JPH01306897A

JPH01306897A - 音声検出回路

Info

Publication number: JPH01306897A
Application number: JP63137394A
Authority: JP
Inventors: Kazuhiro Gomi; 五味　和洋; Yutaka Nishino; 豊西野
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: NTT Inc
Priority date: 1988-06-06
Filing date: 1988-06-06
Publication date: 1989-12-11

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】〔産業上の利用分野〕この発明は、入力信号の音声区間・無音区間を判定する
ために必要な音声検出回路に関するものである。

〔従来の技術］対話型音声応答装置（特開昭６２−１２０５２号公報）
では、利用者の発声終了を検出して、次の応答メツセー
ジを送出開始することにより、自然な対話を実現してい
る。また、利用者の音声長あるいは応答メツセージ送出
後の利用者反応（応答メツセージに対する利用者の音声
）の有無によって、利用者の発声内容を推定し、次に送
出する　′応答メツセージ内容を選択することにより、
対話の自然性をさらに向上させることも提案されている
。

第４図は対話型音声応答装置を応用した従来の対話型留
守番電話機の一例のブロック構成図であり、この図にお
いて、１は局線り、、Ｌ２に接続される着信検出部、２
は電話回線と直流ループの開放／閉結を行うループ開閉
部、３はこのループ開閉部２を介して局線Ｌｌ、Ｌ２に
接続される通話回路部、４はこの通話回路部３の送話端
子ＴＩ。

Ｔ、に接続される応答メツセージ送出部、５はこの応答
メツセージ送出部４に接続され複数の応答メツセージを
格納する応答メツセージ格納部、６は前記通話回路部３
の受話端子Ｒ，，Ｒ２に接続される発呼者メツセージ録
音部、７は前記通話回路部３の受話端子Ｒ，，Ｒ，に接
続され、利用者音声をＣＰＵ８に取り込むためのＡ／Ｄ
変換器、９は利用者音声の継続時間等を測定するための
タイマ部である。

また、第５図は、第４図に示した対話型留守番電話機の
動作フローを示す図であり、第６図（ａ）、（ｂ）、（
ｃ）はそれぞれ利用者音声長の測定、応答メツセージに
対する利用者反応の有無の確認１発声終了の検出を行う
際の処理フローを示す図である。

次にこの留守番電話機の動作について簡単に説明する。

まず、着信があると、自動的に回線を閉結して第１応答
メツセージを送出し、発声終了が検出されるまで利用者
メツセージの録音を行う。次いで、利用者メツセージの
音声長の測定を行い、利用者音声長が短と判定された場
合には、第２応答メツセージ「はい」を送出して相手に
発声を促し、さらに録音および音声長の測定を行う。そ
して、利用者音声長が長と判定された場合には、第４応
答メツセージを送出して用件を告げさせる。

また、利用者音声長が中と判定された場合には、前記の
第２応答メツセージを送出した後、利用者の反応の有無
を確認し、反応に応じて発呼者名を告げさせる旨の第３
応答メツセージまたは前記の第４応答メツセージを送出
する。そして、第３応答メツセージを送圧した場合には
、利用者メツセージの録音を行った後、前記の第４応答
メツセージを送出する。

このような利用者音声長の測定、応答メツセージに対す
る利用者反応の有無の確認１発声終了の検出は、すべて
音声検出技術に基づいて行われる。例えば利用者音声長
の測定は第６図（ａ）に示すように行われる。

すなわち、音声の検出動作状態になると有音タイマと無
音タイマをリセットし、音声検出結果を基に両タイマを
動作させる。次いで、音声検出状態になると有音タイマ
のカウントを開始し、無音になると有音タイマのカウン
トを停止する。そして、無音タイマのカウントを開始す
る。ここで、所定の時間（発声終了判定しきい値）内に
再び音声検出状態になると、無音タイマのカウントをリ
セットし有音タイマのカウントを再開する。この動作を
繰り返して発声終了判定しきい値以上無音時間が継続す
ると発声の終了と見なしてそれまでの有音タイマのカウ
ント値を音声長としている。

一般に、音声検出方法としては、入力信号のエンベロー
プ波形を抽出し、抽出されたエンベロープ波形を、ある
しきい値と比較し、エンベロープ波形レベルがしきい値
を上回っているときには有音状態、エンベロープ波形レ
ベルがしきい値を下回っているときには無音状態と判定
している。音声検出性能は、主にしきい値の決定方法に
より決゛まる。特に電話回線を信号入力源とする場合に
は、回線状態や対向電話機の設置環境により、音声レベ
ル・雑音レベルが様々変化するので、しきい値の決定を
柔軟に行う必要がある。このため、実際には入力信号を
Ａ／Ｄ変換器７を介してＣＰＵ８に取り込み、ＣＰＵ８
でエンベロープ波形を抽出するとともに、様々な状況に
適応させながらＣＰＵ５内部で音声しきい値レベルを決
定し、音声検出を行っている。

ＣＰＵ８で入力信号のエンベロープ波形を抽出する際に
は、−旦入力信号をＣＰＵ９に取り込んだ後にＣＰＵ５
内部で１０〜２０ｍ５ｅｃ毎に、パワーあるいは絶対値
の移動平均の計算を行うことにより求められる。移動平
均の計算は、算出するフレーム長を固定しておき、加算
のみを実施したデータどうしで比較を行えばよく、除算
を行う必要がないので、計算自体は余り複雑ではない。

一方、入力信号はＡ／Ｄ変換器７を介してｃｐＵ８に取
り込まれるが、この時のＣＰＵ８のサンプリング周波数
は入力信号帯域の２倍以上が必要である。すなわち、入
力信号源が電話回線の場合には信号帯域が３．４ｋＨｚ
であるから、ＣＰＵ５のサンプリング周波数は８．８に
、Ｈｚ以上が要求される。通常はこの値を８ｋＨｚとす
ることが多い。

（発明が解決しようとする課題）しかし、上記のように従来の音声検出回路をすアルタイ
ム性が要求される対話応答装置に用いた場合、ＣＰＵ５
で入力信号のエンベロープ抽出を行うので、８ｋＨｚで
入力信号のサンプリングを行うと開時に、エンベロープ
算出計算を行う必要がある。

各処理自体は余り複雑ではないが、８ｋＨｚ、すなわち
１２５μｓｅｃ毎にこれらの処理を実行すると、システ
ム全体の制御等のような他の処理を同一のＣＰＵで並行
して実行するには無理な場合がある。この場合、別にＣ
ＰＵを搭載するか高速のＣＰＵを使用することによりこ
の問題を解決することができるが、システム全体として
のコストアップの原因となる。

この発明の目的は、上記の課題を解決するためになされ
たもので、低速のＣＰＵを用いても、並行処理を行いな
がら音声検出を行える音声検出回路を提供することにあ
る。

（課題を解決するための手段）この発明に係る音声検出回路は、エンベロープ波形の抽
出を、整流回路と低域通過フィルタをカスケード接続し
たエンベロープ波形抽出回路により行う構成としたもの
である。

〔作用］この発明においては、エンベロープ波形の抽出がハード
により行われ、ＣＰＵにはエンベロープ波形そのものが
人力される。人間が通常に発声を行うときは発声速度が
１０〜２０（音節／　５ｅｃ）で、有音区間でのエンベ
ロープ波形変化周期が最短で５０ｓｅｃ程度と考えられ
、エンベロープ波形としきい値の比較を行う周期が、１
０〜２０　ｍ５ｅｃで充分であることから、ＣＰＵのサ
ンプリング周波数は５０〜１００Ｈｚ程度でよくなる。

（実施例）第１図はこの発明の音声検出回路の一実施例のブロック
構成図である。この図において、７はＡ／Ｄ変換器、８
はｃｐｕ、１０は整流回路、１１は低域通過フィルタで
ある。また、第２図は整流回路１０ならびに低域通過フ
ィルタ１１の構成例を示す図である。

次に、対話型音声応答機能を有する対話型留守番電話機
にこの発明を応用したときの装置構成例を用いて、この
発明の詳細な説明する。

第３図は音声検出回路として第１図、第２図に示される
ものを用いたときの対話形留守番電話機のブロック構成
図である。この図において、第１図、第４図と同一符号
は同一または相当のものを示す。第３図、第４図のもの
も、ともに処理の流れは第５図に示した通りである。

着信信号が到来すると着信検出部１がこれを検出する。

ｃｐｕｓは着信信号到来を確認すると、ループ開閉部３
を作動させループを閉成する。その後、応答メツセージ
格納部５から第１応答メツセージを選択し、応答メツセ
ージ送出部４から通話回路３を介して局線に第１応答メ
ツセージを送出する。この第１応答メツセージ送出後、
利用者メツセージ録音部６を作動させ、局線に現れる利
用者メツセージを通話回路部３を介して録音すると同時
に利用者音声長の測定を行う。

そして、この後、利用者音声長や利用者反応の有無に応
じて次に送出する応答メツセージ内容を選択し、利用者
発声終了の検出後に次の応答メツセージを送出する等の
動作を行い、最後に第４応答メツセージ後の利用者発声
終了が検出されると、ループ開閉部２を再び作動させル
ープを開放し動作を終了する。

しかし、利用者音声長の測定、利用者反応の有無の検出
、利用者発生終了の検出において、第３図の構成例と第
４図の構成例とではＣＰＵ８の動作が異なる。

第４図の構成では、利用者音声長の測定処理の間、常時
１２５μｓｅｃ毎にＡ／Ｄ変換器７から値を読み込み、
その値を基にエンベロープ波形の計算を行っており、そ
して、２０　ｍ５ｅｃ毎にそのエンベロープ波形レベル
としきい値を比較しエンベロープ波形レベルがしきい値
以上であれば有音状態、エンベロープ波形レベルがしき
い値より小さければ無音状態と判断していた。

一方、第２図の構成では、２０　ｍ５ｅｃ毎にＡ／Ｄ変
換器７から値を読み込む。読み込んだ値がエンベロープ
波形レベルであるので、ＣＰＵ８はこの値としきい値と
を直接比較し有音状態／無音状態の判断を行う。

すなわち、いずれの構成でも２０　ｍ５ｅｃ毎にエンベ
ロープ波形レベルとしきい値を比較し、エンベロープ波
形レベルがしきい値以上であれば有音状態、エンベロー
プ波形レベルがしきい値より小さければ無音状態と判断
する処理を行うが、エンベロープ波形レベルを求める際
に、第４図の構成例では１２５μｓｅｃ毎にＡ／Ｄ変換
器７から値を読み込み、その値を基にエンベロープ波形
の計算を行うのに対し、第３図の構成では２０　ｍ５ｅ
ｃ毎にＡ／Ｄ変換器７から値を読み込むだけでよい。こ
のため、第１図の構成例でＣＰＵ８がＡ／Ｄ変換器７か
ら値を読み込む速度は、第４図の構成例の１／１６０と
低速化される。

なお、第６図（ａ）、（ｂ）、（ｃ）に示されている有
音タイマ、無音タイマは、タイマ部９内に構成されてい
る。

以上説明したように、この発明を用いると利用者音声長
の測定、応答メツセージに対する利用者反応の有無、利
用者発声終了の判定の各処理を行う際に、ＣＰＵ８がＡ
／Ｄ変換器７から値を読み込む速度を遅くすることが可
能になる。これによりＣＰＵ５の演算速度が遅い場合で
も、これらの処理を実行することができることになると
ともに、高速のＣＰＵを用いた場合には処理時間に余裕
ができ、これら音声検知処理と同時に他の処理を実行す
ることが可能になる。

（発明の効果）この発明は以上説明したとおり、エンベロープ波形の抽
出を、整流回路と低域通過フィルタをカスケード接続し
たニンベローブ波形抽出回路により行う構成としたので
、エンベロープ波形の抽出がハードにより行われ、また
、エンベロープ波形としきい値の比較を行う周期が、１
０〜２０　ｍ５ｅｃで充分であることから、低速のＣＰ
Ｕを用いて音声検出処理を行うことが可能になるという
効果がある。

また、高速のＣＰＵを使用している場合には、処理時間
に余裕ができるので、他の処理を並行して行うことが可
能になる。これにより、高速のＣＰＵを使用する必要が
なくなる。あるいは、システムの全体制御用に別のｃｐ
ｕを搭載する必要がなくなる等の効果が得られ、コスト
ダウンが図れる。

【図面の簡単な説明】

第１図はこの発明の音声検出回路の一実施例のブロック
構成図、第２図は整流回路と低域通過フィルタの構成例
を示す図、第３図はこの発明を応用した対話型留守番電
話機のブロック構成図、第４図は従来の対話型留守番電
話機のブロック構成図、第５図は対話型留守番電話機の
動作フローを示す図、第６図（ａ）、（ｂ）、（ｃ）は
それぞれ利用者音声長の測定、応答メツセージに対する
利用者反応の有無の確認１発声終了の検出を行う際の処
理フローを示す図である。図中、１は着信検出部、２はループ開閉部、３は通話回
路部、４は応答メツセージ送出部、５は応答メツセージ
格納部、６は発呼者メツセージ録音部、７はＡ／Ｄ変換
器、８はＣＰＵ、９はタイマ部、１０は整流回路、１１
は低域通過フィルタである。第１図第２図第３図第４図第６図（ｂ）

Claims

【特許請求の範囲】

入力された信号のエンベロープ波形の抽出およびこのエ
ンベロープ波形レベルとしきい値の大小関係の比較をＣ
ＰＵの内部で処理し、その結果に基づき入力信号の音声
区間、無音区間の判定を行う音声検出回路において、エ
ンベロープ波形の抽出を、整流回路と低域通過フィルタ
をカスケード接続したエンベロープ波形抽出回路により
行う構成としたことを特徴とする音声検出回路。