JP7200779B2

JP7200779B2 - 無線機

Info

Publication number: JP7200779B2
Application number: JP2019051153A
Authority: JP
Inventors: 裕範若原
Original assignee: JVCKenwood Corp
Current assignee: JVCKenwood Corp
Priority date: 2019-03-19
Filing date: 2019-03-19
Publication date: 2023-01-10
Anticipated expiration: 2039-03-19
Also published as: JP2020155867A

Description

本発明は、マイクから音声信号が入力されると音声の送信を行う無線機に関する。

一般に、音声信号が検出された場合に、ＰＴＴ（ＰｕｓｈＴｏＴａｌｋ）ボタンを押した状態と等価の状態に切り替えるＶＯＸ（ＶｏｉｃｅＯｐｅｒａｔｅｄＴｒａｎｓｍｉｔ）機能を備えた無線機が知られている。この種の無線機は、通常、受信状態であり、マイクから音声信号が入力されたことを検出すると、ＶＯＸ機能が作動して送信状態となって音声の送信を行う。ＶＯＸ機能は有用であるが、周囲の騒音等によって誤作動して無線機が送信状態となってしまうことがある。特許文献１には、周波数選択回路を用いて、人の音声がほとんど含まれていない周波数成分を取り除くことにより、周囲の騒音が変化してもＶＯＸ回路の閾値を調整せずに使用できる技術が記載されている（例えば、特許文献１参照）。

特開平６－１３２８４８号公報

しかし、従来の技術では、送信者以外の人の声にも反応するため、人が多い環境における無線機の誤作動を防止できないといった問題があった。

本発明は、上記に鑑みてなされたものであって、人の多い環境における送信の誤作動を抑制できる無線機を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る無線機は、マイクに入力された音声から声紋情報を取得する声紋取得部と、取得した声紋情報と予め登録された登録モデルとを照合する声紋照合部と、声紋情報と登録モデルとの一致率が所定の閾値以上の場合に、入力された音声を送信する送信処理部と、発話者の指紋情報を取得する指紋取得部と、を備え、声紋照合部は、発話者の声紋情報と指紋情報とを対応づけ、該指紋情報ごとに声紋情報を蓄積して登録モデルを更新する。

本発明によれば、人の多い環境における送信の誤作動を抑制することができる無線機を提供できる。

図１は、本実施形態に係る無線機の機能構成を示すブロック図である。図２は、図１の送信制御部の内部構成を示すブロック図である。図３は、無線機の送信制御部の動作を示すフローチャートである。

以下に、本発明に係る実施形態を図面に基づいて詳細に説明する。なお、この実施形態によりこの発明が限定されるものではない。また、以下の実施形態における構成要素には、当業者が置換可能かつ容易なもの、あるいは実質的に同一のものが含まれる。

図１は、本実施形態に係る無線機の機能構成を示すブロック図である。図２は、図１の送信制御部の内部構成を示すブロック図である。本実施形態の無線機１０は、他の無線機１０との間で、例えば、半二重無線通信を行う。この半二重無線通信は、データの送信と受信を同時に行えず、時間を区切って送信および受信の一方しか行うことができない無線通信の形態である。図１に示すように、無線機１０は、マイク（マイクロフォン）１１と、送信音声処理部１２と、送信部１３と、受信部１４と、送受信用アンテナ１５と、受信音声処理部１６と、スピーカ１７とを備える。また、無線機１０は、音声帯域フィルタ部１８と、送信制御部１９と、ＰＴＴボタン２０と、指紋センサ（指紋取得部）２１と、回路切替部２２と、方式選択ボタン２３と、記憶部２４とを備える。なお、図１には本発明に関わる機能ブロックのみを示しており、図示していない無線機を制御する制御部や、スピーカ出力の音量を調整するボリュームなど各種の操作部、無線機の状態を表示する表示部などを含むものとする。

マイク１１は、例えば発話などによって入力された音声を音声信号に変換する。送信音声処理部１２は、音声送信用に加工処理（例えば、デジタル変換や暗号化など）する機能を有し、加工処理された音声信号を送信部１３に出力する。送信部１３は、送信制御部１９の制御下、送信音声処理部１２で加工処理された音声信号（音声）を変調して他の無線機に送信する。

一方、受信部１４は、他の無線機から送信された音声信号を受信する。受信音声処理部１６は、受信した音声信号を読み出して音声出力用に加工処理（例えば、復号化やアナログ変換など）する機能を有する。スピーカ１７は、受信音声処理部１６で加工処理された音声信号を音声に変換して出力する。

また、音声帯域フィルタ部１８は、送信音声処理部１２と並列に配置されてマイク１１からの音声信号が入力される。音声帯域フィルタ部１８は、デジタル変換した後に、声紋情報を取得するために人が発話する際の音声周波数帯（例えば１００～１０００Ｈｚ）のみを選択してフィルタリングする。このフィルタリングにより、人の音声周波数帯以外の周波数帯の音が削除されることにより、例えば、自動車や電車の走行音などの騒音の影響を抑えることができる。フィルタリングされた音声信号は、送信制御部１９に出力される。

送信制御部１９は、本実施形態に係る無線機１０の音声の送信動作全般を制御する。具体的には、送信制御部１９は、ＰＴＴボタン２０が押下されている場合、もしくは、送信制御部１９に入力された音声の声紋情報と登録モデル（学習モデルともいう）とが一致すると判断された場合、送信部１３に対して音声信号（音声）を他の無線機に送信させる。送信制御部１９については後述する。

ＰＴＴボタン２０は、無線機１０に設けられた操作スイッチであり、ＰＴＴボタン２０が押されていない状態では他の無線機１０からの音声の受信を待ち受け、ＰＴＴボタン２０が押されると、入力された音声を他の無線機に送信するようになっている。ＰＴＴボタン２０には、発話者（ユーザ）の指の腹が当たる部分に指紋センサ２１が設けられている。この指紋センサ２１は、例えば静電容量方式によって構成されたものであり、発話者がＰＴＴボタン２０を押した際に触れた指から発話者の指紋情報を取得する。取得された指紋情報は、送信制御部１９に出力される。指紋は、人の手の指先の内側にあり、多くの細い線からできている模様である。指紋は、各指、各人に固有であり、生涯変らないために個人を識別する上で重要な意義をもつ。

回路切替部２２は、送信制御部１９とＰＴＴボタン２０とを択一的に切り替えて、送信制御部１９またはＰＴＴボタン２０の一方を送信部１３に接続する。具体的には、ＰＴＴボタン２０が押されていない場合には、送信制御部１９と送信部１３とを接続するように切り替えられ、ＰＴＴボタン２０が押されるとＰＴＴボタン２０と送信部１３とを接続するように切り替えられる。方式選択ボタン２３は、ＰＴＴボタン２０の押下中のみに送信部１３から音声を送信する動作と、ＰＴＴボタン２０の押下中、または送信制御部１９から送信の動作信号が入力された場合に送信部１３から音声を送信する動作と、を選択するためのボタンである。また、無線機１０を後述する識別モードまたは学習モードで動作させるかを選択させる構成としてもよい。記憶部２４は、取得された声紋情報及び指紋情報が記憶されている。記憶部２４は、例えば、フラッシュメモリ（ＦｌａｓｈＭｅｍｏｒｙ）などの半導体メモリ素子を用いることができるが、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）などの記憶装置であってもよい。

送信制御部１９は、マイクロプロセッサまたはマイクロコンピュータで構成することができる。送信制御部１９は、機能的な内部構成として、図２に示すように、サブバンドフィルタ（声紋取得部）３１と、指紋識別器３２と、複数（Ｎ個；Ｎは自然数）の音声識別器（声紋照合部）３３と、最大値評価部３４と、送信処理部３５とを備える。これらサブバンドフィルタ３１、指紋識別器３２、音声識別器３３と、最大値評価部３４、送信処理部３５は、ソフトウェア（コンピュータプログラム）で構成されていてもよいし、ハードウェアで構成されていてもよい。さらに、ソフトウェアとハードウェアとを組み合わせて構成してもよい。

サブバンドフィルタ３１は、音声帯域フィルタ部１８から入力された音声信号を声紋の特徴量として出力する。声紋は指紋と同様に各人に固有であり、個人を識別する上で重要な意義をもつ。本実施形態では、声紋は、発話された音声を複数の周波数に分解し、周波数毎の強度（音量）の分布として連続した時間で計測し、周波数、強度、時間の３次元で表現されるものである。サブバンドフィルタ３１は、例えば、音声帯域の周波数を２０分割し、分割された各信号の単位時間における平均強度（声紋情報）を出力する。本実施形態では、声紋情報は２０次元のベクトル情報を備えて構成される。

指紋識別器３２には、指紋センサ２１で取得された指紋の紋様の特徴量（指紋情報）が指紋入力から入力される。指紋情報は、例えば、紋様の分岐点や渦の中心点など複数の代表的な模様をラベリング（数値化）して、紋様間の相対的位置関係と共に数値表現したものである。本実施形態では、指紋情報は、複数のラベルと中心点からの座標によるベクトル情報を備えて構成される。指紋識別器３２は、指紋センサ２１で取得された指紋情報が既知であるか否かを識別する。既知であれば、送信制御部１９は、指紋情報に対応づけられた音声識別器３３を選択する。既知でなければ、送信制御部１９は、新たな指紋情報を未だ対応づけられていない（未学習の）音声識別器３３に割り当て、この音声識別器３３と指紋情報とを対応づける。

音声識別器３３は、サブバンドフィルタ３１から出力された声紋情報の声紋照合（音声認識）を行う。Ｎ個の音声識別器３３は、それぞれ指紋情報に対応づけて設定することができる。このため、無線機１０（送信制御部１９）は最大Ｎ人分の声紋照合をすることができる。また、音声識別器３３には、指紋情報に対応づけられた個別の登録モデル３３Ａが登録されている。

本実施形態では、無線機１０は、ＰＴＴボタン２０の押下情報を送信制御部１９のモード選択の入力から指紋識別器３２に入力する。これにより、無線機１０は、音声識別器３３に対して、入力された声紋情報と登録モデル３３Ａとの声紋照合を行わせる識別モードと、指紋情報に対応づけられた声紋情報を蓄積することで登録モデル３３Ａを学習（更新）させる学習モードとを実行するように構成される。例えば、ＰＴＴボタン２０が押されていない場合には、識別モードを実行して発話者の音声入力を待機する。ＰＴＴボタン２０が押されると、学習モードを実行し、指紋情報に対応づけられた音声識別器３３に発話者の声紋情報を蓄積することで登録モデル３３Ａを学習させる。

送信制御部１９のモード選択の入力に接続されたＰＴＴボタン２０が押下されていない場合は、指紋識別器３２はＮ個の音声識別器３３が識別モードを実行するように操作する。Ｎ個の音声識別器３３は、それぞれサブバンドフィルタ３１を通過して周波数分割された音声信号（声紋情報）に対するスコアを算出して出力する。このスコアは、音声識別器３３に個別に登録された登録モデル３３Ａと入力された声紋との一致率であり、登録モデル３３Ａに近い声紋であるほど大きな値を示す。ただし、未学習の音声識別器３３は最小値のスコアを出力するように設定されている。

一方、送信制御部１９のモード選択の入力に接続されたＰＴＴボタン２０が押下されている場合は、指紋識別器３２は音声識別器３３が学習モードを実行するように操作する。この場合、指紋識別器３２は指紋情報に対応づけられた音声識別器３３を学習モードに設定し、入力された声紋情報（特徴量）を登録モデル３３Ａに学習させることでスコアを最大化するようにする。発話者が自由に発話する状態では、発話する際のスピードやアクセントなどによって、発話者特有の声紋情報（特徴量）が得られる。このため、多数の声紋情報を蓄積して登録モデル３３Ａに発話者特有の特徴点を学習させることで発話者の特定率を向上できる。本実施形態では、対象の音声識別器３３以外のその他の音声識別器３３は学習を行わないものとするが、対象の音声識別器３３のスコアを最大化させると同時に、その他の音声識別器３３に対してもスコアを最小化するように各登録モデル３３Ａに学習を行わせて声紋情報の照合精度をより高めてもよい。音声識別器３３は、入力情報のベクトル空間を超平面により分割する方法や、空間距離により識別する装置である。このため、例えば巡回型ニューラルネットワークの構成により、時間的に連続して入力される信号の変化を識別に用いて認識精度を高める方法を採用することができる。登録モデル３３Ａの学習は、声紋情報（特徴量）を多数取得することにより、発話者個人に特有な声紋情報の特徴点を見出すものとする。学習方法は例えば、機械学習と呼ばれる方法を採用することができるが、既存の学習方法であれば他の方法を採用してもよい。

最大値評価部３４は、上記した識別モードが実行中に、Ｎ個の音声識別器３３が出力するスコアがそれぞれ入力され、この中から最大値（スコア）を出力する。送信処理部３５は、最大値（一致率）と所定の閾値とを比較し、最大値が閾値以上の場合には、送信部１３に対して他の無線機に音声を送信させる動作信号（送信指示信号）を出力する。また、最大値が閾値未満の場合には、送信処理部３５は、入力された音声の声紋情報が事前に登録された登録モデル３３Ａと一致しないとして送信動作を実行しない。

次に、本実施形態に係る無線機１０の送信制御部１９の動作について説明する。図３は、無線機の送信制御部の動作手順を示すフローチャートである。まず、送信制御部１９は、ＰＴＴボタン２０が押されているか否かを判別する（ステップＳ１）。この判別において、ＰＴＴボタン２０が押されている（ステップＳ１；Ｙｅｓ）場合には、送信制御部１９は学習モードを実行する（ステップＳ２）。続いて、送信制御部１９は、ＰＴＴボタン２０が押した際に触れた指から指紋情報を取得し（ステップＳ３）、この指紋情報が送信制御部１９の指紋入力から指紋識別器３２に入力され、指紋識別器３２は、指紋情報に対応づけられた音声識別器３３を選択する（ステップＳ４）。

次に、ＰＴＴボタン２０が押された状態で、マイク１１を通じて発話者の音声が入力される（ステップＳ５）と、送信制御部１９は、音声帯域フィルタ部１８に、入力された音声信号から人が発話する際の音声周波数帯のみを選択してフィルタリングさせる（ステップＳ６）。フィルタリングされた音声信号は、送信制御部１９に出力される。次に、サブバンドフィルタ３１は、送信制御部１９の音声入力から入力された音声信号を周波数分割し、分割された音声信号の特徴量から声紋情報を取得（ステップＳ７）し、この声紋情報を対応する音声識別器３３に出力する。

音声識別器３３は、入力された声紋情報によって登録モデル３３Ａを学習させる（ステップＳ８）。本実施形態では、指紋情報に対応づけられた同一人物の声紋情報が音声識別器３３に入力される。このため、その時の体調によって同一人物であっても、鼻声になったり声のトーンが変化することも想定される。音声識別器３３は、発話者が無線機１０を利用して発話する際の声紋情報を都度取得し、この声紋情報によって登録モデル３３Ａを学習（更新）させることにより、発話者が登録されている人物と同一であるか否かを正確に判別することができる。発話が終了してＰＴＴボタン２０から手が離れると、送信制御部１９は学習モードを停止して処理をステップＳ１に戻す。また、図示していないが、学習と同時にＰＴＴボタンの押下中に入力された音声は送信部１３で変調されて電波として送受信用アンテナ１５から送出される。

上記した判別において、ＰＴＴボタン２０が押されていない（ステップＳ１；Ｎｏ）場合には、送信制御部１９は識別モードを実行する（ステップＳ９）。送信制御部１９は、マイク１１を通じて発話者の音声入力があるか否かを判別する（ステップＳ１０）。識別モードでは、ＰＴＴボタン２０が押されていなくても入力された音声から発話者を特定して音声送信をする。送信制御部１９は、音声入力がない（ステップＳ１０；Ｎｏ）場合には、処理をステップＳ１に戻す。

一方、音声入力がある（ステップＳ１０；Ｙｅｓ）場合には、送信制御部１９は、音声帯域フィルタ部１８に人の音声周波数帯のみを選択してフィルタリングさせる。この後、サブバンドフィルタ３１は、送信制御部１９の音声入力から入力された音声信号から声紋情報を取得（ステップＳ１１）する。サブバンドフィルタ３１は、取得した声紋情報をＮ個の音声識別器３３にそれぞれ出力する。

Ｎ個の音声識別器３３は、それぞれサブバンドフィルタ３１を通過して周波数分割された声紋情報と、音声識別器３３に個別に登録された登録モデル３３Ａとを照合する（ステップＳ１２）。具体的には、音声識別器３３は、それぞれ入力された声紋と登録モデル３３Ａとのスコア（一致率）を求め、このスコアを最大値評価部３４に出力する。最大値評価部３４は、Ｎ個の音声識別器３３が出力したスコアの中から最大値（スコア）を送信処理部３５に出力する。

送信処理部３５は、スコアの最大値（一致率）と所定の閾値とを比較し、最大値が閾値以上の場合（ステップＳ１３；Ｙｅｓ）には、送信部１３に対して他の無線機に音声を送信させる送信指示信号を送信制御部１９の送信制御出力から回路切替部２２に出力する（ステップＳ１４）。すなわち、音声の送信動作を実行する。一方、送信処理部３５は、最大値が閾値未満の場合（ステップＳ１３；Ｎｏ）には、入力された音声の声紋情報が事前に登録された登録モデル３３Ａと一致しないとして送信指示信号を送信制御部１９の送信制御出力から回路切替部２２に出力しない。すなわち、送信制御部１９は、音声の送信動作を実行することなく、識別モードを停止して処理をステップＳ１に戻す。

以上、説明したように、本実施形態に係る無線機１０は、マイク１１に入力された音声から声紋情報を取得するサブバンドフィルタ（声紋取得部）３１と、取得した声紋情報と予め登録された登録モデル３３Ａとを照合する音声識別器（声紋照合部）３３と、声紋情報と登録モデル３３Ａとの一致率が所定の閾値以上の場合には、入力された音声を送信する送信処理部３５と、を備えるため、声紋により人の音声の個人差を判別することができ、人の多い環境においても音声送信の誤作動を抑制することができる。

また、本実施形態によれば、発話者の指紋情報を取得する指紋センサ（指紋取得部）２１を備え、音声識別器３３は、発話者の声紋情報と指紋情報とを対応づけ、該指紋情報ごとに声紋情報を蓄積して登録モデル３３Ａを学習させるため、発話する際のスピードやアクセントなどによって、発話者特有の声紋情報を得ることができる。このため、多数の声紋情報を蓄積して登録モデル３３Ａに発話者特有の特徴点を学習させることができ、発話者の特定率を向上できる。

また、本実施形態によれば、指紋センサ２１は、ＰＴＴボタン２０に設けられているため、無線機１０を利用して発話する際に発話者の指紋情報を取得することができ、指紋情報と発話者の声紋情報とを容易に対応づけることができる。

以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されるものではない。例えば、本実施形態では、無線機１０は、複数（Ｎ個）の音声識別器３３を備え、各音声識別器３３を指紋情報と対応づけた構成としたが、これに限るものではなく、１つの音声識別器に複数人の声紋情報を蓄積することにより登録モデルを学習（更新）する構成としてもよい。

１０無線機
１１マイク
１２送信音声処理部
１３送信部
１６受信音声処理部
１８音声帯域フィルタ部
１９送信制御部
２０ＰＴＴボタン
２１指紋センサ（指紋取得部）
２４記憶部
３１サブバンドフィルタ（声紋取得部）
３２指紋識別器
３３音声識別器（声紋照合部）
３３Ａ登録モデル
３４最大値評価部
３５送信処理部

Claims

マイクに入力された音声から声紋情報を取得する声紋取得部と、
取得した前記声紋情報と予め登録された登録モデルとを照合する声紋照合部と、
前記声紋情報と前記登録モデルとの一致率が所定の閾値以上の場合には、入力された音声を送信する送信処理部と、
発話者の指紋情報を取得する指紋取得部と、を備え、
前記声紋照合部は、発話者の前記声紋情報と前記指紋情報とを対応づけ、該指紋情報ごとに前記声紋情報を蓄積して前記登録モデルを更新することを特徴とする無線機。
前記声紋照合部は、入力された音声の声紋情報を蓄積して前記登録モデルを更新することを特徴とする請求項１に記載の無線機。
前記指紋取得部は、ＰＴＴボタンに設けられたことを特徴とする請求項１または２に記載の無線機。