專利名稱：一種會議電視系統(tǒng)的混音處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及會議電視領(lǐng)域，具體地說涉及一種會議電視系統(tǒng)的混音處 理方法。
背景技術(shù)：
隨著電信技術(shù)的發(fā)展，會議電視業(yè)務(wù)得到了越來越廣泛的應(yīng)用，會議
電視系統(tǒng)中一般包括用于會議控制的多點控制單元(MCU)和至少一個會 場終端(與會者)。 一般的語音業(yè)務(wù)中僅涉及到兩個通話方，而在會議電視 系統(tǒng)中，通常與會者都不止兩個，其中任一與會者的語音都可以傳送至所 有其他與會者，而每一與會者都同時可聽到多個其他與會者的聲音。因此， 在會議電視系統(tǒng)中，通常都需要進行混音處理，即將多個與會者的語音混 合起來，以便任一與會者都可同時聽到其他與會者的聲音。通常，在一個會議電視系統(tǒng)的多個會場終端中，包括有以下幾種類型 的會場終端
主席終端即整個會議中的主席會場，能夠取得會議的控制權(quán)。 發(fā)言人終端即會議中的當前發(fā)言人會場， 一般在一個會議中的一個 時刻只有一個發(fā)言人，與會的其他會場終端都可以看到發(fā)言人會場的圖像。 其他終端 一般的與會會場。
在實際的會議過程中，絕大多數(shù)情況下只有主席和發(fā)言人說話，其他 的一般會場處于聽的狀態(tài)。因此，可確定對于會議電視系統(tǒng)的混音處理的 需求主要是
1) 每個會場需要隨時聽見其他會場的聲音；
2) 應(yīng)該保證主席和發(fā)言人會場的聲音優(yōu)先權(quán)；此外，可能出現(xiàn)的插 話會場應(yīng)該是聲音較大的一方，以符合人們收聽聲音最大的一方的習慣。
傳統(tǒng)的混音方法中，包括有全混音方法，即將同時說話的所有會場的 語音信號混音發(fā)送給各會場，這種方案雖然滿足會場可隨時聽見其他會場 的聲音的需求，然而，對于一個會場終端數(shù)目眾多的會議電視系統(tǒng)而言， 不加區(qū)分的將所有會場終端的聲音都進行混合，不僅對于會議電視系統(tǒng)的 MCU處理要求較高，同時，也容易造成混音效果不佳，甚至讓人無法聽 清。
另一種現(xiàn)有的混音方法是混合數(shù)個聲音較大的會場終端的語音信 號。這種方法雖然符合人們收聽聲音最大一方的習慣，然而，常常有可能 將主席終端和發(fā)言人終端淹沒，導致會議的秩序混亂，也容易造成聲音的 頻繁切換。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明所要解決的技術(shù)問題是提供一種會議電視系統(tǒng)的混
音處理方法，可以提高混音效果，降低MCU的能力消耗，同時保證會議 的有序進行。
為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案
一種會議電視系統(tǒng)的混音處理方法，包括至少一個會場終端，該方法 包含如下步驟
A、 解碼各會場終端的語音碼流，獲得各會場終端語音信號；
B、 將會場終端中的主席終端和發(fā)言人終端選定為混音激活終端；
C、 對主席終端和發(fā)言人終端外的會場終端，比較各會場終端的語音信 號音量值，按各會場終端的語音信號音量值由大至小的順序依序至少選出 一個會場終端作為混音激活終端；
D、 將步驟B和C中確定的混音激活終端的語音信號按預(yù)定原則進行混 音，發(fā)送給相應(yīng)會場終端。
所述步驟D中，混音激活終端的語音信號按預(yù)定原則進行混音，發(fā)送 給相應(yīng)會場終端是按如下方式實現(xiàn)
1) 對混音激活終端，將除該混音激活終端外的其他混音激活終端的語 音信號進行混音，發(fā)送給該混音激活終端；
2) 對混音激活終端以外的其他會場終端，將全部混音激活終端的語音 信號進行混音，發(fā)送給各其他會場終端。
所述步驟C中，比較各會場終端語音信號音量值是采用延時處理方式 連續(xù)多次采集各會場終端的語音信號音量值，計算采集到的各會場終端的 多個語音信號音量值的平均值，對各會場終端語音信號音量值的所述平均 值進行比較。
所述步驟C中，比較各會場終端語音信號音量值是采用延時處理方式 連續(xù)多次采集各會場終端的語音信號音量值，計算采集到的各會場終端的
多個語音信號音量值的平均值，對各會場終端語音信號音量值的所述平均 值進行比較。
當主席終端和發(fā)言人終端為同一會場終端時，所述步驟C中，對主席 終端和發(fā)言人終端外的會場終端，按各會場終端語音信號音量值由大至小 的順序依序至少選出兩個會場終端作為混音激活終端。
所述步驟D中，當混音信號超過設(shè)定的混音門限時，在將混音信號發(fā) 送給相應(yīng)的會場終端前，還包括對混音信號進行箝位處理的步驟。 所述步驟D中，確定的混音激活終端的總數(shù)為3個。
本發(fā)明的有益效果在于確定主席終端、發(fā)言人終端和各會場終端的
語音信號音量值由大至小的順序依序至少選出的一個會場終端作為混音激 活終端。因此在保證會議有序進行的基礎(chǔ)上，降低了多點控制單元的處理 能力消耗，混音效果清晰。


圖1是本發(fā)明具體實施方式
的會議電視系統(tǒng)的系統(tǒng)框架示意圖； 圖2是本發(fā)明具體實施方式
的混音處理方法的流程圖。
具體實施例方式
下面對照附圖結(jié)合具體實施方式
對本發(fā)明作詳細說明。
如圖1所示，圖中示意性地展示了一個會議電視系統(tǒng)，包括一個多點
控制單元和6個會場終端。需要了解的是，會場終端的數(shù)目并不構(gòu)成對本
發(fā)明的限定。
如圖2所示，本發(fā)明具體實施方式
的所述方法，包含如下步驟
1、 解碼各會場終端的語音碼流，獲得各會場終端語音信號；
2、 將會場終端中的主席終端和發(fā)言人終端選定為混音激活終端；
3、 對主席終端和發(fā)言人終端外的會場終端，比較各會場終端的語音信 號音量值，按各會場終端的語音信號音量值由大至小的順序依序至少選出 一個會場終端作為混音激活終端；
4、 將步驟B和C中確定的混音激活終端的語音信號按預(yù)定原則進行混 音，發(fā)送給相應(yīng)會場終端。
在步驟4中，混音激活終端的語音信號按預(yù)定原則進行混音，發(fā)送給相應(yīng)會場終端采用如下方式
對混音激活終端，將除該混音激活終端外的其他混音激活終端的語音 信號進行混音，發(fā)送給該混音激活終端；
對混音激活終端以外的其他會場終端，將全部混音激活終端的語音信 號進行混音，發(fā)送給各其他會場終端。
下面以一實例對本發(fā)明作進一步說明。
如圖1所示， 一會議電視系統(tǒng)中包括6個會場終端A會場終端、B 會場終端、C會場終端、D會場終端、E會場終端、F會場終端；在一采樣 周期，通常為20毫秒，所有說話的會場終端的聲音碼流傳送到多點控制單
元，多點控制單元對這些聲音碼流進行解碼，得到每個會場終端的語音信 號。
定義所有允許加入混音的會場終端為混音候選終端，實際選定加入混 音的終端為混音激活終端。以上語音信號到達多點控制單元的終端即混音 候選終端。由于通常混音候選終端的數(shù)目較多，如果全部加入混音，容易 造成混音效果不佳的缺陷。實驗表明，混音三路的效果是在滿足同時發(fā)言 的條件下最好的選擇。
在一個有序進行的會議過程中，通常應(yīng)該保證主席終端和發(fā)言人終端 的聲音能夠被其他會場聽見。因此，可以通過多點控制單元對主席終端和 發(fā)言人終端設(shè)定標志位或優(yōu)先級的方式，將兩者選定為必選的混音激活終 端。對于主席終端和發(fā)言人終端之外的其他混音候選終端，比較各會場終 端的語音信號音量值，按該音量值由大至小的順序依序至少選出一個會場 終端作為混音激活終端。在混音三路的情況下，如果主席終端和發(fā)言人終 端不同，則選出的是聲音最大的會場終端作為主席終端和發(fā)言人終端之外
的另一個混音激活終端；如果主席終端和發(fā)言人終端是同一個會場終端， 則選出的是聲音最大和次大的兩個會場終端作為另外兩個混音激活終端。
確定了三個混音激活終端之后，將對三路語音信號按預(yù)定的原則進行 混音處理，首先是語音信號的疊加，假設(shè)A會場終端為主席終端，B會場 終端為發(fā)言人終端，C會場終端為聲音最大終端，由于通常說話方并不需
要在混音中聽到自己的聲音，因此，疊加的原則是 對于主席終端A，疊加的語音信號是B+C;
對于發(fā)言人終端B，疊加的語音信號是A + C; 對于聲音最大終端C，疊加的語音信號是A + B;
對于其他會場終端D、 E、 F，疊加的語音信號是A+B+C。
疊加后的混音信號有可能音量過高，從而使得收聽效果不佳，因此還 需設(shè)定一個混音門限，當疊加的語音信號超過該混音門限，則對疊加的語 音信號按照一定的收縮系數(shù)進行收縮。收縮系數(shù)主要用于確定在多大的音 量下進行何種程度的收縮，這可以通過實驗進行確定。
最后，對上述四種疊加語音信號進行編碼，按上述的預(yù)定原則，發(fā)送 到相應(yīng)的會場終端。
進一步的，在確定聲音最大的會場終端的過程中，可以采用延時處理 方式，通常在現(xiàn)有技術(shù)中確定聲音最大終端時，采用在20毫秒中采樣聲音， 以采樣點中音量絕對值最大作為終端的音量參考值，此種方式可能因突如 其來的噪聲而造成聲音最大會場終端的誤判。因此，可連續(xù)多次采集各會 場終端的語音音量，計算各會場終端的連續(xù)多次語音音量采集值的平均值， 對各會場終端語音音量的所述平均值進行比較，從而更準確地確定聲音最 大的會場終端。
比較全混音方法和本發(fā)明方法對MCU的處理要求，如果會場終端數(shù)為 N，對于全混音方法，首先其解碼次數(shù)為N，然后對于每一終端，需要混合 其自身以外的其他會場終端的語音信號，因此疊加次數(shù)和編碼次數(shù)同樣也 是N。當N數(shù)目很大時，將造成MCU的嚴重消耗。而對于本發(fā)明的方法， 其在N《4的情況下，與全混音方法相同，然而，在N〉4的時候，從上述說 明可以看出，其編碼次數(shù)仍然為N，但是，疊加次數(shù)和編碼次數(shù)都將降至 僅有4次，從而不僅大大降低了 MCU的處理消耗，同時實際的混音效果清 晰，易于辨認。
與混音數(shù)個聲音最大的現(xiàn)有混音方法相比，首先，由于在實際會議過 程中，主席和發(fā)言人在相對長的時間內(nèi)是基本固定的，不會頻繁變化，將 其作為必選混音激活終端，可以避免混音激活終端變化過快，此外，也避 免了可能出現(xiàn)主席和發(fā)言人被排除在混音激活終端之外的情況，這些都可 以保證會議的有序進行，使得會議電視系統(tǒng)更加穩(wěn)定有效。
本發(fā)明通過確定主席終端、發(fā)言人終端和按其他會場終端的語音音量
由大至小的順序依序至少選出的一個會場終端作為混音激活終端，從而可 以滿足良好的混音需求，同時不但能隨時聽見每個會場的發(fā)言，而且能夠 保證不會有太多的會場混合在一起而造成聲音的雜亂。采用本發(fā)明的方法， 會議過程可以保持有序進行，混音效果清晰易辨，多點控制單元的處理能 力消耗不高，整個會議電視系統(tǒng)運行穩(wěn)定高效。
以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說 明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù) 領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若 干簡單推演或替換，都應(yīng)當視為屬于本發(fā)明的保護范圍。
權(quán)利要求
1.一種會議電視系統(tǒng)的混音處理方法，包括至少一個會場終端，其特征在于，該方法包含如下步驟A、解碼各會場終端的語音碼流，獲得各會場終端語音信號；B、將會場終端中的主席終端和發(fā)言人終端選定為混音激活終端；C、對主席終端和發(fā)言人終端外的會場終端，比較各會場終端的語音信號音量值，按各會場終端的語音信號音量值由大至小的順序依序至少選出一個會場終端作為混音激活終端；D、將步驟B和C中確定的混音激活終端的語音信號按預(yù)定原則進行混音，發(fā)送給相應(yīng)會場終端。
2. 如權(quán)利要求1所述的混音處理方法，其特征在于，所述步驟D中， 混音激活終端的語音信號按預(yù)定原則進行混音，發(fā)送給相應(yīng)會場終端是按 如下方式實現(xiàn)1) 對混音激活終端，將除該混音激活終端外的其他混音激活終端的語 音信號進行混音，發(fā)送給該混音激活終端；2) 對混音激活終端以外的其他會場終端，將全部混音激活終端的語音 信號進行混音，發(fā)送給各其他會場終端。
3. 如權(quán)利要求2所述的混音處理方法，其特征在于，所述步驟C中， 比較各會場終端語音信號音量值是采用延時處理方式連續(xù)多次采集各會 場終端的語音信號音量值，計算采集到的各會場終端的多個語音信號音量 值的平均值，對各會場終端語音信號音量值的所述平均值進行比較。
4. 如權(quán)利要求1所述的混音處理方法，其特征在于，所述步驟C中， 比較各會場終端語音信號音量值是采用延時處理方式連續(xù)多次采集各會 場終端的語音信號音量值，計算采集到的各會場終端的多個語音信號音量 值的平均值，對各會場終端語音信號音量值的所述平均值進行比較。
5. 如權(quán)利要求1至4任一項所述的混音處理方法，其特征在于，當主 席終端和發(fā)言人終端為同一會場終端時，所述步驟C中，對主席終端和發(fā) 言人終端外的會場終端，按各會場終端語音信號音量值由大至小的順序依 序至少選出兩個會場終端作為混音激活終端。
6. 如權(quán)利要求1至4任一項所述的混音處理方法，其特征在于，所述步驟D中，當混音信號超過設(shè)定的混音門限時，在將混音信號發(fā)送給相應(yīng) 的會場終端前，還包括對混音信號進行箝位處理的步驟。
7.如權(quán)利要求1至4任一項所述的混音處理方法，其特征在于，所述 步驟D中，確定的混音激活終端的總數(shù)為3個。
全文摘要
本發(fā)明公開了一種會議電視系統(tǒng)的混音處理方法，包括至少一個會場終端，包含如下步驟A.解碼各會場終端的語音碼流，獲得各會場終端語音信號；B.將會場終端中的主席終端和發(fā)言人終端選定為混音激活終端；C.對主席終端和發(fā)言人終端外的會場終端，比較各會場終端的語音信號音量值，按各會場終端的語音信號音量值由大至小的順序依序至少選出一個會場終端作為混音激活終端；D.將步驟B和C中確定的混音激活終端的語音信號按預(yù)定原則進行混音，發(fā)送給相應(yīng)會場終端。本發(fā)明不但能隨時聽見每個會場的發(fā)言，而且能夠保證不會有太多的會場混合在一起而造成聲音的雜亂，實際混音效果清晰，易于辨認，而且也節(jié)約了多點控制單元的處理能力。
文檔編號H04N7/15GK101179693SQ20071007727
公開日2008年5月14日 申請日期2007年9月26日 優(yōu)先權(quán)日2007年9月26日
發(fā)明者庶 唐 申請人:深圳市麗視視訊科技有限公司;深圳市迪威視訊技術(shù)有限公司