JP2838859B2 - 通信線における音声存在の検出方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は広くはテレコミュニケー
ションに関し、詳しくは通信線上における音声存在の検
出方法に関する。

【０００２】

【従来の技術】被呼側が電話に応答するときを検出する
能力は自動音声情報，音声メッセージ，テレマーケッテ
ィング等のような電話網中に使用可能な多くの適用業務
及びサービスが必要である。電話を切ったときに被呼側
の前置メッセージの開始及び終了が正しく検出される
と、伝送メッセージの効率は最適化される。しかし、か
かる検出は技術的に達成困難であり、現在応答の検出が
正しくないことにより、いまだ電話の所有者及び使用者
に対し相当な費用の負担となっている。

【０００３】１９２４年８月３１日出願の米国特許第
４，６７２，６６９号は、受信信号エネルギ対最適しき
い値をチェックし、多数の受信信号対第２の固定しきい
値の連続２０ｍｓ順次に対するスペクトル・パラメータ
（自己相関係数）の変化率を試験するという２工程から
成る判別アルゴリズムを特徴とする音声活動検知器を記
述している。

【０００４】この検知器は電話による会話の半２重効果
を利用し、全チャンネル容量の２倍まで（多重電話チャ
ンネル・アプリケーション）追加送話者を挿入しうるよ
う設計されている。それは高レベルの相関関係のない又
は相関関係のある背景雑音の低レベル“通話”セグメン
トでさえ検出することができるが、トーンの存在下にお
ける呼進行音は含まれない（検出器は既に設定された通
信のために設計されている）。

【０００５】

【発明が解決しようとする課題】通信線上の音声を検出
するため、トーン存在の場合においてさえ、いまだ多数
の連続２０ｍｓ順次を使用するスペクトル・パラメータ
の使用を考察することはできる。しかし、それはトーン
期間と２０ｍｓ計算ウィンドウ長との間の差異のため、
あるトーン信号（リングバック音及びＳＩＴ音を含み）
に対するそれらの自己相関係数の変動が第２のしきい値
の設定を、不可能ではないにしても、困難にするような
ことが起るかもしれない。その上、音声通話の場合（ト
ーンのような通話“サウンディング”）、音声活動検知
器に実施する方法はあまり感度がよくないように思われ
る。

【０００６】従って、本発明の目的は、トーン信号の存
在下においてさえ、ディジタル通信線における音声存在
の開始及び終了を正確に検出する方法を提供することで
ある。

【０００７】

【課題を解決するための手段】本発明は、スペクトル・
パラメータの計算に基づく方法を含むが、リングバック
音が起呼側に受信されない場合（短時間で電話を切る場
合）を含み、信号受信のすべての場合に、既知のすべて
のタイプのダイヤル確認音と共に、全通信時中に存在す
る音声存在を適切に検出する多くの決定工程から成るよ
り感度のよい機能を有する。

【０００８】本発明方法は、又被呼側の応答の終了の検
出を可能にする。計算に使用する電力及びメモリー要求
は非常に低い。音声の存在は２００ｍｓより短い時間で
検出される。本発明は、又雑音の或る無しに拘らず、無
音で結合された１００個以上の音声ファイルの呼進行音
（ダイヤル，話中，リオーダ，リングバック，空，待
ち，代行受信）のような多数の典型的な通信及び電話信
号と比較して試験され、実証された。

【０００９】本発明方法は、２０ｍｓのブロックにより
ディジタル通信入力信号を解析し、如何なる現行ブロッ
クでもその定常状態及び非定常状態を定義することを含
む。そこで、Ｍ個の最後の２０ｍｓブロックの状態の解
析により音声が存在するか否かの最終決定を与えること
を可能にする。

【００１０】本発明は、特に通信データ・サンプルの入
力ブロックを連続的に構成するため、通信データを一連
の連続２進サンプルの形式で入力し、そのＮ個を記憶す
るシステムにおいて、通信線における音声の存在を検出
する方法であって、各ブロックの入力の後、現行ブロッ
クが定常状態か非定常状態かを判別し、現行ブロックを
含むＭ個の最終入力ブロック内にＭ３より多い非定常状
態が確認された場合、入力通信データに音声が存在する
と決定し、現行ブロックを含むＭ個の最終入力ブロック
内に非定常状態が確認されなかった場合、音声存在の終
了と決定する各工程からなる音声存在の検出方法を含
む。

【００１１】

【実施例】以下、添付図面を参照して本発明の一実施例
を詳細に説明する。図１は、本発明方法を如何に適用す
るか、その適用例を説明するための適用例説明図であ
る。

【００１２】図１において、１は端末、２はコンピュー
タ・システム、３はリンク、４は操作員ネットワーク、
５は私用電話である。端末１は操作員がコンピュータ・
システム２を介して制御することを可能にする。コンピ
ュータ・システムは数個のディジタル通信を搬送するデ
ィジタル・リンクであるリンク３とインターフェースす
る機能を含む。かかる通信はＴ１，CEPT，又はISDN（基
本又は本来の速度）のような公知の形式に従いリンクに
編成される。リンクはネットワーク４を操作する電話会
社によって提供される。私用電話５は例えば同一ネット
ワークに接続される。

【００１３】コンピュータ・システムは被呼側５に対す
る呼進行の操作、記録メッセージの伝送、及び呼に対す
る正しい終了の操作等を要求する自動応答メッセージの
ような適用業務を走行することができる。本発明は、記
録メッセージの伝送前に、電話を切ったこと、及び被呼
側による紹介メッセージ（“こちらはスミスです…
…”）の終了を正しく検出し、そのため、例えば、記録
メッセージが一部聞かれずに残るようなことがないよう
な方法を提供する。

【００１４】図２は本発明の一実施例による方法の一連
の工程を示す流れ図である。ステップ１９は本方法で使
用され、後に詳細に説明する全パラメータに対する初期
化工程である。

【００１５】例えば、リンク３を介して行われるディジ
タル通信は通信ネットワークの帯域幅による速度（典型
的に８ｋＨｚ）で入力する一連の２進サンプル（典型的
に８ビット・サンプル）ｘ（ｊ）の形式で行われる。こ
れらサンプルｘ（ｊ）の連続する数Ｎは、ステップ２０
において、２０ｍｓブロックｉを形成するため適当なコ
ンピュータ・システム・メモリーに記憶される。各ブロ
ックにおいて、次の３つのパラメータＳ_i ，Ｃ_i ，ＶＰ
_i が使用される。

【００１６】入力信号の非定常状態が現行ブロックｉに
対して検出された場合においてのみ、Ｓ_i は１と判別さ
れる。Ｃ_i は現行ブロックｉを含むＭ個の最終入力ブロ
ックに対するＭ個の最後の状態Ｓ_i の和のカウントであ
る。

【００１７】ＶＰ_i は、ディジタル通信入力信号に音声
が存在することが決定されたときのみ、本発明方法によ
り１に設定されるフラグである。音声存在の決定は、各
新たなブロックの入力後に再評価される（音声存在の終
了が検出されたときに、そのフラグは０に設定され
る）。

【００１８】状態Ｓ_ｉは、例えば図３において詳細に説
明する方法により（他の方法も可能）、ステップ２１に
おいて、現行ブロックｉに対して判別され、コンピュー
タ・システム・バッファＢＵＦ（ｉ）に記憶される。そ
して、ステップ２２において、現行ブロックｉに対する
カウントＣ_ｉが計算される。

【００１９】ステップ２３において、状態に応じてＣ_i
の値の試験が異なるため、最後の入力ブロック（ＶＰ
_i-1 ）の後、音声存在フラグが活動化されたか否かに従
って分岐が行われる。音声存在フラグが活動化されなか
った場合、被呼側の応答の実際の開始の後（同時に、誤
って行われないように、十分保護して）できるだけ早く
音声存在の決定（フラグが１に設定）を行なうことが望
ましい。それにも拘らず、音声存在フラグが活動化され
た場合、被呼側による紹介メッセージの終了を決定する
べき“急進（rush) はない”。

【００２０】故に、ＶＰ_i-1 が０の場合、ＶＰ_i は０に
設定され（ステップ２６において、現行ブロックｉの後
音声存在の決定はない）、和Ｃ_i が値Ｍ３より少ない場
合（ステップ２４）、すなわち、Ｍ３より少いと、Ｍ個
の最後の入力ブロックにおいて非定常状態がカウントさ
れる。他の場合、ＶＰ_i は１に設定される（ステップ２
５において、現行ブロックｉの後音声存在の決定が行わ
れる）。

【００２１】対照的に、ＶＰ_i-1 が１であると、ＶＰ_i
は０に設定され（ステップ２９において、現行ブロック
ｉの後音声存在の決定はない）、和Ｃ_i が０であると
（ステップ２７）、Ｍ個すべての前の状態は定常であ
る。他の場合、ＶＰ_i は１に設定される（ステップ２８
において、現行ブロックｉの後音声存在決定が行われ
る）。両場合とも、新たに設定されたＶＰ_i は、ステッ
プ２０に分岐が行われた後、次の解析入力ブロックに対
する次のＶＰ_i-1 となる。

【００２２】再評価されたＶＰフラグは通信線上の音声
の開始及び終了を正しく知ることを要求する適用業務に
よって常にポーリングすることができる。図３は図２に
示す本発明方法の一実施例のステップ２１に含まれてい
る詳細な一連のステップを示す。

【００２３】ステップ３０において、現行入力ブロック
に対するエネルギ・レベルＥ_i が計算される。このコン
ピュータ・システムに、それに使用する数理プロセッサ
が含まれているか否かに拘らず、かかるエネルギ・レベ
ルの計算方法は公知である。

【００２４】次に、得られた値は、ステップ３１におい
て、そのレベル以下のリンク３の信号すべてを無視する
特定のレベルを表わすしきい値Ｍ１と比較される。それ
以下のレベルでは、現行ブロックにおいて音声が存在で
きないものと推定される。そしてステップ３９に分岐が
行われる。

【００２５】他の場合、入力信号の処理は幾分手が込ん
でいる。現行ブロックに対する最初の２つの自己相関係
数Ｒ_i （０），Ｒ_i （１）がステップ３２で計算され、
同様に、ステップ３３において両係数の比率が計算され
て値Ｋ_i （Ｋ_i ：現行ブロックｉに対するPARCOR係数）
が得られる。

【００２６】ステップ３４で行われる試験は高レベル雑
音から音声を弁別すること、及び追加的にＲ１トーン
（５０ｍｓのように低い律動及び１６００Ｈｚのように
高い周波数）から音声を弁別することを意図するもので
ある。一般に、最初のPARCOR絶対値が雑音信号の存在の
場合より音声の存在の場合のｉがより高い（＞０．１
５）という事実を活用しないとすれば、上記両方の場合
は実際に誤った音声存在の決定に導くおそれがある。

【００２７】この試験は、高雑音（又はＲ１トーン）を
音声として誤って識別することと、すべての場合におけ
る音声の存在を正しく決定することとの間の良い妥協で
あることを証明する。それは、システムがＲ１トーンに
機能せずにネットワーク４に取付けられるべき場合、又
は雑音レベルが制御可能限界以内にある場合には除去す
ることができ、その場合はステップ３３からステップ３
５に直接分岐が行われる。

【００２８】次に、ステップ３５において、現Ｋ_i 値に
対する先行入力ブロックのＫ_i 値の変動（絶対値）が計
算され、現行値Ｋ_i とｐ１の積と比較される。その変動
がより高い場合は現行ブロックは非定常状態と決定され
る（ステップ３８）。そうでない場合、第２の試験が行
われる（ステップ３６）。

【００２９】ステップ３６において、エネルギ・レベル
Ｅ_i の値に対する先行入力ブロックのＥi 値（絶対値）
が計算され、現行値Ｅ_i とｐ２の積と比較される。その
変動がより高い場合は現行ブロックは非定常状態と決定
される（ステップ３８）。そうでない場合、第３の試験
が行われる（ステップ３７）。

【００３０】ステップ３７に達したときはトーンの存在
又は“定常”音声通話においてのみ曖昧さが存在する。
その曖昧さはＣ_i-1 （最終入力ブロックにおいて総和し
た非定常状態の数）の値と値Ｍ２とを比較することによ
って除去される。Ｍ２より多い非定常状態がカウントさ
れた場合、音声通話とみなされ、現行ブロックは非定常
状態と決定され、ステップ３８に分岐する。他の場合、
定常ブロックとみなされ、ステップ３９に分岐される。

【００３１】有効と証明されたパラメータの値を下記に
示す。 Ｍ＝１０ Ｍ１＝−４３(dbm) Ｍ２＝５ Ｍ３＝７ Ｎ＝１６０ ｐ１＝２％ ｐ２＝２５％

【００３２】これらの値は、他のすべてのパラメータに
対する開始値の設定と共に、初期化ステップ１９におい
て設定される。それら他の値は、コンピュータ・システ
ム及び通信環境に従って考慮されるということは明らか
である。

【００３３】ブロックの所要時間は２０ｍｓ以外に短く
又は長く選ぶことができる（実行する信号解析の型式の
ため、３０ｍｓ又は４０ｍｓを越えないこと）ことも明
らかであり、従って、その場合、パラメータＮの値は調
節しなければならない。

【００３４】図４は本発明方法によるパラメータの展開
を示す。第１行は各新たな入力ブロックに対して判別さ
れる模擬Ｓ_i 状態を示す。第２行は各ブロックの入力の
後に計算したＣ_i を示す。第３行は音声存在の決定（フ
ラグは１である）、又は音声存在の終了（フラグは０で
ある）を表わすフラグＶＰ_i を示す。以上、本発明の一
実施例を説明したが、その説明に従い、本発明を他のコ
ンピュータ・システム及び通信環境においても容易に実
施することができることは明らかである。

【００３５】

【発明の効果】本発明は、以上説明した如く構成したこ
とにより、既知のすべてのタイプのダイヤル確認音等と
共にディジタル通信線における全通信時中に存在するす
べての受信信号の音声信号を適切に検出することがで
き、音声信号の開始及び終了を正確に検出することによ
って、起呼側に対する応答メッセージの中断を防ぎ、効
率良く通信ネットワークを使用することができる。

【図面の簡単な説明】

【図１】本発明方法の適用例を示す説明図

【図２】本発明方法の実施例による一連の工程を示す流
れ図

【図３】図２の流れ図のステップ２１に含まれている詳
細な一連の工程を示す流れ図

【図４】本発明の一実施例によるパラメータ展開の例を
示す図

【符号の説明】

１ 端末 ２ コンピュータ・システム ３ リンク ４ 操作員ネットワーク ５ 私用電話

フロントページの続き (56)参考文献 特開 平２−85898（ＪＰ，Ａ) 特開 平３−33800（ＪＰ，Ａ) 特開 平２−267599（ＪＰ，Ａ) 特開 平３−111898（ＪＰ，Ａ)

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】通信データ・サンプルの入力ブロックを連
   続的に構成するため、通信データを一連の連続２進サン
   プルの形式で入力し、そのＮ個を記憶するシステムにお
   いて、通信線における音声の存在を検出する方法であっ
   て、各ブロックの入力後、音声の存在を決定する工程
   と、音声の終了を決定する工程とを有し、 ここで前記音声の存在を決定する工程は、 その前の入力ブロックにおいて音声存在フラグが１に設
   定され、及び現行ブロックを含む先行するＭ個のブロッ
   クの内で少くとも１つの非定常状態が確認されたか、又
   はその前の入力ブロックにおいて前記音声存在フラグが
   ０に設定されたが非定常状態と判別されたブロックの数
   がＭ３個を越えた場合、前記音声存在フラグを１に設定
   する工程を含み、及び、 前記音声存在の終了を決定する工程は、 その前の入力ブロックにおいて前記音声存在フラグが１
   に設定され、及び現行ブロックを含み先行するＭ個のブ
   ロックの内で定常状態のみが確認されたか、又はその前
   の入力ブロックにおいて前記音声存在フラグが０に設定
   されたが非定常状態と判別されたブロックの数がＭ３個
   に等しいか少い場合、前記音声存在フラグを０に設定す
   る工程を含み、 前記現行ブロックｉの定常状態又は非定常状態を判別す
   る工程は、 現行ブロックに対する現行信号のエネルギを計算し、 前記現行信号のエネルギがしきい値Ｍ１より低い場合、
   前記現行ブロックは定常であると判別し、他の場合、前
   記現行ブロックに対する現行PARCOR係数を計算し、 前記現行PARCOR係数とその前の入力ブロックにおいて計
   算した係数との間の差異の絶対値が前記現行PARCOR係数
   とｐ１の積より等しいか小さく、前記現行信号エネルギ
   とその前の入力ブロックにおいて計算した信号エネルギ
   との間の差異の絶対値が前記現行信号エネルギとｐ２の
   積より等しいか小さく、現行ブロックを含まない先行す
   るＭ個のブロックの内で非定常状態と確認されたブロッ
   クの数がＭ２個より等しいか小さい場合、前記現行ブロ
   ックを定常と判別し、前記ｐ１、ｐ２、Ｍ２は任意に選
   ばれたパラメータであり、他の場合、前記現行ブロック
   を非定常と判別する各工程を含むことを特徴とする通信
   線における音声存在の検出方法。
2. 【請求項２】前記現行PARCOR係数の絶対値が0.15より低
   い場合、前記現行ブロックを定常と判別する行程を含む
   ことを特徴とする請求項１記載の通信線における音声存
   在の検出方法。
3. 【請求項３】前記２進サンプルは速度８ｋＨｚ，Ｎが１
   ６０、Ｍ３が７、及びＭが１０で入力することを特徴と
   する請求項１又は２記載の通信線における音声存在の検
   出方法。