JP2016167782A - 音声処理装置、音声処理方法およびプログラム - Google Patents

Abstract

【課題】異常電波による音声通信を効率よく検出する。【解決手段】分割部は、受信した電波信号を複数のサブバンド信号に分割する。復調部は、複数のサブバンド信号を個別に復調して複数の復調信号を生成する。検出部は、複数の復調信号の各々から発話を検出する。判定部は、複数の復調信号のうち注目する復調信号から検出された発話を第１の発話とし、注目する復調信号に対し対応するフィルタバンクの通過帯域が近い他の復調信号から検出された発話を第２の発話としたときに、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在する場合に、これら第１の発話と第２の発話が同一の発話であるか否かを判定する。選択部は、第１の発話と第２の発話が同一の発話であると判定された場合に、これら第１の発話と第２の発話のうち、いずれかの発話を選択する。【選択図】図１

Description

本発明の実施形態は、音声処理装置、音声処理方法およびプログラムに関する。

近年の通信需要の増大に伴い、無線通信装置（無線移動局及び無線基地局）が急速に普及している。このような状況のなかで秩序を保ち、かつ有効に電波を利用するためには、それぞれの無線通信装置を一定の条件のもとで使用する必要がある。しかしながら、無線通信装置の故障や違法な運用などにより、全ての無線通信装置が条件を満たして運用されているとは言えない状況にある。これらの無線通信装置を放置すると、正常に運用されている無線通信装置の運用に障害を及ぼすおそれがあるため、電波の利用状況を監視して異常電波の発生を防止することが重要になってきている。しかし、電波信号の周波数帯域は広範であり、その全体を人が常時監視するにはコストがかかる。そこで、電波信号から自動的に目的信号を検出する技術に注目が集まっている。

ここで、異常電波による音声通信を検出することを考える。この場合、目的信号は音声（人の発話）である。音響信号から人の発話を自動的に検出する技術として、「発話区間検出」と呼ばれる技術が知られている。発話区間検出は主に音声認識等で用いられる技術であり、これまでに様々な方式が開発されている。この発話区間検出の技術は、異常電波による音声通信を検出する場合にも有用な技術と考えられる。

異常電波の通信者が用いる周波数帯域は、通常は事前に知ることができない。そこで、異常電波の存在する周波数帯域を特定するために、通過させる周波数帯域（通過帯域）が異なる複数のバンドパスフィルタにより構成されるフィルタバンクを用いる方法が考えられる。フィルタバンクによって電波信号を複数のサブバンド信号に分割し、各サブバンド信号を復調した復調信号を対象に発話区間検出を実行することで、発話（音声）が検出されたバンドパスフィルタの通過帯域から異常電波の通信者が用いる周波数帯域を特定することができる。

特開２００７−１７６２０号公報

しかしながら、隣接するバンドパスフィルタ同士の通過帯域がオーバーラップする場合など、フィルタバンクの構成によっては、一つの異常電波が複数のバンドパスフィルタを通過してしまう可能性がある。ここで、異常電波に発話が含まれている場合、複数のバンドパスフィルタに対応する複数の復調信号から、同一の発話が検出されることになる。そのため、例えば、検出された発話を人が聴いて確認する際に同じ発話を何度も聴くことになるなど、確認作業が煩雑になり、異常電波による音声通信の検出を効率よく行えなくなる問題があった。

本発明が解決しようとする課題は、異常電波による音声通信を効率よく検出することができる音声処理装置、音声処理方法およびプログラムを提供することである。

実施形態の音声処理装置は、分割部と、復調部と、検出部と、判定部と、選択部と、を備える。分割部は、通過帯域が異なる複数のバンドパスフィルタより構成されるフィルタバンクを用いて、受信した電波信号を複数のサブバンド信号に分割する。復調部は、前記複数のサブバンド信号を個別に復調して、前記複数のバンドパスフィルタに各々対応する複数の復調信号を生成する。検出部は、発話の尤もらしさを表す信頼度スコアに基づき、前記複数の復調信号の各々から発話を検出する。判定部は、前記複数の復調信号のうち注目する復調信号から検出された発話を第１の発話とし、前記注目する復調信号に対応するバンドパスフィルタに対して通過帯域が近い他のバンドパスフィルタに対応する他の復調信号から検出された発話を第２の発話としたときに、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在する場合に、これら第１の発話と第２の発話が同一の発話であるか否かを判定する。選択部は、第１の発話と第２の発話が同一の発話であると判定された場合に、これら第１の発話と第２の発話のうち、いずれかの発話を選択する。

実施形態の音声処理装置の機能的な構成例を示すブロック図。 実施形態の音声処理装置による処理手順の一例を示すフローチャート。 フィルタバンクの構成例を説明する図。 電波信号中に存在する発話の一例を時間−周波数平面上で表した図。 復調信号の波形例を示す図。 復調信号の波形例を示す図。 復調信号の波形例を示す図。 図５に示す復調信号から発話を検出した結果を示す図。 図６に示す復調信号から発話を検出した結果を示す図。 図７に示す復調信号から発話を検出した結果を示す図。 発話に関する情報の一例を示す図。 音声処理装置のハードウェア構成例を示すブロック図。

以下、添付図面を参照しながら、実施形態の音声処理装置、音声処理方法およびプログラムについて詳細に説明する。本実施形態の音声処理装置は、電波信号から人の発話（音声）を検出し、検出した発話に関する情報を出力する。

まず、本実施形態の音声処理装置の構成について、図１を参照して説明する。図１は、本実施形態の音声処理装置１の機能的な構成例を示すブロック図である。図１に示すように、音声処理装置１は、分割部１１と、複数の復調部１２＿１，１２＿２，・・・，１２＿ｎ（以下、これらを総称して復調部１２と表記する。）と、複数の検出部１３＿１，１３＿２，・・・，１３＿ｎ（以下、これらを総称して検出部１３と表記する。）と、判定部１４と、選択部１５と、出力部１６とを備える。

分割部１１は、通過帯域が異なる複数のバンドパスフィルタより構成されるフィルタバンクを用いて、受信した電波信号を複数のサブバンド信号に分割する。フィルタバンクを構成する複数のバンドパスフィルタは、通過帯域の一部が、隣接するバンドパスフィルタの通過帯域とオーバーラップしていてもよい。

復調部１２は、分割部１１により分割されたサブバンド信号を復調して復調信号を生成する。複数の復調部１２は、各々が個別のサブバンド信号に対応する。すなわち、複数の復調部１２の各々は、フィルタバンクを構成する各バンドパスフィルタを通過した信号であるサブバンド信号を個別に復調する。これにより、フィルタバンクを構成する複数のバンドパスフィルタに各々対応する複数の復調信号が生成される。電波信号の変調および復調部１２によるサブバンド信号の復調の方法としては、例えば、周波数偏移変調（ＦＳＫ）や位相変調（ＰＳＫ）などのデジタル変調であってもよいし、振幅変調（ＡＭ）や周波数変調（ＦＭ）などのアナログ変調であってもよい。

なお、図１では、複数のサブバンド信号に対する復調を並列処理により実行することを想定して、サブバンド信号の数と同じ数（フィルタバンクを構成するバンドパスフィルタの数と同じ数）の復調部１２を備える構成を例示しているが、これに限らない。例えば単一の復調部１２またはサブバンド信号の数よりも少ない数の復調部１２により、複数のサブバンド信号の少なくとも一部に対する復調を時系列で行う構成であってもよい。また、分割部１１により分割された複数のサブバンド信号および復調部１２により復調された複数の復調信号の各々は、信号成分の時間方向の位置を表す共通の時刻情報が付加されているものとする。

検出部１３は、復調部１２により生成された復調信号に対し、発話の尤もらしさを表す信頼度スコアを復調信号の時間方向に沿って算出し、算出した信頼度スコアに基づいて復調信号から発話を検出する。複数の検出部１３は、各々が個別の復調信号に対応する。すなわち、複数の検出部１３の各々は個別の復調部１２に対応して設けられ、各復調部１２により生成された復調信号に対して個別に発話を検出する処理を行う。信頼度スコアに基づいて発話を検出する方法は、例えば特許文献１に記載されている方法など、公知の方法を利用することができる。

なお、図１では、複数の復調信号に対する発話の検出を並列処理により実行することを想定して、サブバンド信号の数と同じ数（フィルタバンクを構成するバンドパスフィルタの数と同じ数）の検出部１３を備える構成を例示しているが、これに限らない。例えば単一の検出部１３または復調信号の数よりも少ない数の検出部１３により、複数の復調信号の少なくとも一部に対する発話の検出を時系列で行う構成であってもよい。

判定部１４は、複数の検出部１３による発話の検出結果をもとに、異なる検出部１３によって異なる復調信号から各々検出された発話の同一性を判定する。ここで、複数の復調信号のうち注目する復調信号から検出された発話を「第１の発話」とし、注目する復調信号に対応するバンドパスフィルタに対して通過帯域が近い他のバンドパスフィルタに対応する復調信号から検出された発話を「第２の発話」とする。なお、ここでいう他のバンドパスフィルタは、注目する復調信号に対応するバンドパスフィルタに対して周波数方向に隣接するバンドパスフィルタとしてもよい。

判定部１４は、まず、注目する復調信号から検出された第１の発話のそれぞれに対し、少なくとも一部の時刻が重なる第２の発話を探索する。そして、探索の結果、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上見つかった場合、これら第１の発話と第２の発話とが同一の発話であるか否かを判定する。判定部１４は、注目する復調信号を切替えながら、複数の復調信号のそれぞれに対し以上の処理を繰り返し行う。

第１の発話と第２の発話が同一の発話であるか否かは、例えば、それぞれの発話が存在する時刻の重なり度合いに基づいて判定することができる。具体的には例えば、第１の発話と第２の発話の開始時刻のずれが所定の時間以内であり、かつ、第１の発話と第２の発話の終了時刻のずれが所定の時間以内である場合に、これらの発話を同一の発話であると判定する。

また、第１の発話と第２の発話が同一の発話であるか否かは、例えば、第１の発話から抽出した特徴量と第２の発話から抽出した特徴量との類似性の評価結果に基づいて判定することができる。ここで用いる特徴量としては、例えば、対数パワーやＭＦＣＣ（Ｍｅｌ−Ｆｒｅｑｕｅｎｃｙ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ）などが挙げられる。また、検出部１３で算出した信頼度スコアを特徴量として用いてもよい。特徴量の類似性を評価する方法としては、例えば、第１の発話と第２の発話からそれぞれ時刻（例えばフレーム）ごとに算出した特徴量の相関係数（例えば内積など）を利用することができる。このとき、第１の発話と第２の発話の時刻が完全に一致しておらず、一部の時刻が重なっている場合には、重なった部分の時刻を用いて特徴量の類似性を評価してもよいし、２つの発話を包含する時刻を用いて特徴量の類似性を評価してもよい。

選択部１５は、判定部１４による判定の結果を利用して、複数の検出部１３により複数の復調信号から各々検出された発話のうち、後述の出力部１６によって情報を出力する対象となる発話を選択する。すなわち、選択部１５は、判定部１４によって第１の発話と第２の発話とが同一の発話であると判定された場合は、これら第１の発話と第２の発話のうちのいずれかの発話、例えば、検出部１３で算出した信頼度スコアが高い方の発話を選択する。また、選択部１５は、判定部１４による処理において、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つも見つからない場合、または、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上見つかったが、これら第１の発話と第２の発話が同一の発話でないと判定された場合は、第１の発話を選択する。

また、選択部１５は、判定部１４により同一の発話と判定された第１の発話と第２の発話のうちのいずれかの発話を選択した場合、選択した発話と選択しなかった発話の時刻が完全に一致していなければ、選択した発話に対して、選択されなかった発話の一部であって選択した発話に時刻が重ならない部分を統合してもよい。この場合、この統合した発話が、後述の出力部１６によって情報を出力する対象となる発話とされる。

出力部１６は、選択部１５により選択された発話に関する情報を出力する。出力部１６が出力する情報としては、例えば、選択部１５により選択された発話の音声信号であってもよいし、発話が検出された復調信号に対応するバンドパスフィルタの番号や、検出された発話が存在する時刻など、選択された発話を特定するための情報であってもよい。また、これらの情報を組み合わせて出力してもよい。さらに、選択した発話の信頼度スコアを付加して出力してもよい。

また、出力部１６は、選択部１５により選択された発話に関する情報と併せて、選択されなかった発話に関する情報を出力してもよい。例えば、選択部１５により選択された発話の音声信号と組み合わせて、選択された発話が検出された復調信号に対応するバンドパスフィルタの番号だけでなく、選択されなかった発話が検出された復調信号に対応するバンドパスフィルタの番号も併せて出力するようにしてもよい。

次に、本実施形態の音声処理装置１の動作について、図２を参照して説明する。図２は、音声処理装置１による処理手順の一例を示すフローチャートである。この図２のフローチャートで示す一連の処理は、電波信号の受信と併せて音声処理装置１により所定周期で繰り返し実行される。

図２のフローチャートで示す処理が開始されると、まず、分割部１１が、受信した電波信号を複数のサブバンド信号に分割する（ステップＳ１０１）。分割部１１によって分割された複数のサブバンド信号は、複数の復調部１２に各々供給される。

次に、複数の復調部１２のそれぞれが、分割部１１から供給されたサブバンド信号を個別に復調して、複数の復調信号を生成する（ステップＳ１０２）。複数の復調部１２により生成された複数の復調信号は、対応する複数の検出部１３に各々供給される。

次に、複数の検出部１３のそれぞれが、発話の尤もらしさを表す信頼度スコアに基づいて、復調部１２から供給された復調信号から発話を検出する（ステップＳ１０３）。複数の検出部１３による発話の検出結果は、判定部１４および選択部１５に供給される。

次に、判定部１４が、複数の検出部１３による発話の検出結果をもとに、異なる検出部１３によって異なる復調信号から各々検出された発話の同一性を判定する処理を行う。すなわち、判定部１４は、まず、注目する復調信号から検出された第１の発話の各々について、第１の発話に対して少なくとも一部の時刻が重なる第２の発話を探索する（ステップＳ１０４）。そして、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在する場合、判定部１４は、これら第１の発話と第２の発話が同一の発話であるか否かを判定する（ステップＳ１０５）。判定部１４は、注目する復調信号を切替えながら、複数の検出部１３により検出されたすべての発話について、ステップＳ１０４およびステップＳ１０５の処理を繰り返し行う。判定部１４による判定の結果は、選択部１５に供給される。

次に、選択部１５が、判定部１４による判定の結果を利用して、複数の検出部１３により複数の復調信号から各々検出された発話のうち、出力部１６によって情報を出力する対象となる発話を選択する（ステップＳ１０６）。選択部１５による選択の結果は出力部１６に供給される。

最後に、出力部１６が、選択部１５により選択された発話に関する情報を、分割部１１から判定部１４までの各部から取得し、例えばディスプレイやスピーカなどの出力装置、ＨＤＤなどのファイル記憶装置、ネットワークに接続された通信Ｉ／Ｆなどに出力する（ステップＳ１０７）。

以上説明したように、本実施形態の音声処理装置１は、受信した電波信号を複数のサブバンド信号に分割し、各サブバンド信号を復調した復調信号から各々発話を検出する。このとき、異なる復調信号から同一の発話が検出された場合は、判定部１４および選択部１５の処理によりいずれかの発話が選択され、選択された発話に関する情報が出力される。したがって、例えば、検出された発話を人が聴いて確認する際に同じ発話を何度も聴くことがなく、確認作業にかかる手間を軽減できるため、異常電波による音声通信の検出を効率よく行うことができる。

次に、具体的な事例を挙げながら、本実施形態の音声処理装置１による処理の一例を説明する。まず、処理対象となる電波信号の具体例と、検出部１３までの処理結果について述べる。

図３は、分割部１１におけるフィルタバンクの構成例を説明する図である。図３に例示するフィルタバンクは、通過帯域の幅が８０００ヘルツである複数のバンドパスフィルタを６０００ヘルツおきに並べることで構成されている。フィルタバンクを構成する個々のバンドパスフィルタは、通過帯域の一部が隣接するバンドパスフィルタの通過帯域とオーバーラップしている。

図４は、電波信号中に存在する発話の一例を時間−周波数平面上で表した図である。本例では、電波信号中に発話Ｕ１１と発話Ｕ１２とが存在しているものとする。図４の左側には図３に例示したフィルタバンクが示されている。本フィルタバンクを用いてこの電波信号を分割すると、バンドパスフィルタＦ１を通過したサブバンド信号とバンドパスフィルタＦ２を通過したサブバンド信号とに、発話Ｕ１１の信号成分が含まれることになる。また、バンドパスフィルタＦ３を通過したサブバンド信号に、発話Ｕ１２の信号成分が含まれることになる。

図５は、バンドパスフィルタＦ１を通過したサブバンド信号を復調して得られる復調信号の波形例を示す図である。図６は、バンドパスフィルタＦ２を通過したサブバンド信号を復調して得られる復調信号の波形例を示す図である。図７は、バンドパスフィルタＦ３を通過したサブバンド信号を復調して得られる復調信号の波形例を示す図である。図中のＴ０およびＴｎは、それぞれ共通の時刻を示している。

図８乃至図１０は、図５乃至図７に示した復調信号に対してそれぞれ検出部１３により発話を検出した結果を示す図である。図中のグラフは、検出部１３で算出した信頼度スコアの時系列を表している。本例では、検出部１３において、信頼度スコアが閾値を上回った区間を発話として検出するものとする。その結果、バンドパスフィルタＦ１に対応する復調信号からは、図８に示すように、２６．４秒から３０．３秒までの区間が発話Ｕ２１として検出されている。また、バンドパスフィルタＦ２に対応する復調信号からは、図９に示すように、２６．１秒から２９．９秒までの区間が発話Ｕ２２として検出されている。また、バンドパスフィルタＦ３に対応する復調信号からは、図１０に示すように、１８．４秒から３８．１秒までの区間が発話Ｕ２３として検出されている。

図１１は、本例における検出部１３によって検出された発話Ｕ２１，Ｕ２２，Ｕ２３に関する情報の一例を示す図である。図中の平均信頼度スコアは、発話区間内における信頼度スコアの平均を示している。

次に、本例における判定部１４、選択部１５および出力部１６の挙動について説明する。

本例における判定部１４は、検出された発話ごとに、当該発話が検出された復調信号に対して、対応するバンドパスフィルタが隣接する他の復調信号から検出された発話であって、当該発話と少なくとも一部の時刻が重なった発話を探索する。この方法によると、判定部１４は、はじめに、バンドパスフィルタＦ１に対応する復調信号から検出された発話Ｕ２１について、隣接するバンドパスフィルタＦ０に対応する復調信号およびバンドパスフィルタＦ２に対応する復調信号に対する検出部１３の結果から、対象となる発話を探索する。本例では、バンドパスフィルタＦ０に対応する復調信号からは発話が検出されず、バンドパスフィルタＦ２に対応する復調信号からは発話Ｕ２２が検出されている。そして、発話Ｕ２２は、２６．４秒から２９．９秒までの区間において、発話Ｕ２１と重なっている。そこで、判定部１４は、発話Ｕ２１と発話Ｕ２２が同一の発話であるか否かを後に判定するため、２つの発話Ｕ２１，Ｕ２２を組にして記憶部に書き込む。

判定部１４は、次に、バンドパスフィルタＦ２に対応する復調信号から検出された発話Ｕ２２について、隣接するバンドパスフィルタＦ１に対応する復調信号およびバンドパスフィルタＦ３に対応する復調信号に対する検出部１３の結果から、対象となる発話を探索する。本例では、バンドパスフィルタＦ１に対応する復調信号からは発話Ｕ２１が検出され、バンドパスフィルタＦ３に対応する復調信号からは発話Ｕ２３が検出されている。そして、発話Ｕ２３は、２６．１秒から２９．９秒までの区間において、発話Ｕ２２と重なっている。そこで、判定部１４は、発話Ｕ２２と発話Ｕ２３が同一の発話であるか否かを後に判定するため、２つの発話Ｕ２２，Ｕ２３を組にして記憶部に書き込む。なお、発話Ｕ２１と発話Ｕ２２の組はすでに記憶部に書き込まれているため、重複を避けるためにここでは新たな書き込みは行わない。

判定部１４は、次に、記憶部に書き込まれた発話の組の各々について、両発話が同一の発話であるか否かを判定する。本例における判定部１４は、２つの発話の重なった時刻を用いて信頼度スコアの相関係数を算出し、相関係数が事前に定めた閾値（ここでは０．６０とする）を上回ったかどうかにより、２つの発話が同一の発話であるか否かを判定するものとする。

まず、発話Ｕ２１と発話Ｕ２２の組については、両発話の重なった時刻である２６．４秒から２９．９秒までの区間において、バンドパスフィルタＦ１に対応する復調信号から算出された信頼度スコアと、バンドパスフィルタＦ２に対応する復調信号から算出された信頼度スコアとの相関係数を求める。その結果、算出された相関係数は０．９１であり、閾値である０．６０を上回るため、判定部１４はこれら２つの発話が同一の発話であると判定する。次に、発話Ｕ２２と発話Ｕ２３の組については、両発話の重なった時刻である２６．１秒から２９．９秒までの区間において、バンドパスフィルタＦ２に対応する復調信号から算出された信頼度スコアと、バンドパスフィルタＦ３に対応する復調信号から算出された信頼度スコアとの相関係数を求める。その結果、算出された相関係数は０．０８であり、閾値である０．６０を下回るため、判定部１４はこれら２つの発話が同一の発話ではないと判定する。

判定部１４での判定結果を受け、本例における選択部１５は、同一と判定された発話が存在しなかった発話については当該発話を選択し、同一と判定された発話が存在した発話については、同一と判定された発話の中で信頼度スコア（例えば平均信頼度スコア）が最も高い発話を選択する。その結果、同一と判定された発話が存在しなかった発話Ｕ２３が、出力部１６による情報出力の対象となる発話として選択される。また、同一と判定された発話Ｕ２１と発話Ｕ２２については、発話Ｕ２２よりも平均信頼度スコアが高い発話Ｕ２１が、出力部１６による情報出力の対象となる発話として選択される。

選択部１５での結果を受け、本例における出力部１６は、選択された発話に関する情報を出力する。例えば出力部１６は、選択された発話Ｕ２１に関する情報として、発話Ｕ２１が検出された復調信号に対応するバンドパスフィルタＦ１の番号、発話の存在する時刻、および平均信頼度スコアなどとともに、発話Ｕ２１の音声信号を出力する。また、出力部１６は、選択された発話Ｕ２３に関する情報として、発話Ｕ２３が検出された復調信号に対応するバンドパスフィルタＦ３の番号、発話の存在する時刻、および平均信頼度スコアなどとともに、発話Ｕ２３の音声信号を出力する。

以上説明したように、本例では、電波信号から分割された複数のサブバンド信号を復号することで得られる複数の復調信号から、電波信号中の同一の発話Ｕ１１を示す２つの発話Ｕ２１，Ｕ２２が検出された。ここで、検出された発話を人が聴いて確認する場合、従来技術の音声区間検出をそのまま適用するだけでは、同一の発話Ｕ１１を示す２つの発話Ｕ２１，Ｕ２２を繰り返し聴くことになり、確認作業が煩雑になる。一方、本実施形態によれば、同一の発話Ｕ１１を示す２つの発話Ｕ２１，Ｕ２２のうちの一方の発話Ｕ２１が情報出力の対象として選択されるので、同一の発話を繰り返し聴くことなく確認を行うことができる。これにより、確認作業にかかる手間を軽減できるため、異常電波による音声通信の検出を効率よく行うことができる。

本実施形態の音声処理装置１は、例えば、汎用のコンピュータシステムを基本ハードウェアとして用い、このコンピュータシステム上で所定のプログラム（ソフトウェア）を実行することによって、上述した各部（分割部１１、復調部１２、検出部１３、判定部１４、選択部１５および出力部１６）を実現することができる。

図１２は、本実施形態の音声処理装置１のハードウェア構成例を示すブロック図である。音声処理装置１は、例えば図１２に示すように、ＣＰＵ１０１などのプロセッサと、ＲＡＭ１０２やＲＯＭ１０３などの記憶装置と、ディスプレイ１１０やスピーカ１２０などの周辺機器との間のデータ入出力を仲介する周辺機器Ｉ／Ｆ１０４と、ＨＤＤ１０５などのファイル記憶装置と、ネットワークを介して外部と通信を行う通信Ｉ／Ｆ１０６と、を備えた通常のコンピュータ装置のハードウェア構成を有する。

このとき、上記のプログラムは、例えば、磁気ディスク（フレキシブルディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＯＭ、ＤＶＤ±Ｒ、ＤＶＤ±ＲＷ、Ｂｌｕ−ｒａｙ（登録商標）Ｄｉｓｃなど）、半導体メモリ、またはこれに類する記録媒体に記録されて提供される。なお、プログラムを記録する記録媒体は、コンピュータシステムが読み取り可能な記録媒体であれば、その記憶形式は何れの形態であってもよい。また、上記プログラムを、コンピュータシステムに予めインストールするように構成してもよいし、ネットワークを介して配布される上記のプログラムをコンピュータシステムに適宜インストールするように構成してもよい。

上記のコンピュータシステムで実行されるプログラムは、本実施形態の音声処理装置１における機能的な構成要素である上述した各部（分割部１１、復調部１２、検出部１３、判定部１４、選択部１５および出力部１６）を含むモジュール構成となっており、プロセッサがこのプログラムを適宜読み出して実行することにより、上述した各部がＲＡＭ１０２などの主記憶上に生成されるようになっている。

なお、本実施形態の音声処理装置１の上述した各部（分割部１１、復調部１２、検出部１３、判定部１４、選択部１５および出力部１６）は、プログラム（ソフトウェア）により実現するだけでなく、その一部または全部を、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などの専用のハードウェアにより実現することもできる。

また、本実施形態の音声処理装置１は、複数台のコンピュータを通信可能に接続したネットワークシステムとして構成し、上述した各部を複数台のコンピュータに分散して実現する構成であってもよい。例えば、分割部１１の機能を持つ１台のコンピュータと、複数の復調部１２および複数の検出部１３のうち、対応する１つずつの復調部１２および検出部１３の機能を持つ複数台のコンピュータと、判定部１４、選択部１５および出力部１６の機能を持つ１台のコンピュータとを通信可能に接続して、本実施形態の音声処理装置１としてもよい。

以上、本発明の実施形態を説明したが、ここで説明した実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。ここで説明した新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。ここで説明した実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ 音声処理装置
１１ 分割部
１２（１２＿１，１２＿２，・・・，１２＿ｎ） 復調部
１３（１３＿１，１３＿２，・・・，１３＿ｎ） 検出部
１４ 判定部
１５ 選択部
１６ 出力部
Ｕ１１，Ｕ１２ （電波信号中に存在する）発話
Ｆ１，Ｆ２，Ｆ３ バンドパスフィルタ
Ｕ２１，Ｕ２２，Ｕ２３ （復調信号から検出された）発話

Claims (11)

1. 通過帯域が異なる複数のバンドパスフィルタより構成されるフィルタバンクを用いて、受信した電波信号を複数のサブバンド信号に分割する分割部と、
   前記複数のサブバンド信号を個別に復調して、前記複数のバンドパスフィルタに各々対応する複数の復調信号を生成する復調部と、
   発話の尤もらしさを表す信頼度スコアに基づき、前記複数の復調信号の各々から発話を検出する検出部と、
   前記複数の復調信号のうち注目する復調信号から検出された発話を第１の発話とし、前記注目する復調信号に対応するバンドパスフィルタに対して通過帯域が近い他のバンドパスフィルタに対応する他の復調信号から検出された発話を第２の発話としたときに、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在する場合に、これら第１の発話と第２の発話が同一の発話であるか否かを判定する判定部と、
   第１の発話と第２の発話が同一の発話であると判定された場合に、これら第１の発話と第２の発話のうち、いずれかの発話を選択する選択部と、を備える音声処理装置。
2. 前記判定部は、第１の発話と第２の発話との時刻の重なり度合いに基づいて、これら第１の発話と第２の発話が同一の発話であるか否かを判定する、請求項１に記載の音声処理装置。
3. 前記判定部は、第１の発話から抽出した特徴量と第２の発話から抽出した特徴量との類似性の評価結果に基づいて、これら第１の発話と第２の発話が同一の発話であるか否かを判定する、請求項１に記載の音声処理装置。
4. 前記選択部は、第１の発話と第２の発話が同一の発話であると判定された場合に、これら第１の発話と第２の発話のうち、前記信頼度スコアが高い発話を選択する、請求項１乃至３のいずれか一項に記載の音声処理装置。
5. 前記選択部は、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が存在しない場合、または第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在するが、これら第１の発話と第２の発話が同一の発話でないと判定された場合は、第１の発話を選択する、請求項１乃至４のいずれか一項に記載の音声処理装置。
6. 前記選択部は、選択した発話に対し、選択しない発話の一部であって選択した発話に時刻が重ならない部分を統合する、請求項１乃至５のいずれか一項に記載の音声処理装置。
7. 選択された発話に関する情報を出力する出力部をさらに備える、請求項１乃至６のいずれか一項に記載の音声処理装置。
8. 前記出力部は、選択された発話に関する情報と併せて、選択されない発話に関する情報をさらに出力する、請求項７に記載の音声処理装置。
9. 前記判定部は、前記複数の復調信号のうち注目する復調信号から検出された発話を第１の発話とし、前記注目する復調信号に対応するバンドパスフィルタに対して周波数方向に隣接する他のバンドパスフィルタに対応する他の復調信号から検出された発話を第２の発話としたときに、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在する場合に、これら第１の発話と第２の発話が同一の発話であるか否かを判定する、請求項１乃至８のいずれか一項に記載の音声処理装置。
10. 音声処理装置により実行される音声処理方法であって、
    通過帯域が異なる複数のバンドパスフィルタより構成されるフィルタバンクを用いて、受信した電波信号を複数のサブバンド信号に分割するステップと、
    前記複数のサブバンド信号を個別に復調して、前記複数のバンドパスフィルタに各々対応する複数の復調信号を生成するステップと、
    発話の尤もらしさを表す信頼度スコアに基づき、前記複数の復調信号の各々から発話を検出するステップと、
    前記複数の復調信号のうち注目する復調信号から検出された発話を第１の発話とし、前記注目する復調信号に対応するバンドパスフィルタに対して通過帯域が近い他のバンドパスフィルタに対応する他の復調信号から検出された発話を第２の発話としたときに、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在する場合に、これら第１の発話と第２の発話が同一の発話であるか否かを判定するステップと、
    第１の発話と第２の発話が同一の発話であると判定された場合に、これら第１の発話と第２の発話のうち、いずれかの発話を選択するステップと、を含む音声処理方法。
11. コンピュータに、
    通過帯域が異なる複数のバンドパスフィルタより構成されるフィルタバンクを用いて、受信した電波信号を複数のサブバンド信号に分割する機能と、
    前記複数のサブバンド信号を個別に復調して、前記複数のバンドパスフィルタに各々対応する複数の復調信号を生成する機能と、
    発話の尤もらしさを表す信頼度スコアに基づき、前記複数の復調信号の各々から発話を検出する機能と、
    前記複数の復調信号のうち注目する復調信号から検出された発話を第１の発話とし、注目する復調信号に対応するバンドパスフィルタに対して通過帯域が近い他のバンドパスフィルタに対応する他の復調信号から検出された発話を第２の発話としたときに、第１の発話に対して少なくとも一部の時刻が重なる第２の発話が１つ以上存在する場合に、これら第１の発話と第２の発話が同一の発話であるか否かを判定する機能と、
    第１の発話と第２の発話が同一の発話であると判定された場合に、これら第１の発話と第２の発話のうち、いずれかの発話を選択する機能と、を実現させるためのプログラム。

Images