JPH06266380A - 音声検出回路 - Google Patents

音声検出回路

Info

Publication number
JPH06266380A
JPH06266380A JP5052698A JP5269893A JPH06266380A JP H06266380 A JPH06266380 A JP H06266380A JP 5052698 A JP5052698 A JP 5052698A JP 5269893 A JP5269893 A JP 5269893A JP H06266380 A JPH06266380 A JP H06266380A
Authority
JP
Japan
Prior art keywords
voice
threshold value
energy
frame
circuit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP5052698A
Other languages
English (en)
Inventor
Uingu Kin Tou
トウ・ウイング・キン
Yuji Okuda
裕二 奥田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to JP5052698A priority Critical patent/JPH06266380A/ja
Publication of JPH06266380A publication Critical patent/JPH06266380A/ja
Pending legal-status Critical Current

Links

Abstract

(57)【要約】 【目的】 使用環境の変化に応じて入力音声エネルギが
変化する場合でも、その影響を低減して正確率の高い有
音/無音判定を可能とする。 【構成】 フレームエネルギ算出回路32で、送話信号
をフレーム化してこの各フレームごとにその入力エネル
ギSE(k) を求め、音声検出回路34において、この入
力エネルギSE(k) を基に音声フレーム・メトリックS
FM(k) および雑音フレーム・メトリックNFM(k) を
それぞれ算出するとともに、上記入力エネルギSE(k)
に応じて変化する適応化しきい値TM (k) を生成し、こ
の適応化しきい値TM (k) および上記雑音フレーム・メ
トリックNFM(k) を基に判定しきい値を生成してい
る。そして、この判定しきい値と上記音声フレーム・メ
トリックSFM(k) とをレベル比較することにより、各
フレームごとの有音/無音判定を行なうようにしたもの
である。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、例えばディジタル無線
電話装置や音声認識装置、音声記憶装置のように音声信
号を取り扱う装置において、有音区間と無音区間とを判
定するために設けられる音声検出回路に関する。
【0002】
【従来の技術】入力音声信号の有音区間と無音区間とを
判定するための方法としては、一般に音声エネルギーや
スペクトラム、ピッチ周期、零クロスを分析する方法が
広く知られている。しかしながら、これらの方法は多く
の計算量を必要とするため、ディジタル無線電話装置の
ような省電力形の装置には不向きである。
【0003】そこで、最近では計算量の少ない判定方法
の一つとして、音声エネルギの変化に基づいて判定する
方法が考えられている。音声エネルギの変化により判定
する方法には、固定しきい値を用いる方法と、適応的な
しきい値を用いる方法とがある。固定しきい値を用いる
方法は、入力音声エネルギを予め固定的に設定したしき
い値と比較することにより音声の有無を判定するもの
で、背景雑音レベルが低くかつ安定している条件下であ
れば正確な判定を行なうことが可能である。しかし、移
動通信などの環境下においては、背景雑音レベルが時間
的に変化するため正確な判定は期待できない。これに対
し、適応的なしきい値を用いる方法は、背景雑音レベル
に応じてしきい値を適応的に変化させ、入力音声エネル
ギをこの適応化しきい値と比較することにより入力音声
の有無を判定するもので、背景雑音レベルが時間的に変
化する移動通信などの環境下においても、十分に正確な
判定を行なうことができる。
【0004】また、適応的なしきい値を用いる方法の中
にも、しきい値を制御する方法により様々な方法が考え
られる。その一つとして、Lynch et al
[“Speech/Silence Segmenta
tion for Real Time Coding
Via Rule Based Adaptive
Endpoint Detection”ICASSp
87,31,7]に示されるように、有音/無音検出の
方法として人間の声と雑音の性質を取り入れたメトリッ
ク(metric)法を導入したものがある。
【0005】このメトリック法を利用した有音/無音検
出方法は、音声あるいは雑音のレベルの急激な変化を避
けるために、人間の声と雑音の性質に基づく減衰時定数
を用いて音声信号および雑音をそれぞれ音声メトリック
SMおよび雑音メトリックNMに変換し、この音声メト
リックSMを、雑音メトリックNMを基に生成した適応
化しきい値と比較することにより入力音声信号の有音/
無音を検出するものである。以下に、この音声メトリッ
クSM、および雑音メトリックNMにより生成した適応
化しきい値を用いた有音/無音判定式を示す。 SM> NM*TSS+TMIN のとき 有音 SM< NM*TNN+TMIN のとき 無音 その他のとき 判定は変
化しない ここで、TSSおよびTNNは、入力音声エネルギが判
定しきい値の付近で変化するときに場合に、判定の急激
な変化を避けるために設けられたパラメータであり、ま
たTMIN は最小の音声エネルギに相当するしきい値であ
る。この有音/無音判定を用いれば、背景雑音レベルが
時間的に変化する場合にも、ある程度の判定が可能であ
る。
【0006】しかし、従来より考えられているこの方法
は、TMIN を予め設定した値に固定している。このた
め、TMIN の値の選び方によっては誤判定をしてしまう
場合があった。例えば、TMIN を小さな値に選んだとき
には、大レベルの入力音声の終端において、音声メトリ
ックSMの減衰時定数のために無音区間と判定するまで
に長い時間を必要とする。一方TMIN を大きな値に選ん
だときには、小レベルの音声の語頭で音声メトリックが
大きくなるまでの区間を無音と判断してしまい語頭切れ
の原因となる。このようにすべての使用環境に適応した
固定のTMIN を選ぶことは非常に難しいという問題があ
った。
【0007】
【発明が解決しようとする課題】上述の如く、従来のメ
トリック方法を用いた有音/無音検出方法ではしきい値
MIN をあらかじめ想定した固定値とするために、使用
する環境の変化によっては大レベルの入力音声の後の無
音区間を有音と判定してしまったり、小さいレベルの入
力音声の語頭を無音と誤判定してしまうという問題点が
あった。
【0008】本発明は上記事情に着目してなされたもの
で、その目的とするところは、使用環境の変化に対応し
て正確率の高い有音/無音判定を行なうことができる音
声検出回路を提供することにある。
【0009】
【課題を解決するための手段】上記目的を達成するため
に本発明は、入力信号エネルギに応じて変化する第1の
適応化しきい値を生成し、この第1の適応化しきい値と
雑音レベルの検出情報とを基に第2の適応化しきい値を
生成する。そして、この第2の適応化しきい値を用いて
音声レベルを判定することにより各区間ごとの音声信号
の有音/無音を検出するようにしたものである。
【0010】また本発明は、上記第1の適応化しきい値
を、音声信号が存在する有音区間ではこの区間で得られ
る入力信号エネルギの最大レベルに比例した値に設定
し、音声信号が存在しない無音区間では音声レベルの最
小値に設定することを特徴としている。
【0011】さらに本発明は、上記第2の適応化しきい
値を設定する際に、値の異なる少なくとも2つの適応化
しきい値を生成し、これらの第2の適応化しきい値を用
いて音声レベルの有無を判定することも特徴としてい
る。
【0012】
【作用】この結果本発明によれば、有音/無音を判定す
るための第2の適応化しきい値が、雑音レベルに応じて
変化するだけでなく、音声信号を含む入力信号エネルギ
の値に応じても変化することになる。したがって、例え
ば大レベルの音声信号が入力された場合には、それに応
じて第2の適応化しきい値は大きくなる。このため、音
声メトリックの減衰時定数の影響により入力音声の終端
部のレベル低下が緩慢でも、長い時間を要することなく
有音から無音への変化を検出することが可能となる。ま
た、無音が検出された場合には第2の適応化しきい値は
音声レベルの最小値となる。このため、入力音声の語頭
部のレベル増加が緩慢でも、入力音声の無音から有音へ
の変化を検出することが可能となる。
【0013】すなわち、移動無線電話装置のように使用
環境が頻繁に変化し、それに応じて入力音声レベルが変
化し易い装置に適用される場合でも、使用環境の変化の
影響を低減して正確率の高い有音/無音判定を行なうこ
とができる。
【0014】また、第1の適応化しきい値を、音声信号
が存在する有音区間ではこの区間で得られる入力信号エ
ネルギの最大レベルに比例した値に設定し、音声信号が
存在しない無音区間では音声レベルの最小値に設定する
ようにしているので、第1の適応化しきい値の設定を比
較的簡単に行なうことができる。
【0015】さらに、第2の適応化しきい値を設定する
際に、値の異なる少なくとも2つの適応化しきい値を生
成し、これらの第2の適応化しきい値を用いて音声レベ
ルの有無を判定するようにしたことによって、判定しき
い値付近における入力音声レベルの変動によって、判定
結果が有音と無音との間で頻繁に交互に変化しないよう
にすることができ、これにより安定な有音/無音判定を
行なうことが可能となる。
【0016】
【実施例】以下本発明の一実施例を図面を参照して説明
する。
【0017】図1は、本発明の一実施例に係る音声検出
回路を設けたディジタル無線電話装置の構成を示す回路
ブロック図である。
【0018】同図において、図示しない基地局から無線
チャネルを介して送られた無線搬送波信号は、アンテナ
1で受信されたのちアンテナ共用器(DUP)2を介し
て受信回路(RX)3に入力され、ここで周波数シンセ
サイザ(SYN)4から出力された受信局部発振信号と
ミキシングされて中間周波信号に周波数変換される。そ
して、この受信中間周波信号は、ディジタル復調回路
(DEM)6によりフレーム同期およびビット同期が確
立されたうえでディジタル復調される。尚、上記フレー
ム同期およびビット同期により得られた同期情報は制御
回路20に入力される。
【0019】上記ディジタル復調回路6から出力された
復調信号には、符号化通話信号と制御信号とがあり、こ
のうち制御信号は制御回路20に供給されて識別され
る。一方符号化通話信号は、A/D変換器7で所定のサ
ンプル周期でディジタル化されたのち誤り訂正符号復号
回路(CH−COD)8で誤り訂正復号される。そし
て、この誤り訂正復号された符号化通話信号は、音声符
号復号回路(SP−COD)9で復号化処理が施され、
さらにD/A変換器10でアナログ通話信号に戻された
のち、スピーカ11から話者に向けて拡声出力される。
【0020】一方、話者の送話音声は、マイクロホン1
2により集音されて送話信号に変換されたのち、PCM
コーデック13に入力される。このPCMコーデック1
3は、フィルタ機能を有したサンプリング回路(FI
L)14と、A/D変換器15とを備えている。サンプ
リング回路14では、上記送話信号が帯域制限を受けた
のち、所定の周波数のサンプリングクロックに従ってサ
ンプリングされ、これによりサンプリングパルス列に変
換される。A/D変換器15では、上記サンプリングパ
ルス列からなる送話信号が振幅に対応するディジタル送
話信号に変換される。このディジタル送話信号TSは、
図示しないエコーキャンセラで音響エコーがキャンセル
されたのち、音声符号復号回路(SP−COD)9に入
力され、ここで音声符号化される。
【0021】この符号化されたディジタル送話信号は、
次に制御回路20から出力された制御信号とともに誤り
訂正符号復号回路(CH−COD)8に入力され、ここ
で誤り訂正符号化される。そして、この誤り訂正符号化
されたディジタル送信信号は.D/A変換器16でアナ
ログ信号に変換されたのち、ディジタル変調回路17に
入力される。このディジタル変調回路17は、伝送フレ
ーム生成回路18と、ディジタル変調器(MOD)19
とからなる。伝送フレーム生成回路18では、時分割多
元接続(TDMA)方式に対応した伝送フレームが生成
され、この伝送フレーム中の任意のタイムスロットに上
記送信信号が挿入される。ディジタル変調器19では、
上記送信信号によりディジタル変調された送信中間周波
信号が出力され、送信回路(TX)5に入力される。な
お、ディジタル変調方式としては、たとえばπ/4シフ
トDQPSK(π/4shifted,differe
ntially encoded quadratur
e phase shift keying)方式が用
いられる。
【0022】送信回路5では、上記変調された送信中間
周波信号が周波数シンセサイザ4から出力された送信局
部発振信号とミキシングされ、これにより無線通話チャ
ネルに対応する無線搬送波周波数に変換される。そし
て、この無線搬送波信号は送信電力増幅器で所定の電力
レベルに増幅されたのち、アンテナ共用器2を介してア
ンテナ1から図示しない基地局へ向けて送信される。
【0023】なお、21は発信キー、ダイヤルキー、お
よび各種機能キーを有するキー入力部であり、また22
は液晶表示器(LCD)や発光ダイオード(LED)が
配置された表示部を示している。また、本実施例のディ
ジタル無線電話装置は、携帯可能とするために電源とし
てバッテリを使用しており、このバッテリの出力を基に
電源電圧発生回路から必要な動作電圧を生成して、上記
各回路に供給するように構成されている。
【0024】ところで、本実施例のディジタル無線電話
装置は、音声検出制御回路30を備えている。この音声
検出制御回路30は、高域通過フィルタ(HPF)31
と、フレームエネルギ算出回路(FRM)32と、フレ
ーム遅延回路(DEL)33と、音声検出回路(DE
T)34と、音声制御回路(VOX)35とから構成さ
れる。
【0025】高域通過フィルタ31では、上記PCMコ
ーデック13から出力された送話信号のサンプルパルス
列から、例えば400Hz以下の周波数成分を除去する
ためのフィルタリング処理が行なわれる。このフィルタ
リング処理は、400Hz以下の周波数帯域では音声エ
ネルギは低く雑音エネルギは高いという特性に着目し、
音声信号と雑音信号とを区別するために行なわれる。
【0026】フレームエネルギ算出回路32では、上記
フィルタリング処理された送話信号のサンプルパルス列
を20ms〜40msの長さのフレームに区切ったの
ち、これらのフレームごとにそのエネルギの平均値を算
出するための演算処理が行なわれる。ここで、k番目の
フレームのエネルギの平均値SE(k) を算出するための
計算式を以下に示す。 フレーム遅延回路33は、上記フィルタリング処理され
た送話信号のサンプルパルス列を、上記フレームエネル
ギ算出回路32において平均フレームエネルギSE(k)
を算出するために必要なだけ遅延するものであり、その
遅延時間を表わす情報は音声検出回路34に入力され
る。
【0027】音声検出回路34では、上記フレームエネ
ルギ算出回路32から平均フレームエネルギSE(k) が
与えられると、対応するフレームが「有音フレーム」で
あるかまたは「無音フレーム」であるかを判定するため
の演算処理が行なわれる。
【0028】音声制御回路35は、VOX(voice
operated transmitter)制御回
路と呼ばれ、上記音声検出回路34による判定結果VOU
T(k)に基づいて、誤り訂正符号復号回路8、音声符号復
号回路9およびディジタル変調回路17内の伝送フレー
ム生成回路18の動作を制御する。この制御の目的は、
無音フレーム区間において、上記誤り訂正符号復号回路
8、音声符号復号回路9および伝送フレーム生成回路1
8の動作の一部を停止させることにより、消費電力の低
減を図ることである。
【0029】次に、以上のように構成された音声検出制
御回路30の動作を説明する。図2および図3は、その
音声検出回路34の動作手順および動作内容を示すフロ
ーチャートである。
【0030】このフローチャートに示すように音声検出
回路34の処理動作は、音声フレーム・メトリックSF
M(k) の算出を行なう処理ブロック110と、入力エネ
ルギーに応じて適応化しきい値TM (k) を制御する処理
ブロック120と、雑音フレーム・メトリックNFM
(k) の算出を行なう処理ブロック140と、対象となる
フレームが有音フレームであるか無音フレームであるか
を判定するための処理ブロック150と、無音区間が検
出されたときに音声フレーム・メトリックSFM(k) お
よび適応化しきい値TM (k) を制御するための処理ブロ
ック160とに大きく分けられる。
【0031】ディジタル無線電話装置と基地局との間に
無線通信リンクが形成され、これにより話者が送話を行
なうと、その音声が背景雑音とともにマイクロホン12
で集音されて送話信号に変換される。この送話信号は、
PCMコーデック13でサンプルパルス列に変換された
のち、音声検出制御回路30に入力される。この音声検
出制御回路30に入力されると上記送話信号のサンプル
パルス列は、先ず高域通過フィルタ31により雑音成分
が除去されたのちフレームエネルギ算出回路32に導か
れ、ここで一定のフレーム長に分割されたのちこのフレ
ームごとに平均エネルギ値SE(k) が算出される。そし
て、この算出されたフレーム平均エネルギSE(k) は音
声検出回路34に導かれる。
【0032】音声検出回路34は、ステップ101で上
記フレーム平均エネルギSE(k) の入力を待っており、
この状態でフレーム平均エネルギSE(k) が入力される
と、先ず処理ブロック110にて次のように音声フレー
ム・メトリックSFM(k) の算出を行なう。すなわち、
先ずステップ111で SFM(K-1) >SE(k) であるか否かを判定し、 SFM(K-1) >SE(k) であれば、ステップ112に移行してここで現フレーム
の音声フレーム・メトリックSFM(k) を SFM(k) =(1−BS)*SE(k) +BS*SFM(k-1) (2) のように算出する。一方、それ以外の時には、ステップ
113に移行して、このステップ113で SFM(k) =SE(k) (3) とする。ここでBSは音声メトリックSFM(k) の減衰
時定数であり、 e−(ST/TB) により求められる。なおSTはサンプリング周期、TB
は減衰時間である。この減衰時定数の目的は、発声区間
にある子音のギャップを継ぐためである。これにより、
例えば図4のSEのような音声信号が入力されたとすれ
ば、同図のSFMに示すような音声メトリックが得られ
る。
【0033】以上のように音声フレーム・メトリックS
FM(k) が算出されると、音声検出回路34は次に処理
ブロック120に移行して、ここで入力エネルギに応じ
て変化する適応化しきい値TM (k) を求める。
【0034】すなわち、先ずステップ121により、1
フレーム前の有音/無音の判定結果VOUT(k-1)が1であ
るか否か、つまり有音であるか否かを判定し、 VOUT(k-1)=1であれば ステップ122に移行して、ここで TMP=SE(k) /fac1 なる計算を行なう。この割算演算は、ディジタル・シグ
ナル・プロセッサ(DSP)を用いと、多くの計算量を
必要とするので望ましくない。そこで本実施例では、平
均入力エネルギSE(k) の簡単なNビット右シフトによ
りTMPを算出する。このため、fac1 には2N を選ぶ
ことが望ましい。
【0035】上記TMPが求まると、音声検出回路34
は続いてステップ123で TMP>TM (k-1) を満足するかまたは VOUT(k-2)=0 を満足するかを判定する。この判定により、これらの条
件のいずれかが満足されると判定されると、つまりフレ
ームエネルギの増加が検出されると、音声検出回路34
はステップ124に移行して、ここでしきい値TM (k)
として現在の発声区間(フレーム)の高い値を割り当て
る。これに対し有音から無音への変化が検出された場合
には、しきい値TM (k) は新しい発声区間に対する初期
M (k) として振舞うために、現在のTMPに等しい値
に修正される。また、適応化しきい値TM (k) の下限値
は、適応化しきい値TM (k) が常に音声フレームの最小
のエネルギTbot (雑音のないとき)以上になるように
設定してある。有音/無音状態の変化に対する記録は、
ステップ131において過去のフレームの検出を保存し
ておくことによって行なわれる。
【0036】かくして、しきい値TM (k) は、現フレー
ムにおける発声区間の最大エネルギー・レベルに追従す
ることになる。図5にしきい値TM (k) が入力エネルギ
SEの変化に追従する様子を示す。
【0037】次に音声検出回路34は、処理ブロック1
40にて雑音フレーム・メトリックNFM(k) の計算を
行なう。雑音フレーム・メトリックNFM(k) は、先に
述べた音声フレーム・メトリックと同様の方法により計
算される。以下にその式を示す。すなわち NFM(k-1) >SE(k) のときには NFM(k) =SE(k) (4) とする。またそれ以外のときには NFM(k) =(1−BT)*SE(k) +BT*NFM(k-1) (5) とする。ここでBTは、雑音フレーム・メトリックNF
M(k) の減衰時定数を示すものである。この減衰時定数
BTの値は、先に音声フレーム・メトリックのところで
述べたBSと同様の方法により決められる。減衰時間B
Tは、雑音フレーム・メトリックNFM(k) が音声区間
の間に大きくならないように十分に長い時間に設定する
必要がある。
【0038】以上のように現在のフレームの入力エネル
ギーによる適応的しきい値TM (k)と、音声フレーム・
メトリックSFM(k) と、雑音フレーム・メトリックN
FM(k) とがそれぞれ算出されると、音声検出回路34
は処理ブロック150により次のように有音/無音の判
定処理を行なう。
【0039】すなわち、ステップ151およびステップ
154では、それぞれ雑音フレーム・メトリックNFM
(k) および上限の保護定数TU を考慮した上限保護しき
い値upと、雑音フレーム・メトリックNFM(k) およ
び下限の保護定数TL を考慮した下限の保護しきい値l
owが作成される。つまり、2重の保護しきい値が作成
される。この2重の保護しきい値を作成した理由は、判
定しきい値付近での入力エネルギーの変動によって有音
と無音の判定が頻繁に交互に繰り返されることを防止す
るためである。
【0040】次にステップ152およびステップ155
では、それぞれ現フレームの音声フレーム・メトリック
SFM(k) と上記2重の保護しきい値up,lowとが
比較される。そして、音声フレーム・メトリックSFM
(k) が上限保護しきい値upよりも大きい場合には、ス
テップ153で現フレームの判定結果Vout(k)を Vout(k)=1 に設定する。つまり有音であると判定する。これに対
し、音声フレーム・メトリックSFM(k) が下限保護し
きい値lowよりも小さい場合には、ステップ156で
現フレームの判定結果Vout(k)を Vout(k)=0 に設定する。つまり無音であると判定する。また、音声
フレーム・メトリックSFM(k) が上限保護しきい値u
pよりも小さく、かつ音声フレーム・メトリックSFM
(k) が下限保護しきい値lowよりも大きかった場合に
は、ステップ157で現フレームの判定結果Vout(k)を Vout(k)=Vout(k-1) に設定する。つまり、前フレームの判定結果をそのまま
現フレームの判定結果とする。
【0041】なお、上記上限の保護定数TU および下限
の保護定数TL をともに小さく設定した場合には、無音
検出の誤検出が増えることにより有音検出の正確率が高
くなり、逆に上限の保護定数TU および下限の保護定数
L をともに大きく設定した場合には、有音検出の誤検
出が増えることにより無音検出の正確率が高くなる。
【0042】このように有音/無音の判定結果が得られ
ると、最後に音声検出回路34は処理ブロック160に
移行して、ここで無音区間が検出された場合の音声フレ
ーム・メトリックSFM(k) および適応化しきい値TM
(k) の制御を行なう。すなわち、有音から無音に変わっ
た時には、過去の発声区間の音声フレーム・メトリック
SFM(k) の傾きは新しい無音区間ではもはや重要でな
いので、ステップ162で音声フレーム・メトリックS
FM(k) を現フレームの入力エネルギの値に置き換え
る。また、入力エネルギによる適応化しきい値TM (k)
は、過去の発声区間の最大入力エネルギーに追従してい
るので、ステップ163により現在の入力(雑音)エネ
ルギー・レベルに基づく値に調整する。これによって、
エネルギー・レベルがわからない次に来る発声区間の検
出を容易にする。
【0043】かくして、各フレームごとに入力エネルギ
SE(k) に対する有音/無音の判定結果VOUT(k)が算出
される。
【0044】この判定結果VOUT(k)は、音声制御回路3
5に与えられる。音声制御回路35は、各フレーム区間
ごとに上記判定結果VOUT(k)に従って音声符号復号回路
9、誤り訂正符号復号回路8およびディジタル変調回路
17内の伝送フレーム生成回路18の動作を制御する。
すなわち、判定結果VOUT(k)が無音であるフレーム区間
では、上記音声符号復号回路9、誤り訂正符号復号回路
8およびディジタル変調回路17内の伝送フレーム生成
回路18の動作をそれぞれ停止させる。これにより、無
音区間においては上記音声符号復号回路9、誤り訂正符
号復号回路8およびディジタル変調回路17内の伝送フ
レーム生成回路18では電流がほとんど消費されないこ
とになり、これにより装置の消費電力は大幅に低減され
る。
【0045】一般に、実際に送話音声が存在する期間は
全通話期間のうちの30%程度であり、上記のように無
音区間を検出して、この無音区間において送信に不要な
回路の動作を停止させることは、装置の消費電力を低減
するうえで非常に大きな効果がある。これによって、連
続通話時間の延長を図ることができ、またバッテリ容量
の小容量化を図って装置の小形軽量化を図ることができ
る。
【0046】以上のように本実施例の音声検出回路34
では、送話信号をフレーム化してこの各フレームごとに
その入力エネルギSE(k) を求め、この入力エネルギS
E(k) を基に音声フレーム・メトリックSFM(k) およ
び雑音フレーム・メトリックNFM(k) をそれぞれ算出
するとともに、上記入力エネルギSE(k) に応じて変化
する適応化しきい値TM (k) を生成し、この適応化しき
い値TM (k) および上記雑音フレーム・メトリックNF
M(k) を基に判定しきい値up,lowを生成してい
る。そして、この判定しきい値up,lowと上記音声
フレーム・メトリックSFM(k) とをレベル比較するこ
とにより、各フレームごとの有音/無音判定を行なうよ
うにしている。
【0047】したがって本実施例であれば、有音/無音
を判定するための判定しきい値up,lowが、雑音レ
ベルに応じて変化するだけでなく、音声信号を含む入力
エネルギの値に応じても変化することになる。したがっ
て、例えば大レベルの音声信号が入力された場合にはそ
れに応じて判定しきい値は大きくなり、これにより音声
フレーム・メトリックSFM(k) の減衰時定数の影響に
より入力音声の終端部のレベル低下が緩慢でも、長い時
間を要することなく有音から無音への変化を検出するこ
とができるようになる。また、反対に無音が検出された
場合には、判定しきい値は入力音声レベルの最小値にな
るため、入力音声の語頭部のレベル増加が緩慢でも、入
力音声の無音から有音への変化を検出することができ
る。すなわち、移動無線電話装置のように使用環境が頻
繁に変化し、それに応じて入力音声レベルが変化し易い
装置に適用される場合でも、使用環境の変化の影響を低
減して、正確率の高い有音/無音判定を行なうことがで
きる。
【0048】また本実施例では、判定しきい値として雑
音フレーム・メトリックNFM(k)および上限定数TU
を考慮した上限保護しきい値upと、雑音フレーム・メ
トリックNFM(k) および下限の保護定数TL を考慮し
た下限の保護しきい値lowをそれぞれ生成し、これら
の2重の保護しきい値up,lowを用いて有音/無音
判定を行なっている。このため、判定しきい値付近にお
ける入力音声レベルの変動によって、判定結果が有音と
無音との間で頻繁に交互に変化しないようにすることが
でき、これにより安定な有音/無音判定を行なうことが
できる。
【0049】以上述べた本実施例の効果を、図6乃至図
9を用いてさらに詳しく説明する。いま仮に、図3
(a)に示すように16秒間に3回の発声区間があり、
かつ図3(b)に示すごとく白色ガウス雑音を付加され
た音声信号波形を例にとる。そして、この音声信号波形
の信号対雑音比(SNR)を15dBに保ちつつ、入力
エネルギ・レベルを0,−10,−20dBmにそれぞ
れ変化させた場合について調べる。
【0050】先ず、この雑音含んだ音声信号波形を音声
検出回路34に入力する。そしてこの音声検出回路34
から出力された判定結果VOUT(k)に基づいて、有音と判
定された区間は入力音声波形をそのまま出力し、無音と
判定された区間は零出力したもので比較する。図7〜図
9の(a),(b),(c)は、それぞれエネルギ・レ
ベルが0,−10,−20dBmにおける判定結果に基
づく出力音声信号波形を示したものである。図7(a)
〜(b)は本発明で提案した適応的なしきい値TM (k)
を用いた方法による結果であり、図8(a)〜(b)お
よび図9(a)〜(b)は従来の固定しきい値TMIN
用いた場合の結果である。
【0051】すなわち、図7(a)の入力エネルギー・
レベル0dBmの時の波形は、図8(a)の従来の固定
しきい値でTMIN を0dBmの場合に最適化した波形と
類似しており良好な判定が行なわれている。一方、図7
(c)の入力エネルギー・レベル20dBmの時の波形
も、図9(c)の従来の固定しきい値でTMIN を−20
dBmの場合に最適化した波形と類似しており良好な判
定が行なわれている。これらの結果から見て、SNRが
15dBくらいの高い周囲雑音がある場合で入力レベル
が変化する様な場合でも、本発明による検出方法を用い
ると良好な判定を行なえることが分かる。また、図8
(c)に示すような低い音声レベルでの誤判定や、図9
(a)に示すような高い音声レベルの後の無音区間の誤
判定は解決されている。
【0052】結論として、本発明による音声検出方法
は、周囲雑音がありかつ入力音声レベルが変化するよう
な場合でも、有音/無音判定を正確に行うことができる
といえる。またこの検出アルゴリズムはディジタル・シ
グナル・プロセッサ(DSP)で計算量が少なく、簡単
に実現できる。
【0053】なお、本発明は上記実施例に限定されるも
のではない。例えば、有音と無音の判定が頻繁に交互に
繰り返しても問題がない場合には、TU とTL を同じ値
にすることも可能である。その他、本発明の音声検出回
路を適用する装置の種類や構成、音声検出結果の利用対
象などについても、本発明の要旨を逸脱しない範囲で種
々変形して実施できる。
【0054】
【発明の効果】以上詳述したように本発明の音声検出回
路は、入力信号エネルギに応じて変化する第1の適応化
しきい値を生成し、この第1の適応化しきい値と雑音レ
ベルの検出情報とを基に第2の適応化しきい値を生成し
て、この第2の適応化しきい値を用いて音声レベルを判
定することにより各区間ごとの音声信号の有音/無音を
検出するようにしたものである。
【0055】したがって本発明によれば、有音/無音を
判定するための第2の適応化しきい値を、雑音レベルだ
けでなく、音声信号を含む入力信号エネルギ値に応じて
も変化させることができ、これにより使用環境の変化に
応じて入力音声エネルギが変化する場合でも、その影響
を低減して正確率の高い有音/無音判定を行なうことが
できる音声検出回路を提供することができる。
【図面の簡単な説明】
【図1】本発明の一実施例に係わる音声検出回路を備え
たディジタル無線電話装置の構成を示す回路ブロック
図。
【図2】図1に示した音声検出回路の動作手順および動
作内容の前半部分を示すフローチャート。
【図3】図1に示した音声検出回路の動作手順および動
作内容の後半部分を示すフローチャート。
【図4】メトリック法の説明に用いる信号波形図。
【図5】適応化しきい値TM (k) の適応変化の様子を説
明するための信号波形図。
【図6】図1に示した音声検出回路の効果を説明するた
めに使用する信号波形図。
【図7】図1に示した音声検出回路の効果を説明するた
めに使用する信号波形図。
【図8】しきい値を固定した従来の音声検出回路の問題
点を説明するために使用する信号波形図。
【図9】しきい値を固定した従来の音声検出回路の問題
点を説明するために使用する信号波形図。
【符号の説明】
1…アンテナ 2…アンテナ共用器(DUP) 3…受信回路(RX) 4…周波数シンセサイザ(SYN) 5…送信回路(TX) 6…ディジタル復調回路(DEM) 7,15…A/D変換器 8…誤り訂正符号復号回路(CH−COD) 9…音声符号復号回路(SP−COD) 10,16…D/A変換器 11…スピーカ 12…マイクロホン 13…PCMコーデック 14…帯域通過フィルタ 17…ディジタル変調回路 18…伝送フレーム生成回路 19…ディジタル変調器(MOD) 20…制御回路 21…キー入力部(KEY) 22…表示部(DISP) 30…音声検出制御回路 31…高域通過フィルタ(HPF) 32…フレームエネルギ算出回路(FRM) 33…フレーム遅延回路(DEL) 34…音声検出回路(DET) 35…音声制御回路(VOX)
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成5年10月7日
【手続補正1】
【補正対象書類名】明細書
【補正対象項目名】請求項2
【補正方法】変更
【補正内容】
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】0014
【補正方法】変更
【補正内容】
【0014】また、第1の適応化しきい値を、音声信号
が存在する有音区間ではこの区間で得られる入力信号エ
ネルギの最大レベルに比例した値に設定し、音声信号が
存在しない無音区間では入力信号エネルギに比例した値
に設定するようにしているので、第1の適応化しきい値
の設定を比較的簡単に行なうことができる。
【手続補正3】
【補正対象書類名】明細書
【補正対象項目名】0018
【補正方法】変更
【補正内容】
【0018】同図において、図示しない基地局から無線
チャネルを介して送られた無線搬送波信号は、アンテナ
1で受信されたのちアンテナ共用器(DUP)2を介し
て受信回路(RX)3に入力され、ここで周波数シンセ
サイザ(SYN)4から出力された受信局部発振信号と
ミキシングされて中間周波信号に周波数変換される。そ
して、この受信中間周波信号は、低域通過フィルタを含
むA/D変換器7においてディジタル信号に変換され、
しかるのちディジタル復調回路(DEM)6に入力され
る。ディジタル復調回路6では、上記受信中間周波信号
がフレーム同期およびビット同期が確立されたうえでデ
ィジタル復調され、これによりディジタルベースバンド
信号に変換される。そして、このディジタル復調回路7
から出力されたディジタルベースバンド信号は、時分割
多元接続接続回路(TDMA)19において各伝送フレ
ームごとにタイムスロットが各々分離される。尚、上記
フレーム同期およびビット同期により得られた同期情報
は制御回路20に入力される。
【手続補正4】
【補正対象書類名】明細書
【補正対象項目名】0019
【補正方法】変更
【補正内容】
【0019】上記ディジタル復調回路6から出力され
かつTDMA回路19で分離された復調信号には、符号
化通話信号と制御信号とがあり、このうち制御信号は制
御回路20に供給されて識別される。一方符号化通話信
号は、誤り訂正符号復号回路(CH−COD)8で誤り
訂正復号される。そして、この誤り訂正復号された符号
化通話信号は、音声符号復号回路(SP−COD)9で
復号化処理が施され、さらにD/A変換器10でアナロ
グ通話信号に戻されたのち、スピーカ11から話者に向
けて拡声出力される。
【手続補正5】
【補正対象書類名】明細書
【補正対象項目名】0021
【補正方法】変更
【補正内容】
【0021】この符号化されたディジタル送話信号は、
次に制御回路20から出力された制御信号とともに誤り
訂正符号復号回路(CH−COD)8に入力され、ここ
で誤り訂正符号化される。そして、この誤り訂正符号化
されたディジタル送信信号は、TDMA回路19に入力
される。このTDMA回路19では、時分割多元接続
(TDMA)方式に対応した伝送フレームが生成され、
この伝送フレーム中の任意のタイムスロットに上記ディ
ジタル送信信号が挿入される。そして、このTDMA回
路19から出力された伝送フレーム信号はディジタル変
調回路(MOD)17に入力される。このディジタル変
調回路17では、上記伝送フレーム信号によりディジタ
ル変調された送信中間周波信号が出力され、この送信中
間周波信号はD/A変換器18でアナログ信号に変換さ
れたのち送信回路(TX)5に入力される。なお、ディ
ジタル変調方式としては、たとえばπ/4シフトDQP
SK(π/4shifted,differentia
lly encoded quadrature ph
ase shift keying)方式が用いられ
る。
【手続補正6】
【補正対象書類名】明細書
【補正対象項目名】0028
【補正方法】変更
【補正内容】
【0028】音声制御回路35は、VOX(voice
operated transmitter)制御回
路と呼ばれ、上記音声検出回路34による判定結果VOU
T(k)に基づいて、誤り訂正符号復号回路8、音声符号復
号回路9およびTDMA回路19の動作を制御する。こ
の制御の目的は、無音フレーム区間において、上記誤り
訂正符号復号回路8、音声符号復号回路9およびTDM
A回路19の動作の一部を停止させることにより、消費
電力の低減を図ることである。
【手続補正7】
【補正対象書類名】明細書
【補正対象項目名】0044
【補正方法】変更
【補正内容】
【0044】この判定結果VOUT(k)は、音声制御回路3
5に与えられる。音声制御回路35は、各フレーム区間
ごとに上記判定結果VOUT(k)に従って音声符号復号回路
9、誤り訂正符号復号回路8およびTDMA回路19
動作を制御する。すなわち、判定結果VOUT(k)が無音で
あるフレーム区間では、上記音声符号復号回路9、誤り
訂正符号復号回路8およびTDMA回路19の動作をそ
れぞれ停止させる。これにより、無音区間においては上
記音声符号復号回路9、誤り訂正符号復号回路8および
TDMA回路19では電流がほとんど消費されないこと
になり、これにより装置の消費電力は大幅に低減され
る。
【手続補正8】
【補正対象書類名】明細書
【補正対象項目名】0049
【補正方法】変更
【補正内容】
【0049】以上述べた本実施例の効果を、図6乃至図
9を用いてさらに詳しく説明する。いま仮に、図6
(a)に示すように16秒間に3回の発声区間があり、
かつ図6(b)に示すごとく白色ガウス雑音を付加され
た音声信号波形を例にとる。そして、この音声信号波形
の信号対雑音比(SNR)を15dBに保ちつつ、入力
エネルギ・レベルを0,−10,−20dBmにそれぞ
れ変化させた場合について調べる。
【手続補正9】
【補正対象書類名】明細書
【補正対象項目名】符号の説明
【補正方法】変更
【補正内容】
【符号の説明】 1…アンテナ 2…アンテナ共用器(DUP) 3…受信回路(RX) 4…周波数シンセサイザ(SYN) 5…送信回路(TX) 6…ディジタル復調回路(DEM) 7,15…A/D変換器 8…誤り訂正符号復号回路(CH−COD) 9…音声符号復号回路(SP−COD) 10,16…D/A変換器 11…スピーカ 12…マイクロホン 13…PCMコーデック 14…帯域通過フィルタ 17…ディジタル変調回路(MOD) 19…時分割多元接続回路(TDMA) 20…制御回路 21…キー入力部(KEY) 22…表示部(DISP) 30…音声検出制御回路 31…高域通過フィルタ(HPF) 32…フレームエネルギ算出回路(FRM) 33…フレーム遅延回路(DEL) 34…音声検出回路(DET) 35…音声制御回路(VOX)
【手続補正10】
【補正対象書類名】図面
【補正対象項目名】図1
【補正方法】変更
【補正内容】
【図1】
【手続補正11】
【補正対象書類名】図面
【補正対象項目名】図2
【補正方法】変更
【補正内容】
【図2】
【手続補正12】
【補正対象書類名】図面
【補正対象項目名】図3
【補正方法】変更
【補正内容】
【図3】
【手続補正13】
【補正対象書類名】図面
【補正対象項目名】図5
【補正方法】変更
【補正内容】
【図5】

Claims (3)

    【特許請求の範囲】
  1. 【請求項1】 量子化された連続する入力信号パターン
    を単位時間毎に分割し、この分割された区間ごとに上記
    入力信号パターンのエネルギを求めるためのエネルギ検
    出手段と、 このエネルギ検出手段により求められたエネルギを基に
    音声レベルを表わす音声レベル情報を得るための音声レ
    ベル検出手段と、 前記エネルギ検出手段により求められたエネルギを基に
    雑音レベルを表わす雑音レベル情報を得るための雑音レ
    ベル検出手段と、 前記エネルギ検出手段により求められたエネルギに応じ
    て変化する第1の適応化しきい値を生成するための第1
    のしきい値生成手段と、 前記雑音レベル検出手段により得られた雑音レベル情報
    と、前記第1のしきい値生成手段により生成された第1
    の適応化しきい値とを基に第2の適応化しきい値を生成
    するための第2のしきい値生成手段と、 この第2のしきい値生成手段により生成された第2の適
    応化しきい値と、前記音声レベル検出手段により得られ
    た音声レベル情報とに基づいて、前記各区間ごとの音声
    信号の有無を判定するための判定手段とを具備したこと
    を特徴とする音声検出回路。
  2. 【請求項2】 第1のしきい値生成手段は、第1の適応
    化しきい値を、音声信号が存在する有音区間ではこの区
    間で得られる入力信号エネルギの最大レベルに比例した
    値に設定し、音声信号が存在しない無音区間では音声レ
    ベルの最小値に設定することを特徴とする請求項1に記
    載の音声検出回路。
  3. 【請求項3】 第2のしきい値生成手段は、値の異なる
    少なくとも2つの第2の適応化しきい値を生成し、かつ
    判定手段は、これらの第2の適応化しきい値および音声
    レベル検出手段により得られた音声レベル情報に基づい
    て、各区間ごとの音声信号の有無を判定することを特徴
    とする請求項1に記載の音声検出回路。
JP5052698A 1993-03-12 1993-03-12 音声検出回路 Pending JPH06266380A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP5052698A JPH06266380A (ja) 1993-03-12 1993-03-12 音声検出回路

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP5052698A JPH06266380A (ja) 1993-03-12 1993-03-12 音声検出回路

Publications (1)

Publication Number Publication Date
JPH06266380A true JPH06266380A (ja) 1994-09-22

Family

ID=12922113

Family Applications (1)

Application Number Title Priority Date Filing Date
JP5052698A Pending JPH06266380A (ja) 1993-03-12 1993-03-12 音声検出回路

Country Status (1)

Country Link
JP (1) JPH06266380A (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08185196A (ja) * 1994-12-28 1996-07-16 Sony Corp 音声区間検出装置
JP2001344000A (ja) * 2000-05-31 2001-12-14 Toshiba Corp ノイズキャンセラとこのノイズキャンセラを備えた通信装置、並びにノイズキャンセル処理プログラムを記憶した記憶媒体
US6374213B2 (en) * 1997-04-30 2002-04-16 Nippon Hoso Kyokai Adaptive speech rate conversion without extension of input data duration, using speech interval detection
US6629070B1 (en) 1998-12-01 2003-09-30 Nec Corporation Voice activity detection using the degree of energy variation among multiple adjacent pairs of subframes
JP2008151840A (ja) * 2006-12-14 2008-07-03 Nippon Telegr & Teleph Corp <Ntt> 仮音声区間決定装置、方法、プログラム及びその記録媒体、音声区間決定装置
JP2008158316A (ja) * 2006-12-25 2008-07-10 Yamaha Corp 音信号処理装置およびプログラム
JP2009157406A (ja) * 2009-04-15 2009-07-16 Yamaha Corp 音信号処理装置およびプログラム
US8069039B2 (en) 2006-12-25 2011-11-29 Yamaha Corporation Sound signal processing apparatus and program
CN111739515A (zh) * 2019-09-18 2020-10-02 北京京东尚科信息技术有限公司 语音识别方法、设备、电子设备和服务器、相关系统
JP2023008600A (ja) * 2021-07-06 2023-01-19 アルインコ株式会社 無線通信装置及び無線通信システム

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08185196A (ja) * 1994-12-28 1996-07-16 Sony Corp 音声区間検出装置
US6374213B2 (en) * 1997-04-30 2002-04-16 Nippon Hoso Kyokai Adaptive speech rate conversion without extension of input data duration, using speech interval detection
US6629070B1 (en) 1998-12-01 2003-09-30 Nec Corporation Voice activity detection using the degree of energy variation among multiple adjacent pairs of subframes
JP2001344000A (ja) * 2000-05-31 2001-12-14 Toshiba Corp ノイズキャンセラとこのノイズキャンセラを備えた通信装置、並びにノイズキャンセル処理プログラムを記憶した記憶媒体
JP4580508B2 (ja) * 2000-05-31 2010-11-17 株式会社東芝 信号処理装置及び通信装置
JP2008151840A (ja) * 2006-12-14 2008-07-03 Nippon Telegr & Teleph Corp <Ntt> 仮音声区間決定装置、方法、プログラム及びその記録媒体、音声区間決定装置
JP4758879B2 (ja) * 2006-12-14 2011-08-31 日本電信電話株式会社 仮音声区間決定装置、方法、プログラム及びその記録媒体、音声区間決定装置、方法
JP2008158316A (ja) * 2006-12-25 2008-07-10 Yamaha Corp 音信号処理装置およびプログラム
US8069039B2 (en) 2006-12-25 2011-11-29 Yamaha Corporation Sound signal processing apparatus and program
JP2009157406A (ja) * 2009-04-15 2009-07-16 Yamaha Corp 音信号処理装置およびプログラム
CN111739515A (zh) * 2019-09-18 2020-10-02 北京京东尚科信息技术有限公司 语音识别方法、设备、电子设备和服务器、相关系统
JP2023008600A (ja) * 2021-07-06 2023-01-19 アルインコ株式会社 無線通信装置及び無線通信システム

Similar Documents

Publication Publication Date Title
RU2251750C2 (ru) Обнаружение активности сложного сигнала для усовершенствованной классификации речи/шума в аудиосигнале
US9646621B2 (en) Voice detector and a method for suppressing sub-bands in a voice detector
KR101018952B1 (ko) 음성 통신 시스템에서의 컴포트 노이즈 생성 방법 및 장치
US5841385A (en) System and method for performing combined digital/analog automatic gain control for improved clipping suppression
KR100575193B1 (ko) 적응 포스트필터를 포함하는 디코딩 방법 및 시스템
KR101967572B1 (ko) 인코더 선택
US5732390A (en) Speech signal transmitting and receiving apparatus with noise sensitive volume control
US5410632A (en) Variable hangover time in a voice activity detector
EP0819302B1 (en) Arrangement and method relating to speech transmission and a telecommunications system comprising such arrangement
CA2428888C (en) Method and system for comfort noise generation in speech communication
JP2010286853A (ja) 合成による分析celp型音声符号化のための適応型ウィンドウ
US5838269A (en) System and method for performing automatic gain control with gain scheduling and adjustment at zero crossings for reducing distortion
JPH07193548A (ja) 雑音低減処理方法
US7054809B1 (en) Rate selection method for selectable mode vocoder
JP2008058983A (ja) 音声コーディングにおける雑音のロバストな分類のための方法
JP2000010591A (ja) 音声符号化レート選択器と音声符号化装置
JPH06266380A (ja) 音声検出回路
US8311816B2 (en) Noise shaping for predictive audio coding apparatus
CN100504840C (zh) 用于背景噪声快速动态估计的方法
US9489958B2 (en) System and method to reduce transmission bandwidth via improved discontinuous transmission
EP1065653A2 (en) Apparatus for background noise level estimation and volume control of a communication apparatus
JPH07273738A (ja) 音声送信制御回路
JP3355473B2 (ja) 音声検出方法
JPH0946268A (ja) ディジタル音声通信装置
JP3896654B2 (ja) 音声信号区間検出方法及び装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Effective date: 20041221

Free format text: JAPANESE INTERMEDIATE CODE: A621

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20060712

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20060721

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20060919

A131 Notification of reasons for refusal

Effective date: 20070309

Free format text: JAPANESE INTERMEDIATE CODE: A131

A521 Written amendment

Effective date: 20070508

Free format text: JAPANESE INTERMEDIATE CODE: A523

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Effective date: 20070525

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Effective date: 20070607

Free format text: JAPANESE INTERMEDIATE CODE: A61

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100629

Year of fee payment: 3

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100629

Year of fee payment: 3

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110629

Year of fee payment: 4

FPAY Renewal fee payment (prs date is renewal date of database)

Year of fee payment: 5

Free format text: PAYMENT UNTIL: 20120629

LAPS Cancellation because of no payment of annual fees