JP2007243856A - マイクロホンユニット - Google Patents

Abstract

【課題】 外界の音を収音して防犯の目的を達成できる程度の信号を出力し、音声内容の盗聴を防止することができるマイクロホンユニットを提供する。
【解決手段】 マイクロホンユニットは、音声センサチップ１と信号処理チップ２とを同一のケース３内に封入してなるものである。音声センサチップ１は、受音部に与えられる音を電気信号であるオーディオ信号に変換して出力する。信号処理チップ２は、音声センサチップ１から出力されるオーディオ信号に対し、人の声として認識するのに役立つ情報を失わせる信号処理を施して出力する。
【選択図】図１

Description

この発明は、セキュリティシステム等に好適なマイクロホンユニットに関する。

家屋内においてカメラにより撮影された画像およびマイクロホンにより収音された音声を、ネットワークを介して外出中のユーザの通信端末等に伝送し、外出中のユーザが留守中の自宅内の様子を知ることができるようにしたセキュリティシステムが普及している。なお、この種のセキュリティシステムは例えば特許文献１に開示されている。
特開２００４−２３６２８１号公報

この種のセキュリティシステムは、防犯上有用なものであるが、例えばユーザがマイクロホンの電源を切り忘れた場合に、自宅にいるユーザの家族の音声がマイクロホンにより収音され、ネットワーク上に流出し、第３者によって盗聴される危険性がある。このような盗聴を防止するために、マイクロホンから得られるオーディオ信号を暗号化して伝送する方法も考えられる。しかし、幾ら暗号化されたオーディオ信号でも暗号が解読されれば音声の内容が分かってしまうため、盗聴を完全に防止することはできない。

この発明は、以上説明した事情に鑑みてなされたものであり、外界の音を収音して防犯の目的を達成できる程度の信号を出力し、音声内容の盗聴を防止することができるマイクロホンユニットを提供することを目的としている。

この発明は、外界の音を収音し、電気信号として出力する収音手段と、前記収音手段により出力される電気信号に対し、音声として認識するのに役立つ情報を失わせる信号処理を施して出力する信号処理手段とを同一ケース内に封入してなることを特徴とするマイクロホンユニットを提供する。
かかる発明によれば、マイクロホンユニットの出力信号が傍受されたとしても、その信号から音声内容を認識することは困難であるため、盗聴を防止することができる。

以下、図面を参照し、この発明の実施の形態を説明する。
＜第１実施形態＞
図１はこの発明の第１実施形態であるマイクロホンユニットの構成を示す図である。図１に示すように、このマイクロホンユニットは、音声センサチップ１と信号処理チップ２とを同一のケース３内に封入してなるものである。

音声センサチップ１は、受音部に与えられる音を電気信号であるオーディオ信号に変換して出力する半導体集積回路チップである。本実施形態において、ケース３には、音声センサチップ１の受音部を露出させる孔（図示略）が設けられている。音声センサチップ１は、この露出した受音部を介して外界の話者の音声や物音を収音し、オーディオ信号に変換する。音声センサチップ１としては、例えばＥＣＭ（エレクトレッド・コンデンサ・マイクロホン）が好適である。このＥＣＭは、周知の通り、半導体基板上に形成された受音部たるコンデンサと、同半導体基板上に形成され、受音によるコンデンサの容量変化を反映した電気信号を出力するインピーダンス変換回路とにより構成された装置である。

信号処理チップ２は、音声センサチップ１から出力されるオーディオ信号に対し、人の声として認識するのに役立つ情報を失わせる信号処理を施して出力する信号処理回路を半導体基板上に形成した半導体集積回路チップである。ケース３には、音声センサチップ１および信号処理チップ２に電源電圧を供給するためのＶＤＤ端子３０１およびＧＮＤ端子３０２と、信号処理チップ２の出力信号をケース３外部の装置に供給するための信号出力端子３０３が設けられている。なお、音声センサチップ１および信号処理チップ２は、図示のように同一平面をなすようにケース３内に並べて固定してもよいし、絶縁性の基板に各々の裏面を接着した状態でケース３内に固定してもよい。あるいは、音声センサチップ１に形成すべき回路と信号処理チップ２に形成すべき回路とを同一半導体基板上に形成し、両チップをワンチップ化してもよい。

図２は本実施形態において信号処理チップ２に搭載する信号処理回路の構成例を示す回路図である。この図２に示す信号処理回路は、音声センサチップ１から出力されるオーディオ信号のホルマントを減衰させ、音声として認識するのが困難なオーディオ信号として出力するものである。

周知の通り、人の音声等のオーディオ信号を構成するスペクトルは、周波数軸に沿って並べると、図３に例示するように、複数の山を持ったスペクトルエンベロープを描く。このスペクトルエンベロープにおける各山は、ホルマントと呼ばれる。図２には、最も周波数の低い第１ホルマントＦ１、次に周波数の低い第２ホルマントＦ２、その次に周波数の低い第３ホルマントＦ３が描かれている。これらのホルマントは、人間が音声を認識する上で重要な役割を果たす。例えば人間の聴覚は、第１ホルマントＦ１と第２ホルマントＦ２の周波数比により母音を認識する。また、第３ホルマントＦ３以降の高域のホルマントは、子音の認識に役立つ。

聴感補正技術の１つとしてホルマント強調と呼ばれる技術がある。この技術は、スペクトルエンベロープにおける山と谷とのレベル差が大きくなり、ホルマントが際立つようにオーディオ信号を加工し、オーディオ信号を人間に音として聴かせるときの明瞭度を向上させる技術である。図２に示す信号処理回路は、このホルマント強調とは正反対の信号処理を音声センサチップ１の出力信号に対して施す。すなわち、図２に示す信号処理回路は、図３において破線により例示するように、音声センサチップ１の出力信号のホルマントを減衰させ、どこにホルマントがあるのか分からないスペクトルエンベロープ１００を持ったオーディオ信号として出力する。

図２において、ＬＰＦ（ローパスフォルタ）１０Ａ−０およびＢＰＦ（バンドパスフィルタ）１０Ａ−ｋ（ｋ＝１〜ｎ−１）は、音声周波数帯域をｎ分割し、音声センサチップ１の出力信号の中からｎ分割された各帯域に属する信号を抽出して出力する。ミキサ１１は、ＬＰＦ１０Ａ−０およびＢＰＦ１０Ａ−ｋ（ｋ＝１〜ｎ−１）の各出力信号に重み係数を乗じて加算し、加算結果に相当するレベルを有する信号を出力する。

増幅部１２Ａ−ｋ（ｋ＝０〜ｎ−１）は、各々自動利得制御機能を有する増幅回路であり、ＬＰＦ１０Ａ−０およびＢＰＦ１０Ａ−ｋ（ｋ＝１〜ｎ−１）の各出力信号を一定レベルに各々増幅して出力する。ここで、各増幅部１２Ａ−ｋ（ｋ＝０〜ｎ−１）は、制御電圧に応じた利得で入力信号を増幅するＶＣＡ（電圧制御増幅器）１２Ｂと、ミキサ１１の出力信号からＶＣＡ１２Ｂの出力信号を減算した制御電圧をＶＣＡ１２Ｂに与える減算器１２Ｃとにより構成される。この構成によれば、ＶＣＡ１２Ｂの出力信号レベルがミキサ１１の出力信号レベルよりも高い場合には負の制御電圧が発生されてＶＣＡ１２Ｂの利得が低下し、ＶＣＡ１２Ｂの出力信号レベルがミキサ１１の出力信号レベルよりも低い場合には正の制御電圧が発生されてＶＣＡ１２Ｂの利得が増加する。このような負帰還制御により、ＶＣＡ１２Ｂの出力信号レベルはミキサ１１の出力信号レベルに一致したものとなる。従って、増幅部１２Ａ−ｋ（ｋ＝０〜ｎ−１）の各出力信号のレベルは、ミキサ１１の出力信号のレベルと一致することとなる。

加算器１３は、ｎ個の入力抵抗１３Ｒ−ｋ（ｋ＝０〜ｎ−１）と、オペアンプ１３Ａと、帰還抵抗１３Ｒｆとを図示のように接続してなる回路である。この加算器１３は、増幅部１２Ａ−ｋ（ｋ＝０〜ｎ−１）の各出力信号に対し、入力抵抗１３Ｒ−ｋ（ｋ＝０〜ｎ−１）により決定される重み係数を乗算して加算し、加算結果に相当する信号を出力する。この加算器１３の出力信号が信号処理チップ２の出力信号となる。本実施形態において、各増幅部１２Ａ−ｋ（ｋ＝０〜ｎ−１）の出力信号に乗じられる各重み係数は、最も低域の信号である増幅部１２Ａ−０の出力信号に乗じられるものが最も大きく、高域の出力信号（すなわち、ｋの大きな増幅部１２Ａ−ｋの出力信号）になる程、それらに乗じられる重み係数は小さくなる。このような各重み係数を増幅部１２Ａ−ｋ（ｋ＝０〜ｎ−１）の各出力信号に乗じて加算した信号が信号処理チップ２の出力信号となる。従って、信号処理チップ２の出力信号は、図３に例示するような起伏が極めて小さく、高域になる程、レベルが低下するスペクトルエンベロープ１００を有する信号となる。

以上のように、本実施形態によれば、外界の話者の音声が音声センサチップ１により収音されたとしても、この音声センサチップ１の出力信号は、信号処理チップ２により上記の信号処理が施されて、マイクロホンユニットから出力される。ここで、マイクロホンユニットから出力されるオーディオ信号は、起伏が極めて小さくて、どこにホルマントがあるのか分からず、かつ、高域になる程、レベルが低下するスペクトルエンベロープを有している。このマイクロホンユニットから出力されるオーディオ信号を音として再生した場合、聴者は、マイクロホンユニットの出力音が人間の音声である程度の認識をすることはできる。しかし、マイクロホンユニットの出力音声は、極めて明瞭度が低下しているため、聴者は、話者が何を言っているのかを認識することはできない。

本実施形態によるマイクロホンユニットを、セキュリシステムにおいて自宅内の音の収音手段として採用した場合、次の効果が得られる。まず、ユーザは外出先においてマイクロホンユニットにより収音される音を確認することにより、自宅における人の在／不在を判断することができ、防犯の目的を達成することができる。一方、自宅のマイクロホンユニットから外出先のユーザに送られるオーディオ信号は、人間が音声として認識するのに必要な情報が完全に欠如した内容となっている。従って、このオーディオ信号が第三者に盗聴されたとしても、自宅での発話の内容が第三者に知られることはなく、プライバシーが保護される。よって、本実施形態によるマイクロホニュニットは、これをセキュリティシステムに採用した場合に、防犯とプライバシーの保護の両方を達成することができるという効果を奏する。

なお、上記実施形態では、音声周波数帯域の全域についてオーディオ信号のホルマントを減衰させる処理を行ったが、音声としての認識を困難にするという程度の目的ならば、例えば子音の認識にとって重要な第３ホルマントを減衰させ、あるいは母音の認識にとって重要な第１および第２ホルマントを減衰させる、といった処理でも充分に達成することができる。

＜第２実施形態＞
本実施形態では、上記第１実施形態における信号処理チップ２に図４に示す信号処理回路を搭載する。この信号処理回路は、図５に示すように、音声センサチップ１の出力信号において、音声の認識にとって重要なホルマント（図５に示す例では第２ホルマントＦ２）の周波数帯域に雑音１０１を重畳するものである。

図４に示すように、信号処理回路は、雑音源１４と、自動利得制御機能を有する増幅部１５と、ＢＰＦ１６および１７と、抵抗およびオペアンプにより構成された加算器１８とにより構成されている。ＢＰＦ１６および１７は、目標とする雑音１０１の周波数帯域に相当する通過帯域を有している。

ＢＰＦ１７は、音声センサチップ１の出力信号から上記雑音１０１の周波数帯域に属する信号を抽出して出力する。雑音源１４は、ランダムノイズなど、広い周波数帯域に亙ってスペクトルを含む雑音信号を発生する回路である。増幅部１５は、雑音源１４から出力される雑音信号をＢＰＦ１７の出力信号のレベルに一致するレベルまで増幅して出力する。ＢＰＦ１６は、増幅部１５の出力信号から上記雑音１０１の周波数帯域に属する信号を抽出して出力する。

加算器１８は、ＢＰＦ１６の出力信号、ＢＰＦ１７の出力信号および音声センサチップ１の出力信号に所定の重み係数を乗算して加算し、加算結果を示す信号を信号処理チップ２の出力信号として出力する。本実施形態では、ＢＰＦ１６の乗じられる重み係数は大きく、ＢＰＦ１７に乗じられる重み係数は小さくなっている。従って、信号処理チップ２の出力信号のスペクトル分布は、音声センサチップ１の出力信号に比べて、第２ホルマントＦ２のレベルが大きく減衰し、その代わりに、第２ホルマントが存在していた周波数帯域に雑音を重畳したスペクトル分布となる。

このように、本実施形態によれば、音声センサチップ１により得られたオーディオ信号は、音声の認識に必要な第２ホルマントＦ２が欠如し、音声の認識の妨げになる雑音の重畳されたオーディオ信号となってマイクロホンユニットから出力される。従って、このマイクロホンユニットから出力されるオーディオ信号を音として再生しても、聴者は、如何なる音声が再生されているのかを認識するのが困難である。なお、図４に示す例では、第２ホルマントＦ２の存在する周波数帯域に雑音を重畳したが、これに加えて、第１ホルマントＦ１や第３ホルマントＦ３の存在する各周波数帯域に雑音を重畳し、第三者による音声の聴き取りをさらに困難にしてもよい。あるいは複数のホルマントに跨る広い周波数帯域に雑音を重畳するようにしてもよい。

＜第３実施形態＞
本実施形態では、上記第１実施形態における信号処理チップ２に図６に示す信号処理回路を搭載する。この信号処理回路では、上記第２実施形態における雑音源１４がＬＰＦ１９に置き換えられている。このＬＰＦ１９は、例えば５００Ｈｚ以下の周波数帯域を通過帯域とするフィルタであり、音声センサチップ１の出力信号に含まれる暗騒音成分を通過させる。上記第２実施形態では、音声センサチップ１の出力信号において、第２ホルマントＦ２付近の周波数帯域に雑音源１４が出力する雑音信号が重畳されたが、本実施形態では、その代わりに暗騒音成分が重畳される。雑音源１４が発生する雑音信号が機械的な印象を与えるものであるのに対し、本実施形態において音声センサチップ１の出力信号に重畳する信号は、より自然な印象を与える暗騒音である。従って、本実施形態によれば、マイクロホンユニットの出力信号に関し、自然感を損なうことなく、音声としての聴き取りを困難にすることができる。

＜第４実施形態＞
本実施形態では、上記第１実施形態における信号処理チップ２に図７に示す信号処理回路を搭載する。図７に示すように、信号処理回路は、ＬＰＦ２０と、零クロス検出部２１と、ＰＬＬ（フェーズ・ロックド・ループ）２２と、正弦波発振器２３と、抵抗およびオペアンプにより構成された加算器２４とにより構成されている。

ＬＰＦ２０は、音声センサチップ１の出力信号中の第１ホルマントＦ１付近の周波数帯域を通過帯域としており、音声の基音周波数付近の信号を通過させる。零クロス検出部２１は、ＬＰＦ２０の出力信号の零クロス点を検出し、零クロス点のタイミングを示す零クロスパルスを出力する回路である。正弦波発振器２３は、音声の基音周波数付近の周波数の正弦波を出力する。ＰＬＬ２２は、正弦波発振器２３から与えられる正弦波に基づき、零クロスパルスに位相同期し、かつ、音声センサチップ１の出力信号中に含まれている基音周波数の正弦波と逆相関係にある正弦波を出力する。加算器２４は、音声センサチップ１の出力信号とＰＬＬ２２が出力する正弦波とを加算する。この結果、音声センサチップ１の出力信号から基音周波数の正弦波成分を除去した信号が加算器２４から得られ、信号処理チップ２の出力信号となる。このようにして得られる信号処理チップ２の出力信号も、音声として認識することが困難な信号となる。

＜第５実施形態＞
本実施形態では、上記第１実施形態における信号処理チップ２に図８に示す信号処理回路を搭載する。図８に示すように、信号処理回路は、Ａ／Ｄ変換器３１と、係数算出部３２と、減衰処理部３３と、Ｄ／Ａ変換器３４とにより構成されている。

この信号処理回路において、Ａ／Ｄ変換器３１は、音声センサチップ１から出力されるアナログオーディオ信号を所定のサンプリングレートでデジタル信号のサンプルに変換する。係数算出部３２は、Ａ／Ｄ変換器３１から得られるサンプル列を所定個数のサンプルからなるフレームに区切り、フレーム単位でＦＦＴ（高速フーリエ変換）を行い、オーディオ信号のスペクトル分布を求める。

減衰処理部３３は、係数算出部３２により得られたスペクトル分布に対し、音声の認識を困難にする加工を施す。例えば上記第１実施形態において行ったように、スペクトルエンベロープの起伏を小さくする処理をこの減衰処理部３３が行ってもよい。あるいは上記第２実施形態または第３実施形態において行ったように、雑音のスペクトルを重畳する処理をこの減衰処理部３３が行ってもよい。減衰処理部３３は、このような加工を経たスペクトル分布に逆ＦＦＴを施し、時間領域のデジタル信号に戻す。Ｄ／Ａ変換器３４は、減衰処理部３３から出力されるデジタル信号をアナログ信号に変換して出力する。
本実施形態においても上記各実施形態と同様な効果が得られる。
なお、本実施形態において、Ｄ／Ａ変換器３４を省略し、減衰処理部３３から出力されるデジタルオーディオ信号をマイクロホンユニットから出力するように構成してもよい。また、信号処理チップ２内において、減衰処理部３３から出力されるデジタルオーディオ信号に対して、例えば圧縮符号化処理等を施して、ネットワーク経由の伝送に適したフォーマットとし、マイクロホンユニットから出力するように構成してもよい。このようにマイクロホンユニットの出力信号をデジタル形式の信号とする場合のフォーマットには各種のものが考えられる。その場合、デジタルオーディオ信号の出力フォーマットに応じて、適切な個数の信号出力端子３０３（図１参照）をマイクロホンユニットのケース３に設ければよい。

＜他の実施形態＞
以上、この発明の第１〜第５実施形態について説明したが、この発明にはこれ以外にも他の実施形態が考えられる。例えば、次の通りである。
（１）信号処理チップ２は、音声センサチップ１の出力信号のスペクトルを監視し、音声センサチップ１の出力信号においてスペクトルの変化が緩やかな区間を音声区間と判定し、スペクトルの変化が急激な区間を人の音声ではない何らかの物音の発生している非音声区間と判定し、非音声区間の信号のみを選択して出力するように構成してもよい。
（２）マイクロホンユニットに選択信号の入力端子を設け、この入力端子に与える選択信号により、音声センサチップ１の出力信号をそのまま出力するか、音声センサチップ１の出力信号に信号処理チップ２の信号処理を施して出力するかを切り換えるように構成してもよい。

この発明の第１実施形態であるマイクロホンユニットの構成を示す図である。 同実施形態において信号処理チップに搭載される信号処理回路の構成を示す回路図である。 同実施形態において行われるスペクトルエンベロープの加工を説明する図である。 この発明の第２実施形態であるマイクロホンユニットの信号処理回路の構成を示す回路図である。 同実施形態において行われる雑音重畳処理を説明する図である。 この発明の第３実施形態であるマイクロホンユニットの信号処理回路の構成を示す回路図である。 この発明の第３実施形態であるマイクロホンユニットの信号処理回路の構成を示す回路図である。 この発明の第４実施形態であるマイクロホンユニットの信号処理回路の構成を示す回路図である。

符号の説明

１……音声センサチップ、２……信号処理チップ、３……ケース、１０Ａ−０，１９，２０……ＬＰＦ、１０Ａ−ｋ（ｋ＝１〜ｎ−１），１６，１７……ＢＰＦ、１２Ａ−ｋ（ｋ＝０〜ｎ−１），１５……増幅部、１２Ｂ……ＶＣＡ、１２Ｃ……減算器、１３，１８，２４……加算器、２１……零クロス検出部、２２……ＰＬＬ、２３……正弦波発振器、１４……雑音源。

Claims (5)

1. 外界の音を収音し、電気信号として出力する収音手段と、
   前記収音手段により出力される電気信号に対し、音声として認識するのに役立つ情報を失わせる信号処理を施して出力する信号処理手段と
   を同一ケース内に封入してなることを特徴とするマイクロホンユニット。
2. 前記信号処理手段は、少なくとも１つのホルマントを減衰させる信号処理を前記収音手段の出力信号に施すことを特徴とする請求項１に記載のマイクロホンユニット。
3. 前記信号処理手段は、少なくとも１つのホルマントの近傍の周波数帯域において雑音を重畳する信号処理を前記収音手段の出力信号に施すことを特徴とする請求項１に記載のマイクロホンユニット。
4. 前記信号処理手段は、人の音声の基音周波数の近傍の周波数を有する正弦波を前記収音手段の出力信号から除去することを特徴とする請求項１に記載のマイクロホンユニット。
5. 前記信号処理手段は、前記収音手段の出力信号のうち人の音声を示す区間以外の区間の信号を選択して出力することを特徴とする請求項１に記載のマイクロホンユニット。

Images