JPH03504283A - 音声の動作特性検出 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 音声の動作特性検出 音声の動作特性検出器（ｖｏｉｃｅ　　ａｃｔｉｖｉｔｙｄｅｔｅｃｔｏｒ）は 、会話の期間、又はノイズのみを含む期間を検出する目的を有する信号が供給さ れる装置である。

この発明はこれらの応用に限るものではなく、そのような検出器に関するこの発 明の特定な実施例には、移動ラジオ電話システムがあり、このシステムにおいて 会話は会話コーグ（ｃｏｄｅｒ）によって利用され、電波スペクトルの有効な利 用法を改善し、又、それらのシステムではノイズレベル（車に搭載されたユニッ トからの）は一般に大きい。

音声の動作特性検出の本質は、会話と会話ではない期間の間で異なる分量を探す ことである。会話コーグを含む装置において、一つコーグから、又は他のステー ジから、多くのパラメータを容易に用いることができ、従ってそのようなパラメ ータを利用することによって、必要な処理を経済的に簡素にすることが望まれる 。多くの状況において、主要なノイズはある周波数スペクトルの限られた領域内 に発生する。例えば移動する車のノイズ（例えばエンジンノイズ）は、低い周波 数帯域スペクトルである。ノイズスペクトルのそのような位置に関する認識が利 用できる場合は、比較的少ないノイズを含むスペクトル部分から得られた測定量 について、会話が存在するかどうかの判断の基準を置くのが望ましい。勿論、会 話の動作特性を検出して分析する前に、信号を濾波することが実際に可能である が、音声の動作特性検出器が会話コーグの出力に依存している場合、この前段濾 波はコード化される音声信号を妨害する。

この発明の第１の局面によれば、入力信号を受信する手段と、入力信号のノイズ 信号成分を概算する手段と、入力信号とノイズ信号成分の間のスペクトル的類似 性の測定値Ｍを連続的に形成する手段と、測定値Ｍから得られたパラメータをス レショルド値（ｔｈｒｅｓｈｏｌｄ　　ｖａｌｕｅ）Ｔと比較する手段と、前記 値が超過されたかどうかに依存して、会話が存在するかどうかを示す出力を発生 する手段を具備する音声の動作特性検出器が提供される。

この発明の第２の局面によれば、入力信号部分と以前の入力信号部分の間の類似 性を示すスペクトル的歪み値を連続的に形成する手段と、連続する測定値の間の 変化程度をスレショルド値と比較し、前記値が越えられたかどうかに依存して、 会話が存在するかどうかを示す出力を生成する手段を具備する音声の動作特性検 出装置が提供される。

その測定値は、板金・斎藤による歪み値であることが望ましい。

この発明の他の局面は特許請求の範囲に含まれる。

この発明の幾つかの実施例が添付図面を参照してこれより説明される。

第１図はこの発明の第１実施例を示すブロック図；第３図はこの発明の好適な第 ３実施例を示す。

この発明による音声の動作特性検出器の第１実施例を特徴付ける一般原則か次に 示される。

ｎ個の信号サンプル （ＳＯ’　　　１’　　２’　　３’　　４　　　　　ｎ−１）は・パルス応答 （１，ｈｏ、ｈ２．ｈ３）の概念上の４次有限パルス応答（Ｆ　Ｉ　Ｒ）デジタ ルフィルタを通過するとき、濾波された信号となり（以前のフレームからのサン プルを無視する）、０次の自己相関係数は、各項の２乗の合計値であり、それは 正規化され、即ち項の全数によって分割され（一定フレーム長に関し、その分割 を省略するのが容易である）、従って濾波された信号の合計値は、 従ってこれは、論理的に濾波された信号Ｓ゛の電力量、即ち概念的フィルタの通 過帯域内の信号Ｓの部分の電力量である。

最初の４項を無視して拡張すると、 ＋　ｈｏＳ４Ｓ３　　”　ｈｏＳｏ　　　”　ｈｏｈｌＳ３Ｓ２　　＋　ｈｏｈ ２Ｓ３Ｓｌ、　　”　ｈｏｈ３５３５゜＋　ｈＩＳ４Ｓ２　　”　ｈｏｈＩＳ３ Ｓ２　　÷ｈｌｓ２”　ｈ１ｈ２Ｓ２Ｓｘ　　”　ｈｘｈ３ｓ２５゜従って、Ｒ −ｏは、値Ｒ′。が応答する周波数帯域を決定する括弧でくくった定数によって 重み付けされた自己相関係数Ｒ６の結合によって得られる。実際、括弧でくくっ た項は論環フィルタのパルス応答の自己相関係数であり、従って上記表現は次の ように簡単に現すことができる。

ここで、Ｎはフィルタの次数、Ｈｌはフィルタのパルス応答の（正規化されてい ない）自己相関係数。

即ち、信号濾波の信号自己相関係数に関する効果は、要求されるフィルタが有す るパルス応答を用い、（濾波されていない）信号の自己相関係数の合計を生成す ることによってシミュレー）　（ｓ　ｉｍｕ　ｌａ　ｔ　ｅ）することができる 。

従って、乗算動作の小さい数を含む比較的簡単なアルゴリズムは、この数の１０ ０回の乗算動作を一般に必要とするデジタルフィルタのシミュレーションを行う ことができる。

一方、この濾波動作は、信号スペクトルが参照スペクトルに対して整合している （ｍａｔｃｈｅｄ）状態で（論理フィルタの逆相応答）、スペクトル比較の形式 として見ることができる。この応用における論理フィルタはノイズスペクトルの 逆を概算するように選択されるので、この動作は、スペクトル間の非類似性をを 示す値のような、会話及びノイズのスペクトルと、生成される０次自己相関係数 （即ち逆濾波された（Ｍ号のエネルギ）とのスペクトル的比較として見ることが できる。板倉・斎藤による歪み値が、予測フィルタ（ｐｒｅｄｉｓｔｏｒ　　ｆ ｉｌｔｅｒ）と入カスベクトルの整合を評価するＬＰＣ内に用いられ、一つの形 式は次のように示される。

ここで、ＡｏなどはＬＰＧパラメータ・セットの自己相関係数である。これは前 記得られた関係に非常に類似していることが判り、ＬＰＣ係数が入力信号の逆ス ペクト応答を有するＦＩＲのタップ（ｔａｐｓ）であり、それによってＬＰＧ係 数セットは逆ＬＰＧフィルタのパルス応答であることを考えれば、実際、板倉・ 斎藤による歪み値は単に式１の一形式であり、そこでフィルタ応答Ｈは入力信号 の全ポールモデル（ａｌｌ−ｐｏｌｅ　　ｍｏｄｅｌ）であることは明らかであ る。

事実、試験スペクトルのＬＰＣ係数と参照スペクトルの自己相関係数を用いて、 転換し、スペクトル的類似性の異なる値を得ることができる。

Ｉ−３による歪み値は、”ベクトル量子化に基づく会話の符号イ’Ｃ”　　（” ５ｐｅｅｃｈ　　Ｃｏｄｉｎｇ　　ｂａｓｅｄ　　ｕｐｏｎ　　Ｖｅｃｔｏｒ　 　Ｑｕａｎｔｉｓａｔｉｏｎ”ｂｙＡ　　　Ｂｕｚｏ、Ａ　　ＨＧｒａｙ、ＲＭ 　　Ｇｒａｙ　　　ａｎｄ　　　Ｊ　　　Ｄ　　Ｍａｒｋｅｌ、　　ＩＥＥ　　 Ｔｒａｎｓ　　　ｏｎ　　　ＡＳＳＰ、Ｖｏｌ　　　ＡＳＳＰ−２８，Ｎｏ５， ０ｃｔｏｂｅｒ１９８０）に更に詳細に説明されている。

信号のフレ−ムは単に有限鎖長を有し、項の数（Ｎ、ここでＮはフィルタ次数） は無視されるので、前述の結果は単に概算である。しかし、それは会話がある可 動かを非常に良く示し、従って会話報告の値Ｍとして用いられる。ノイズスペク トルが既知であり、それが静的ノイズの場合、固定のｈｏ、ｈｌなどの係数を逆 ノイズフィルタに適用することは十分可能である。

しかし、異なるノイズ状況に適合することができる装置は更に有益でゐる。

第１図にはこの発明の第１実施例が示され、マイクロホン（図示されず）からの 信号Ｓは入力−に受信され、アナログ・デジタルコンバータ２によって、適切な サンプリングレート（ｓａｍｐｌ　ｉｎｇ　　ｒａｔｅ）でデジタルサンプルに 変換される。ＬＰＧ分析ユニット３（一般的なＬＰＣコーダ［ｃｏｄｅｒ］）は 、ｎ個（例えば１６０個）のサンプルの連続するフレームについて、入力の会話 を示すために送信されるＮ個（例えば８又は１２個）のＬＰＣフィルタ係数り。

の−組を得る。会話信号Ｓは又、相関ユニット（ｃｏｒｒｅｌａｔｏｒ　　ｕｎ ｉｔ）４’（通常これはＬＰＣコーダ３の一部分である。なぜならば、ここで分 離相関器［５ｅｐａｒａｔｅ　　ｃｒｒｅｌａｔｏｒ］を供給することが評価で きるが、会話の自己相関ベクトルＲ６は通常ＬＰＧ分析の１ステップとして生成 されるからである）に入力される。相関器４は自己相関ベクトルＲ３を発生し、 ベクトルＲ２は０次相関係数Ｉ Ｒｏ、及び少なくとも更に２つの自己相関係数Ｒ１、Ｒ２、Ｒ３を含む。これら はマルチプライアユニット（ｍｕｌｔｉｐｌｉｅｒ　　ｕｎｉｔ）５に供給され る。

第２人力１１はスピーカから離れて配置される第２マイクロホンに接続され、背 景ノイズのみが受信される。このマイクロホンからの入力は、ＡＤコンバーター ２によってデジタル入力サンプル列に変換され、ＬＰＧアナライザ１３によりて ＬＰＣ分析される。アナライザ１３から発生した”ノイズ′ＬＰＧ係数は相関ユ ニット１４を通過し、それによって発生した自己相関ベクトルは、マルチプライ ア５の会話マイクロホンからの入力信号の自己相関係数Ｒ４によって項ごとに乗 算され、それによって生成された重み係数は等式１に従って加算器６によって加 算され、それによってノイズのみのマイクロホンからのノイズスペクトルの逆相 形状を有するフィルタを提供しく実際は信号・パルス・ノイズ・マイクロホンに おけるノイズスペクトルと同一形状である）、従って殆どのノイズを濾波する。

その結果的測定値Ｍはスレショルダ（ｔｈｒｅｓｈｏｌｄｅｒ）７によってスレ ショルド値（ｔｈｒｅｓｈｏｌｄ）と比較され、会話が存在するかどうかを示す ロジック出力８を発生する。ここでＭが大きい場合、会話が存在すると考えられ る。

この実施例では２つのマイクロホンと２つのＬＰＣアナライザを使用するが、費 用と複雑性が増大するが、必要であればこれらを増やすことができる。

一方、他の実施例では、ノイズマイクロホン１１からの自己相関、及びメインマ イクロホン１からのＬＰＣ係数を使用して形成される対応する値を使用する。そ の場合、ＬＰＣアナライザではなく、更に他の自己相関器が必要となる。

従ってこれらの実施例は、異なる周波数のノイズを有する異なる状況、又は与え られた一つの状況において、変化するノイズスペクトルの存在する所で動作する ことが可能である。

第２図の好適実施例においては、ＬＰＣ係数の一組（又はその−組の自己相関ベ クトル）を格納するバッファ１５が提供され、これらの値は、”ノンスピーチ（ ｎｏｎ−ｓｐｅｅｃｈ）（即ちノイズのみ）”として定義される期間に、マイク ロホン人力−から得られる。これらの値は等式１による値を得るために使用され 、勿論この測定は、板倉・斎藤による歪み測定法に対応するが、ＬＰＣ係数の現 在のフレームではなく、逆相ノイズスペクトルの概算値に一致する、ＬＰＣ係数 の格納された単一フレームが使用されるところが異なる。

アナライザ３によって出力されるＬＰＧ係数ベクトルＬ。

■ も又、相関器１４に導かれ、それによってＬＰＣ係数ベクトルの自己相関ベクト ルを発生する。バッファメモリー５はスレショルダ７のスピーチ／ノンスピーチ 出力によって制御され、　“スピーチ′フレームの間、バッファは“ノイズ”自 己相関係数を保持するが、”ノイズ”フレームの間は、ＬＰＣ係数の新たな一組 が、例えば複合スイッチ１６によってバッファを更新するのに使用することかで き、このスイ、ノチ１６を介して、各自己相関係数を伝送する相関器１４の出力 かバッファ１５に接続される。相関器１４かバッファ１５の後に配置されてもよ い。更に、係数更新のためのスピーチ／ノンスピーチの決定は出力８からである 必要はなく、（好適に）他の方法で得ることができる。

会話の無い期間がしばしば発生するので、バッファに格納されたＬＰＣ係数は時 折更新され、それによって装置はノイズスペクトル内の変化に追随することがで きる。ノイズスペクトルが時間的に比較的安定している場合（多くの場合そうで あるが）、そのようなバッファの更新は、極く希に、又は検出器の初期の動作の みに必要とされると考えられが、移動する（車の）ラジオのような状況のときに は、しばしば更新するのが望ましい。

この実施例の変更例として、簡単な固定バイパス・フィルタに一致する係数項を 有する等式１をシステムは適用し、次に″ノイズ期間″ＬＰＣ係数を使用して切 り替わることによってシステムは適合を開始する。幾つかの理由によって会話検 出が失敗した場合、システムは簡単なバイパスフィルタを再び用いることができ る。

上記値をＲｏで割ることによって正規化することができ、スレショルドと比較さ れる表現は、 ト この値はフレームの総合信号電力とは独立しており、従って総合信号レベル変化 に関しては補償されるが、“ノイズと”会話“レベルの間の著しい対比を与えず 、従ってノイズの大きな環境では好適に使用されることはない。

（後述されるように）ノイズスペクトルが徐々に変化するとき、（前述の様々な 実施例におけるノイズマイクロホン又はノイズのみの期間から得られる）ノイズ 信号の逆フイルタ係数を得るためにＬＰＣ分析を用いる代わりに、一般的な適合 性フィルタ（ａｄａｐｔｉｖｅ　　ｆｉｌｔｅｒ）を用いて逆相ノイズスペクト ルの原型を生成することができ、そのようなフィルタに共通する比較的低速な適 合率を得ることができる。第１図に一致する実施例において、ＬＰＧ分析ユニッ ト１３は容易に適合性フィルタ（例えばトランスバーサル（ｔｒａｎｓｖｅｒｓ ａｌ）ＦＩＲ又はラティスフィルタ（ｌａｔｔｉｃｅ　　ｆｉｌｔｅｒ））と交 換することができ、そのフィルタは、逆フィルタの原型を生成することによって 、ノイズ入力をホワイトノイズに転換するためにシステムに接続され、その係数 は前述のように自己相関器１４に供給される。

第２図に示される第２実施例において、ＬＰＧ分析手段３は、そのような適合器 フィルタと置換され、バッファ手段１５は省略される。しかし、スイッチ１６は 、適合性フィルタこの発明の他の局面に対応する第２の音声の動作特性検出器が これより説明される。

以下の説明において、ＬＰＧ係数ベクトルは、ＦＩＲフィルタの単にパルス応答 であり、ＦＩＲフィルタは入力信号の逆位相スペクトル形状であることは明らか である。隣接するフレームの間に板倉・斎藤による歪み値が形成されるとき、以 前のフレームのＬＰＧフィルタによって濾波されているので、実際にその値は信 号の電力に等しい。従って隣接するフレームのスペクトルに違いが殆どない場合 、フレームの対応する僅かなスペクトル電力は濾波を免れ、その値は小さいであ ろう。同時に、フレーム間の大きなスペクトルの相違は大きな板倉・斎藤歪み値 を発生し、それによってその値は隣接するフレームのスペクトルの類似性を反映 する。スピーチコーダに関して、データレートを最小とすることによって、フレ ーム長をできるだけ長くするのが望ましい。即ち、フレーム長が十分長ければ、 会話信号はフレームからフレームへの重要なスペクトル変化を示す（もしそうで なければコード化は冗長である）。一方、ノイズはフレームからフレームへ徐々 に変化するスペクトル形状を有し、会話が信号に存在しない期間において、以前 のフレームから逆相ＬＰＣフィルタを適用し、殆どのノイズ電力を′フィルタア ウト（ｆｉｌｔｅｒ　　ｏｕｔ）“するので、板倉・斎藤による歪み値はそれに 対応して少ない。

断続的な会話を含み、ノイズの多い信号の隣接するフレーム間の板金°斎藤歪み 値は、一般にノイズの期間より会話の期間の方が大きく、変化の程度（標準偏倚 によって示されるように）は大きく、断続的な変化は少ない。

ここで、Ｍの標準偏差（ｓｔａｎｄａｒｄ　　ｄｅｖｉａｔｉｏｎ）も信頼でき る値であり、各標準偏差をとる効果は本質的に値を円滑にすることである。

音声の動作特性検出器のこの第２の形態において、会話が存在するかどうかを判 断するのに用いる測定されたパラメータは、板倉・斎藤歪み値の標準偏差である ことが望ましいが、変化を測定する他の方法、及び（例えばＦＦＴ分析に基づく ）スペクトル歪みを測定する他の方法を適用することができる。

音声の動作特性検出に適合性スレショルド（ａｄａｐｔｉｖｅ　　ｔｈｒｅｓｈ ｏｌｄ）を用いることにも利点がある。

そのようなスレショルドは、会話期間の間は調整されるべきではなく、調整され ると会話信号はスレショルドアウト（ｔｈｒｅｓｈｏｌｄ　　ｏｕｔ）される。

従ってスピーチ／ノンスピーチ制御信号を用いてスレショルド・アダプタを制御 する必要があり、この制御信号はスレショルド・アダプタの出力から独立してい るのが望ましい。スレショルドＴは、ノイズのみが存在するとき、値Ｍのレベル 以上のレベルに保たれるように調整される。その値はノイズが存在するとき一般 にランダムに変化するので、多くのブロックについての平均しベルを決定し、ス レショルドをこの平均レベルに比例するレベルに設定することによって、スレシ ョルドが変化する。しかし、これはノイズの多い状況では一般に十分ではなく、 幾っかのブロックについてのパラメータの変化程度に関する査定か考慮される。

従ってスレショルド値Ｔは次式に従って計算される。

ここでＭは、連続する多くのフレームについての測定値の平均値であり、ｄはそ れらフレームについてのｍｌ定値の標準偏差であり、Ｋは定数である（代表的に は２である）。

実際的に、会話の存在しないことが示された直後に再び適合動作を開始すべきで はなく、（適合及び非適合状態の間に繰り返される急速なスイッチングを避ける ために）降下が安定したことを確認するまで待つべきである。

第３図は前述の事柄を具備するこの発明の好適実施例であり、入力１はアナログ ・デジタルコンバータ（ＡＤＣ）２＋、：よってサンプルされ、デジタル化され た信号を受信し、逆相フィルタアナライザ３の入力に信号を供給し、逆相フィル タアナライザ３は実際に音声の動作特性検出器が動作するスピーチコーグの一部 であり、又、入力信号スペクトルの逆相に一致するフィルタの係数り、（代表的 に８）を発生する。デジタル信号は又、（アナライザ３の一部である）自己相関 器４に供給され、自己相関器４は入力信号（又は少なくともそれらがＬＰＣ係数 と同じ（らい多くの低次項）の自己相関ベクトルＲ１を発生する。装置のこれら の部分の動作は第１図及び第２図に示される。自己相関係数Ｒ１は好適に、連続 する幾つかのスピーチフレーム（代表的に５〜２０ｍ５）について平均値がとら れ、それらの信頼度が改善される。この平均化は、バッファ４ａ内の自己相関器 ４によって出力される自己相関係数の各組を格納し、平均器（ａｖｅｒａｇｅｒ ）４ｂを用いて、現在の自己相関係数Ｒ５、及びバッファ４ａに格納されバッフ ァ４ａから供給される以前のフレームからの係数の重み付けされた加算値を生成 することによって達成される。それによって得られた平均化された自己相関係数 Ｒａ、は重み付は及び加算手段５．６に供給され、この手段は又、バッファ１５ を介して自己相関器１４から格納されたノイズ期間の逆相フィルタ係数り、の自 己相関ベクトルＡ、を受信し、Ｒａ、及びＡ、から次式により定義される値Ｍを 形成する。

この値はスレショルダ７によって、スレショト値と比較され、会話が存在するか しないかを示す論理結果が出力８に発生する。

逆相フィルタ係数り、がノイズスペクトルの逆相の適切な概算に一致するために 、これらの係数をノイズの期間に更新するのが望ましい（勿論、会話の期間には 更新しない）。しかし、その更新に基づくスピーチ／ノンスピーチの決定はその 更新の結果に影響されず、又は誤って確認された信号の単一フレームによって、 音声の動作特性検出器は結果的に“ロックはずれ（ｏｕｔ　　ｏｆ　　１ｏｃｋ ）″となり、次のフレームを誤って認識する。従って制御信号発生回路２０、即 ち分離音声の動作特性検出器が提供され、この検出器は会話が存在するかどうか を示す独立制御信号を形成し、逆相フィルタアナライザ３（又はバッファ８）を 制御し、それによって値Ｍを形成するのに用いられる逆相フィルタ自己相関係数 Ａ、は”ノイズ”期間にのみ更新される。制御信号発生回路２ＯはＬＰＧアナラ イザ２１を含み（これは再び会話コーグの一部であり、特にアナライザ３によっ て実行される）、このアナライザは、入力信号及び自己相関器２１ａ（自己相関 器３ａによって実行することができる）に一致する一組のＬＰＣ係数Ｍ、を発生 し、自己相関器２１ａはＭ　の自己相関係数Ｂ、を得る。アナライザ３がアナラ イザ３によって実行された場合は、Ｍ、−Ｌ、、及びＢ　、　−Ａ　、である。

これら自己相関係数は、重み付は及び加算手段２２．２３（５，６に同等）に供 給され、この手段も自己相関器４からの入力信号の自己相関ベクトルＲ３を受信 する。従って、入力スピーチフレームと以前のスピーチフレームの間のスペクト ル的類似性が計算される。これは前記したように、現在のフレームのＲ１と以前 のフレームのＢｉの間の板倉・斎藤歪み値、又は現在のフレームのＲｉとＢ、に 関する板倉・斎藤歪み値を計算することによって得られ、又は対応する値をバッ ファ２４に格納された以前のフレームに関して減算することによって得られ、ス ペクトル的に異なる信号を発生する（それぞれの場合、その値はＲｏで分割する ことによってエネルギ・正規化されるのが望ましい）。勿論ここでバッファ２４ は更新される。このスペクトル的に異なる信号は、スレショルダ２６話が存在す るかどうかを示す。音声とはならない会話からのノイズを区別するためにこの方 法は優れているが（従来のシステムにおいて可能なタスク（ｔａｓｋ））、音声 となった会話からノイズを区別する能力は一般に少ないことが発見された。従っ て、回路２０には、ピッチアナライザ（ｐｉｔｃｈ　　ａｎａｌｙｓｅｒ）２７ 　（実際にスピーチコーグの一部として動作することができ、特にマルチパルス ＬＰＣコーダ内に生成される算定器（ｐｒｅｄｉｃｔｏｒ）の長い遅延値測定す ることができる）を具備する音声の会話検出回路が提供されるのが望ましい。ピ ッチアナライザ２７は、音声となった会話が検出されたとき”真理（ｔｒｕｅ） ’であるロジック信号を発生し、この信号は、スレショルダ２６（音声とはなら ない会話が存在するとき、一般に′真理′である）から得られるスレショルド値 と結合され、ＮＯＲゲート２８の入力に供給され、会話が存在するとき“誤り（ ｆａｌｓｅ）”であり、ノイズが存在するとき′真理“である信号を発生する。

この信号はバッファ８（又は逆相フィルタアナライザ３）に供給され、それによ って逆相フィルタ係数Ｌｉは、ノイズ期間のみに更新される。

スレショルドアダプタ２９も又接続され、制御信号発生回路２０のノンスピーチ 信号制御出力を受信する。スレショルドアダプタ２９の出力はスレショルダ７に 供給される。スレショルドアダプタ２９の出力はスレショルダ７に供給される。

スレショルドアダプタは、スレショルドがノイズ電力レベルに近付くまで（これ は、例えば回路２２．２３の加算及び重み付けすることによって容易に得られる ）、瞬時スレショルドレベルに比例するステップに、スレショルドをインクリメ ント（ｉｎｃ　ｒｅｍｅｎ　ｔ）又はデクリメント（ｄｅｃｒｅｍｅｎｔ）する ように動作する。入力信号が非常に小さいとき、スレショルドは自動的にローレ ベルに設定されるのか望ましい。なぜならば、小さい信号レベルのとき、ＡＤＣ ２によって生成される信号量は信頼できる結果を生成できないからである。

更に″ハングオーバ（ｈａｎｇｏｖｅｒ）”発生手段３０が提供され、これはス レショルダ７の後の会話を示す期間を測定し、所定時定数を越える期間の間、会 話の存在が示されたとき、その出力は短い″ハングオーバの間、ハイに維持され る。このようにして、ローレベルな会話バーストの中間の欠損（ｃ　ｌ　ｉｐｐ 　ｉｎｇ）が避けられ、適切な時定数の選択によって、会話のときに誤って示さ れた短いスパイクノイズによりハングオーバ発生器３０の起動を防ぐことができ る。

のデジタル処理手段、例えば、ＬＰＧコーデックの一部として構成され（これは 所望される構成である）、又は関連するメモリ装置を有する適切にプログラムさ れたマイクロコンピュータやマイクロコントローラチップとして構成されるデジ タル信号処理チップ（ＤＳＰ）などのような手段によって実行することができる 。

前述したように、音声検出装置はＬＰＧコーデックの一部として容易に構成され ることができる。一方、信号の自己相関係数、又はそれに関連する値（部分相関 又は゛パルコール（ｐａｒｃｏｒ）”係数）が離れたステーションに送信される 場合、音声検出はコーデックから離れて行われる。

ＦＩ６．３゜ 補正書の翻訳文提出書（特許法第１８４条の８）１、国際出願番号 ＰＣＴ／ＧＢ８９１００２４７ ２、発明の名称 音声の動作特性検出 ３、特許出願人 住所　イギリス国　イー・シー１ニー、７エイ・ジエイ。

ロンドン、ニューゲイト・ストリート８１国籍　イギリス国 ４、代理人 東京都千代田区霞が関３丁目７番２号 〒ｉｏｏ　　電話　０３　（５０２）３１８１　（大代表）（５８４７）　　弁 理士　　鈴　　江　　武　　彦（ほか３名） ５、補正書の提出年月日 １９２０年２月−）？日 ／９２０キＪ８と日 ６、添付書類の目録 （１）補正書の翻訳文　　　　　　１通合話の動作特性を検出して分析する前に 、信号を濾波することが実際に可能であるが、音声の動作特性検出器が会話コー グの出力に依存している場合、この前段濾波はコード化される音声信号を妨害す る。

この発明によれば、入力信号を受信する手段と、入力信号のノイズ信号成分を適 合して周期的に概算する手段と、入力信号とノイズ信号成分の間のスペクトル的 類似性の測定値Ｍを周期的に形成する手段と、測定値Ｍから得られたパラメータ をスレショルド値（ｔｈｒｅｓｈｏｌｄ　　ｖａｌｕｅ）Ｔと比較する手段と、 前記値が超過されたかどうかに依存して、会話が存在するかどうかを示す出力を 発生する手段を具備する音声の動作特性検出器が提供される。

その測定値は、板金・斎藤による歪み値であることが望ましい。

この発明の他の局面は特許請求の範囲に含まれる。

この発明の幾つかの実施例が添付図面を膠照してこれより説明される。

第１図はこの発明の第１実施例を示すブロック図；第２図はこの発明の第２実施 例を示し：この値はフレームの総合信号電力とは独立しており、従って総合信号 レベル変化に関しては補償されるが、″ノイズと”会話″レベルの間の著しい対 比を与えず、従ってノイズの大きな環境では好適に使用されることはない。

（後述されるように）ノイズスペクトルが徐々に変化するとき、（前述の様々な 実施例におけるノイズマイクロホン又はノイズのみの期間から得られる）ノイズ 信号の逆フイルタ係数を得るためにＬＰＣ分析を用いる代わりに、一般的な適合 性フィルタ（ａｄａｐｔｉｖｅ　　ｆｉｌｔｅｒ）を用いて逆相ノイズスペクト ルの原型を生成することができ、そのようなフィルタに共通する比較的低速な適 合率を得ることができる。第１図に一致する実施例において、ＬＰＧ分析ユニッ ト１３は容易に適合性フィルタ（例えばトランスバーサル（ｔ　ｒａｎｓｖｅｒ ｓａｌ）ＦＩＲ又はラティスフィルタ（ｌａｔｔｉｃｅ　　ｆｉｌｔｅｒ））と 交換することができ、そのフィルタは、逆フィルタの原型を生成することによっ て、ノイズ入力をホワイトノイズに転換するためにシステムに接続され、その係 数は前述のように自己相関器１４に供給される。

第２図に示される第２実施例において、ＬＰＣ分析手段３は、そのような適合性 フィルタと置換され、バッファ手段１５は省略される。しかし、スイッチ１６は 、適合性フィルタが会話期間の間、その係数を適合するのを防止するために動作 する。

この発明の他の実施例に使用される第２の音声の動作特性検出器がこれより説明 される。

以下の説明において、ＬＰＧ係数ベクトルは、ＦＩＲフィルタの単にパルス応答 であり、ＦＩＲフィルタは入力信号の逆位相スペクトル形状であることは明らか である。隣接するフレームの間に板倉・斎藤による歪み値が形成されるとき、以 前のフレームのＬＰＧフィルタによって濾波されているので、実際にその値は信 号の電力に等しい。従って隣接するフレームのスペクトルに違いが殆どない場合 、フレームの対応する僅かなスペクトル電力は濾波を免れ、その値は小さいであ ろう。同時に、フレーム間の大きなスペクトルの相違は大きな板倉・斎藤歪み値 を発生し、それによってその値は隣接するフレームのスペクトルの類似性を反映 する。スピーチコーグに関して、データレートを最小とする二とによって、フレ ーム長をできるだけ長くするのが望ましい。即ち、フレーム長が十分長ければ、 会話信号はフレームからフレームへの重要なスペクトル変化を示す（もしそうで なければコード化は冗長である）。一方、ノイズはフレームからフレームへ徐々 に変化するスペクトル形状を有し、会話か信号に存在しない期間において、以前 のフレームから逆相ＬＰＣフィルタを適用し、殆どのノイズ電力を“フィルタア ウト（ｆｉｌｔｅｒ　　ｏｕｔ）“するので、板倉・斎藤による歪み値はそれに 対応して少ない。

断続的な会話を含み、ノイズの多い信号の隣接するフレーム間の板倉・斎藤歪み 値は、一般にノイズの期間より会話の期間の方が大きく、変化の程度（標準偏倚 によって示されるヨウニ）モ大きく、断続的な変化は少ない。

ここで、Ｍの標準偏差（ｓｔａｎｄａｒｄ　　ｄｅｖｉａｔｉｏｎ）も信頼でき る値であり、各標準偏差をとる効果は本質的に値を円滑にすることである。

音声の動作特性検出器のこの第２の形態において、会話が存在するかどうかを判 断するのに用いる測定されたパラメータは、板倉・斎藤歪み値の標準偏差である ことが望ましいが、変化を測定する他の方法、及び（例えばＦＦＴ分析に基づく ）スペクトル歪みを測定する他の方法を適用することができる。

音声の動作特性検出に適合性スレショルド（ａｄａｐｔｉｖｅ　　ｔｈｒｅｓｈ ｏｌｄ）を用いることにも利点がある。

そのようなスレショルドは、会話期間の間は調整されるべきではなく、調整され ると会話信号はスレショルドアウト（ｔｈｒｅｓｈｏｌｄ　　ｏｕｔ）される。

従ってスピーチ／ノンスピーチ制御信号を用いてスレショルド・アダプタを制御 する必要があり、この制御信号はスレショルド・アダプタの出力から独立してい るのが望ましい。スレショルドＴは、ノイズのみが存在するとき、値Ｍのレベル 以上のレベルに保たれるように調整される。その値はノイズが存在するとき一般 にランダムに変化するので、多くのブロックについての平均しれらがＬＰＧ係数 と同じくらい多くの低次項）の自己相関ベクトルＲ１を発生する。装置のこれら の部分の動作は第１図及び第２図に示される。自己相関係数Ｒ１は好適に、連続 すす る幾つかのスピーチフレーム（代表的に５〜２０ｍ５）について平均値がとられ 、それらの信頼度が改善される。この平均化は、バッファ４ａ内の自己相関器４ によって出力される自己相関係数の各組を格納し、平均器（ａｖｅｒａｇｅｒ） ４ｂを用いて、現在の自己相関係数Ｒ４、及びバッファ４ａに格納されバッファ ４ａから供給される以前のフレームからの係数の重み付けされた加算値を生成す ることによって達成される。それによって得られた平均化された自己相関係数Ｒ ａ、は重み付は及び加算手段５．６に供給され、この手段は又、バッファ１５を 介して自己相関器１４から格納されたノイズ期間の逆相フィルタ係数り、の自己 相関ベクトルＡ、を受信し、Ｒａ、及びＡ、から次式により定義される値Ｍを形 成する。

この値はスレショルダ７によって、スレショト値と比較され、会話が存在するか しないかを示す論理結果が出力８に発生ずる。

逆相フィルタ係数り、がノイズスペクトルの逆相の適切な概算に一致するために 、これらの係数をノイズの期間に更新するのが望ましい（勿論、会話の期間には 更新しない）。しかし、その更新に基づくスピーチ／ノンスピーチの決定はその 更新の結果に影響されず、又は誤って確認された信号の単一フレームによって、 音声の動作特性検出器は結果的１ごロックはずれ（ｏｕｔ　　ｏｆ　　１ｏｃｋ ）”となり、次のフレームを誤って認識する。従って制御信号発生回路２０、即 ち分離音声の動作特性検出器が提供され、この検出器は会話が存在するかどうか を示す独立制御信号を形成し、逆相フィルタアナライザ３（又はバッファ８）を 制御し、それによって値Ｍを形成するのに用いられる逆相フィルタ自己相関係数 Ａ、は”ノイズ′期間にのみ更新される。制御信号発生回路２ＯはＬＰＧアナラ イザ２１を含み（これは再び会話コーグの一部であり、特にアナライザ３によっ て実行される）、このアナライザは、入力信号及び自己相関器２１ａ（自己相関 器３ａによって実行することができる）に一致する一組のＬＰＣ係数Ｍ、を発生 し、自己相関器２１ａはＭ、の自己相関係数Ｂ、を得る。アナライザ２１がアナ ライザ３によって実荷重 された場合は、Ｍ、−Ｌ、、及びＢ　、　−Ａ　、である。これら自己相関係数 は、重み付は及び加算手段２２．２３（５，６に同等）に供給され、この手段も 自己相関器４からの入力信号の自己相関ベクトルＲ１を受信する。従って、入カ スピーチフレームと以前のスピーチフレームの間のスペクトル的類似性が計算さ れる。これは前記したように、現在のフレームのＲ１と以前のフレームのＢ、の 間の板倉・斎藤歪み値、又は 鵜゛１匁′特許請求の範囲 １、入力信号を受信する手段と、入力信号のノイズ信号成分を概算する手段と、 入力信号とノイズ信号成分のスペクトル的類似性を示す値Ｍを周期的に発生する 手段と、値Ｍから得られたパラメータをスレショルド値Ｔと比較し、前記値が越 えられたかどうかに依存して、会話が存在するかどうかを示す出力を生成する手 段を具備することを特徴とする音声の動作特性検出装置。

２、前記ノイズ概算手段は、前記ノイズ信号成分の短時間スペクトルの逆を概算 する応答を有するＦＩＲフィルタのパルス応答の自己相関係数Ａ、をコンピュー タにより計算する手段と、及び前記信号の自己相関係数Ｒｉをコンピュータによ り計算する手段とＲ１及びＡ、の受信に接続され、それらからＭを計算する手段 とを有する値形成手段を具備し、前記パラメータはＭの値であるを特徴とする請 求項１記載の検出装置。

３、前記装置は、 であるを特徴とする請求項２記載の検出装置。

４、前記装置は、 であるを特徴とする請求項２記載の検出装置。

５、同様にノイズの影響下にあり会話の存在しない第２信号を受信するように構 成される入力であって、Ａ、計算手段は前記第２信号からＡ、の値を得るＬＰＧ 分析手段を有する入力を更に具備することを特徴とする請求項２乃至４記載の検 出装置。

６、前記装置は、前記フィルタ応答の自己相関係数Ａｉが得られる格納されたデ ータに接続されるバッファであって、前記フィルタ応答はＬＰＧ分析手段によっ て前記信号から周期的に計算されるバッファを更に具備し、値Ｍは前記格納され たデータを用いて計算され、前記格納されたデータは会話が存在しないことが示 される期間からのみ更新されることを特徴とする請求項２乃至４記載の検出装置 。

７、前記ノイズ概算手段は適合性フィルタを更に具備することを特徴とする請求 項２乃至４記載の検出装置。

８、前記信号の前記自己相関係数を計算する前記手段は、前記信号の幾つかの連 続する部分の自己相関係数に基づいて計算するように構成されることを特徴とす る請求項２乃至６記載の検出装置Ｂ０ ９、前記値Ｍはスペクトル歪み値であることを特徴とする請求項１記載の検出装 置。

１０、前記値Ｍは板金・斎藤による歪み値であることを特徴とする請求項９記載 の検出装置。

１１、前記装置は、会話の存在しないことが示される期間に、前記所定スレショ ルドＴを調節する手段を更に具備することを特徴とする請求項１乃至１０記載の 検出装置。

１２、前記装置は、会話が存在するとき、前記スレショルド値の調節を禁止する ように構成される第２の音声の動作特性検出手段を更に具備することを特徴とす る請求項１１記載の検出装置。

１３、前記スレショルド値Ｔは、調節されるときは、前記値と、前記値の標準偏 差の関数である項の和の平均値に等しくなるように調節されることを特徴とする 請求項１１又は１２記載の検出装置。

１４（補正後）、前記装置は、前記格納されたデータの更新を制御するために会 話の存在しないことを示す手段であって、前記会話の存在しないことを示す手段 は、第２の音声の動作特性検出手段であることを特徴とする請求項６記載の検出 装置。

１５（補正後）、前記第２の音声の動作特性検出手段は、スレショルド調整とデ ータ更新の両方を制御することを特徴とする請求項１４及び、１２又は１３記載 の検出装置。

１６（補正後）、前記第２の音声検出手段は、前記入力信号部分と以前の前記入 力部分の間のスペクトル的類似性を示す値を生成する手段を具備することを特徴 とする請求項１２．１３に従属する１４又は１５記載の検出装置。

１７（補正後）、前記類似性を示す値を生成する手段は、現在の前記入力部分に 関係する自己相関データとＬＰＣフィルタデータから得られる現在の歪み値を供 給する手段と、以前の信号部分に一致する同等な過去のフレーム歪み値を供給す る手段と、及び会話が存在するかどうかを示す指示装置として、それらの間の類 似性の程度を示す信号を生成する手段を具備することを特徴とする請求項１６記 載の検出装置。

１８（補正後）、前記第２の音声の動作特性検出手段は、会話音声の存在を示す 信号を生成するピッチ分析手段を有する出手段の出力は前記会話音声検出手段に 依存することを特徴とする請求項１６又は１７記載の検出装置。

１９（補正後）、信号内の会話の動作特性を検出する方法であって、前記信号の ノイズスペクトルを周期的に再度概算するステップと、前記信号のスペクトルを 前記概算されたノイズスペクトルと比較するステップと、それらスペクトルの間 のスペクトル的類似性を示す可変値を形成するステップと、及び前記値をスレシ ョルドと比較するステップを有することを特徴とする方法。

２０（補正後）、請求項１乃至１８記載の装置を有することを特徴とする会話信 号を符号化する装置。

２１（補正後）、請求項１乃至１８、又は２０記載の装置を有することを特徴と する自動車電話装置。

２２（補正後）、第１図、又は第２図、又は第３図を参照して、本明細書に説明 された装置と実質的に同一の音声の動作特性検出装置。

２３（補正後）１本明細書に説明された方法と実質的に同一の方法。

国際調査報告 ＋ｍ、、、＋ｍｍｌ　Ａ１．、、に＃ｌｌｅ、８゜ＰＣＴ／ＧＢ　８９１００２ ４７国際調査報告

Claims (24)

【特許請求の範囲】
1. １．入力信号を受信する手段と、入力信号のノイズ信号成分を概算する手段と、 入力信号とノイズ信号成分のスペクトル的類似性を示す値Ｍを周期的に発生する 手段と、値Ｍから得られたパラメータをスレショルド値Ｔと比較し、前記値が越 えられたかどうかに依存して、会話が存在するかどうかを示す出力を生成する手 段を具備することを特徴とする音声の動作特性検出装置。
2. ２．前記ノイズ概算手段は、前記ノイズ信号成分の短時間スペクトルの逆を概算 する応答を有するＦＩＲフィルタのパルス応答の自己相関係数Ａｉをコンピュー タにより計算する手段と、及び前記信号の自己相関係数Ｒｉをコンピュータによ り計算する手段とＲｉ及びＡｉの受信に接続され、それらからＭを計算する手段 とを有する値形成手段を具備し、前記パラメータはＭの値であるを特徴とする請 求項１記載の検出装置。
3. ３．前記装置は、 ▲数式、化学式、表等があります▼ であるを特徴とする請求項２記載の検出装置。
4. ４．前記装置は、 ▲数式、化学式、表等があります▼ であるを特徴とする請求項２記載の検出装置。
5. ５．同様にノイズの影響下にあり会話の存在しない第２信号を受信するように構 成される入力であって、Ａｉ計算手段は前記第２信号からＡｉの値を得るＬＰＣ 分析手段を有する入力を更に具備することを特徴とする請求項２乃至４記載の検 出装置。
6. ６．前記装置は、前記フィルタ応答の自己相関係数Ａｉが得られる格納されたデ ータに接続されるバッファであって、前記フィルタ応答はＬＰＣ分析手段によっ て前記信号から周期的に計算されるバッファを更に具備し、値Ｍは前記格納され たデータを用いて計算され、前記格納されたデータは会話が存在しないことが示 される期間からのみ更新されることを特徴とする請求項２乃至４記載の検出装置 。
7. ７．前記ノイズ概算手段は適合性フィルタを更に具備することを特徴とする請求 項２乃至４記載の検出装置。
8. ８．前記信号の前記自己相関係数を計算する前記手段は、前記信号の幾つかの連 続する部分の自己相関係数に基づいで計算するように構成されることを特徴とす る請求項２乃至６記載の検出装置。
9. ９．前記値Ｍはスペクトル歪み値であることを特徴とする請求項１記載の検出装 置。
10. １０．前記値Ｍは板倉・斎藤による歪み値であることを特徴とする請求項９記載 の検出装置。
11. １１．前記装置は、会話の存在しないことが示される期間に、前記所定スレショ ルドＴを調節する手段を更に具備することを特徴とする請求項１乃至１０記載の 検出装置。
12. １２．前記装置は、会話が存在するとき、前記スレショルド値の調節を禁止する ように構成される第２の音声の動作特性検出手段を更に具備することを特徴とす る請求項１１記載の検出装置。
13. １３．前記スレショルド値Ｔは、調節されるときは、前記値と、前記値の標準偏 差の関数である項の和の平均値に等しくなるように調節されることを特徴とする 請求項１１又は１２記載の検出装置。
14. １４．入力信号部分と以前の入力信号部分の間の類似性を示すスペクトル的歪み 値を連続的に形成する手段と、連続する測定値の間の変化程度をスレショルド値 と比較し、前記値が越えられたかどうかに依存して、会話が存在するかどうかを 示す出力を生成する手段を具備することを特徴とする音声の動作特性検出装置。
15. １５．前記変化程度は、連続する測定値のブロックの標準偏差として測定される ことを特徴とする請求項１４記載の検出装置。
16. １６．前記装置は、前記格納されたデータの更新を制御するために会話の存在し ないことを示す手段であって、前記会話の存在しないことを示す手段は、第２の 音声の動作特性検出手段であることを特徴とする請求項６記載の検出装置。
17. １７．前記第２の音声の動作特性検出手段は、スレショルド調整とデータ更新の 両方を制御することを特徴とする請求項１６及び、１３記載の検出装置。
18. １８．前記第２の音声検出手段は、請求項１４又は１５に従うことを特徴とする 請求項１３又は１６又は１７記載の検出装置。
19. １９．前記信号のスペクトルを、概算されたノイズスペクトルと比較するステッ プと、それらスペクトル間のスペクトル的類似性を示す可変値を形成するステッ プと、連続する測定値間の変化程度をスレショルドと比較するステップを有する ことを特徴とする方法。
20. ２０．信号内の会話の動作特性を検出する方法であって、前記信号スペクトルを 前記信号の以前の部分と比較するステップと、それらスペクトルの間のスペクト ル的類似性を示す可変値を形成するステップと、及び連続する測定値の間の変化 程度をスレショルドと比較するステップを有することを特徴とする方法。
21. ２１．第１図、又は第２図、又は第３図を参照して、本明細書に説明された装置 と実質的に同一の音声の動作特性検出装置。
22. ２２．請求項１乃至１８記載の装置を有することを特徴とする会話信号を符号化 する装置。
23. ２３．請求項１乃至１８、又は２０記載の装置を有することを特徴とする自動車 電話装置。
24. ２４．本明細書に説明された方法と実質的に同一の方法。