JP5015939B2 - 音響的外耳特徴付けのための方法及び装置 - Google Patents

Description

本発明は、外耳の音響特性を特徴付ける方法であって、外耳の方に第１音響信号を伝達するステップと、外耳からの第２音響信号を受け入れるステップと、第２音響信号に基づいて外耳の音響特性を特徴付けるステップとを有する、方法に関する。本発明は、外耳の音響特性を特徴付ける装置及びシステムであって、外耳の方に第１音響信号を伝達するように備えられた伝達手段と、外耳からの第２音響信号を受け入れるように備えられた受け入れ手段と、第２音響信号に基づいて外耳の音響特性を特徴付けるように備えられた特徴付け手段とを有する、装置及びシステムに関する。

セキュリティの適用及び日常の生活において、人間の認証及び識別は最優先されるべき重要性を有する。クレジットカード、ＩＤカード、パスポート及びバッジは、日常ベースで多くのひとにより用いられ、かなり頻繁に盗難に遭い、悪用されている。その結果、押し付けがましくない及び簡便な様式で取得することができる高信頼性を有する生体認証を開発する駆動力が存在している。しかしながら、指紋のような特定の生体認証は、指紋がそれらの所有者により無意識に残され、その結果、悪意を有するグループが、例えば、ゴム製の指を用いてうまく指紋を偽造することができる点で、不利点を有する。

新しい生体認証の駆動力は、生体認証としての外耳の音響特性の使用に繋がっている。米国特許第５，７８７，１８７号明細書においては、生体認識として外耳道の音響特性を特徴付けることにより個人の同一性を確認／記録するシステムについて開示している。このために、例えば、広帯域ノイズ又は周波数トーンを有するソース信号が、外耳道内に発せられる。しかしながら、外耳音響が特徴付けられる個人は、そのようなソース信号をおしつけがましい及び／又は不快であるとして知覚する。
米国特許第５，７８７，１８７号明細書

本発明の第１特徴にしたがって、本発明の目的は、特徴付けられる人間にとって殆どおしつけがましくない音響的外耳特徴付け方法を提供することである。

この目的は、第１音響信号が要素である音楽及び発話の少なくとも一を有する点で、冒頭の段落に記載している方法が更に特徴付けられることにおいて実現される。

外耳を特徴付ける音楽又は発話を用いる有利点は、特徴付けられる人間が、（白色）ノイズ又はトーンシーケンスと直面するときに押し付けがましさを押さえた特徴付けを感じることにある。本発明の方法は、会話中に又は人間がメッセージ及び／又は音楽を聴いているときに実施されることができるという有利点を更に有する。その方法はまた、人間が気付くことなく、特徴付けが行われる程に目立たないものである。

人間の外耳の方に音楽及び／又は発話を有する第１音響信号を伝達しているとき、その信号の一部は耳翼（外耳の見える部分）、外耳道及び鼓膜により反射される。第２音響信号波マイクロフォンを用いて捕捉され、その信号は、外耳構造に関する情報をまた、有する反射された信号の一部を有する。第２音響信号は、外耳の音響特性を特徴付けるように用いられる。

第１実施形態においては、第２音響信号において存在するスペクトル成分の振幅は、音響特性を特徴付けるように確立される。代替の実施形態においては、伝達関数が、音響特性を特徴付けるように、ソース表現及び受け入れられた第２音響信号の両方の周波数領域表現に基づいて確立される。

音楽及び／又は発話の使用は、特徴付けるために低コストの汎用のスピーカ及びマイクロフォンの使用を可能にする。

本発明の第２特徴にしたがって、外耳の音響特性を特徴付ける方法は、特徴付け過程で用いられる音楽及び／又は発話へのノイズの付加により更に改善されることができる。付加されるノイズは、白色ノイズ又は着色ノイズを有することが可能である。音楽及び／又は発話は特徴付けを可能にするが、音楽及び／又は発話は、可聴スペクトルにおいて全ての関連スペクトル成分を有しないことが可能である。

信頼性は、少なくとも関連する失われたスペクトル成分を有するノイズを付加することにより改善される。更に、比較的小さい振幅のノイズ信号を用いることにより、音楽及び／又は発話と比較して、押し付けがましさが押さえられた音楽及び発話の性質を保つことができる。

本発明の第３特徴にしたがって、外耳の音響特性を特徴付ける方法は、ノイズを付加する特に洗練された方法を用いることにより更に、改善されることができる。人間の聴覚システムは、静寂な場合に、僅かなノイズの量さえ認識することができるかなり高感度のシステムである。しかしながら、音楽及び／又は発話の存在下では、人間の聴覚システムの区別する能力は低下する。

空間的及び時間的マスキングと称せられる技術を利用することにより、人間が知覚することなく、音声信号にノイズを付加することが可能である。知覚可能符号化に関連するより多くの情報については、特に、文献“Ａｕｄｉｔｏｒｙ Ｐｅｒｃｅｐｔｉｏｎ ａｎｄ ｔｈｅ ＭＰＥＧ
Ａｕｄｉｏ Ｓｔａｎｄａｒｄ”，ｂｙ Ｃｈｒｉｓ Ａ．Ｌａｎｃｉａｎｉ，ｐｕｂｌｉｓｈｅｄ ｂｙ ｔｈｅ Ｇｅｏｒｇｉａ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ａｕｇｕｓｔ １１，１９９５に記載されていて、その文献の内容の援用により、本明細書の説明の一部を代替する。

人間の聴覚システムの擬似音響モデルが、損失の多いディジタル音声圧縮技術において精巧に用いられている。それらの技術は、特に、実質的に大きい振幅を有するスペクトルにおいて近接した周波数成分の存在下で小さい振幅の周波数成分の区別において困難性を有する。その結果、音声表現のサイズを減少させるように、より小さい成分についてより粗い量子化を用い、より小さい成分を全く廃棄することが可能である。

上記の実施例においては、“圧縮された”信号は歪められ、量子化エラー及び／又は廃棄された周波数成分は、オリジナルの信号に付加されるノイズとみなされる。本発明は、時間的及び／又は空間的マスキング効果を利用するように人間の聴覚システムの擬似音響モデルに基づいてノイズを付加し、そして、外耳の特徴付けを改善するように信号の周波数スペクトルを整形するように、結果として得られる信号を圧縮せず、非可聴ノイズを付加することを提案している。

本発明の上記の特徴の全てにしたがった方法は、生体認識として外耳の音響特性を用いる、ユーザの生体認証又は識別のためのシステムにおいて用いられることが可能である。通常、次のような２つのフェーズ、即ち、
− 基準データが取得される登録フェーズ、及び
− 認証／識別データが取得される、そしてそれらのデータが予め登録された基準データと比較される認証／識別フェーズ、
が、生体認証及び識別のためにシステムにおいて区別されることができる。

両方のフェーズの間、外耳の音響特性が特徴付けられる。その結果、本発明は、生体認証として外耳の音響特性を用いる生体登録、認証及び識別のための方法において有利に用いられることができる。

本発明の更なる特徴にしたがって、本発明の目的は、特徴付けられる人間にとって押し付けがましさが押さえられた音響的外耳特徴付けのための装置を提供することである。

この目的は、第１音響信号が音楽及び発話の要素の少なくとも一を有する点で冒頭の段落に記載した装置が更に特徴付けられることにおいて実現される。

一実施形態においては、本発明にしたがった装置は、音楽及び発話を有する第１音響信号へのノイズの付加を可能にするノイズ生成手段を有する。代替の実施形態においては、ノイズ生成手段は、人間の聴覚システムの擬似音響モデルに基づいてノイズの付加を可能にするノイズ生成制御手段と組み合わせて用いられる。

本発明の更なる特徴にしたがって、本発明の目的は、特徴付けられる人間にとって押し付けがましさが押さえられた音響的外耳特徴付けのためのシステムを提供することである。

この目的は、冒頭の段落において記載したシステムが、音楽及び発話の要素の少なくとも一を第１音響信号が有する点で更に特徴付けられることにおいて実現される。

本発明は、ネットワークを介して電子通信サービスを提供し、人間を遠隔的に認証する電子通信システムに更に関する。そのシステムは、２つの端子であって、パーティーと関連付けられる第１端子及び人間により操作される第２端子の２つの端子を有する。そのシステムは、本発明にしたがって、それらの２つの端子が共に、人間の外耳の音響特性を特徴付けるように備えられ、前記パーティーに対してその人間を認証するように、登録されている音響的耳特性と、その人間の外耳の特徴付けられた音響特性をマッチングさせる、特徴付けられる音響特性が、第１端子において含まれる認証手段により用いられる。

本発明の上記の及び他の特徴については、以下に、例示として及び図を参照して詳述し、更に明らかにする。

図を通して、同じ参照番号は同じ要素に、又は同じ機能を実行する要素に付けられている。

同一性検証のための知られている生体認証方法は、指紋、虹彩又は発話等の生体認証に基づいている。ここでは、特徴ベクトルデータとしても知られている生体認証データを得るように測定が実行される。一般に、生体認証の全てが全てのアプリケーションに対して適切という訳ではない。必要なセンサの価格及び／又はフォームファクタ等の特徴、若しくはセンサ測定から特徴／特徴ベクトルを導き出すことに関わる努力は、アプリケーションの範囲を制限する可能性がある。

外耳、特に、耳翼（耳の外側のフラップ）、外耳道及び鼓膜の音響特性は、低価格のスピーカ及びマイクロフォンを用いて、殆ど努力なしに測定されることができる。耳翼の皺及び外耳道の長さ及び形状等の外耳の形状は、個人個人の耳の視覚的比較から分かるように、個人個人により異なっている。それらの違いは、外耳道内又はそれに近接したマイクロフォン及び耳に近接したスピーカを用いて、音響測定に対して、特に、外耳の伝達機能に対して更に判定される。

所定の第１音響信号が人間の外耳の方に伝達されるとき、その音響信号波一部は外耳により反射される。同時に、第２音響信号が、特徴付けのために伝達される。そのような特徴付けは、生体認証について生体データを取得するように用いられることが可能である。

一実施形態においては、特徴付けは、第２音響信号の周波数領域への変換及び結果として得られたスペクトルを前に登録されたスペクトルとの比較を有する。他の実施形態においては、伝達関数が、外耳の音響特性を特徴付けるように確立される。そのような伝達関数は、第１音響信号に依存しないように確立されることが可能であり、その結果、異なる音響信号に基づいて耳を特徴付けるように用いられることが可能である。第１音響信号に真に依存しない登録中に伝達関数を確立するように、全ての関連周波数成分について伝達関数を確率することは適切である。更に、人間を信頼性高く認証できるように、認証中に用いられる第１音響信号は、個人個人を区別するように十分な情報を備える必要がある。

外耳道は、耳翼と共に、豊富な特徴を備えている共鳴システムである。粗い近似においては、外耳は、音響波長の１／４で共鳴する一次元システムである。その共鳴は、代表的には、２５００Ｈｚであるが、人間毎に異なっている。典型的な共鳴周波数は、耳翼及び外耳道の両方の典型的な寸法に対応している。

外耳道の長さ及び耳翼の曲がりは、数ｍｍ乃至数ｃｍの範囲内にある寸法を有する。それらの形状及び曲がりを検出することができるように、音響調査波は適切な波長を有する必要がある。波長の１／１０のオーダーの構造を決定することが可能であることを前提として、１００Ｈｚ乃至１５ｋＨｚの範囲内の音響信号は、殆どの特徴を区別するには十分であると考えられる最大約２ｍｍである特徴の大きさの検出を可能にする。１００Ｈｚ乃至１５ｋＨｚの範囲は実際のアプリケーションに対しては十分であるが、そのことは、２Ｈｚ乃至２２ｋＨｚの範囲内の可聴スペクトルの他の領域に対する本発明の使用を排除するものではない。

登録及び識別／認証の間に、固定された所定の信号が第１音響信号として用いられるとき、その第１音響信号は、個人を認証及び／又は識別するように結果として得られる第２音響信号の周波数スペクトルを比較するには十分である。個人個人を区別することができるように、第１音響信号は、適応可能な十分に特徴的な特性を有する必要がある。一般に、第１音響信号は、認証／識別のための成功裏の特徴付けを可能にするように、全ての周波数成分が存在する平坦なスペクトルを有する必要はない。

しかしながら、入力された独立した伝達関数を得るように伝達関数を特徴付けるとき、全ての周波数成分は関連性があるものである。正確な伝達関数を得るように、全ての周波数成分が存在する必要がある。特に、一般に、スペクトル成分の全てが存在する訳ではない音楽及び発話においては、スペクトルを捕捉するように、ノイズが付加されることが可能である。このようにして、結果として得られる外耳の伝達関数は、部分集合についてではなく、１００Ｈｚ乃至１５ｋＨｚの範囲内の関連性のある周波数成分全てについて特徴付けられることが可能である。その結果、その伝達関数はまた、他の励起信号と組み合わせて用いられることが可能である。

図１は、外耳の音響特徴を特徴付けるための本発明にしたがった装置１００を示している。その装置は、音楽１０５及び発話１１０のディジタル表現を記憶する、例えば、ハードディスクのような記憶手段を有する。どちらの表現も、応答性を測定するように用いられることが可能であるが、典型的には、音楽は、発話より広い周波数スペクトルを有する。

それらの表現の一は、ソース信号１１５として選択される。装置１００は、第１音響信号１２５を生成するようにソース信号を用いる。このために、装置１００は、耳の近傍に好適に位置付けられるスピーカ１２０を有する。スピーカ１２０は、耳翼１３１、外耳道１３５及び鼓膜１４０を有する外耳１３０の方に第１音響信号を伝達する。第１音響信号１２５の一部は外耳１３０により反射され、その結果、得られる第２音響信号１５０は、外耳道１３５内に又はその近傍に取り付けられたマイクロフォン１５５により受信される。第２音響信号１５０はまた、更なるマイクロフォン（図示せず）を用いることにより別個に測定される環境ノイズを有する可能性があり、そして後に重み付けされる及びマイクロフォン１５５の出力から減算されることが可能である。

図１に示す実施形態においては、特徴付け手段１６０は、外耳１３０を特徴付ける伝達関数を確立するようにマイクロフォン出力１７０及び選択されたソース信号１１５の両方を用いる。

この伝達関数を確立するように、特徴付け手段１６０は、高速フーリエ変換（ＦＦＴ）を用いて、ソース信号１１５、ｘ（ｔ）を周波数領域表現Ｘ（ω）に変換する。離散フーリエ変換を含む、他の時間領域から周波数領域への変換の使用がまた、考えられる。マイクロフォン出力１７０、ｒ（ｔ）はまた、変換され、Ｒ（ω）を得る。続いて、伝達関数が次式のように確立される。

Ｈ（ω）＝Ｒ（ω）／Ｘ（ω）
この伝達関数は、実際の伝達関数の近似であり、
− スピーカの伝達関数（Ｈ_ｌｓｐ（ω））
− 外耳の伝達関数（Ｈ_ｅａｒ（ω））
− マイクロフォンの伝達関数（Ｈ_ｍｉｃ（ω））
のカスケードとして、次式のように表現されることが可能である。

Ｈ（ω）＝Ｈ_ｌｓｐ（ω）・Ｈ_ｅａｒ（ω）・Ｈ_ｍｉｃ（ω）
この伝達関数はまたスピーカ１２０及びマイクロフォン１５５の両方の伝達関数を有し、それらの伝達関数は、特徴部分として耳の伝達関数を残す所定の仕様において選択されることが可能である。

その結果としての伝達関数（Ｈ（ω））は複雑な実体である。好適な実施形態においては、特徴付け手段１６０は、遅延及び位相シフト情報を廃棄し、音響特性１６５として伝達関数の振幅を用いる。遅延及び位相シフト情報、それ故、一部の差別化情報は、伝達関数の振幅を用いることにより失われる。しかしながら、このことは、クラス内ばらつきを減少させることによりロバスト性を獲得することができる。音響特性１６５は、認証及び識別方法において生体特徴ベクトルとして用いられることが可能である。

図１に示す装置は、スピーカ１２０及びマイクロフォン１５５の両方を有するが、その装置を、使用中に、例えば、スピーカ１２０及びマイクロフォン１４４の両方を有する無線ヘッドセットの形の第１モジュールと、携帯装置を有する第２モジュールとを有する装置に分離することが可能である２つのモジュールであって、それらの２つのモジュールは、無線通信手段を用いてＢｌｕｅｔｏｏｔｈのような無線通信プロトコルにより互いに通信するように備えられている、２つのモジュールに分割することが可能である。

図２は、音楽の一部を用いることにより特徴付けられる３人の個人について確立される伝達関数｜Ｈ（ω）｜１８０、１８５、１９０の集合を示している。図２は、伝達関数に存在する特徴の豊かさを示している。各々の伝達関数１８０、１８５、１９０は、特定の伝達関数が他の伝達関数と著しく異なり、それ故、それらの３人の人間の間で区別できる十分な機会を与えることができる特徴のピークを示している。

図３は、人間の外耳１３０を特徴付ける、本発明の第２特徴にしたがった装置２００を示している。

装置２００は、音響信号の２つの表現であって、即ち、それらの表現の一は発話１１０を有し、それらの表現の他は音楽１０５を有する、音響信号の２つの表現を有するメモリのような記憶手段を有する。それらの表現の一は、ソース信号、即ち、選択ソース信号１１５として選択される。その装置は、選択ソース信号１１５に付加されることが可能であるノイズを生成するように備えられているノイズ生成器２２０を更に有する。その結果として得られる信号は、第１音響信号１２５を生成するように装置２００により用いられるノイズの多い選択ソース信号２２５である。第１音響信号を生成するように、装置２００はスピーカ１２０を有する。

一実施形態においては、付加されるノイズは、選択ソースノイズ１１５の背景ノイズを一様に効果的に増加させる白色ノイズである。代替の実施形態においては、そのノイズは、選択されたソース信号スペクトルにおいて限定される又はスペクトル成分を有しない、１００Ｈｚ乃至１５ｋＨｚの範囲内のスペクトル成分を有する有色ノイズを有する。

第１音響信号の送信と並列して、マイクロフォン１５５は第２音響信号１５０を受信する。マイクロフォン出力１７０は特徴付け手段２４５に送信される。特徴付け手段２４５は、少なくとも一部が、外耳１３０の音響特性に基づく伝達関数を特徴付けるように、マイクロフォン出力１７０を用いる。この実施形態においては、その音響特性は、選択ソース信号２２５のノイズの多いバージョン及びマイクロフォン１５５の出力に基づいている。

選択された音声表現１１５にノイズを付加することは可能であるが、アナログ（電気）領域において、又は音響領域においてさえ、この付加を実行することがまた、可能である。図４は、ノイズ生成器２２０が個別のスピーカのためのソースとして備えられている装置３００２を示している。ここでは、第１音響信号は、信号３１５及び３１０を重畳することにより音響領域に有効に付加される。

図３及び４に示しているような外耳の音響特性を特徴付ける装置は、人間の外耳の音響特性の登録のための装置に類似している。両方の装置は音響特性を特徴付けることができる。しかしながら、登録の場合には、ロバストな認証又は識別を容易にするように、信頼性の高い方法でそのように行うことが重要である。典型的には、音響特性の登録のための装置は、一連の第１音響信号を用いて、一連の特徴付けを実行する。続いて、より高信頼性の特徴付けを得るように、特徴付け処理の結果は組み合わされる。

図５は、本発明にしたがって特徴付けられた周波数に亘って２つの伝達関数の振幅を示すプロットである。第１伝達関数５８０は、図１に示している装置により音楽を用いている間に確立されたものである一方、第２伝達関数５９０は、図３に示している装置により付加ノイズを伴う音楽を用いている間に特徴付けられたものである。このプロットは、第１音響信号を改善することにより、即ち、ノイズを付加することにより、結果として得られる伝達関数がまた、改善されることを示している。この特定のプロットは、伝達関数がスペクトルの大部分に対して改善され、更に、全体の可聴性スペクトルにおいて“スムージングされる”ことを示している。

本発明者は、損失の多い音声圧縮アルゴリズムの適用は、音楽及び／又は発話信号にノイズを付加する、特に洗練された方法であることを理解することができた。損失の多い音声圧縮アルゴリズムは、典型的には、人間の聴覚システムの音響心理学モデルに基づいている。名前が示すように、損失の多い圧縮は、オリジナルの音声信号に含まれる情報の廃棄を含む。廃棄された情報はまた、オリジナルの音声内容に付加されたノイズ信号とみなされる。その結果、例えば、ＭＰＥＧオーディオレイヤ２又は３、ＡＡＣ、ＡＴＲＡＣ又はＷＭＡ等の既知の音声圧縮規格により符号化されるファイルのような損失の多い圧縮音声ファイルは、不可聴様式で符号化されたにも拘わらず、大量の付加ノイズを有する可能性がある。実際には、符号化の間に用いられる圧縮比が大きければ大きい程、付加ノイズの量は大きくなる。したがって、損失の多い圧縮された音声信号が特徴化のために用いられるとき、付加されるノイズは特徴化処理にとって役に立つことが可能である。

損失の多い圧縮された音声信号は付加ノイズを与えるが、更なる改善が可能である。図６は、前に登録された音響特性を用いることにより人間を認証する装置５００を示している。装置５００は、図３にも示されている種々の構成要素を有する。装置５００は、選択表現１１５を分析するノイズ生成器制御手段５０５を更に有し、人間の聴覚システムの音響心理学モデルに基づいて、付加されることが可能であるノイズの量と、第１音響信号１２５において可聴歪をもたらすことなく、選択表現１１５に付加される必要がある周波数帯域と、を決定する。

装置５００は、損失の多いディジタル音声圧縮で用いられるものと同じ人間の聴覚システムの音響心理学モデルを用いるが、目的は異なっている。損失の多いディジタル音声圧縮を適用するシステムの目的は、知覚される歪を最小化しながら音声信号を符号化するように制約されたビット数を効率的に用いることである。その結果、損失の多い音声圧縮アルゴリズムは、符号化される必要がある周波数成分の数の減少に焦点を当てるものである。

それとは対照的に、本発明の目的は、知覚される歪を最小化しながら検出を最適化するように、最初の音響信号にできるだけ多くのノイズを付加することである。本発明にしたがった方法は、損失の多い音声圧縮アルゴリズムにおいてみられるビットレートの制約を有するものではない。その結果、本発明は、選択されたソース信号にノイズを付加する更なる自由度を有する。例えば、典型的には、本発明にしたがった方法が、何ら存在していない選択されたソース信号に周波数成分を付加することは有利である。それとは対照的に、損失の多い音声圧縮アルゴリズムにおいては、そのような付加はビットレートの制約と調和しない。本発明は、この付加される自由度を利用し、損失の多い音声圧縮アルゴリズムができることより更に効率的な様式で検出を最適化することができる。

装置５００は、ノイズ生成器制御手段５０５により選択表現の時間的分析を可能にする遅延線５０１を有する。ノイズ生成器制御手段５０５は、ノイズ生成器の出力の振幅特性及び周波数特性の両方を制御するように、ノイズ生成器２２０に制御信号を送る。そのように行うことにおいて、装置５００は、時間的マスキング及びスペクトル的マスキングの両方を利用して、殆ど知覚できない様式でノイズを付加することができる。ノイズ生成器２２０により生成されたノイズは、遅延された選択表現に付加される。

装置５００は、スピーカ１２０により外耳１３０に送られる第１音響信号１２５を生成するように、結果として得られるノイズの多い音声表現５１０を用いる。一般に、第２音響信号１５０はマイクロフォン１５５により取得される。そのマイクロフォンの出力は特徴付け手段５２５に送られる。特徴付け手段５２５は、ノイズの多い音声表現５１０及びマイクロフォン１５５からの出力に基づいて伝達関数を確立する。この伝達関数は、特徴ベクトル５３０の基礎として代替の実施形態として又は代替の実施形態において用いられることが可能である。結果として得られる特徴ベクトル５３０は、認証手段５４０に連続的に与えられる。

認証手段５４０は、例えば、認証される人間により入力される、キーボードを用いる、又はバッジリーダにより読み取られる仮想同一性を用いる。仮想同一性５４５は、登録されている音響特性のデータベース５３５から登録されている音響特性を検索するように用いられる。検索された音響特性は、続いて、得られる特徴ベクトル５３０の音響特性とマッチングされる。十分なマッチングが所定の範囲内で認められる場合、その認証は成功裏に行われたといえる。その認証の判定が硬判定であるか又は軟判定であるかに留意する必要がある。軟判定を用いることは、多モデル生体認証システムにおいては、特に有利である。

認証システムの性能を更に改善するように、フィッシャー線形判別分析（ＬＤＡ）のような既知の技術が、最も区別された周波数成分を特徴付けるように適用されることが可能である。フィッシャーＬＤＡを適用するシステムにおいて性能を改善するように、人間を認証する又は識別するシステムは、最も区別された周波数成分をもたらす最初の音響信号におけるスペクトル成分を強調することができる。続いて、ノイズ生成器制御手段５０５は、最も区別された周波数成分をもたらす最初の音響信号において特定の周波数成分にできるだけ多くの信号エネルギーを付加するように構成される必要がある。

図６に示している装置は生体認証についての装置であり、その装置の一般的な構造は、生体識別についての装置の構造と異なっていない。しかしながら、それらの装置の間には１つの主な違いがある。識別についての装置においては、生体は、特に、基準データベースにおける全ての入力により特徴付けられ、それらの入力とマッチングされる。それとは対照的に、認証についての装置は、典型的には、仮想識別により関連付けられる基準データと確立された特徴ベクトルのみをマッチングさせる。

特徴付け方法における損失の多い音声圧縮の使用は最適な特徴付けをもたらさないが、ノイズ挿入を適用しないシステムにおいて実質的な改善を提示する。図７は、予め登録された音響装置を用いる、人間を認証するための代替の装置５９５を示している。その装置５９５においては、蔵置５００（図６）に示している遅延線５０１、ノイズ生成器制御手段５０５、ノイズ生成器２２０及び加算器が、同様の機能を実行する代替の手段により置き換えられている。

装置５９５においては、選択ソース信号１１５が損失の多い音声圧縮符号化器５９１に送られる。この符号化器は、損失の多い音声圧縮アルゴリズム、又は下記のようなアルゴリズムの一部を実行する処理器を有する。損失の多い音声圧縮符号化器５９１により出力される損失の多い圧縮された音声信号５９２は、損失の多い音声圧縮復号化器５９３に送られる。復号化器５９３は、付随する音声伸長アルゴリズム又はその一部を実行する処理器を有する。損失の多い符号化及びそれに続く復号化の両方の組み合わせは、最小の可聴歪でノイズの多い音声表現５１０をもたらす。

代表的な損失の多い音声圧縮符号化器は次のような３つの段階を有する。
１．変換段階
入力信号が変換される。
２．量子化段階
信号分析及び量子化がこの段階で処理される。その結果、この段階は、情報の損失（付加されたノイズ）の主な原因である。
３．符号化段階
従来のエントロピー符号化技術が、量子化されたデータのより簡潔な表現を生成するように用いられる。

付随する損失の多い音声圧縮復号化器は、典型的には、次のような符号化器段階を効果的に反映する段階を有する。
１．復号化段階
符号化されたデータは、従来のエントロピー復号化技術を用いることにより復号化される。
２．再構成段階
変換された表現の近似が復号化されたデータにより再構成される。
３．変換段階
変換された表現は、オリジナルの入力信号に似た信号に変換されて戻される。

この実施形態においては、符号化器及び復号化器は並列して備えられている。このことは、符号化器及び復号化器の更なる最適化を可能にする。１つの重要な最適化は、符号化段階及び復号化段階の除去である。更なる最適化が、適用される実際のアルゴリズムに応じて可能である。結果として得られた音声処理モジュール５９４は同じ機能を実行するが、より効率的な様式でその機能を実行する。

図８は、本発明にしたがったシステム６００を示している。そのシステムは、人間の外字の音響特性の登録のための装置６０５を有する。装置６０５は、音楽及び／又は発話を有する第１音響信号６０２を用いて、外字６０１の音響特性を特徴付けるように用いられる。装置６０５は第２音響信号６０３を受け入れ、続いてデータベース６１０に記憶される、外耳６０１に関連する音響特性を特徴付けるようにこの第２音響信号６０３を用いる。

そのシステムは、外耳の音響特定を用いて、人間の識別についての装置６２５を更に示している。識別される必要がある人間が装置６２５にいるとき、装置６２５は、音楽及び／又は発話を有する音響信号６２２を供給する。第１音響信号６２２は、識別される人間の外耳６２１の方に伝達される。装置６２５は第２信号６２３を受け入れ、外耳６２１の音響特性を特徴付けるようにこの第２信号６２３を用いる。それらの特徴付けられた音響特性は、続いて、データベース６１０から登録されている音響特性とマッチングされる。差が所定の閾値の範囲内であるとき、マッチングが認められ、その識別は、データベースの入力と関連付けられる識別であるとして確立される。

音響特性をマッチングさせるように、データは、データベース６１０からネットワーク６１５を介して装置６２５に送られる。このネットワークは、ＧＳＭネットワーク、ＵＭＴＳネットワーク、無線ＬＡＮ、専用ネットワーク又はインターネットであることが可能である。過剰なデータ転送を回避するように、データベースは分配されることが可能であり、又は代替として、マッチング処理は、ネットワークにおける１つのサイト又は複数のサイトに集中化されることが可能である。

装置６０５及び装置６２５は専用装置であることが可能であるが、本発明はまた、携帯電話、ＤＥＣＴ電話、通常の電話等の既存の又は将来の汎用エレクトロニクス、若しくは、イヤホン又はヘッドホンを有する携帯型オーディオ及び／又はビデオプレーヤ等の他の装置に組み込まれることが可能である。

図９は、外耳の音響特性を用いて、ネットワークを介して電子通信サービスを供給する、及び人間の遠隔認証を可能にする通信システム７００を示している。図示しているシステムは、少なくとも２つの端子であって、第１端子７０１は音声認識を可能にする端子であり、第２端子７０２はまた、認証される人間７０５の音響特性を確立する端子である、少なくとも２つの端子を有する。図示している第１端子７０１は第２端子７０２と構造的に似ているが、このことは必要ない。代替の実施形態においては、第１端子７０１は、例えば、電話により認識されている指令に自動的に応えるように備えられているサービスにより動作されるコンピュータシステムであることが可能である。

実際の認証処理は両方の端子を介して分配される。第１端子７０１は、音楽及び／又は発話を有する音声信号の表現７２０を供給する。この表現７２０は、例えば、第１端子７０１のオペレータ７０３の声をサンプリングすることにより、第１端子７０１により予め記録される又はオンザフライを生成されることが可能である。表現７２０は、続いて、ネットワーク７２５を介して第２端子７２０に送信される。第２端子においては、本発明にしたがって、ノイズが入力信号に付加される。このノイズの多い表現は、スピーカ１２０を用いて、第２端子７０２により第１音響信号７３０に変換される。

第２端子７０２は、第２音響信号７３５を更に受け入れる。第２音響信号７３５は、第１音響信号７３０の反射された部分を有する。それらの部分は、第２端子７０２を操作する人間７０５の外耳７０６により反射される。マイクロフォン１５５により登録される信号は、特徴付けられた音響特性７５０を導き出すように特徴付け手段７７０においてノイズの多い表現と共に用いられる。特徴付けられた音響特性７５０は、ネットワーク７２５を介して第１端子７０１に送信される。

第１端子７０１は認証手段７５５を有する。認証手段７５５は仮想識別５４５を得る。仮想識別５４５は、例えば、第１端子に認証された人間により通信されることが可能であり、又はカードリーダを用いることにより得られることが可能である。仮想識別５４５を用いて、認証手段は、データベース７６０からの仮想識別５４５と関連付けられている登録されている音響特性を得る。続いて、認証手段７５５は、それらの登録されている音響特性と特徴付けられた音響特性７５０をマッチングさせる。第２端子７０２を操作している人間は、仮想識別５４５と関連付けられる登録されている音響特性との十分なマッチングが認められるときに、認証され、そうでなければ、認証は失敗する。

システム７２５において用いられるネットワークは、ＧＰＳネットワーク、ＵＭＴＳネットワーク、８０２．１１無線ＬＡＮ、専用ネットワーク又はＴＣＰ／ＩＰネットワークであることが可能である。システム７００は、遠隔的に人間を認証するように、例えば、彼等をネットワークにおけるサービス、ネットワークを介して利用可能なコンテンツへのアクセスを許可するように用いられることが可能であり、又は、例えば、電子バンキングを可能にするように、取引を認証するように用いられることが可能である。

図９に示すシステム７００は効率的に分割されるが、第２端子７０２から第１端子７０１に機能的に分配されることが可能である。このことは、第２端子の全体性の限定された制御が存在するときに適切である。このシナリオにおいては、第２端子から第１端子７０１に特徴付け手段を移動させることは興味のあることである。しかしながら、ＴＣＰ／ＩＰネットワークのような特定のネットワークは透明データ伝送を可能にするが、ＧＳＭネットワークのような他のネットワークは音声信号について透明でない。その結果、機能性の再配分は常に実行可能ではない。

上記の実施形態以外に、本発明はまた、ヘッドホン又はイヤホンを用いるオーディオ及び／又はビデオ再生装置等の汎用電子装置において応用されることが可能である。ここでは、本発明は、ユーザを識別し、例えば、等化器の設定をカスタマイズするように、又はそのユーザの識別に基づいてオファーをプログラムするように用いられることが可能である。代替として、携帯電話、又はイヤホン又はヘッドホンを有する代替の装置が、１つ又はそれ以上の特定のユーザに独占的に与えられることが可能である。そのようにする場合、本発明は、前記汎用電子装置について効率的な盗難抑止／不正使用防止システムを可能にする。

本発明は、例えば、電話キューにおける優先順位の自動スケジューリングを可能にするように、ユーザの知識の有無に拘わらず、前記ユーザの認証を可能にする。

上記の実施形態は例示であって、本発明を限定するものではなく、当業者は、同時提出の特許請求の範囲における範囲から逸脱することなく、多くの代替の実施形態をデザインすることができることに留意する必要がある。

表現“を有する”及びその派生表現を用いることは、請求項に記載されている要素又はステップ以外の要素又はステップの存在を排除するものではない。要素又はステップの単数表現を用いることは、そのような要素又はステップの複数の存在を排除するものではない。

本発明は、複数の別個の要素を有するハードウェアにより、そして適切にプログラムされたコンピュータにより実施することができる。複数の手段を列挙している装置請求項においては、それらの手段の幾つかは同一のハードウェアのアイテムにより実施されることが可能である。特定の手段が互いに異なる従属請求項に記載されているということだけで、それらの手段の組み合わせが有利に用いられることができないことを意味するものではない。

人間の外耳を特徴付ける、本発明の第１特徴にしたがった装置の模式図である。 ３人の個人について、本発明にしたがって特徴付けられる周波数における“耳伝達関数”の振幅を示すプロットである。 人間の外耳を特徴付ける、本発明の第２特徴にしたがった装置の模式図である。 人間の外耳を特徴付ける、本発明の第２特徴にしたがった代替の装置の模式図である。 ノイズを伴う及び伴わない場合の、本発明にしたがって特徴付けられる周波数における“耳伝達関数”の振幅を示すプロットである。 人間の外耳を特徴付ける、本発明の第３特徴に基づいて人間を認証する装置の模式図である。 人間の外耳を特徴付ける、本発明の第３特徴に基づいて人間を認証する代替の装置の模式図である。 人間の外耳の音響特性に基づいて人間を識別するシステムの模式図である。 電子通信システムを用いる人間の遠隔認証のためのシステムの模式図である。

Claims (15)

1. 外耳の音響特性を特徴付ける方法であって：
   前記外耳の方に第１音響信号を伝達するステップであって、前記第１音響信号は、音楽を有する音声信号の表現及び発話を有する音声信号の表現から選択された少なくとも一の表現に基づいている、ステップ；
   前記外耳から第２音響信号を受け入れるステップ；
   前記第２音響信号に基づいて前記外耳の前記音響特性を特徴付けるステップ；及び
   前記表現を音響信号に変換する前に、前記音声信号の表現を処理するステップであって、該処理するステップは、前記音声信号の前記表現に対するノイズの付加を有し、人間の聴覚システムの音響心理学モデルに基づいて、付加され得るノイズの量と、前記ノイズが前記選択された表現に付加される必要がある周波数帯域とが、前記第１音響信号における可聴歪をもたらすことなく決定される、ステップ；
   を有する方法。
2. 請求項１に記載の方法であって：
   前記外耳の方に音響ノイズ信号を伝達するステップ；
   を更に有する、ことを特徴とする方法。
3. 請求項１に記載の方法であって、前記第１音響信号は音声信号の表現に基づき、該表現は、次の表現、即ち：
   音声信号の電磁気学的表現；
   音声信号の光学的表現；
   音声信号の電気的表現；及び
   音声信号のディジタル的表現；
   の一の表現を有する、ことを特徴とする方法。
4. 請求項３に記載の方法であって、前記ディジタル的表現は損失の多い圧縮音声信号である、ことを特徴とする方法。
5. 請求項１に記載の方法であって、音響信号に変換する前に前記の処理された音声信号の表現の信号スペクトルは、１００Ｈｚ乃至１５ｋＨｚ及び２０Ｈｚ乃至２２ｋＨｚの範囲の一の範囲をカバーする、ことを特徴とする方法。
6. 請求項１に記載の方法であって、前記特徴付けるステップにおいて、前記外耳の前記音響特性は、前記第２音響信号の周波数領域分析を有する、ことを特徴とする方法。
7. 請求項６に記載の方法であって、前記特徴付けるステップにおいて、前記外耳の前記音響特性は、前記外耳の前記音響特性の伝達関数を特徴付けることを有する、ことを特徴とする方法。
8. 人間の外耳の音響特性を登録する方法であって、登録される前記人間の前記外耳の前記音響特性を特徴付ける請求項１に記載の方法を組み込む、ことを特徴とする方法。
9. 外耳の予め登録されている音響特性を用いて人間を認証する方法であって、認証される前記人間の前記外耳の前記音響特性を特徴付ける請求項１に記載の方法を組み込む、ことを特徴とする方法。
10. 外耳の予め登録されている音響特性を用いて人間を識別する方法であって、識別される前記人間の前記外耳の前記音響特性を特徴付ける請求項１に記載の方法を組み込む、ことを特徴とする方法。
11. 外耳の音響特性を特徴付ける装置であって：
    前記外耳の方に第１音響信号を伝達するように備えられている伝達手段であって、前記第１音響信号は、音楽を有する音声信号の表現及び発話を有する音声信号の表現から選択された少なくとも一の表現に基づいている、伝達手段；
    前記外耳から第２音響信号を受け入れるように備えられている受け入れ手段；
    前記第２音響信号に基づいて前記外耳の前記音響特性を特徴付けるように備えられている特徴付け手段；及び
    前記表現を音響信号に変換する前に、前記音声信号の表現を処理するように備えられた処理手段であって、前記処理は、前記音声信号の前記表現に対するノイズの付加を有し、人間の聴覚システムの音響心理学モデルに基づいて、付加され得るノイズの量と、前記ノイズが前記選択された表現に付加される必要がある周波数帯域とが、前記第１音響信号における可聴歪をもたらすことなく決定される、処理手段；
    を有する装置。
12. 人間の外耳の音響特性を登録する装置であって、登録される前記人間の前記外耳の前記音響特性を特徴付ける請求項１１に記載の装置を組み込む、ことを特徴とする装置。
13. 外耳の予め登録されている音響特性を用いて人間を認証及び／又は識別する装置であって、認証される前記人間の前記外耳の前記音響特性を特徴付ける請求項１１に記載の装置を組み込む、ことを特徴とする装置。
14. 請求項１１に記載の装置であって、該装置は２つのモジュールを有し、該２つのモジュールのうちの第１のモジュールは：
    前記伝達手段；
    前記受け入れ手段；及び
    第２モジュールと通信するように備えられている第１通信手段；
    を有し、前記第１モジュールは前記第２モジュールから分離されることが可能であり、前記第２モジュールは：
    前記特徴付け手段；及び
    前記第１モジュールと通信するように備えられている前記第２通信手段；
    を有する、ことを特徴とする装置。
15. ネットワークを介して電子通信サービスを提供する電子通信システムであって、前記ネットワークは：
    パーティーに関連付けられ、認証手段を有する第１端子；及び
    人間により操作される第２端子；
    を有する、電子通信システムであり、
    前記第１端子及び前記第２端子の両方はネットワークにより接続され；
    前記第１端子及び前記第２端子は、前記人間の外耳の音響特性を特徴付ける請求項１に記載の方法のステップを実行するように備えられ；
    前記第１端子における前記認証手段は、前記特徴付けられた音響特性、仮想識別及び登録されている音響特性を有するデータベースを用いて、前記人間を遠隔的に認証するように備えられている；
    ことを特徴とする電子通信システム。

Images