにおける音楽を聞く場合が示されている。すなわち、音源再生装置（発信メロディー装置）３００は、音楽の再生要求を表す起動信号IAM (Initial Address Message)を受けた時、起動信号の中の発信者情報によって発信者が使用しているコーデック識別を決定し、該当コーデック向けに加工された音源ファイル（加工音源ファイル２０２および２０３の内の一つ）を選択して接続する。この際、加工された音源ファイルは、音源再生装置３００によって、64kbit/secのμ Law PCM(Pulse Code Modulation)信号またはＡ Law PCM信号として送出される。
【００５４】
次に、図１の音源供給装置２０の音質改善時の接続の動作を説明する。
【００５５】
図１において、起動信号IAMによって音楽再生要求があった場合、音源供給装置２０は、起動信号IAMに含まれる発信者情報から発信端末１０５のコーデック種別を判断して、該当コーデック向けに加工された音源（加工音源ファイル２０２および２０３の内の一つ）の音楽を聞かせる。該当コーデック向けの音源が存在しない時は元音源（元音源ファイル２０１）の音楽を聞かせる。
【００５６】
元音源ファイル２０１の元音源を元にして再生用の加工された音源ファイル２０２および２０３を作成する。この際、携帯電話のコーデック対応に対応が必要であるが、携帯電話１０５（GSM Terminal）の音声コーデック１０６向けの加工アルゴリズムの概要は以下の通りである。
【００５７】
ここで、図２を参照して、元音源ファイル２０１の元音源（図２の（Ａ）参照）を元にして作成された、再生用の加工音源ファイル（GSM向け）２０２（図２の（Ｂ）参照）について説明しておく。図２の（Ａ）における元音源において、２０ｍｓｅｃ単位の音声フレームのうち、ノイズと判定されたフレームとその直後の２フレーム（合計、３フレーム）を、図２の（Ｂ）に示すように、強制的に０に置き換える（無音にする。クリッピング。）。
【００５８】
この加工を実現する加工アルゴリズムを、図３を参照して説明する。
【００５９】
１）音楽を表現している基本音源を入力し（図３のステップＳ０）、音楽の小音量部分(小振幅部分)は音質劣化が激しくなるので、小振幅部分の伸張(Gain Control)を行う（図３のステップＳ１）。
【００６０】
小音量のままであると劣化が激しくなる理由は以下の通りである。
【００６１】
Gain control アルゴリズムは信号のEnergyを増幅することにより、以下の４）項で述べるクリッピング(clipping) 処理が動作するclippingの回数を減らす目的を持っている。図４を参照すると、音声度(pvad)の絶対値がノイズ閾値(thvad)に近い場合、最小値から始まったノイズ判定度が徐々に増加してノイズと見なされる値に至るまでの時間は非常に短い。話者認識(VAD)アルゴリズムによると、ノイズ閾値(thvad)が音声度(pvad)より大きくなるとノイズと判定されるが、図４の（１）のように、音声度(pvad)の絶対値が小さいとノイズ閾値(thvad)がすぐに音声度(pvad)に達するのでノイズフレームの強制切断を頻繁にしなければならない。図４の（２）の様に、音声の絶対値が大きいと、一旦強制切断を行った後、ノイズ閾値(thvad)がノイズと見なされる値に達するまでの時間が長くなり、強制切断の回数が減少する。
【００６２】
２）入力された基本音源をコーデック（図１の１０６）の符号化単位である20msec毎(160標本)のフレームに分ける（図３のステップＳ２）。
【００６３】
３）コーデック１０６におけるノイズと音声との識別(VAD:Voice Activity Detection)は、各フレーム毎に音声度(pvad)係数とノイズ閾値(thvad)を計算し（図３のステップＳ３）、音声度(pvad)係数＞ノイズ閾値(thvad) の時、音声フレームと判定している（図３のステップＳ４）。
【００６４】
４）ノイズ判定の論理を変更すると音楽の音質を改善することが出来るが、背景雑音を除去できなくなり、通常の通話の音質を劣化させてしまう。音楽伝送の為だけにコーデック１０６の仕様を変更することは出来ないので、本発明では、音源ファイル自体を加工する事により音質劣化を防ぐ。
【００６５】
（音声度＜ノイズ閾値）であるフレームは、ノイズフレームと判定される。よって、現在フレームがノイズフレームと認識されない様にするためには、音声度(pvad)がノイズ閾値(thvad)より大きくなければならない。音声度が常にノイズ閾値より大きくなるためには、GSMシミュレータによってノイズ閾値が音声度より大きくなる部分を探してその部分にてノイズ閾値を強制的に最小化させることにより音声度がノイズ閾値より大きくなるように動作を遂行する。この際、ノイズ閾値を最小化させるためにはVADでのノイズ閾値の更新において、該当入力フレームでの入力信号のエネルギーを強制的に０にしなければならないが、これは信号を強制的に０にすることで実現可能である。この処理をClipping処理という。
【００６６】
５）音源を加工しない場合にノイズと見なされるフレームに対しては、該当フレーム（ノイズフレーム）とその直後の２フレームの合計３フレームを強制的に０に置き換える（無音にする）。３つの連続フレームを０に置き換えることにより、ノイズ判定の閾値を下げることが出来る（図３のステップＳ５）。３つの連続フレームを０に置き換えた音源ファイルを、ＧＳＭ用加工音源ファイル（図１の２０２）として音源ファイル蓄積装置（図１の２００）に出力する（図３のステップＳ６）。
【００６７】
ここで、該当フレーム（ノイズフレーム）とその直後の２フレームを強制的に０に置き換える（無音にする）ことにより、判定の閾値を下げることができる理由について、説明する。
【００６８】
GSMで使っているコーデック（図１の１０６）内部のアルゴリズムによると、ノイズ閾値は該当フレームのエネルギーに依存する要素が大きくなっている。そのため、入力信号を０（エネルギー＝０）とすることによりノイズ閾値を下げることが出来る。
【００６９】
この際、信号を０に置き換える（無音にする）ことで、閾値を下げるのに、有効なフレーム数について説明する。
【００７０】
GSMで使っているノイズ閾値を求めるアルゴリズムによると、１フレーム無音、２フレーム無音では、ノイズ閾値が最小値まで下がらない。連続する３フレーム以上を無音にする事により、ノイズ閾値を最小値にすることが出来る。４フレーム以上無音にすると、再生した時に「プツッ」という瞬断の音が聞こえてしまう。２フレーム無音でも、４フレーム無音でも音質は改善されますが、３フレーム無音の場合に最良の改善度合いとなる。連続して無音にするフレーム数をＮ（＝正の整数）であるとすると、Ｎが３以外の正整数の場合でも、音質は改善されるが、Ｎが３の場合が最良の改善効果となる。
【００７１】
６）ノイズ閾値(thvad)を下げる事により、入力信号が音声と見なされる様になり、音質劣化が少なくなる。
【００７２】
図５と図６に改善前（図７の１００中の音源ファイル）と改善後（図１の２０２）の音源ファイルの音声度(pvad)とノイズ閾値(thvad)の変動の様子を示す。図５（改善前）はノイズ閾値(thvad)が高いため多くのフレームがノイズと判定されている。図６（改善後）は入力信号を強制切断することによりノイズ閾値を下げているため、ノイズと判定されるフレーム数が大幅に減少している。
【００７３】
７）一度、ノイズ閾値を下げたとしてもその後の入力によりノイズ閾値が徐々に上昇する。上記１）項で述べた小振幅部分の伸張(Gain Control)を行う事により、ノイズ閾値がノイズとみなされる値までに達する時間を長くすることが出来る。その結果、強制的に切断されるフレームの数を少なくすることが出来る。
【００７４】
このようにして、本発明においては、コーデック１０６に対応して加工された音源ファイル２０２を選択して接続しているので、音質劣化の少ない曲を聞くことができる。
【００７５】
次に、音質改善の評価結果を説明する。
【００７６】
１）シミュレータによる評価
音質改善の評価のため、２０種類の音源を準備した。その評価結果を、下記の表２に示す。
【００７７】
【表２】
【００７８】
ここに示すノイズフレーム数は、改善前と改善後の音源に対してGSMのシミュレータを使って計測した。
【００７９】
音楽によってノイズフレームの数及び本発明の音質改善によるノイズフレームの減少の割合は異なっている。歌が主体の音楽、バイオリン単独の音楽では、改善前のノイズフレームの数が少ない。特に、１４番の音源は最初からノイズフレームと判定されるフレームが無く、改善前の音楽＝改善後の音楽である。ピアノ曲、オーケストラ曲、ダイナミックが大きく急速に変化する音楽の場合は、ノイズフレームの数が多くなる。この様な曲に対して、本発明の音質改善が非常に有効である。
【００８０】
２）実端末を使った主観評価（ＭＯＳ）
各音源の加工前と加工後の音楽を実際の携帯電話網を通してGSM端末から再生した音楽を聞き比べて評価した。改善前音源では曲の１フレーズが終了した部分に「ブー」というノイズが混ざっていたが、改善後音源ではノイズが混ざることがほとんど無くなり、音質が改善されていることが評価出来た。
【００８１】
音楽によって本発明の音質改善の効果の程度は異なっている。歌唱曲、弦楽曲では、改善前でもノイズが聞こえる数が少ない。ピアノ曲や強弱の変動が大きい曲の場合、ノイズに聞こえる部分が大幅に減少していた。
【産業上の利用可能性】
【００８２】
本発明は、携帯電話で音楽を聞くサービス全般に広く利用出来る。
【００８３】
特に、発信メロディーサービスにおいては、エンドユーザー、音源供給事業者の双方から音質の改善要求が出されている。エンドユーザーからは、「良い音質の音楽を聞きたい」との音質改善要求である。コンテンツ供給事業者からは、「供給した音楽を良い音質で聞かせたい。その結果として、提供コンテンツの売り上げを伸ばしたい。音質が悪ければ提供コンテンツの売り上げを伸ばすことが出来ない。」との要望がある。本発明は、これらの要求やようぼぷに要望に応えることができる。
【図面の簡単な説明】
【００８４】
【図１】本発明の一実施例による音源供給装置を備えたシステムを説明するための図である。
【図２】図１のシステムにおいて用いられる、元音源ファイル及び加工音源ファイル（GSM向け）を説明するための図である。
【図３】図１のシステムにおいて用いられる、ＧＳＭ用の音源ファイルの加工アルゴリズムの概要を示したフローチャートである。
【図４】図３のＧＳＭ用の音源ファイルの加工アルゴリズムの一部を説明するための図である。
【図５】図７のシステムにおいて用いられる音源ファイルの音声度(pvad)とノイズ閾値(thvad)の変動の様子を示す図である。
【図６】図１のシステムにおいて用いられる音源ファイルの音声度(pvad)とノイズ閾値(thvad)の変動の様子を示す図である。
【図７】現状の音源供給装置を備えたシステムを説明するための図である。
【符号の説明】
【００８５】
１０ 音源供給装置
１００ 音源ファイル蓄積装置
１０１ 音源再生装置
１０２ ゲートウェイスイッチ(GS)
１０３ モバイルスイッチングセンター(MSC)
１０４ 基地局
１０５ 携帯電話
１０６ 音声コーデック
１０７ 音声コーデック
２０ 音源供給装置
２００ 音源ファイル蓄積装置
２０１ 元音源ファイル
２０２ 加工音源ファイル（GSM向け）
２０３ 加工音源ファイル（cdma向け）
３００ 音源再生装置
【特許請求の範囲】
【請求項１】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定し、前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備えたことを特徴とする音源供給装置。
【請求項２】
請求項１に記載の音源供給装置において、
前記音源再生装置は、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するものであることを特徴とする音源供給装置。
【請求項３】
請求項１に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項４】
請求項３に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項５】
請求項４に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項６】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定する種別判定ステップと、
前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備えたことを特徴とする音源供給方法。
【請求項７】
請求項６に記載の音源供給方法において、
前記種別判定ステップは、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するステップであることを特徴とする音源供給方法。
【請求項８】
請求項６に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項９】
請求項８に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１０】
請求項９に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１１】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項１２】
請求項１１に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項１３】
請求項１２に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項１４】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１５】
請求項１４に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１６】
請求項１５に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１７】
請求項１６に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定し、前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備えたことを特徴とする音源供給装置。
【請求項２】
請求項１に記載の音源供給装置において、
前記音源再生装置は、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するものであることを特徴とする音源供給装置。
【請求項３】
請求項１に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項４】
請求項３に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項５】
請求項４に記載の音源供給装置において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項６】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
複数種類のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した複数種類の加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記起動信号から前記携帯端末のコーデック種別を判定する種別判定ステップと、
前記複数種類の加工音源ファイルの中から、前記判定したコーデック種別に応じた一つの加工音源ファイルを選択的に再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備えたことを特徴とする音源供給方法。
【請求項７】
請求項６に記載の音源供給方法において、
前記種別判定ステップは、再生要求を表す起動信号を受けた時に、前記起動信号に含まれる発信者情報により、前記携帯端末のコーデックの種別を判定するステップであることを特徴とする音源供給方法。
【請求項８】
請求項６に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項９】
請求項８に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１０】
請求項９に記載の音源供給方法において、
前記複数種類の加工音源ファイルのうちのいずれかは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１１】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給装置において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておく音源ファイル蓄積装置と、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせる音源再生装置とを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項１２】
請求項１１に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項１３】
請求項１２に記載の音源供給装置において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給装置。
【請求項１４】
携帯端末を介して音楽を聞かせるサービスを行なう音源供給方法において、
前記携帯端末のコーデック特性に応じて音質劣化が少なくなるように前記音楽の元音源に加工を加えて作成した加工音源ファイルを、予め蓄積しておくステップと、
再生要求を表す起動信号を受けた時に、前記加工音源ファイルを再生して、前記携帯端末に供給し、前記音楽を前記携帯端末を介して聞かせるステップとを備え、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１５】
請求項１４に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームを少なくとも無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１６】
請求項１５に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する複数フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【請求項１７】
請求項１６に記載の音源供給方法において、
前記加工音源ファイルは、前記元音源における音声フレームのうち、元音源を加工しない場合にノイズとみなされる一つのフレームから始まる、連続する３フレームを、無音にする加工を加えて作成された加工音源ファイルであることを特徴とする音源供給方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２００６−２４２９７９（Ｐ２００６−２４２９７９Ａ）
【公開日】平成１８年９月１４日（２００６．９．１４）
【国際特許分類】
【出願番号】特願２００５−５４２９０（Ｐ２００５−５４２９０）
【出願日】平成１７年２月２８日（２００５．２．２８）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【出願人】（５０５０７４１４８）
【Ｆターム（参考）】
【公開日】平成１８年９月１４日（２００６．９．１４）
【国際特許分類】
【出願日】平成１７年２月２８日（２００５．２．２８）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【出願人】（５０５０７４１４８）
【Ｆターム（参考）】
[ Back to top ]