JP2022126314A - 録音装置、録音プログラム、及び録音方法 - Google Patents

Abstract

【課題】 所望する音声呼又はモデム呼を区別して録音できる録音装置を提供する。【解決手段】 本発明の録音装置は、ネットワークから通信端末間で送受信される通信パケットの複製パケットを取得する複製パケット取得手段と、前記複製パケットに含まれる通信音に基づいて、当該通信音がモデム呼又は音声呼のいずれであるかを判定する判定手段と、前記判定手段の判定結果が所望の呼である場合に、記録部に判定した前記通信音を録音データとして順次記録する蓄積手段とを有する。【選択図】 図１

Description

本発明は、録音装置、録音プログラム、及び録音方法に関し、例えば、モデム呼と音声呼とが混在する通信ネットワークをモニタリングし、通信音を録音する録音装置に適用し得る。

近年、ＶｏＩＰ（Ｖｏｉｃｅ ｏｖｅｒ Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）技術を使用したＩＰ電話、モデム機器等の普及が進んでいる。

また、これらの装置の普及に伴い、通信ネットワークからＩＰ（例えば、ＲＴＰ（Ｒｅａｌ－ｔｉｍｅ Ｔｒａｎｓｐｏｒｔ Ｐｒｏｔｏｃｏｌ））パケットをミラーリング(複製)し、複製したパケット内に含まれる通信音（音声呼やモデム呼）を記録（録音）して管理するための様々な技術が存在している（例えば、特許文献１～４参照）。

録音データが音声呼の場合には、例えば、電話サービス等において、音声品質を客観的に評価（例えば、ＭＯＳ（Ｍｅａｎ Ｏｐｉｎｉｏｎ Ｓｃｏｒｅ）値による評価）するために、使用される。

また、録音データがモデム呼の場合には、例えば、モデム通信を利用した機器の制御が正常に行われているか解析するために使用される。

特開２００７－２８２００４号公報 特開２０１５－１７７４１１号公報 特開２０１５－１９８３５８号公報 特開２０１８－１７４４３８号公報 特開２００１－２８２２６６号公報 特開２０１１―７００８４号公報 特開２０１７－１８４０６２号公報 特開２０２０－１１５０９６号公報

しかしながら、従来技術（上述の特許文献１～４に記載の技術を含む、従来技術）では、音声呼とモデム呼が混在していても、音声呼とモデム呼を区別することなく全て録音してしまう。

例えば、モデム通信問題解析のためモデム呼の録音データが必要な場合、不要な音声呼も録音することにより、下記の問題が生じる。

第１に、不要な音声呼分の容量によって、記録装置（例えば、ハードディスク（ＨＤＤ））容量を大量に消費してしまう。即ち、大容量のＨＤＤを準備するためのコストが増大することになる。第２に、録音データ量が膨大となり、かつ、音声呼、モデム呼の録音データが混在するので、解析作業の時間、労力が増大することになる。第３に、不必要な音声呼の録音データが記録装置に残ってしまうことにより、情報漏洩のリスクが高くなる。

一方、音声呼の解析のみを行いたい場合でも、上記第１～第３と同様の問題が生じることになる。

そのため、所望する音声呼又はモデム呼を区別して録音できる録音装置、録音プログラム、及び録音方法が望まれている。

第１の本発明の録音装置は、（１）ネットワークから通信端末間で送受信される通信パケットの複製パケットを取得する複製パケット取得手段と、（２）前記複製パケットに含まれる通信音に基づいて、当該通信音がモデム呼又は音声呼のいずれであるかを判定する判定手段と、（３）前記判定手段の判定結果が所望の呼である場合に、記録部に判定した前記通信音を録音データとして順次記録する蓄積手段とを有することを特徴とする。

第２の本発明の録音プログラムは、コンピュータを（１）ネットワークから通信端末間で送受信される通信パケットの複製パケットを取得する複製パケット取得手段と、（２）前記複製パケットに含まれる通信音に基づいて、当該通信音がモデム呼又は音声呼のいずれであるかを判定する判定手段と、（３）前記判定手段の判定結果が所望の呼である場合に、記録部に判定した前記通信音を録音データとして順次記録する蓄積手段として機能させることを特徴とする。

第３の本発明は、録音装置に使用する録音方法であって、（１）複製パケット取得手段とは、ネットワークから通信端末間で送受信される通信パケットの複製パケットを取得し、（２）判定手段は、前記複製パケットに含まれる通信音に基づいて、当該通信音がモデム呼又は音声呼のいずれであるかを判定し、（３）蓄積手段は、前記判定手段の判定結果が所望の呼である場合に、記録部に判定した前記通信音を録音データとして順次記録することを特徴とする。

本発明によれば、所望する音声呼又はモデム呼を区別して録音できる。

第１の実施形態に係る録音装置を含む各装置の接続構成の例について示すブロック図である。 第１の実施形態に係る録音装置の全体的な動作について示すフローチャートである。 第１の実施形態に係るモデム呼／音声呼判定部に適用される周波数検出装置の構成を示す構成図である。 第１の実施形態に係るモデム呼／音声呼判定部で判別するモデム呼特有の信号の一例を示す説明図である。 第２の実施形態に係る録音装置を含む各装置の接続構成の例について示すブロック図である。 第２の実施形態に係る音声信号の信号レベルのヒストグラム分布の一例を説明する説明図である。 第２の実施形態に係るモデム信号の信号レベルのヒストグラム分布の一例を説明する説明図である。 第２の実施形態に係る音声検出装手段の機能的構成を示したブロック図である。 第２の実施形態に係るＲＢＴ除去フィルタ部及び通話区間判定部における通話区間判定を実行する際の処理（主に、通話区間判定を行う前段階の処理）を示すフローチャートである。 第２の実施形態に係る通話区間判定部における通話区間判定の詳細処理を示すフローチャートである。 第２の実施形態に係る信号レベルヒストグラム生成部及び判定処理部の詳細処理を示すフローチャートである。 第２の実施形態に係る音声信号及びモデム信号のヒストグラムデータの一例を示す説明図である。 変形実施形態に係るＰＢ信号無音化装置を含むＰＢ信号を無音化する具体例を示す説明図である。 変形実施形態に係るＰＢ信号検出器の一例を示す構成図である。 変形実施形態に係るダイヤルパルス信号無音化装置の一例を示す構成図である。

（Ａ）第１の実施形態
以下では、録音装置、録音プログラム、及び録音方法の第１の実施形態を、図面を参照しながら詳細に説明する。

（Ａ－１）第１の実施形態の構成
（Ａ－１－１）全体構成
図１は、第１の実施形態に係る録音装置を含む各装置の接続構成の例について示すブロック図である。

図１では、通信端末１０が、固定電話回線（アナログ電話回線）に接続されており、当該固定電話回線がＩＰ網５０（ＶｏＩＰ網）を中継して通信端末６０に接続される構成について示している。

通信端末１０及び通信端末６０の種類（例えば、電話機やモデム端末（ＦＡＸ等を含む））や、対応する通信方式は限定されないものである。

図１の構成では、通信端末１０に接続された固定電話回線（アナログ電話回線）が交換機２０、ゲートウェイ装置３０、及びスイッチ４０（ＳＷ４０）を経由してＩＰ網５０に接続されている。また、図１では、ＩＰ網５０と通信端末６０との間の接続構成については図示を省略しているが、種々の接続構成を適用することができる。

交換機２０は、近端側（通信端末１０）から供給されるアナログ信号を受信し、ディジタル変換して遠端側の伝送路（固定電話回線の伝送路）に送出する。また、交換機２０は、遠端側（通信端末６０）の伝送路から供給されたディジタル信号をアナログ信号に変換し、通信端末１０側に供給する。

ゲートウェイ装置３０は、固定電話回線をＩＰ網５０に接続する中継装置である。なお、ゲートウェイ装置３０には、近端側の固定電話回線を終端する際に、近端側のエコーを制御するための適応エコーキャンセラ等が備えられていても良い。

スイッチ４０は、ゲートウェイ装置３０及びＩＰ網５０間に配置される中継装置である。また、スイッチ４０は、通信端末１０及び通信端末６０間で通信される通信音（音声呼、モデム呼）が含まれるパケット（例えば、ＲＴＰパケット）を取得し、後述する録音装置８０に転送する。パケットの取得方法は特に限定されないが、例えば、ミラーリングポートから出力されたパケットを受信し、モニタ対象となる通信端末１０及び通信端末６０に関するＲＴＰパケットを抽出する等である。

録音装置８０は、スイッチ４０から転送されたパケットの内、音声呼又はモデム呼のいずれかを録音する装置である。また、この実施形態では、録音装置８０は、リアルタイムで通信端末１０及び通信端末６０間の通信パケットの内、音声呼又はモデム呼のいずれかを録音することとなるが、別段リアルタイムで行う必要も無く、所定のタイミングでデータ（パケット）を与えて、音声呼又はモデム呼のいずれかを録音しても良い。

（Ａ－１－２）録音装置８０の詳細構成
図１において、録音装置８０は、一次記録部８１と、モデム呼／音声呼判定部８２と、録音データ蓄積部８３と、記録部８４と、複製パケット取得手段としての通信部８５とを有する。

録音装置８０は、プロセッサやメモリ等を有するコンピュータにプログラム（実施形態に係る録音プログラム）をインストールして実現するようにしてもよいが、この場合でも、録音装置８０は機能的には図１を用いて示すことができる。なお、録音装置８０については一部又は全部をハードウェア的に実現するようにしても良い。

一次記録部８１は、スイッチ４０から転送されたミラーリングしたパケットに含まれる通信音を一次記録媒体に録音するものである。一次記録媒体は、例えば、メモリ、ＨＤＤ等である。一次記録部８１に記録されたデータは、後述するモデム呼／音声呼判定部８２の判定結果に関わらず、所定のタイミングで削除される。なお、変形例として、一次記録部８１は、省略しても良い。この場合、後述するモデム呼／音声呼判定部８２に、ＳＷ４０から取得した通信音が入力信号としてそのまま入力されることになる。

モデム呼／音声呼判定部８２は、一次記録部８１に記録された通信音がモデム呼か、又は音声呼かを判定するものである。

第１の実施形態では、モデム呼／音声呼判定部８２は、モデム呼固有の信号検出ができたか否かにより、通信音がモデム呼か音声呼かを判定する。モデム呼固有の信号とは、着側モデムの応答信号（２１００Ｈｚ）やＩＴＵ－Ｔ勧告Ｖシリーズのモデム通信で出現する単周波信号である。モデム呼／音声呼判定部８２は、通信音の判定結果を後述する録音データ蓄積部８３に与える。

録音データ蓄積部８３は、モデム呼／音声呼判定部８２の判定結果が所望の呼の場合には、記録部８４に通信音（録音データ）を記録する。

なお、録音データ蓄積部８３は、双方向の音声（通信端末１０及び通信端末６０間の音声データ）は、基本的に分離して記録部８４に記録するが、双方向の音声データを加算して合成した上で記録部８４に記録しても良い。記録部８４のＨＤＤ容量の節約となるためである。

記録部８４は、録音データ蓄積部８３が所望の呼と判断した通信音（モデム呼又は音声呼）を記憶するものである。記録部８４は、例えば、ＨＤＤ等で構成される。

通信部８５は、スイッチ４０との間で通信を行い、ミラーリングされた通信パケット（通信音）を取得するものである。

（Ａ－２）第１の実施形態の動作
次に、以上のような構成を有する第１の実施形態の録音装置８０の動作を説明する。

（Ａ－２－１）録音装置８０の全体的な動作
図２は、第１の実施形態に係る録音装置の全体的な動作について示すフローチャートである。

録音装置８０は、通信部８５を介してＳＷ４０でミラーリングした通信端末１０及び通信端末６０間のパケットに含まれる通信音を取得（受信）する（Ｓ１１）。

録音装置８０は、取得した通信音を一次記録部８１に記録する（Ｓ１２）。

録音装置８０のモデム呼／音声呼判定部８２は、一次記録部８１に記録した通信音がモデム呼か否かを判定する（Ｓ１３）。モデム呼／音声呼判定部８２は判定結果を録音データ蓄積部８３に与える。なお、第１の実施形態では、通信音がモデム呼ではないと判定された場合には、音声呼とみなすこととする。

録音装置８０の録音データ蓄積部８３は、上述のステップＳ１３の判定結果が所望の呼と一致するか否か判定する（Ｓ１４）。なお、ここでの所望の呼は、例えば、設定ファイル等に予め記録されたデータ（モデム呼又は音声呼のいずれを記憶するかが明示されたデータ）に基づき判定される。

録音装置８０の録音データ蓄積部８３は、判別された通信音が所望の呼と一致する場合のみ、記録部８４に当該通信音を録音データとして記録する（Ｓ１５）。

（Ａ－２－２）モデム呼固有の信号検出動作（ステップＳ１３の詳細動作）
次に、モデム呼／音声呼判定部８２がモデム呼固有の信号を検出する方法を述べる。ここでは、時間領域で、単一周波数信号（モデム呼固有の信号）を検出する方法を述べる（その他にも、例えば特許文献８に記載の技術も適用できる）。

図３は、第１の実施形態に係るモデム呼／音声呼判定部に適用される周波数検出装置の構成を示す構成図である。

図３に示すように、帯域通過フィルタ（ＢＰＦ：Ｂａｎｄ Ｐａｓｓ Ｆｉｌｔｅｒ）１１０には、所望する選択帯域信号が０ｄＢ伝送できるように前もって設定しておく。ＢＰＦ１１０を０ｄＢ伝送できる選択帯域信号を「Ｓ」とし、選択帯域外信号を「Ｎ」とすると、入力信号は「Ｓ＋Ｎ」、ＢＰＦ出力信号は「Ｓ」と表すことができる。

判定器１２０は、選択帯域信号Ｓの平均電力ＰＯＷ＿Ｓの値と帯域外信号Ｎの平均電力ＰＯＷ＿Ｎの値とを算出し、さらに信号対雑音比ＳＮＲを算出する。

選択帯域信号Ｓの平均電力ＰＯＷ＿Ｓの値が事前に定義した閾値ＴＨ＿ＰＯＷ＿Ｓ以上、かつ、信号対雑音比ＳＮＲが事前に定義した閾値ＴＨ＿ＳＮＲ以上であるとき、入力信号はＢＰＦを通過可能な単一周波数信号であると判定することができる。

これを具体的に式で表現すると以下の通りとなる。
ＰＯＷ＿Ｓ＝＜Ｓ^２＞ …（Ａ１）
ＰＯＷ＿Ｎ＝＜（Ｓ＋Ｎ）^２＞－ＰＯＷ＿Ｓ
＝＜Ｓ^２＋２ＳＮ＋Ｎ^２＞－ＰＯＷ＿Ｓ
＝＜Ｓ^２＞＋２＜ＳＮ＞＋＜Ｎ^２＞－ＰＯＷ＿Ｓ
＝＜Ｓ^２＞＋＜Ｎ^２＞－ＰＯＷ＿Ｓ
＝＜Ｎ^２＞ …（Ａ２）
ＳＮＲ＝１０ｌｏｇ₁₀（ＰＯＷ＿Ｓ／ＰＯＷ＿Ｎ） …（Ａ３）

ＰＯＷ＿Ｓ≧ＴＨ＿ＰＯＷ＿Ｓ、かつ、ＳＮＲ≧ＴＨ＿ＳＮＲならば、入力信号は選定した単一周波数である。これ以外のときは選定した単一周波数ではない。

ここで、上記式において、演算子＜＞は時間平均を表し、単一周波数信号Ｓとこれ以外の信号Ｎとの積ＳＮの平均値＜ＳＮ＞はゼロである。

図４は、第１の実施形態に係るモデム呼／音声呼判定部で判別するモデム呼特有の信号の一例を示す説明図である。

モデム呼／音声呼判定部８２は、例えば、図４に示したモデム通信規格の中から所望するモデム通信規格で使用される単一周波数信号を上述の図３の周波数検出装置１００に設定して、当該モデム信号を判別することになる。判別したいモデム信号が複数存在する場合には、周波数検出装置１００を並列的に構成すれば良い。

なお、２１００Ｈｚ単一周波数信号は、４５０ｍｓ周期で位相反転したり、ＡＭ変調が加わる場合があるが、これらは区別しなくても良い。又は区別して、信号種別を記載したログを記録部８４に録音データと共に記録しても良い。

（Ａ－３）第１の実施形態の効果
第１の実施形態によれば、以下のような効果を奏することができる。

録音装置８０は、通信音の内、必要とする呼（音声呼又はモデム呼）のみ録音データとして記録部８４に記録することにより、記録容量の節約をすることが可能となった。

また、所望呼のみ記録部８４に記録することにより、音声呼及びモデム呼の録音データが混在することが無くなったことにより、いずれかの呼の解析作業をスムーズに行うことが可能となった。

さらに、所望呼ではない不必要なデータは、記録部８４に記録しないために、情報漏洩のリスクを低減できる。

（Ｂ）第２の実施形態
以下では、録音装置、録音プログラム、及び録音方法の第２の実施形態を、図面を参照しながら詳細に説明する。

（Ｂ－１）第２の実施形態の構成
（Ｂ－１－１）全体構成
図５は、第２の実施形態に係る録音装置を含む各装置の接続構成の例について示すブロック図である。上述の図１の接続構成（第１の実施形態の接続構成）との相違は、図５では、録音装置８０の代わりに、録音装置８０Ａが適用される点である。

また、図５において、録音装置８０Ａは、一次記録部８１と、モデム呼／音声呼判定部８２Ａと、録音データ蓄積部８３と、記録部８４と、通信部８５とを有する。録音装置８０Ａは、上述のモデム呼／音声呼判定部８２の代わりに、モデム呼／音声呼判定部８２Ａが適用される点が第１の実施形態の録音装置８０と異なる。以下では、第１の実施形態と異なる点を中心に説明を行う。

第２の実施形態のモデム呼／音声呼判定部８２Ａは、音声検出装置７０を備える。音声検出装置７０は、音声信号が他の信号（モデム信号等）に比べて、信号レベルの変動が大きいという特徴から、信号レベルのヒストグラム分布に基づき、入力信号（通信音）が音声信号（音声呼）か否か（言い換えれば、音声信号かモデム信号か）を判定する。

図６は、第２の実施形態に係る音声信号の信号レベルのヒストグラム分布の一例を説明する説明図である。図６（Ａ）では、一定時間（８秒間）の音声信号の波形の一例を示している。また、図６（Ｂ）では、横軸を時間とし、縦軸を信号レベル（信号パワー）とし、図６（Ａ）の音声信号の信号レベルを５ｍｓ周期で示している。そして、図６（Ｃ）では、横軸を信号レベル軸とし、縦軸を信号レベルの回数とし、図６（Ｂ）の信号レベルごとの回数のヒストグラムを示している。

一方、図７は、第２の実施形態に係るモデム信号の信号レベルのヒストグラム分布の一例を説明する説明図である。図７（Ａ）～（Ｃ）では、上述の図６（Ａ）～（Ｃ）と同様に、モデム信号（Ｇ３ ＦＡＸ）の各情報を示している。

ここで、音声信号の信号レベルのヒストグラム分布（図６（Ｃ））と、モデム信号の信号レベルのヒストグラム分布（図７（Ｃ））とを比較すると、音声信号はヒストグラムでの分布が散らばっているのに対して、モデム信号は一定信号レベルに集中しているのが分かる。

そこで、第２の実施形態では、入力信号に対して有音判定を行った後、所定時間分の有音区間を抽出して信号レベルのヒストグラムを生成し、ヒストグラムの分散値等を参照することにより、入力信号が音声か否かを判定する。これにより、例えば、特許文献５に記載の手法（自己相関）を用いるよりも、少ない演算量で音声を検出することができる。

（Ｂ－１－２）音声検出部の詳細構成
図８は、第２の実施形態に係る音声検出装置の機能的構成を示したブロック図である。

図８において、音声検出装置７０は、ＲＢＴ除去フィルタ部７１と、通話区間判定部７２と、無音区間除去有音抽出部７３と、信号レベルヒストグラム生成部７４と、判定処理部７５とを有する。

ＲＢＴ除去フィルタ部７１は、入力信号からリングバックトーン（ＲＢＴ）の周波数帯域（４００±２０Ｈｚ）を除去するフィルタである。なお、ダイヤルトーン、ビジートーンも、ＲＢＴと同程度の周波数帯域であるため、当該フィルタにより該当する周波数帯域が除去されることになる。

通話区間判定部７２は、入力信号に対して通話区間を判定する機能部である。通話区間判定部７２は、例えば、日本国では、ＲＢＴが１秒オン、２秒オフの繰り返しで、実行される性質に着目して、一次記録部８１から与えられた入力信号の信号レベルと、ＲＢＴ除去フィルタ部７１でフィルタ処理を施した入力信号の信号レベルとの差分からＲＢＴ区間を判定し、ＲＢＴ区間が終わった直後を通話区間と判定する。また、通話区間判定部７２は、所定時間（例えば、８秒）、ＲＢＴが検出されない場合、ＲＢＴ区間は無いと判定する。そして、通話区間判定部７２は、判定結果を無音区間除去有音抽出部７３に送付する。

無音区間除去有音抽出部７３は、通話区間判定部７２で判定された通話区間から無音区間を除去し、所定時間分の有音区間を抽出する。通話区間判定部７２で判定した通話区間は、ＲＢＴ区間以外の区間を意味するため、まず、無音区間除去有音抽出部７３は、通話区間から話者が話をしていないと判断できる無音区間を除去する。無音区間除去有音抽出部７３が、通話区間から無音区間を除去する方法は、種々様々な方法を適用することができるが、例えば、特許文献６に記載の技術を用いて、有音無音判定を行い、通話区間内の無音区間を判定し、判定した無音区間を通話区間から除去する等の方法を用いても良い。

無音区間除去有音抽出部７３は、通話区間から無音区間を除去した残りの有音区間から所定時間分（例えば、８秒間）の有音区間を抽出する（以下、抽出した区間を「抽出有音区間」と呼ぶものとする）。無音区間除去有音抽出部７３は、抽出した抽出有音区間の情報（例えば、抽出有音区間内の信号レベルの情報）を信号レベルヒストグラム生成部７４に与える。

信号レベルヒストグラム生成部７４は、抽出有音区間内の単位時間（例えば、５ｍｓ）あたりの信号レベルの回数を積算し、ヒストグラムデータを生成する。信号レベルヒストグラム生成部７４は生成したヒストグラムデータを判定処理部７５に与える。

判定処理部７５は、信号レベルヒストグラム生成部７４から与えられたヒストグラムデータ（抽出有音区間）の有音（例えば－４０ｄＢｍ以上）の上位ｎ個（ｎの値は例えば１５）を降順に並べる。有音を示すヒストグラムデータがｎ個未満の場合は、ｎ個未満のヒストグラムデータを用いることとなる。降順に並べたヒストグラムにて計算した合計値（回数の合計値）が、閾値Ｔ１（例えば、数百個）未満の場合、無音（又は有音区間が短い）と判定する。さらに、判定処理部７５は、降順に並べたヒストグラムにて計算した分散値（ｄｉｖ）が閾値Ｔ２（例えば、３５）より大きい場合、音声であると判定し、一方、閾値Ｔ２未満の場合、モデム、ＦＡＸ、ＤＴＭＦ、保留音などの音声以外の他の信号と判定する。判定処理部７５は、判定結果を録音データ蓄積部８３に与える。

（Ｂ－２）第２の実施形態の動作
次に、以上のような構成を有する第２の実施形態の録音装置８０Ａの動作を説明する。

第２の実施形態の録音装置８０Ａの全体的な動作は、上述の図２で示した録音装置８０と同様である。ただし、上述のステップＳ１３の処理（通信音の判定処理）が第１の実施形態と異なるので、以下では、異なる点を中心に説明する。

モデム呼／音声呼判定部８２Ａ（音声検出装置７０）は、一次記録部８１から通信音（入力信号Ｓ１）を取得すると処理を開始する。入力信号Ｓ１は、例えば、所定長（例えば５ｍｓ）のフレーム期間に区切られた単位で与えられる。以下、分割された入力信号Ｓ１をフレーム単位で表現するときにＳ１（ｆ）と呼ぶものとする。つまり、「（ｆ）」は、ｆ番目のフレームにおけるパラメータ値を示す（後述するＳ２、Ｐ１、Ｐ２、Ｐ１´、Ｐ２´、Ｌも同様である）。

図９は、第２の実施形態に係るＲＢＴ除去フィルタ部及び通話区間判定部における通話区間判定を実行する際の処理（主に、通話区間判定を行う前段階の処理）を示すフローチャートである。

まず、ＲＢＴ除去フィルタ部７１は、入力信号Ｓ１（ｆ）からＲＢＴ周波数（周波数４００±２０Ｈｚ）の成分を取り除く。以下、入力信号Ｓ１（ｆ）に対してＲＢＴ除去フィルタ部７１によるフィルタリング処理を施した入力信号を「ＲＢＴ除去フィルタ通過信号Ｓ２（ｆ）」と呼ぶものとする。ＲＢＴ除去フィルタ部７１は、ＲＢＴ除去フィルタ通過信号Ｓ２（ｆ）を通話区間判定部７２に与える。

通話区間判定部７２では、まず、入力信号Ｓ１（ｆ）とＲＢＴ除去フィルタ通過信号Ｓ２（ｆ）のそれぞれに対して、信号レベルを算出する（Ｓ１０１）。信号レベルの算出方法は種々様々であるが、例えば、入力信号を２乗積分して求めても良い。以下、入力信号Ｓ１（ｆ）に対して２乗積分した結果を「信号レベルＰ１（ｆ）」と呼び、ＲＢＴ除去フィルタ通過信号Ｓ２（ｆ）に対して２乗積分した結果を「信号レベルＰ２（ｆ）」と呼ぶものとする。

次に、通話区間判定部７２では、ＬＰＦ（Ｌｏｗ Ｐａｓｓ Ｆｉｌｔｅｒ）に信号レベルＰ１（ｆ）、信号レベルＰ２（ｆ）を入力し、その周波数特性における低域成分を通過させた信号を、出力する（Ｓ１０２）。以下、信号レベルＰ１（ｆ）に対してＬＰＦ処理を施した結果を「信号レベルＰ１´（ｆ）」と呼び、ＲＢＴ除去フィルタ通過信号Ｓ２（ｆ）に対してＬＰＦ処理を施した結果を「信号レベルＰ２´（ｆ）」と呼ぶものとする。

なお、適用するＬＰＦの構成及びパラメータ値等は種々様々な値を適用することができる（例えば、ＣＲ＝８ｍｓ（時定数）と設定しても良い）。また、ＬＰＦの適用は省略しても良い。

次に、信号レベルＰ１´（ｆ）及び信号レベルＰ２´（ｆ）の電力の単位をｄＢｍに変換し（Ｓ１０３）、以下の（１）式により信号レベル差Ｌ（ｆ）（ｄＢ）を算出する（Ｓ１０４）。
Ｌ（ｆ）＝Ｐ１´（ｆ）－Ｐ２´（ｆ） …（１）

次に、上記で算出した信号レベル差Ｌ（ｆ）を用いて入力信号に対して通話区間判定を実行するステップＳ１０５の処理（通話区間とＲＢＴ区間の切り分け処理）を説明する。

図１０は、第２の実施形態に係る通話区間判定部における通話区間判定処理の詳細を示すフローチャートである。

上述のステップＳ１０１～Ｓ１０４の処理により算出された信号レベル差Ｌ（ｆ）（例えば５ｍｓのフレーム期間ごとの信号レベル差）が入力されると、処理を開始する。

通話区間判定部７２は、所定時間（例えば、１００ｍｓ）内で１０ｄＢ以上の信号レベル差を検出したか否か判定する（Ｓ１０５－１）。例えば、通話区間判定部７２は、５ｍｓのフレーム期間ごとの信号レベル差Ｌ（ｆ）が２０回連続して１０ｄＢ以上となるか否かで判定を行う（この他にも、平均値、中央値等の種々様々な統計値を用いて判定しても良い）。通話区間判定部７２は、所定時間（例えば、１００ｍｓ）内で１０ｄＢ以上の信号レベル差を検出した場合、次のステップＳ１０５－２の処理を実行し、一方、１０ｄＢ以上の信号レベル差を検出しない場合、後述するステップＳ１０５－６の処理に移行する。

通話区間判定部７２は、上述のステップＳ１０５－１の処理により所定時間内で１０ｄＢ以上の信号レベル差を検出した場合、ＲＢＴを検出（ＲＢＴ区間の始まりを検出）したと判定する（Ｓ１０５－２）。

通話区間判定部７２は、ＲＢＴを検出後、１０ｄＢ未満の信号レベル差Ｌ（ｆ）を検出したか否か判定する（Ｓ１０５－３）。通話区間判定部７２は、１０ｄＢ未満の信号レベル差Ｌ（ｆ）を検出した場合のみ、次のステップＳ１０５－４の処理を実行する。

続けて、通話区間判定部７２は、上述のＳ１０５－３で、１０ｄＢ未満の信号レベル差Ｌ（ｆ）を検出後、２．５秒間１０ｄＢ以上の信号レベル差Ｌを未検出か否か判定する（Ｓ１０５－４）。例えば、通話区間判定部７２は、５ｍｓのフレーム期間ごとの信号レベル差Ｌ（ｆ）が５００回連続して１０ｄＢ未満か否かで判定を行う（他にも、信号レベル差Ｌ（ｆ）が平均して１０ｄＢ未満か否か等の統計値で判定しても良い）。通話区間判定部７２は、１０ｄＢ以上の信号レベル差Ｌを検出しない場合のみ（つまり、１０ｄＢ未満の信号レベル差Ｌを継続検出した場合のみ）、次のステップＳ１０５－５の処理を実行する。

通話区間判定部７２は、上述のステップＳ１０５－２の処理でＲＢＴを検出してから最後に１０ｄＢ以上の信号レベル差Ｌ（ｆ）を検出した箇所までをＲＢＴ区間と判定し、残余の区間を通話区間と判定する（Ｓ１０５－５）。

一方、通話区間判定部７２は、上述のステップＳ１０５－１の処理により所定時間内（１００ｍｓ）で１０ｄＢ以上の信号レベル差Ｌ（ｆ）を検出しない場合、所定時間（例えば、８秒）経過したか否か判定する（Ｓ１０５－６）。通話区間判定部７２は、８秒間１０ｄＢ以上の信号レベル差Ｌ（ｆ）を検出しない場合のみ、次の処理を実行する。

通話区間判定部７２は、８秒間１０ｄＢ以上の信号レベル差Ｌ（ｆ）を検出しない場合、ＲＢＴ区間は無い（言い換えれば、８秒の判定区間は通話区間）と判定する（Ｓ１０５－７）。

通話区間判定部７２は、上述のステップＳ１０５－５、Ｓ１０５－７で判定した通話区間の判定結果（通話区間の情報）を無音区間除去有音抽出部７３に与える。

無音区間除去有音抽出部７３は、上述の判定結果（通話区間の情報）を基に、ＲＢＴ除去フィルタ通過信号Ｓ２の通話区間から無音区間を除去する処理を行う。通話区間から無音区間を除去する処理は、例えば、特許文献６に記載の技術により無音と判定された区間をＲＢＴ除去フィルタ通過信号Ｓ２の通話区間から除去し、除去した残りの通話区間、つまり有音区間（話をしている可能性のある区間（又はモデム信号の可能性がある区間））から所定時間分（例えば、８秒間）を抽出する。

無音区間除去有音抽出部７３は、所定時間分を抽出した抽出有音区間の情報（例えば、抽出有音区間内の信号レベルＰ２´の情報）を信号レベルヒストグラム生成部７４に与える。

図１１は、第２の実施形態に係る信号レベルヒストグラム生成部及び判定処理部の詳細処理を示すフローチャートである。

信号レベルヒストグラム生成部７４は、抽出有音区間内の信号レベルのヒストグラム（信号レベルごとの回数）を生成する（Ｓ２０１）。信号レベルヒストグラム生成部７４は、抽出有音区間内の信号レベルのヒストグラムを判定処理部７５に与える。

判定処理部７５は、信号レベルヒストグラム生成部７４から与えられたヒストグラムデータ（抽出有音区間）を降順に並べる（Ｓ２０２）。

例えば、図１２は、音声信号及びモデム信号（ＦＡＸ信号）のヒストグラムデータを降順に並べた一例を示す説明図である。図１２（Ａ）は、抽出有音区間内の音声信号ヒストグラムデータの一例を示しており、図１２（Ｂ）は、図１２（Ａ）の有音（例えば－４０ｄＢｍ以上）の上位ｎ個（ｎの値は例えば１５）を降順に並べた結果を示している。一方、図１２（Ｃ）は、抽出有音区間内のモデム信号ヒストグラムデータの一例を示しており、図１２（Ｄ）は、図１２（Ｃ）の有音（例えば－４０ｄＢｍ以上）の上位ｎ個（ｎの値は例えば１５）を降順に並べた結果を示している。有音を示すヒストグラムデータがｎ個未満の場合は、ｎ個未満のヒストグラムデータを用いることとなる。

判定処理部７５は、降順に並べたヒストグラムデータに基づき、以下の(２)式により、抽出有音区間内の信号レベルの合計値（回数の合計値）を算出する（Ｓ２０３）。ｎの値は例えば１５である。

判定処理部７５は、上記（２）式により算出した抽出有音区間内の信号レベルの回数の合計値ｓｕｍと、閾値Ｔ１とを比較する（Ｓ２０４）。判定処理部７５は、合計値ｓｕｍが、閾値Ｔ１（例えば、数百個）未満の場合、後述するステップＳ２０９の処理に移行する。一方、判定処理部７５は、合計値ｓｕｍが、閾値Ｔ１（例えば、数百個）以上の場合、次の処理を実行する。

判定処理部７５は、降順に並べたヒストグラムデータに基づき、以下の(３)式により、抽出有音区間内の信号レベルの分散値を算出する（Ｓ２０５）。なお、下記(３)式におけるｓｕｍは、上記(２)式で算出したｓｕｍと同一である。ｎの値は例えば１５である。

判定処理部７５は、上記（３）式により算出した抽出有音区間内の信号レベルの分散値ｄｉｖと、閾値Ｔ２とを比較する（Ｓ２０６）。判定処理部７５は、分散値ｄｉｖが、閾値Ｔ２（例えば、３５）を超える場合、抽出有音区間内の信号は音声と判定する（Ｓ２０７）。一方、判定処理部７５は、分散値ｄｉｖが、閾値Ｔ２以下の場合、抽出有音区間内の信号は、モデム、ＦＡＸ、ＤＴＭＦ、保留音などの音声以外の他の信号と判定する（Ｓ２０８）。

また、判定処理部７５は、上述のステップＳ２０４の処理で、合計値ｓｕｍが、閾値Ｔ１未満と判定された場合、抽出有音区間内の信号は、無音（又は有音区間が短い）と判定する（Ｓ２０９）。

判定処理部７５は、上述のステップＳ２０７～Ｓ２０９で判定した判定結果を録音データ蓄積部８３に送付して処理を終了する。

（Ｂ－３）第２の実施形態の効果
第２の実施形態によれば、第１の実施形態の効果に加えて、以下のような効果を奏することができる。

第２の実施形態の音声検出装置７０は、音声信号はレベル変動が大きいという特徴に基づき、有音区間を抽出して生成したヒストグラムの分散値等を参照することにより、入力信号が音声か否かを判定することとした。これにより、音声呼に関しては、より正確な判定を行うことができる。

（Ｃ）他の実施形態
上述した各実施形態においても種々の変形実施形態を言及したが、本発明は、以下の変形実施形態にも適用できる。

（Ｃ－１）変形例として、録音データ蓄積部８３は、録音データからの情報漏洩リスクを低減するために、特定の信号を無音化して記録部８４に録音データを録音するようにしても良い（又は、一次記録部８１に記憶する前に当該無音化処理を行っても良い）。例えば、ＰＢ信号（プッシュボタン信号）は、クレジットカード番号や暗証番号情報を含んでいることがあるため、ＰＢ信号を無音化して録音する。ＰＢ信号を無音化する具体例を以下に示す。

図１３は、変形実施形態に係るＰＢ信号無音化装置を含むＰＢ信号を無音化する具体例を示す説明図である。

図１３（Ａ）において、ＰＢ信号無音化装置３００は、入力信号からＰＢ信号を識別検出するためのＰＢ信号検出器３１０と、ＰＢ信号検出器３１０と同期するために入力信号にＰＢ信号の検出時間分の遅延を与える遅延部３２０と、ＰＢ信号検出時に入力信号（ＰＢ信号）を無音化する制御を行うＰＢ信号無音化処理部３３０とを有する。

図１３（Ｂ）では、ＰＢ信号検出器３１０で入力信号に対してＰＢ検出処理を行い（例えば、検出時間は４０ｍｓ）、ＰＢ信号を検出できた場合には、遅延（例えば、４０ｍｓの遅延）を与えた入力信号に無音化制御を行う例が示されている（即ち、ＰＢ信号である入力信号の出力は無し（ゼロ）となる）。一方、ＰＢ信号が検出できない場合には、入力信号は音声信号であるので、そのまま入力信号が出力されることになる。

次に、ＰＢ信号検出器３１０の具体的な構成について説明する。

ＰＢ信号は低群（６９７、７７０、８５２、９４１Ｈｚ)のいずれかの周波数と、高群（１２０９、１３３６、１４７７、１６３３Ｈｚ）のいずれかの周波数を組み合わせた、２つの周波数から構成されているので、ＰＢ信号検出器３１０は、高群または低群の帯域阻止を行ってから、低群と高群の単周波を検出する構成となる。

図１４は、変形実施形態に係るＰＢ信号検出器の一例を示す構成図である。

図１４において、ＰＢ信号検出器３１０は、入力信号に対して高群帯域の通過を阻止する高群帯域阻止ＢＳＦ３１１と、入力信号に対して低群帯域の通過を阻止する低群帯域阻止ＢＳＦ３１２と、高群帯域阻止ＢＳＦ３１１を通過した入力信号に対して各低群の帯域のみ通過させる各ＢＰＦ３１３と、低群帯域阻止ＢＳＦ３１２を通過した入力信号に対して各高群の帯域のみ通過させる各ＢＰＦ３１４と、単一周波数信号（６９７、…１６３３Ｈｚ）を判定する各判定器３１５と、誤検出や瞬断防止のため、一定時間以上の信号継続又は信号断を監視するタイマ処理部３１６とを有する。

図１４における「Ｓ＋Ｎ」及び「Ｓ」の用語は、上述の図３で説明したものと同様である。また、各判定器３１５が高群又は低群のいずれかの単一周波数信号と判定する手法は、例えば、上述の判定器１２０で示した手法を適用することができる。

各判定器３１５で、低群のいずれか１つと高群のいずれか１つの単一周波数信号が各々検出（判定）されると、ＰＢ信号が検出されたことになる。

（Ｃ－２）また、一部のコールセンタ等では、上述のＰＢ信号の代わりにダイヤルパルス信号を用いて情報入力することも可能なので、ダイヤルパルス信号についても、ＰＢ信号と同様に無音化して録音するようにしても良い。

図１５は、変形実施形態に係るダイヤルパルス信号無音化装置の一例を示す構成図である。図１５において、ダイヤルパルス無音化装置４００は、入力信号からダイヤルパルス信号を識別検出するためのダイヤルパルス信号検出器４１０と、ダイヤルパルス信号検出器４１０と同期するために入力信号にダイヤルパルス信号の検出時間分の遅延を与える遅延部４２０と、ダイヤルパルス信号検出時に入力信号（ダイヤルパルス信号）を無音化する制御を行うダイヤルパルス信号無音化処理部４３０とを有する。

ダイヤルパルス信号検出器４１０に適用する構成及びダイヤルパルス信号検出方法等は、特に限定されないものであるが、例えば、特許文献７に記載の技術を適用することができる。

（Ｃ－３）変形例として、第１の実施形態の録音装置８０は、第２の実施形態の音声検出装置７０を備えても良い。即ち、録音装置８０は、モデム信号の判定については周波数検出装置１００を使用してモデム信号の判定行い、音声信号の判定については音声検出装置７０を使用して音声信号の判定を行っても良い。モデム信号の判定及び音声信号の判定について適用する順番は特に限定されるものでは無い。例えば、モデム信号の判定を行った入力信号について、モデム信号ではないと判定された場合に、続けて、録音装置８０は音声検出装置７０を用いて入力信号が音声信号であるか否か判定を行っても良い。

（Ｃ－４）上記第２の実施形態では、ＲＢＴ区間を除去する処理を行った上で、有音区間のヒストグラムデータを生成していたが、電話ではない音声会議サービス等のように入力信号にＲＢＴが含まれない場合は、ＲＢＴ区間を除去する処理を省略しても良い。

（Ｃ－５）上記第２の実施形態では、信号レベルヒストグラム生成部７４でヒストグラムデータを生成する前に、無音区間除去有音抽出部７３で通話区間から無音区間を除去していたが、ヒストグラムデータを生成後、無音と推定できる信号レベル（例えば、―４０ｄＢｍ以下）を計算対象外として、残りの有音区間の信号レベルの合計値と分散値を算出して、入力信号が音声か否かを判定しても良い。

（Ｃ－６）上記第２の実施形態では、ステップＳ２０４の処理で合計値ｓｕｍが閾値Ｔ１未満の場合、無音（又は有音区間が短い）として処理を終了していたが、ステップＳ２０５以下の処理を実行しても良い。

１０、６０…通信端末、２０…交換機、３０…ゲートウェイ装置、４０…スイッチ、５０…ＩＰ網、７０…音声検出装置、７１…ＲＢＴ除去フィルタ部、７２…通話区間判定部、７３…無音区間除去有音抽出部、７４…信号レベルヒストグラム生成部、７５…判定処理部、８０、８０Ａ…録音装置、８１…一次記録部、８２…モデム呼／音声呼判定部、８２Ａ…モデム呼／音声呼判定部、８３…録音データ蓄積部、８４…記録部、１００…周波数検出装置、１１０…ＢＰＦ、１２０…判定器、３００…ＰＢ信号無音化装置、３１０…ＰＢ信号検出器、３１３、３１４…ＢＰＦ、３１５…判定器、３１６…タイマ処理部、３２０…遅延部、３３０…ＰＢ信号無音化処理部、４００…ダイヤルパルス無音化装置、４１０…ダイヤルパルス信号検出器、４２０…遅延部、４３０…ダイヤルパルス信号無音化処理部、３１１…高群帯域阻止ＢＳＦ、３１２…低群帯域阻止ＢＳＦ。

Claims (6)

1. ネットワークから通信端末間で送受信される通信パケットの複製パケットを取得する複製パケット取得手段と、
   前記複製パケットに含まれる通信音に基づいて、当該通信音がモデム呼又は音声呼のいずれであるかを判定する判定手段と、
   前記判定手段の判定結果が所望の呼である場合に、記録部に判定した前記通信音を録音データとして順次記録する蓄積手段と
   を有することを特徴とする録音装置。
2. 前記判定手段は、モデム信号固有の単一周波数信号を検出することによって前記通信音が前記モデム呼であるか否かを判定することを特徴とする請求項１に記載の録音装置。
3. 前記判定手段は、前記通信音の有音区間内の信号レベルに関するヒストグラムデータを生成し、当該ヒストグラムデータに基づいて前記通信音が前記音声呼であるか否かを判定することを特徴とする請求項１又は２に記載の録音装置。
4. 前記蓄積手段は、前記通信音がプッシュボタン信号又はダイヤルパルス信号である場合には、当該通信音に対して無音化処理を行った上で、前記記録部に当該通信音を記録することを特徴とする請求項１～３のいずれかに記載の録音装置。
5. コンピュータを
   ネットワークから通信端末間で送受信される通信パケットの複製パケットを取得する複製パケット取得手段と、
   前記複製パケットに含まれる通信音に基づいて、当該通信音がモデム呼又は音声呼のいずれであるかを判定する判定手段と、
   前記判定手段の判定結果が所望の呼である場合に、記録部に判定した前記通信音を録音データとして順次記録する蓄積手段と
   して機能させることを特徴とする録音プログラム。
6. 録音装置に使用する録音方法であって、
   複製パケット取得手段とは、ネットワークから通信端末間で送受信される通信パケットの複製パケットを取得し、
   判定手段は、前記複製パケットに含まれる通信音に基づいて、当該通信音がモデム呼又は音声呼のいずれであるかを判定し、
   蓄積手段は、前記判定手段の判定結果が所望の呼である場合に、記録部に判定した前記通信音を録音データとして順次記録する
   ことを特徴とする録音方法。

Images