JPS6288464A - 音声検出装置 - 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】 Ａ、産業上の利用分野 本発明は音声エネルギーの検出、特に電話呼進行信号等
の電話回線上の他のエネルギー源から音声エネルギーを
区別する方式に関する。

Ｂ、従来技術 電話境界において、音声エネルギーを検出し、電話呼進
行信号等の他の原因によるエネルギーがら音声エネルギ
ーを区別する事が非常に重要である。電話呼が行なわれ
た後、被呼者が答えた事を発呼者に信号する手段が設け
られなければならない。これを行なうために、被呼者の
音声エネルギーが電話の呼び出し音信号のエネルギーか
ら区別されなければならない。典型的には、呼び出し音
信号及び他の電話呼進行信号は、１つ以上の周波数から
合成された楽音（トーン）より成っている。

別の問題は、呼が確立される前にライン・スイッチング
によるあるエネルギーがしばしば存在する事である。従
って、呼が確立され最初の呼び出し音が受信される前は
、検出機構が音声エネルギーに対してかなり鈍感である
必要がある。この鈍感さは、スイッチング・ノイズによ
るエネルギーが音声信号と同じエネルギー・スペクトル
を占めるので、必要である。

電話呼進行信号等の他の原因のエネルギーから音声エネ
ルギーを区別するための１つの方法は、しきい値を設定
し、そのようなしきい値を越えた時にだけエネルギー信
号を認識する事である。この時、しきい値を越えた信号
は音声信号と特徴付けられる。この方法は、雑音信号の
間違った検出を避けるためにしきい値は高く設定される
べきであり、−右同時に音声信号の断続による３解度の
低下を避けるためにしきい値はあまりに高く設定すべき
でない。この問題を克服するための１つの方式は、話者
の平均電力レベルに従って、しきい値レベルを変更する
事である。しかしながら、これは比較的長い期間にわた
って行なわれるので、単語の子音の開始部を検出するた
めに充分に短かい期間にしきい値レベルを充分に減少さ
せる事ができない。

電力レベル弁別技術の変種が米国特許第４０２７１０２
号に開示されている。ここではパルス状のトーン信号か
ら音声を充別する事が試みられている。この特許は弁別
機構に対する信号入力のサイクル数を計数する事を開示
している。入力信号のサイクル数を計数するために所定
のしきい値が設定される。計数された信号の数が所定の
期間中にしきい値を越えると、これは音声信号が回線上
にある事の表示とされる。

電話回線上に音声が存在する事を検出する別の方法は、
音声信号がゼロ・レベルを通過するのを記述するパラメ
ータの評価に関係している。このゼロ交差技術は、信号
の電力特性よりも周波数特性により多く依存している。

そのような方法を使用した例は、米国特許第４０６１８
７８号に示されており、これはＰＣＭ多重式の音声チャ
ネルの音声の検出を提供している。入力信号の受信中に
モニタされるパラメータは、信号の振幅、信号のゼロ交
差及び信号の導関数のゼロ交差を含んでいる。音声の検
出は、一定期間の連続的なＰＣＭサンプルにわたるそれ
らのパラメータの計算に基いている。

」二記方式の特性をある程度組み合せた１つの方式が米
国特許第４４．２６７３０号に見い出される。

これは電話信号中の音声の存在を検出しようとするもの
である。この方法は、信号のゼロ・レベル通過回数があ
る時間間隔当り所定の数に接近すると共に減少するしき
い値を設定している。次に、この所定の時間間隔にわた
るゼロ・レベル通過回数に従って減少した所定のしきい
値を、信号の平均電力レベルが越える場合、その信号を
音声として解釈する。

Ｃ１発明が解決しようとする問題点 雑音を検出する事なく、音声エネルギーを検出し且つ電
話呼進行信号からそのようなエネルギーを区別できる事
が望ましい。さらに、音声が生じそうもなく且つ雑音信
号の生じる可能性の高い時には比較的低感度に、そして
音声の生じる可能性が高く且つ雑音信号が生じそうもな
い時にはより敏感になるように、音声エネルギーを検出
する事が望ましい。

従って、本発明の目的は、音声エネルギーの改良された
検出方式を提供する事である。

Ｄ０問題点を解決するための手段 上記問題点は、所定の期間に関する入力信号の最小のエ
ネルギー・レベルを測定し、上記所定の期間の径過に続
いて上記入力信号の周波数が所定の周波数境界を横切る
時を検出し、周波数を横切る回数が所定のしきい値を越
えるのに続いて上記入力信号を音声として特徴付けるス
テップを含む音声エネルギー検出方法によって解決され
る。

Ｅ、実施例 本発明によれば、電話呼進行信号等の他の信号の存在す
る時に音声エネルギーを検出するための方法及び装置が
提供される。音声エネルギーを信頼性良く検出するため
に、この方法及び装置はかなり鋭敏でなければならない
が、音声エネルギーが存在しそうもない時に生じる雑音
エネルギーを検出する程敏感であってはならない。本発
明は音声が生じそうになく且つ雑音が生じそうな時には
比較的鈍感であって、音声信号が生じそうであり且つ雑
音信号がありそうにない時にはより敏感になるような感
度が適応的な検出方式を提供する。

電話の呼び出しが行なわれた後、ここで説明する検出技
術は、被呼者が答えた事を発呼者に知らせる事を可能に
する。良好な実施例では、音声エネルギーの検出は、特
定の期間、エネルギーの所定のしきい値を越えるまでは
開始しない。これは、この時間には優勢な可能性のある
雑音信号を誤って検出し、そのような雑音信号を音声エ
ネルギーと間違える可能性を大幅に減少させるために行
なわれる。この特定の期間は、呼び出し音の信号を受信
した後は連続的である必要はない。呼び出し音を受信し
た後、ある特定の時間よりも短かい長さの時間の間に、
受信したエネルギーが所定のしきい値以上になり、次に
しきい値レベル以下に低下し、次に再びしきい値レベル
以」二に増加すると、しきい値レベル以上の時間の総和
が所定の時間を越える限り音声検出が進行する。そのよ
うにする事によって、ライン・スイッチングによるエネ
ルギー・パルスは音声としては検出されない。さらに、
呼び出し音の受信された後は、音声エネルギーによる短
かいパルスは検出される。本発明によれば、音声スペク
トルの一部が高周波数帯域及び低周波数帯域に分割され
、それらの帯域のエネルギー内容が調査される。入力音
声信号は低減フィルターを通され、その信号出力からエ
ネルギーのレベルが得られる。このエネルギーのレベル
は、エネルギーが高周波数又は低周波数のどちらで優勢
かを、即ち低域フィルターのカットオフ周波数の上又は
下のどちらで優勢かを判定するために、入力音声信号の
エネルギーのレベルと比較される。

このようにして、カットオフ周波数の上下にランダムに
優勢な周波数が切り換わる音声エネルギーは、低域フィ
ルターのカットオフ周波数の上又は下のいずれかの他の
信号から区別できる。

単純化された機能ブロック図が、第１図に示されている
。信号プロセッサ１１はテキサス・インスツルメント社
のＴＭＳ３２０１０等の商業的に利用可能なプログラマ
ブルな信号プロセッサである。

信号プロセッサ１１はホスト・プロセッサ１９によって
全面的に制御され、その中央処理ユニット（ＣＰ　Ｕ）
命令が動作前にロードされなければならない。信号プロ
セッサ１１は命令メモリ１２及びデータ・メモリ１３を
使用する。これら両者のメモリ、即ち命令メモリ１２及
びデータ・メモリ１３はホスト・プロセッサ１９によっ
てアクセス可能である。しかしながら、命令メモリ１２
は、信号プロセッサ１１がターン・オフ即ちリセットさ
れた時にのみ、ホスト・プロセッサ１９によりアクセス
可能である。この時、ホスト・プロセッサ１９は命令メ
モリ１２からロードを行ない次にデータ・メモリ１３に
スイッチする事ができる。

データ・メモリ１３は信号プロセッサ１１と常時動的に
共有される。信号プロセッサ１１及びホスト・プロセッ
サ１９の両者は、ホスト・プロセッサ１９の制御の下に
割り込みマスキングを用いて互いに割り込みを行なう能
力を有している。音声及び電話呼進行信号は信号線２２
及び２３を経て受信器１７に入力される。これらの入力
信号は、Ａ／Ｄ変換器１６によってディジタルに変換さ
れ、データ・レジスタ１５に一時的に記憶される。これ
らのディジタル化された信号は次にデータ・メモリ１３
に入力される。Ａ／Ｄ変換器１６は信号線２２及び２３
上の信号入力のディジタル化されたサンプルを提供する
。データ・メモリ１３中に記憶され、振幅が調整され、
それによって信号ブー　〇　− ロセッサ１１を用いた自動利得制御を与えるのは。

これらのディジタル化されたサンプルである。

第２図は、単純化された機能ブロック図の形で、信号プ
ロセッサ１１によって実行される付加的機能を示してい
る。信号プロセッサ１１に入力されたディジタル化入力
サンプルは、自動利得制御（Ａ　Ｇ　Ｃ）機構３２によ
り振幅が調整され、低域フィルター３４によって低域が
通過され、余波整流器３１によって余波整流され、そし
て低域フィルター７１によって低域が通過される。ＡＧ
Ｃ機構３２によって振幅が調整されるサンプルは、全波
整流器７２により全波整流される経路及び低域フィルタ
ー７３により低域通過される径路と並行に動作する。全
波整流器３１、ＡＧＣ機構３２、低域フィルター７１、
全波整流器７２、低域フィルター７３、及び低域フィル
ター３４は、論理３３の制御の下に動作する。

本発明の良好な実施例を、第３図を参照しながら説明す
る。ディジタル化された入力サンプルが信号プロセッサ
１１によって最初に受信された時、論理３３は、呼び出
し音フラグ（ＲＢフラグ）、音声フラグ（Ｖフラグ）、
音声カウント（Ｖカウント）及びエネルギー・オン・カ
ウント（ＯＮカウント）を全てゼロの初期条件に等しく
セットする。この時、論理３３は、音声カウントしきい
値を高い値にセットし、音声検出機構が状態１、初期状
態にある事を示す。音声カウントは、非雑音信号が所定
の周波数境界を横切る回数である。ブロック３５で、デ
ィジタル化された入力サンプルがデータ・メモリ１３か
ら信号プロセッサ１１に読み込まれる。入力サンプルの
信号プロセッサ１１への読み込みに先行して、タイマー
が検査される。このタイマー機構は、充分な時間が径過
した後に音声又は呼び出し音のいずれかの、有効な信号
が検出されていない場合に、信号プロセッサ１１による
処理を中断させるために含まれている。

良好な実施例では、２つのタイムアウト値が使用される
。１つは沈黙期間用、もう１つはエネルギー用である。

音声検出機構が始動する時、沈黙タイムアウトは、相当
量のエネルギーが検出されるまで減計数を始める。もし
相当量のエネルギーを検出する前に沈黙タイムアウトが
径過すると、エネルギー不在の状況と報告され、音声検
出処理は終了する。しかし、沈黙タイムアウトが径過す
る前に相当量のエネルギーが検出されると、エネルギー
のタイムアウトが減計数を始める。もし有効な信号が検
出される前にエネルギー・タイムアウトが期間満了する
と、認識不能エネルギーの状況が報告され、音声検出処
理は終了する。

入力サンプルが読取られた後、それは自動利得制御のた
めにブロック４１に入力される。次に自動利得制御増幅
器の出力サンプルは、低域フィルター・ブロック４５で
処理される。低域フィルター・ブロック４５の帯域内利
得に２は１に等しく、そのカットオフ周波数は６８０　
Ｈｚである。ブロック４５の出力はブロック４６に入力
され、そこで信号は余波整流され、５０　Ｈｚのカッ１
−オフ周波数を有するフィルタにより低域が通過するよ
うにフィルタされ、低域フィルター・ブロック４５のＡ
Ｃ出力の大きさに対応するＤＣエネルギー・レベルが得
られる。低域フィルター・ブロック４６の出力はＹ出力
と表わされ、ＹがＸよりも小さいか否かを判定する判定
ブロック５２に入力される。このブロックへのＸ入力は
、自動利得制御に続く他の分岐から生じる。ブロック４
２の余波整流の後に示されているように、久方信号は５
０Ｈ２のカットオフ周波数及びに１の利得を有する低域
フィルター・ブロック４３によって低域を通過するよう
にフィルタされる。低域フィルター４３の出力は、ブロ
ック４１の出力の大きさに対応するＤＣエネルギー・レ
ベルである。Ｋ１は、フィルター・ブロック４６の出力
Ｙが、６８０　Ｈｚの周波数において、フィルター・ブ
ロック４３の出力Ｘに等しくなるように、選定される。

その結果、６８０　Ｈｚより高い周波数ではＸはＹより
も大きく、また６　８０　Ｈｚより低い周波数ではＸは
Ｙよリモ小さい。６８０　Ｈｚが境界周波数として選択
されるのは、電話呼進行信号が６８０　Ｈｚよりも低い
領域にあり、且つ平均的な音声エネルギー・スペクトル
が約６８０Ｈｚ付近に中心を有してぃるからである。電
話呼進行信号以外の信号から音声エネルギーを区別する
ために使われるシステムでは、低域フィルター４５は６
８０　Ｈｚ以外のカットオフ周波数を有するように変更
され、Ｋ１及びに２は境界周波数が６８０Ｈｚ以外にな
るように設定される。

次に出力Ｘは、状態が１即ち初期状態に等しいか否かを
判定する判定ブロック４５に送られる。

答えがノーであれば、それは５３ミリ秒のエネルギーが
受信され、検出機構が状態２に切り換わった事を示して
いる。この時、出力サンプルはブロック４７に来る。Ｘ
の出力レベルが雑音レベルより大きくなければ、ブロッ
ク４８で、ＯＮカウント値が０．８秒と２．５秒との間
にあるか否か、即ちこの期間中のエネルギーが受信され
たか否かについて判定が行なわれる。もしそれがこの範
囲内になければ、ブロック４９で他の電話呼進行信号に
関して検査が行なわれる。従って、信号が０゜８秒と２
．５秒の間に存在しなければ、信号は呼び出し音以外の
ものであると判定される。多くの場合、その信号は話し
生信号である。もし信号が電話呼進行信号であると判定
されなければ、処理はブロック３５に進む。しかし、も
しＯＮカウント値が０．８秒と２．５秒との間に来て、
それにより信号が０．８秒と２．５秒との間に存在する
事が示されると、その信号は呼び出し音信号であると判
定される。この時、ブロック５１に示すように呼び出し
音フラグ（ＲＢフラグ）が１にセットされ、音声フラグ
（Ｖフラグ）、音声カウント（ｖカウント）、及びＯＮ
カウントが全てゼロの初期状態に等しくセットされる。

次に音声カウント（Ｖカウント）しきい値が低い値に減
らされ、状態が１に等しいままである事の表示が行なわ
れる。呼び出し音の後では雑音の可能性が減少し音声エ
ネルギーの可能性が増大するので、音声カウントしきい
値は減少される。この時、音声検出機構はブロック３５
に進み、次の入力サンプルを読取る。

一方、ブロック４７でＸ出力レベルが雑音レベルよりも
大きいと判定されると、ブロック５２でＸ出力がＹ出力
よりも大きいか否かについて判定が行なわれる。Ｘ出力
がＹ出力よりも大きければ、高周波数が優勢な信号が受
信されたものと判定される。逆に、Ｘ出力がＹ出力レベ
ルよりも低ければ、それは低周波数が優勢な信号が受信
された事の表示である。後者の、即ち低周波数信号の場
合、最初ブロック５３で音声フラグが１に等しいか否か
に関する判定が行なわれる。もしその答がノーであれば
、ブロック５４に示すようにＯＮカウント値が増計数さ
れ音声フラグがゼロにセットされる。この時、一定のト
ーンが存在しているか否かの検査が行なわれる。もしそ
うであれば、ダイヤル・トーンが検出され、音声検出処
理は終了する。

もしそうでなければ、処理はブロック３５に続く。

しかしながら、音声フラグが１に等しければ、それは優
勢な受信エネルギーがちょうど高周波数から低周波数へ
変化した事の表示である。音声カウントが増計数され、
ブロック５５でその時の音声カウントが音声カウントし
きい値よりも大きいか否かについて判定が行なわれる。

その答が否定的＝１５− であれば、ＯＮＮカラン−が増計数され、音声フラグが
ゼロにセットされ、定常的なトーンが受信されているか
否かについて検査が行なわれる。再び定常的なトーンが
受信されていれば、ダイアル・トーンが報告され、音声
検出処理は終了する。しかし、答が背定的であれば、音
声信号が検出されたという判定がなされる。この時、音
声検出処理は終了する。

ブロック５２でＸ出力信号がＹ出力信号よりも大きく、
従って高周波数信号が受信された事が示される時、ブロ
ック６１でＯＮカウント値がゼロにセットされ、音声フ
ラグ値がゼロに等しいか否か、即ちこの時までに受信し
たエネルギーが主として低周波数か否かの判定が行なわ
れる。音声フラグが１に等しければ、次の入力サンプル
が読取られ、音声検出処理が続行する。しかし、音声フ
ラグがゼロに等しく、従って以前は低周波数が優勢であ
った事が示されると、それは１の値に切り換えられ、音
声カウント値が増計数される。また、ブロック６３で、
音声カウント値が音声カウント−１６＝ しきい値よりも大きいか否かが判定される。もし音声カ
ウント値が音声カウントしきい値よりも大きければ、音
声が検出されており、音声検出処理は終了する。しかし
、音声カウントしきい値が音声カウントよりも大きけれ
ば、音声は検出されておらず、ブロック３５で次の入力
サンプルが読取られる。

低域フィルター・ブロック４３からＸ出力が発生する時
に、音声検出機構の状態が１に等しければ、ブロック６
５でＸ出力レベルが雑音レベルよりも大きいか否かにつ
いての判定が行なわれる。

雑音レベルの方が大きければ、ブロック６８で、呼び出
し音フラグが１に等しく、従って呼び出し音信号の受信
が示されているか否かの判定が行なわれる。呼び出し音
フラグがゼロに等しく、呼び出し音がまだ受信されてい
ない場合、ＯＮカウント値はゼロにセットされ次の入力
サンプルが読取られる。しかし呼び出し音フラグが１で
あれば、次の入力サンプルが読取られる。しかし、ＯＮ
カウントのエネルギー受信値はゼロにリセットされない
。

しかし、ブロック６５のＸ出力レベルが雑音レベルより
も大きければ、ＯＮカウントが増計数され、ＯＮカウン
ト値が５３ミリ秒よりも大きいか否かが判定される。Ｏ
Ｎカウント値が５３ミリ秒よりも小さければ、次の入力
サンプルが読取られた。しかし、ＯＮカウント値が５３
ミリ秒よりも大きければ、音声検出機構は状態２に切り
換り次の入力サンプルが読取られる。

上述の音声検出機構は、５３ミリ秒の期間内に相当量の
エネルギーを受は取るまで、実行を開始しない。呼び出
し音が受信される前に、入力されたエネルギーのレベル
は、５３ミリ秒の期間中連続して雑音しきい値を越えな
ければならない。しかし呼び出し音の後では、エネルギ
ーは５３ミリ秒の間しきい値を越えなければならないが
、連続的な５３ミリ秒の間そのレベルを越える必要はな
い。例えば呼び出し音が受信された後、エネルギーが２
０ミリ秒間しきい値を越え、次に１秒間しきい値の下に
落ち、そして３３ミリ秒間しきい値より上になったとす
ると、音声検出が進行する（即ち状態は１から２へ変化
する）。しかし、このシナリオが最初の呼び出し音の前
に起きると、受信エネルギーのレベルが少なくとも５３
ミリ秒の間、連続しないので音声検出は進行しない事に
注意されたい。これは、回線スイッチングによる雑音エ
ネルギーのパルスが検出機構を始動させる事を防止しな
がら、同時に音声信号による短かいエネルギー・パルス
が呼び出し音の受信後には検出機構を始動させる事を可
能にする。

代替的な実施例が第４図に示されている。ここでは、第
３図に関連して以前に述べた適応的感度は存在していな
い。第４図から明らかなように、入力サンプルが読取ら
れＡＧＣ増幅器へ入力された後、信号は分割され、１つ
の分岐では余波整流され次にフィルターを通され、Ｘ出
力と呼ばれる出力が得られる。他方の分岐では、入力信
号は低域フィルターを通され、整流されそして再びフィ
ルターを通され、Ｙ出力と呼ばれる出力が得られる。こ
の時、Ｘ出力又はＹ出力のどちらが大きい＝１９− かの判定が行なわれる。

Ｘ出力がＹ出力よりも大きければ、低周波数（Ｌ　Ｆ）
フラグが１に等しいか否かの判定が行なわれる。もし低
周波フラグがゼロに等しければ、高周波数（ＨＦ）フラ
グが１にセットされ、次の入力サンプルが読取られる。

しかし、低周波数フラグが１に等しければ、低周波数フ
ラグはゼロにセットされ、音声カウントが増計数される
。この時、音声カウントが音声カウントしきい値を越え
るか否かの判定が行なわれる。もしその答が肯定的であ
れば、音声信号の受信が認められ、検出機構は動作を終
了する。しかし、しきい値が音声カウントよりも大きい
ままであれば、高周波数フラグが１にセットされ、次の
入力サンプルが読取られる。

Ｙ出力がＸ出力よりも大きい時、高周波数フラグが１に
等しいか否かの判定が最初に行なわれる。

もし等しくなければ、低周波数フラグが１にセットされ
、次の入力サンプルが読取られる。しかし、高周波数フ
ラグが１に等しければ、高周波数フラグはゼロにリセッ
トされ、音声カウントが増計数される。この時、音声カ
ウントがしきい値よりも大きいか否かの判定が行なわれ
る。その答が肯定的であれば、音声が受信されており、
検出機構は動作を終了する。しかし、しきい値の方が音
声カウントよりも大きければ、低周波数フラグが１にセ
ットされ、次の入力サンプルが読取られる。

Ｆ０発明の効果 本発明によれば、従来技術よりも高い精度で音声信号を
弁別する事ができる。

【図面の簡単な説明】

第１図は音声検出システム全体のブロック図、第２図は
信号プロセッサのブロック図、第３図は第３Ａ図と第３
Ｂ図との関係を示す図、第３Ａ図及び第３Ｂ図は良好な
実施例の流れ図、第４図は代替的な実施例の流れ図であ
る。 第３Ｂ回

Claims (1)

1. 【特許請求の範囲】 所定の期間に関する入力信号の最小のエネルギー・レベ
   ルを測定し、 上記所定の期間の径過に続いて上記入力信号の周波数が
   所定の周波数境界を横切る時を検出し、周波数を横切る
   回数が所定のしきい値を越えるのに続いて上記入力信号
   を音声として特徴付けるステップを含む 音声エネルギーの検出方法。