JPH0713586A

JPH0713586A - 音声判別装置と音響再生装置

Info

Publication number: JPH0713586A
Application number: JP5151664A
Authority: JP
Inventors: Takeshi Norimatsu; 武志則松; Yoshihisa Nakato; 良久中藤
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1993-06-23
Filing date: 1993-06-23
Publication date: 1995-01-17
Anticipated expiration: 2013-12-14
Also published as: JP2835483B2

Abstract

(57)【要約】【目的】音響信号がモノラルかステレオかに関係な
く、音声であるか否かを判別できる音声判別装置と、音
声であるか否かに従って周波数特性を自動的に変える音
響再生装置を提供する。【構成】パワー算出部１で入力信号のフレーム区間に
おけるパワーを算出し、有音無音判定部３は算出された
パワーからそのフレーム区間が有音か無音かを判定し、
定常性判定部５は連続する複数フレーム区間におけるパ
ワーの最大値と最小値間の差分値を算出する。また、零
交差算出部２はフレーム区間における信号の零交差回数
を算出し、子音性判定部４は零交差回数からそのフレー
ムの子音性を判定する。音声判定部６は前記複数フレー
ム区間における無音フレームの存在比率と子音性フレー
ムの存在比率とパワー差分値とがそれぞれの所定値より
大きい場合に音声と判定する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、映像装置や音響装置な
どの前処理装置として使用され、連続して入力される音
響信号が音声であるか否かを自動的に判別する音声判別
装置と、音声判別装置を利用した音響再生装置とに関す
る。

【０００２】

【従来の技術】近年、ステレオ装置やテレビビジョン受
像機（以下、テレビと称す）などに効果音を創り出す
「サラウンド」などと称する機能が登載されている。こ
れらの機能は音楽などのソースに対しては効果が大きい
反面、ニュース番組などの音声主体のソースに対しては
逆に明瞭感が乏しくなってしまう。したがって、ソース
が音声主体のものか、それ以外のものかを自動的に判別
することができれば、その結果に応じて音場や周波数特
性を最適に制御することが可能となる。

【０００３】従来の音声判別装置では、入力信号がステ
レオ信号であることを利用している。すなわち、音楽な
どのソースの場合、左チャンネル（以下、Ｌチャンネル
と称す）と右チャンネル（Ｒチャンネルと称す）の信号
は互いに独立しており、両チャンネル間の相関が低い。
逆に、ニュース番組などの音声主体のソースの場合は中
央に定位しており、左信号（以下、Ｌ信号と称す）と右
信号（以下、Ｒ信号と称す）がほとんど同じ信号である
ため、両チャンネル間の相関が高い。したがって、Ｌ信
号とＲ信号の振幅の差を計算し、差が小さい時は音声信
号、差が大きいときは音声以外の信号であるとして判別
している。また、Ｌ信号とＲ信号の相関値を計算し、相
関値の大きい場合は音声信号、小さい場合は音声以外の
信号とすることもできる。

【０００４】

【発明が解決しようとする課題】このような従来の音声
判別装置では、スレレオのソースについては効果がある
が、Ｌ信号とＲ信号に差がないモノラルのソースに対し
ては判別できないという問題があった。

【０００５】本発明は上記の課題を解決するもので、モ
ノラル信号とステレオ信号のいづれの信号に対しても精
度よく音声か否かを判別できる音声判別装置と、この音
声判別装置を用い、ソースに合わせて自動的に音響特性
を制御できる音響再生装置とを提供することを目的とす
る。

【０００６】

【課題を解決するための手段】請求項１に係わる本発明
は、一定時間のフレームごとに音響信号の音響パワーを
算出するパワー算出部と、算出された音響パワー値をあ
らかじめ設定したしきい値と比較してそのフレームの有
音無音を判定する有音無音判定部と、前記フレームごと
に前記音響信号の波形の零交差回数を算出する零交差算
出部と、算出された零交差回数を予め設定したしきい値
と比較してそのフレームの子音性を判定する子音性判定
部と、連続する所定複数フレーム区間におけるパワー値
の最大値と最小値を検出し、その差分値を算出する定常
性判定部と、前記複数フレームにおいて無音と判定され
たフレームの存在比率と、子音性が高いと判定されたフ
レームの存在比率と、前記差分値とがそれぞれにあらか
じめ設定したしきい値よりもすべて大きい場合にその複
数フレーム区間の音響信号は音声と判定し、それ以外は
その複数フレーム区間の音響信号は非音声と判定し、複
数フレームごとに判定結果を出力する音声判定部とを備
えた音声判別装置である。また、請求項２に係わる本発
明は、一定時間のフレームごとに音響信号の音響パワー
を算出するパワー算出部と、算出された音響パワー値を
あらかじめ設定したしきい値と比較してそのフレームの
有音無音を判定する有音無音判定部と、前記フレームご
とに前記音響信号の波形の零交差回数を算出する零交差
算出部と、算出された零交差回数を予め設定したしきい
値と比較してそのフレームの子音性を判定する子音性判
定部と、連続する所定複数フレーム区間におけるパワー
値の最大値と最小値を検出し、その差分値を算出する定
常性判定部と、前記複数フレームにおいて無音と判定さ
れたフレームの存在比率と子音性が高いと判定されたフ
レームの存在比率と前記差分値とがそれぞれにあらかじ
め設定したしきい値よりもすべて大きい場合に音声と判
定し、音声と判定されない場合であって、前記複数フレ
ームにおいて無音と判定されたフレームの存在比率と、
前記差分値とがそれぞれにあらかじめ前記しきい値より
小さく設定したしきい値より小さい場合にその複数フレ
ームにおける音響信号は非音声と判定し、それ以外の場
合はその複数フレームにおける音響信号は不定と判定
し、複数フレームごとに判定結果を出力する音声判定部
とを備えた音声判別装置であり、また、請求項３に係わ
る発明は、音響信号を入力して音声非音声の判別を行う
請求項１記載の音声判別装置と、前記音響信号と前記音
声判別装置の所定時間ごとの音声非音声判別結果とを入
力し、音声非音声判定結果に応じて前記音響信号の周波
数特性を最適な周波数特性に段階的に変更するようにし
た音響再生装置であり、また、請求項４に係わる発明
は、音響信号を入力して音声非音声の判別を行う請求項
２記載の音声判別装置と、前記音響信号と前記音声判別
装置の所定時間ごとの音声非音声判別結果とを入力し、
音声非音声判定結果に応じて前記音響信号の周波数特性
を最適な周波数特性に段階的に変更するようにした音響
再生装置である。

【０００７】

【作用】請求項１に係わる本発明において、パワー算出
部は音響信号のフレーム区間の信号パワーを算出し、算
出されたパワーの大きさからその区間が有音か無音かを
判定し、零交差回数算出部は音響信号のフレーム区間の
零交差回数を算出し、子音性判定部は算出された零交差
回数の大きさからその区間の子音性を判定する。定常性
判定部は連続する複数フレーム区間におけるパワーの最
大値と最小値との差分値を算出する。音声判別部は複数
レーム区間において、無音フレームの存在比率と、子音
性フレームの存在比率と、パワー差分値とがそれぞれに
設定されたしきい値より大きいときにその複数フレーム
区間における音響信号は音声と判定する。

【０００８】また、請求項２に係わる発明において、音
声判別部は複数フレーム区間において、音声判別部は複
数レーム区間において、無音フレームの存在比率と、子
音性フレームの存在比率と、パワー差分値とがそれぞれ
のしきい値より大きいときに音響信号は音声と判定する
とともに、音声と判定できない場合であって、無音フレ
ームの存在比率と、パワー差分値とがそれぞれの前記し
きい値より小さく設定されたしきい値より小さいときは
非音声と判定し、それ以外のときは不定と判定する。

【０００９】また、請求項３と請求項４に係わる発明に
おいて、音声音楽判別部は音響信号が音声かどうかを判
定し、周波数特性制御部はその判定結果に基づいて、入
力した音響信号の周波数特性をその音響信号に適した周
波数特性に段階的に切り替えて出力させる。

【００１０】

【実施例】

（実施例１）以下、本発明の音声判別装置の一実施例に
ついて図面を参照しながら説明する。

【００１１】図１は本実施例の構成を示すブロック図で
ある。図において、１は入力信号のパワーを計算するパ
ワー算出部、２はフレームごとに波形の零交差の回数を
算出する零交差算出部、３は算出されたパワーをしきい
値と比較することによりフレームの入力信号が有音であ
るか無音であるかを判定する有音無音判定部、４はフレ
ームごとの零交差回数に基づいて、そのフレームの子音
性の有無を判定する子音性判定部、５は一定の複数フレ
ームごとのパワーの最大値と最小値の差分値により定常
性の判定をする定常性判定部、６は複数フレーム中の無
音判定フレーム数の割合、複数フレーム間の最大パワー
と最小パワーの差、および複数フレーム中に占める零交
差回数が一定回数以上のフレーム数の割合により、複数
フレームごとに音声であるか非音声であるかを判定する
音声判定部である。

【００１２】上記構成要素の相互関係と動作について説
明する。ここでは入力信号は音響機器、テレビなどの機
器の信号とし、また、ステレオ信号とする。入力された
ステレオ信号のＬ信号、Ｒ信号はミキシングされ、（Ｌ
＋Ｒ）信号としてパワー算出部１に入力される。パワー
算出部１は一定時間間隔のフレームごとに、その区間の
振幅の累積値または平均値をそのフレームにおけるパワ
ー値として算出する。零交差算出部２ではフレームごと
に入力波形が零振幅値を横切る回数を零交差回数Ｚ0 と
して算出する。音声の場合、零交差回数はとくに無声摩
擦子音で大きな値を示す。子音性判定部４は零交差算出
部２で得られたそのフレームの零交差回数Ｚ0がＺ0＞Ｚt を満たせば子音性が高いと判定する。ここで、Ｚt は子
音性を判定するためにあらかじめ設定されたしきい値で
あり、実験の結果では標本化周波数が１０ｋＨｚでフレ
ーム長が２０ミリ秒の場合、４０回程度が妥当な値であ
る。子音性が高いと判定されたフレームの数を一定の複
数フレーム単位で累積していく。この累積値をＮZとす
る。

【００１３】有音無音判定部３はパワー算出部１で得た
パワー値を用いてフレームごとに有音か無音かの判定を
下す。ここで、現フレームのパワー値をＰ、有音無音判
定のしきい値をＰtとすると、Ｐ＜Ｐt を満たすときに無音と判定し、無音と判定されたフレー
ム数を一定の複数フレーム単位で累積する。このフレー
ム数の累積値をＮpとする。

【００１４】ここで、しきい値Ｐt はあらかじめ設定さ
れた値であるが、入力レベルの変動に応じて適応的に値
を定めてもよい。以上の処理は１フレーム単位の処理で
ある。

【００１５】以下の処理は複数Ｆフレームを１単位とし
て処理を行うものとする。ここで処理間隔Ｆは音声の特
徴が最小限確認できる単位とし、実際には連続して発声
された音声の場合、平均して２、３音節が含まれるよう
な値（たとえば、１秒〜２秒の間）に設定すればよい。
この値Ｆは大きいほど音声らしさを精度よく検出できる
が、判定に要する時間が長くなるため、両者のトレード
オフで決定される。

【００１６】このＦフレーム区間で子音性が高いとした
フレーム数の累積値ＮZ と、無音と判定したフレーム数
の累積値ＮP とから、Ｆフレーム区間における子音性の
高いフレームの存在比率がＮZ／Ｆ、Ｆフレーム区間に
おける無音区間の存在比率がＮP／Ｆとして与えられ
る。

【００１７】また、定常性判定部５はＦフレームごと
に、その間のパワーの最大値および最小値を検出し、そ
の差分値Ｐd を計算する。連続して発声された音声は母
音と子音と無音部の繰り返しであるので、ある時間間隔
（今の場合、Ｆフレーム）でみれば当然、パワーの変
化、すなわちＰd の値は大きくなる。したがって、この
値Ｐd の大きさにより音声らしさの判定対象となる。

【００１８】音声判定部６は、有音無音判定部３、定常
性判定部４、子音性算出部５でそれぞれ得られたＮz、
Ｎp、Ｎd を用いて、無音区間の存在比率、子音性の高
いフレームの存在比率、パワー差分値の条件、すなわ
ち、以下に示す判定式をすべて満たすとき無音であると
判定する。

【００１９】ａ＜（ＮZ／Ｆ）＜ｂ（Ｎp／Ｆ）＞ｃＰd＞Ｐdtv ただし、ａ、ｂ、ｃ、Ｐdtv は有音無音判定のためのパ
ラメータごとのしきい値であり、実験により最適な値を
定める。ａとｂはそれぞれ子音性の高いフレームの存在
比率の下限しきい値と上限しきい値、ｃは無音区間の存
在比率のしきい値、Ｐdtv はパワーの変化度合を計るし
きい値である。以上の処理により、Ｆフレーム内に無音
区間、子音区間が一定値以上存在し、かつ、パワーの変
化が大きい場合にソースは音声である可能性が高いとし
て音声と判定する。また、これら３つの条件のうち１つ
でも満たさない場合は、音声である可能性が低いとして
非音声であると判定する。この判定結果は音声判別部６
からＦフレーム周期で連続して出力されることになる。

【００２０】以上のように本実施例によれば、音響信号
の子音性の存在比率と無音の存在比率と音響パワーの最
大値と最小値間の差分値とがそれぞれの所定値より大き
いことにより音声と判定するようにしたことにより、音
響信号がモノラルかステレオかに無関係に、音声か否か
を判別できる。

【００２１】（実施例２）以下、請求項２に係わる本発
明の実施例について説明する。なお、本実施例の構成を
ブロック図で示すと図１と同じになる。本実施例が実施
例１と異なる点は、音声判別部６の判別動作にある。ま
た、音響信号が音声であるか否かの判別は実施例１とま
ったく同じく、子音性存在比率と無音の存在比率とパワ
ーの最大最小差分値とがそれぞれ、ａ＜１００×ＮZ／
Ｆ＜ｂ、（Ｎp／Ｆ）＞ｃ、およびＰd＞Ｐdtv を満
たすか否かで行う。一方、非音声の判定は、とくに非音
声を音楽と限定した場合を考えると、無音区間が殆ど存
在せず、パワーの変化が小さい（定常性がある）場合、
すなわち、（Ｎp／Ｆ）＜ｄＰd<Ｐdtu の条件を満足するときのみ非音声（音楽）であると判定
する。ここでｄは非音声判定のための無音区間の存在比
率のしきい値、Ｐdtu は非音声判定のためのパワー変化
度合を計るしきい値であって、前記しきい値ｃ、Ｐdtu
に対してｄ＜ｃ、Ｐdtu＜Ｐdtvである。

【００２２】音声、非音声のどちらの判定条件も満たさ
なかった場合は、どちらにも決定できないとして不定と
いう結果を出力する。この不定と判定することにより誤
った判定を防ぐことができ、また、不定の場合は前回の
判定結果をそのまま保持することにより、音声、非音声
の判定が短時間で切り替わる現象を防止することができ
る。

【００２３】以上のように本実施例によれば、音響信号
の子音性の存在比率と無音の存在比率と音響パワーの最
大最小の差分値とがそれぞれの所定値より大きいことに
より音声と判定するようにしたことにより、音響信号が
モノラルかステレオかに無関係に、音声か否かを判別で
き、さらに音声でない場合に、信号の連続性と最大最小
の差分値が音声より小さいことにより音楽のような非音
声であると判定し、その他のばあいは不定と判定でき
る。

【００２４】（実施例３）以下、請求項３と請求項４に
係わる本発明の音響再生装置の実施例について図面を参
照しながら説明する。図２は本実施例の構成を示すブロ
ック図である。図において、７は音声音楽判別部であ
り、一定周期毎にその区間が音声であるか音楽であるか
の判定結果を出力する。８は周波数特性制御部であり、
音声音楽判別部７の判定結果に基づいて音声または音楽
に適した周波数特性に徐々に切り替えていく。図３は周
波数特性制御部８が切り替えていく周波数特性図の一例
を示す。

【００２５】上記構成においてその動作を説明する。ま
ず、音声音楽判別部７は（Ｌ＋Ｒ）信号を入力し、一定
周期（Ｆフレーム区間）ごとに音声、音楽または不定と
いう判定を下し、その結果を周波数特性制御部８に出力
する。なお、音声音楽判別部７の動作は実施例１におけ
る音声判別装置の動作と同じであるので説明を省略す
る。また、非音声をここでは音楽と考える。周波数特性
制御部８には、あらかじめ設定された、たとえば、図３
に示したような１０個の周波数特性が用意されており、
入力信号が音声ソースであれば最終的に１の周波数特性
になるように、また、音楽ソースであれば１０の周波数
特性になるように制御する。

【００２６】いま、周波数特性の初期状態として５の特
性に設定されているものとする。音声音楽判別部７から
音声という判定結果を受け取った場合は、１段階音声の
特性１に近付けるため４の特性に変更する。音楽という
判定結果を受け取った場合は逆に１０の特性に１段階近
づけ、６の特性に変更する。また、不定の判定結果の場
合には、現在の状態５を維持する。この動作をＦフレー
ムごと送られてくる音声音楽判別結果に基づいて繰り返
すことにより、たとえば、音声という判定結果が続けば
次第に音声再生に適した特性に徐々に近づいていき、最
終的に１の特性に設定され、つぎに音楽という判定結果
を受け取るまでその状態に固定される。

【００２７】以上のように、本実施例によれば、ソース
が音声か音楽かを判別する音声音楽判別部７と、判別結
果に基づいてソースに適した周波数特性に段階的に近づ
けていく周波数特性制御部８を設けたことにより、装置
の周波数特性を入力ソースに適した周波数特性に自動的
に変更することができ、聴き易い音響再生装置を実現で
きる。また、音声、音楽に最適な特性に一挙に切り替え
るのではなく、段階的に切り替えることにより、周波数
特性の変更による違和感を感じさせることがない。

【００２８】なお、音声音楽判別装置としては、請求項
１または請求項２に係わるいづれかの本発明の音声判別
装置でよい。

【００２９】

【発明の効果】以上の説明から明らかなように、請求項
１に係わる発明は、一定時間のフレームごとに音響信号
の音響パワーを算出するパワー算出部と、算出された音
響パワー値をあらかじめ設定したしきい値と比較してそ
のフレームの有音無音を判定する有音無音判定部と、前
記フレームごとに前記音響信号の波形の零交差回数を算
出する零交差算出部と、算出された零交差回数をあらか
じめ設定したしきい値と比較してそのフレームの子音性
を判定する子音性判定部と、連続する所定複数フレーム
区間におけるパワー値の最大値と最小値を検出し、その
差分値を算出する定常性判定部と、前記複数フレームに
おいて無音と判定されたフレームの存在比率と、子音性
が高いと判定されたフレームの存在比率と、前記差分値
とがそれぞれにあらかじめ設定したしきい値よりもすべ
て大きい場合にはその複数フレーム区間における音響信
号は音声と判定し、それ以外の場合はその複数フレーム
区間における音響信号は非音声の判定をし、複数フレー
ムごとに判定結果を出力する音声判定部とを備えたこと
をにより、音響信号がモノラルであるかステレオである
かに関係なく、音声信号であるか否かを判別でき、ま
た、請求項２に係わる発明は、一定時間のフレームごと
に音響信号の音響パワーを算出するパワー算出部と、算
出された音響パワー値をあらかじめ設定したしきい値と
比較してそのフレームの有音無音を判定する有音無音判
定部と、前記フレームごとに前記音響信号の波形の零交
差回数を算出する零交差算出部と、算出された零交差回
数を予め設定したしきい値と比較してそのフレームの子
音性を判定する子音性判定部と、連続する所定複数フレ
ーム区間におけるパワー値の最大値と最小値を検出し、
その差分値を算出する定常性判定部と、前記複数フレー
ムにおいて無音と判定されたフレームの存在比率と、子
音性が高いと判定されたフレームの存在比率と、前記差
分値とがそれぞれにあらかじめ設定したしきい値よりも
すべて大きい場合にはその複数フレームにおける音響信
号は音声と判定し、音声と判定されない場合であって、
前記複数フレームにおいて無音と判定されたフレームの
存在比率と、前記差分値とがそれぞれにあらかじめ前記
しきい値より小さく設定したしきい値より小さい場合に
その複数フレーム区間における音響信号は非音声と判定
し、それ以外の場合にはその複数フレームにおける音響
信号は不定と判定し、複数フレームごとに判定結果を出
力する音声判定部とを備えたことにより、音響信号がモ
ノラルかステレオであるかに関係なく音声であるか、非
音声であるか、そのいづれでもない不定であるかを判別
でき、また、請求項３および請求項４に係わる発明は、
音響信号を入力して音声非音声の判別を行う音声判別装
置と、前記音響信号と前記音声判別装置の所定時間ごと
の音声非音声判別結果とを入力し、音声非音声判別結果
に応じて周波数特性をその音響信号に最適な特性に段階
的に変更して出力するようにしたことにより、音響信号
がモノラルかステレオであるかに関係なく、音声か否か
に自動的に対応した周波数特性で再生できる。

【図面の簡単な説明】

【図１】本発明の音声判別装置の実施例１および実施例
２の構成を示すブロック図

【図２】本発明の音響再生装置の一実施例の構成を示す
ブロック図

【図３】本発明の音響再生装置における周波数特性制御
部が段階的に切り替える一実施例の周波数特性図

【符号の説明】

１パワー算出部２零交差算出部３有音無音判定部４子音性判定部５定常性判定部６音声判定部

Claims

【特許請求の範囲】

【請求項１】一定時間のフレームごとに音響信号の音
響パワーを算出するパワー算出部と、算出された音響パ
ワー値をあらかじめ設定したしきい値と比較してそのフ
レームの有音無音を判定する有音無音判定部と、前記フ
レームごとに前記音響信号の波形の零交差回数を算出す
る零交差算出部と、算出された零交差回数を予め設定し
たしきい値と比較してそのフレームの子音性を判定する
子音性判定部と、連続する所定複数フレーム区間におけ
るパワー値の最大値と最小値を検出し、その差分値を算
出する定常性判定部と、前記複数フレームにおいて無音
と判定されたフレームの存在比率と、子音性が高いと判
定されたフレームの存在比率と、前記差分値とがそれぞ
れにあらかじめ設定したしきい値よりもすべて大きい場
合にその複数フレーム区間における音響信号は音声と判
定し、それ以外の場合はその複数フレーム区間における
音響信号は非音声と判定し、複数フレームごとに判定結
果を出力する音声判定部とを備えたことを特徴とする音
声判別装置。
【請求項２】一定時間のフレームごとに音響信号の音
響パワーを算出するパワー算出部と、算出された音響パ
ワー値をあらかじめ設定したしきい値と比較してそのフ
レームの有音無音を判定する有音無音判定部と、前記フ
レームごとに前記音響信号の波形の零交差回数を算出す
る零交差算出部と、算出された零交差回数を予め設定し
たしきい値と比較してそのフレームの子音性を判定する
子音性判定部と、連続する所定複数フレーム区間におけ
るパワー値の最大値と最小値を検出し、その差分値を算
出する定常性判定部と、前記複数フレームにおいて無音
と判定されたフレームの存在比率と、子音性が高いと判
定されたフレームの存在比率と、前記差分値とがそれぞ
れにあらかじめ設定したしきい値よりもすべて大きい場
合にその複数フレーム区間における音響信号は音声と判
定し、音声と判定されない場合であって、前記複数フレ
ームにおいて無音と判定されたフレームの存在比率と、
前記差分値とがそれぞれにあらかじめ前記しきい値以下
に設定されたしきい値よりも小さい場合にはその複数フ
レーム区間の音響信号は非音声と判定し、それ以外を不
定と判定し、判定結果を複数フレームごとに出力する音
声判定部とを備えた音声判別装置。
【請求項３】音響信号を入力して音声非音声の判別を
行う請求項１記載の音声判別装置と、前記音響信号と前
記音声判別装置の所定時間ごとの音声非音声判別結果と
を入力し、音声非音声判別結果に応じて前記音響信号の
周波数特性を最適な周波数特性に段階的に変更するよう
にした音響再生装置。
【請求項４】音響信号を入力して音声非音声の判別を
行う請求項２記載の音声判別装置と、前記音響信号と前
記音声判別装置の所定時間ごとの音声非音声判別結果と
を入力し、音声非音声判別結果に応じて前記音響信号の
周波数特性を最適な周波数特性に段階的に変更するよう
にした音響再生装置。