知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2022-11-17
(45)【発行日】2022-11-28
(54)【発明の名称】無線通信装置及び無線通信システム
(51)【国際特許分類】
H04M 1/00 20060101AFI20221118BHJP
G10L 25/84 20130101ALI20221118BHJP
G10L 21/0208 20130101ALI20221118BHJP
G10L 25/30 20130101ALI20221118BHJP
【ＦＩ】
H04M1/00 H
G10L25/84
G10L21/0208 100Z
G10L25/30
【請求項の数】
7
(21)【出願番号】P 2021112279
(22)【出願日】2021-07-06
【審査請求日】2021-07-06
(73)【特許権者】
【識別番号】000101662
【氏名又は名称】アルインコ株式会社
(74)【代理人】
【識別番号】100101454
【弁理士】
【氏名又は名称】山田 卓二
(74)【代理人】
【識別番号】100135703
【弁理士】
【氏名又は名称】岡部 英隆
(72)【発明者】
【氏名】國分 二郎
【審査官】松原 徳久
(56)【参考文献】
【文献】特開平１０－３４１４８６（ＪＰ，Ａ）
【文献】特開平１０－３２６１００（ＪＰ，Ａ）
【文献】特開平１１－２０５４３０（ＪＰ，Ａ）
【文献】特開２０１７－０９０７８９（ＪＰ，Ａ）
【文献】特開平０６－２６６３８０（ＪＰ，Ａ）
【文献】特開２０１８－１８５５５２（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ１０Ｌ１３／００－１３／１０
１９／００－９９／００
Ｈ０４Ｂ１／３８－１／５８
７／２４－７／２６
Ｈ０４Ｍ１／００
１／２４－１／８２
９９／００
Ｈ０４Ｗ４／００－９９／００
(57)【特許請求の範囲】
【請求項1】
入力される音声信号を所定の第１のしきい値と比較して、比較結果信号である第１の音声検出信号を出力する第１の音声信号検出部と、前記入力される音声信号に従って無線搬送波を変調して無線信号を無線送信する変調送信部と、
前記第１の音声検出信号に基づいて、前記変調送信部を送信状態にするように制御する制御部とを備える無線通信装置において、
前記入力される音声信号からノイズをキャンセルするように音声信号処理を行って前記変調送信部に出力するノイズキャンセル部を備え、
前記第１の音声信号検出部は前記ノイズキャンセル部の後段に設けられ、前記ノイズキャンセル部からの音声信号を前記第１のしきい値と比較して、比較結果信号である第１の音声検出信号を出力し、
前記ノイズキャンセル部は、人間の音声の特徴パラメータを用いて学習され、前記入力される音声信号からノイズを含む非音声期間であるか否かを判定する深層学習モデル部を用いて、ノイズキャンセル処理を行い、
前記無線通信装置は、
入力される音声信号を所定の第２のしきい値と比較して、比較結果信号である第２の音声検出信号を出力する第２の音声信号検出部をさらに備え、
前記制御部は、前記第１の音声検出信号に先だって入力される前記第２の音声検出信号に基づいて、前記変調送信部の無線送信を開始するように制御する、無線通信装置。
【請求項2】
前記変調送信部は、入力される音声信号に従って無線搬送波を周波数変調方式又は位相変調方式で変調する、請求項１に記載の無線通信装置。
【請求項3】
前記ノイズキャンセル部は、前記深層学習モデル部の前記判定に基づいて、入力される音声信号からノイズを含む非音声期間を通過させないようにノイズキャンセル処理を行って、前記ノイズキャンセル処理後の音声信号を出力する音声信号処理部を備える、請求項１又は２に記載の無線通信装置。
【請求項4】
前記ノイズキャンセル部は、前記音声信号処理部の前段に設けられ、入力される音声信号に対して、人間の音声信号の所定のレベル範囲であって、所定の帯域幅のみを通過させる音声信号前置処理部をさらに備える、請求項３に記載の無線通信装置。
【請求項5】
前記深層学習モデル部は、人間の音声の特徴パラメータを入力とし、入力される音声信号からノイズを含む非音声期間であるか否かを判定する判定結果を出力とする、所定のニューラルネットワークにより構成される、請求項１～４のうちのいずれか１つに記載の無線通信装置。
【請求項6】
前記無線通信装置は、特定小電力無線通信システムのための無線通信装置である特定小電力無線局である、請求項１～５のうちのいずれか１つに記載の無線通信装置。
【請求項7】
請求項１～６のうちのいずれか１つに記載の複数の無線通信装置を含む、無線通信システム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、例えばＶＯＸ（Voice Operated Transmitter）回路を有する無線通信装置及び、複数の無線通信装置を含む無線通信システムに関する。
【背景技術】
【0002】
従来技術に係る無線通信装置において、ＶＯＸ回路が設けられている。ここで、ＶＯＸ回路は、音声の有無に応じて送信信号の出力をオン・オフ制御する回路であって、例えば音声を検出したときのみ無線信号を送信し、マイクロホン周辺が無音のときは無線信号を送信せず、無線通信装置を受信状態になるように制御する。
【0003】
例えば特許文献１では、音声区間を高精度に検出して、通話品質の向上を図るために、以下の構成を有する音声区間検出装置が提案されている。この音声区間検出装置において、周波数分布算出部は、入力信号の周波数分布を算出し、平坦さ算出部は周波数分布から周波数分布の平坦さを算出する。例えば、周波数分布の平均を求め、周波数分布と平均値との差分の総和を、周波数分布の平坦さとする。さらに、音声／雑音判定部は、周波数分布の平坦さとしきい値とを比較して、音声か雑音かを判定し、入力信号の音声区間を検出する。
【先行技術文献】
【特許文献】
【0004】
【文献】特許第３９６３８５０号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
図７Ａ及び図７Ｂは従来例に係る制御部１１０を有する無線機１００の動作例を示すブロック図である。ここで、音声信号検出部１７はいわゆるＶＯＸ回路を構成する。図７Ａ及び図７Ｂに示すように、従来例に係る無線機１００に搭載しているＶＯＸ回路である音声信号検出部１７では、例えばマイクロホン１２からの音声信号を増幅し、フィルタリングし、整流し、その音声信号レベルを所定のしきい値と比較して、前記音声信号レベルがしきい値以上であるときに無線送信を開始するように構成されている。この従来例の場合において、風切り音や周囲の騒音等で本来のマイクロホン１２からの音声信号と誤認識して誤送信を開始する場合が多発していた（図７Ｂ）。従って、上記の理由から、従来例に係るＶＯＸ回路はこれまで屋外や騒音の多い現場での運用は不可能とされてきた。
【0006】
すなわち、従来例に係る音声区間検出装置を有する無線通信装置においても、例えば風切り音や周囲の騒音等で、本来のマイクロホンからの音声と誤検出して無線送信を開始することが多発し、音声区間の検出精度はいまだ低いという問題点があった。
【0007】
本発明の目的は以上の問題点を解決し、従来例に比較して高精度で音声期間を検出して無線送信を開始することができる無線通信装置及び、複数の無線通信装置を含む無線通信システムを提供することにある。
【課題を解決するための手段】
【0008】
本発明の一態様に係る無線通信装置は、
入力される音声信号を所定の第１のしきい値と比較して、比較結果信号である第１の音声検出信号を出力する第１の音声信号検出部と、
前記入力される音声信号に従って無線搬送波を変調して無線信号を無線送信する変調送信部と、
前記第１の音声検出信号に基づいて、前記変調送信部を送信状態にするように制御する制御部とを備える無線通信装置において、
前記入力される音声信号からノイズをキャンセルするように音声信号処理を行って前記変調送信部に出力するノイズキャンセル部を備え、
前記第１の音声信号検出部は前記ノイズキャンセル部の後段に設けられ、前記ノイズキャンセル部からの音声信号を前記第１のしきい値と比較して、比較結果信号である第１の音声検出信号を出力し、
前記ノイズキャンセル部は、人間の音声の特徴パラメータを用いて学習され、前記入力される音声信号からノイズを含む非音声期間であるか否かを判定する深層学習モデル部を用いて、ノイズキャンセル処理を行い、
前記無線通信装置は、
入力される音声信号を所定の第２のしきい値と比較して、比較結果信号である第２の音声検出信号を出力する第２の音声信号検出部をさらに備え、
前記制御部は、前記第１の音声検出信号に先だって入力される前記第２の音声検出信号に基づいて、前記変調送信部の無線送信を開始するように制御する。
入力される音声信号を所定の第１のしきい値と比較して、比較結果信号である第１の音声検出信号を出力する第１の音声信号検出部と、
前記入力される音声信号に従って無線搬送波を変調して無線信号を無線送信する変調送信部と、
前記第１の音声検出信号に基づいて、前記変調送信部を送信状態にするように制御する制御部とを備える無線通信装置において、
前記入力される音声信号からノイズをキャンセルするように音声信号処理を行って前記変調送信部に出力するノイズキャンセル部を備え、
前記第１の音声信号検出部は前記ノイズキャンセル部の後段に設けられ、前記ノイズキャンセル部からの音声信号を前記第１のしきい値と比較して、比較結果信号である第１の音声検出信号を出力し、
前記ノイズキャンセル部は、人間の音声の特徴パラメータを用いて学習され、前記入力される音声信号からノイズを含む非音声期間であるか否かを判定する深層学習モデル部を用いて、ノイズキャンセル処理を行い、
前記無線通信装置は、
入力される音声信号を所定の第２のしきい値と比較して、比較結果信号である第２の音声検出信号を出力する第２の音声信号検出部をさらに備え、
前記制御部は、前記第１の音声検出信号に先だって入力される前記第２の音声検出信号に基づいて、前記変調送信部の無線送信を開始するように制御する。
【発明の効果】
【0009】
従って、本発明に係る無線通信装置によれば、前記入力される音声信号からノイズをキャンセルするように音声信号処理を行って前記変調送信部に出力するノイズキャンセル部を備え、前記第１の音声信号検出部は前記ノイズキャンセル部の後段に設けられ、前記ノイズキャンセル部からの音声信号を前記第１のしきい値と比較して、比較結果信号である第１の音声検出信号を出力するように構成した。これにより、従来例に比較して高精度で音声期間を検出して無線送信を開始することができる。
【図面の簡単な説明】
【0010】
【図1】実施形態１に係る無線機１の構成例を示すブロック図である。
【図4】実施形態２に係る無線機１Ａの構成例を示すブロック図である。
【図7A】従来例に係る無線機１００の動作例１を示すブロック図である。
【図7B】従来例に係る無線機１００の動作例２を示すブロック図である。
【発明を実施するための形態】
【0011】
以下、本発明に係る実施形態及び変形例について図面を参照して説明する。なお、同一又は同様の構成要素については同一の符号を付している。
【0012】
（実施形態１）
図１は実施形態に係る無線機１の構成例を示すブロック図である。図１において、無線機１は無線通信装置の一例であって、受信アンテナ２１と、受信復調部２２と、音声信号増幅器２３と、スピーカ２４と、制御部１０と、ＰＴＴ（Push To Talk）キー１１Ａ及びＶＯＸモードキー１１Ｂを含む操作部１１と、マイクロホン１２と、音声信号増幅器１３と、ノイズキャンセル部１４と、変調送信部１５と、送信アンテナ１６と、音声信号検出部１７とを備えて構成される。ここで、ＰＴＴキー１１Ａは発声音声を送信したいときにオンされ、ＶＯＸモードキー１１ＢはＶＯＸ回路の一例である音声信号検出部１７を用いたＶＯＸモード（例えば音声を検出したときのみ無線信号を送信し、マイクロホン周辺が無音のときは無線信号を送信せず、無線通信装置を受信状態になるように制御するモードである）で送受信したいときにオンされ、制御部１０はＶＯＸモードで変調送信部１５及び受信復調部２２の動作を制御する。
図１は実施形態に係る無線機１の構成例を示すブロック図である。図１において、無線機１は無線通信装置の一例であって、受信アンテナ２１と、受信復調部２２と、音声信号増幅器２３と、スピーカ２４と、制御部１０と、ＰＴＴ（Push To Talk）キー１１Ａ及びＶＯＸモードキー１１Ｂを含む操作部１１と、マイクロホン１２と、音声信号増幅器１３と、ノイズキャンセル部１４と、変調送信部１５と、送信アンテナ１６と、音声信号検出部１７とを備えて構成される。ここで、ＰＴＴキー１１Ａは発声音声を送信したいときにオンされ、ＶＯＸモードキー１１ＢはＶＯＸ回路の一例である音声信号検出部１７を用いたＶＯＸモード（例えば音声を検出したときのみ無線信号を送信し、マイクロホン周辺が無音のときは無線信号を送信せず、無線通信装置を受信状態になるように制御するモードである）で送受信したいときにオンされ、制御部１０はＶＯＸモードで変調送信部１５及び受信復調部２２の動作を制御する。
【0013】
ここで、実施形態に係る無線機１は例えば特定小電力無線通信システムのための特定小電力無線局の無線通信装置の一例である。本実施形態では、無線機１はその送信部において、ＶＯＸ回路である音声信号検出部１７の前段に、深層学習モデル部３５（図３）を利用してノイズキャンセル処理を行って例えばＦＭ（周波数変調）又はＰＭ（位相変調）においてノイズ軽減で特に有効である、ノイズキャンセル部１４を備えたことを特徴としている。また、複数の無線機１により無線通信システムを構成する。
【0014】
図１において、受信アンテナ２１により受信された無線信号は受信復調部２２に入力される。受信復調部２２は、受信された無線信号を低雑音増幅、低域周波数変換、中間周波増幅等を行った後、例えばＦＭ（周波数変調）又はＰＭ（位相変調）などの所定の復調方式で音声信号に復調して音声信号増幅器２３を介してスピーカ２４に出力する。
【0015】
マイクロホン１２は入力される音声を音声信号に変換して音声信号増幅器１３を介してノイズキャンセル部１４に出力する。ノイズキャンセル部１４は人間の音声により深層学習された深層学習モデル部３５(図３）を用いて、入力される音声信号から音声信号期間のみ当該音声信号を通過させることで、ノイズをキャンセルするように音声信号処理を行った後、変調送信部１５及び音声信号検出部１７に出力する。音声信号検出部１７はコンパレータを含むＶＯＸ回路の一例であって、入力される音声信号を所定のしきい値と比較し、入力される音声信号が前記しきい値以上であるときにＨレベルの音声検出信号（比較結果信号）Ｓ１を制御部１０に出力する一方、入力される音声信号が前記しきい値未満であるときにＬレベルの音声検出信号（比較結果信号）Ｓ１を制御部１０に出力する。
【0016】
制御部１０は例えばＣＰＵ（Central Processing Unit）又はＤＳＰ（Digital Signal Processor）などのプロセッサ等で構成され、ＰＴＴキー１１Ａがオンされたときに、変調送信部１５を動作させ、変調送信部１５は入力される音声信号に従って無線搬送波を前記所定の変調方式で変調した後、変調された無線搬送波である無線信号を、高域周波数変換しかつ電力増幅した後、送信アンテナ１６から送信する。また、制御部１０は、ＶＯＸモードで変調送信部１５及び受信復調部２２の動作を制御し、すなわち、音声信号検出部１７からのＨレベルの音声検出信号Ｓ１に応答して変調送信部１５をオンして送信状態とし、Ｌレベルの音声検出信号Ｓ１に応答して変調送信部１５をオフして送信停止状態とする。
【0017】
なお、本実施形態では、無線機１は送信周波数と受信周波数とが異なる同時通話方式での動作について説明したが、本発明はこれに限られず、無線機１は送信周波数と受信周波数とを同一の周波数を使用する場合は、制御部１０は、ＰＴＴキー１１Ａがオンされたとき又はＨレベルの音声検出信号Ｓ１に応答して受信復調部２２の動作を停止させる。
【0018】
【0019】
【0020】
ここで、「音素」という用語は、特定の言語において１つの単語を他の単語から区別する音の単位を意味し、「振動レート」という用語は、各秒におけるデジタル化された振動データの０と１の間の移動の数を意味し、「振動計数値（ＶＣ）」という用語は、各フレーム内のデジタル化された振動データの値の合計を意味する。また、「振動パターン」とは、時間軸に沿った所定のフレーム数ごとに算出された振動数の総和のデータ分布を意味する。深層学習モデル部３５では、異なる振動パターン、すなわち異なる振動計数値の総和（ＶＳ値）のデータ分布の違いを考慮して、ノイズキャンセル処理を行っており、振動レートは振動計数値に類似しているが、振動レートが大きいほど、振動計数値も大きくなる。
【0021】
音声信号の振幅と振動レートは共に観測可能である。ノイズキャンセル部１４の特徴は、音声信号の振幅と振動率に応じて音声イベントを検出することである。また、別の特徴は、デジタル化された振動データの振動計数値の総和を、あらかじめ定義されたフレーム数分だけ計測することで、音声と、非音声／無音を区別することである。もう一つの特徴は、入力される音声信号データのストリームをその振動パターンによって異なる音素に分類することである。別の特徴は、下流の処理部をトリガするように、入力される音声信号データストリームから最初の起動音素を正しく区別することであり、それによって、処理部を含む計算システムの電力消費等の計算コストを節約することである。
【0022】
図２において、ノイズキャンセル部１４は音声イベント検出を用いてノイズキャンセル処理を行うものであって、音声信号前置処理部３８と、ＡＤ変換器３９と、音声信号処理部３０とを備えて構成される。ここで、音声信号前置処理部３８は、アナログ音声信号に対して、ハイパスフィルタリング、ローパスフィルタリング、増幅又はそれらの組み合わせ等を含む、音声信号前置処理を行って、処理後のアナログ音声信号をＡＤ変換器３９に出力する。すなわち、音声信号前置処理部３８は、マイクロホン１２からの音声信号に対して、人間の音声信号の所定のレベル範囲であって、所定の帯域幅のみを通過させる。次いで、ＡＤ変換器３９は、所定の基準電圧Ｖｒｅｆ及び許容電圧Ｖａｄｍ（＜Ｖｒｅｆ）に従って、アナログ音声信号をデジタル音声信号にＡＤ変換して音声信号処理部３０の入力インターフェース３６に出力する。
【0023】
本実施形態において、ＡＤ変換器３９において、基準電圧Ｖｒｅｆよりも小さい許容電圧Ｖａｄｍは、基準電圧Ｖｒｅｆと組み合わせて、第１のしきい値電圧Ｖｔｈ１（＝Ｖｒｅｆ＋Ｖａｄｍ））及び第２のしきい値電圧Ｖｔｈ２（＝Ｖｒｅｆ－Ｖａｄｍ）を形成するために使用され、ＡＤ変換器３９は、第１のしきい値電圧Ｖｔｈ１及び第２のしきい値電圧Ｖｔｈ２に基づいて、第１のしきい値電圧Ｖｔｈ１以上又は第２のしきい値電圧Ｖｔｈ２以下のノイズに対してＡＤ変換を実行せず、その間の音声信号に対してＡＤ変換を実行することで、入力されるアナログ音声信号のノイズ及び干渉を除去することができる。ここで、例えばＶｒｅｆ＝１．０Ｖ，Ｖａｄｍ＝０．０１Ｖとすると、静かな環境では振動データの振動数が少なく，音声環境では振動データの振動数が多いことが理解できる。なお、本実施形態において、「フレームサイズ」とは、各フレーム内のデジタル化された振動データに対応するサンプリングポイントの数を意味し、「音素ウィンドウＴｗ」とは、各音素の音声特徴量を収集するための時間を意味する。好ましい実施形態では、各フレームの継続時間Ｔｆは例えば０．１～１ミリ秒（ｍｓ）であり、音素ウィンドウＴｗは例えば約０．３秒である。さらに好ましい実施形態では、各フレーム内のデジタル化された振動データに対応するサンプリングポイントの数は例えば１～１６の範囲である。
【0024】
音声信号を分析する場合、ほとんどの音声信号は短期間で安定しているので、通常、短期分析の方法が採用される。例えば、ＡＤ変換器３９で使用されるサンプリング周波数ｆｓが１６０００であり、各フレームの継続時間Ｔｆが１ｍｓであると仮定すると、フレームサイズはｆｓ×１／１０００＝１６サンプルポイントとなる。
【0025】
図２において、音声信号処理部３０は例えばコンピュータデバイスで構成され、
（１）ノイズキャンセルなどの所定の音声信号処理を実行するＣＰＵ（Central Processing Unit）３１と、
（２）ＣＰＵ３１の基本処理を実行するオペレーティングシステム及び前記音声信号処理のプログラム、並びに当該プログラムを実行するために必要なデータ等を格納するＲＯＭ（Read Only Memory）３２と、
（３）ＣＰＵ３１の基本処理を実行するオペレーティングシステム及び前記音声信号処理のプログラムの実行時に、処理中のデータ等を格納するＲＡＭ（Read Access Memory）３３と、
（４）前記音声信号処理を実行するために必要な後述する設定データ等を格納する不揮発性のＥＥＰＲＯＭ（Electrically Erasable Programmable Memory）３４と、
（５）例えばニューラルネットワークなどで構成され、人間の音声信号データに基づいて深層学習されて入力される音声信号データに対して、ノイズを除去して実質的に音声信号のみを抽出して出力する深層学習モデル部３５と、
（６）ＡＤ変換器３９から入力される音声信号データを、後段の信号仕様値に変換するための所定の信号変換処理を行ってＣＰＵ３１に出力する入力インターフェース３６と、
（７）深層学習モデル部３５によりノイズが除去された音声信号データを、後段の信号仕様値に変換するための所定の信号変換処理を行って端子Ｔ１２、音声ラインＬ２等を介して無線機１に出力する出力インターフェース３７と、
を備えて構成される。
（１）ノイズキャンセルなどの所定の音声信号処理を実行するＣＰＵ（Central Processing Unit）３１と、
（２）ＣＰＵ３１の基本処理を実行するオペレーティングシステム及び前記音声信号処理のプログラム、並びに当該プログラムを実行するために必要なデータ等を格納するＲＯＭ（Read Only Memory）３２と、
（３）ＣＰＵ３１の基本処理を実行するオペレーティングシステム及び前記音声信号処理のプログラムの実行時に、処理中のデータ等を格納するＲＡＭ（Read Access Memory）３３と、
（４）前記音声信号処理を実行するために必要な後述する設定データ等を格納する不揮発性のＥＥＰＲＯＭ（Electrically Erasable Programmable Memory）３４と、
（５）例えばニューラルネットワークなどで構成され、人間の音声信号データに基づいて深層学習されて入力される音声信号データに対して、ノイズを除去して実質的に音声信号のみを抽出して出力する深層学習モデル部３５と、
（６）ＡＤ変換器３９から入力される音声信号データを、後段の信号仕様値に変換するための所定の信号変換処理を行ってＣＰＵ３１に出力する入力インターフェース３６と、
（７）深層学習モデル部３５によりノイズが除去された音声信号データを、後段の信号仕様値に変換するための所定の信号変換処理を行って端子Ｔ１２、音声ラインＬ２等を介して無線機１に出力する出力インターフェース３７と、
を備えて構成される。
【0026】
ここで、ＥＥＰＲＯＭ３４は例えば、一連の振動計数値ＶＣ、振動計数値の総和ＶＳ、振動計数値の総和ＶＳｆ、振動計数値の総和ＶＳｐ（後述する）、及びすべての特徴ベクトルの音声特徴値を記憶する。なお、ＥＥＰＲＯＭ３４は外部メモリなどの記憶装置であってもよい。音声信号処理部３０に適用される音声イベント検出方法は、音声イベントを捕捉するために、ＣＰＵ３１によってランタイム中に実行される。ｆｓ＝１６０００、Ｔｆ＝１ｍｓ、Ｔｗ＝０．３ｓと仮定して、音声イベント検出を実行する。
【0027】
ＣＰＵ３１は、具体的には、処理対象である現在のフレーム（すなわち、１ｍｓ以内）の振動データ値の総和を計算して、振動計数値ＶＣを取得し、その後、時点Ｔｊにおける現在のフレームのＶＣ値をＥＥＰＲＯＭ３４に格納する。ここで、ｘ個のフレームの振動計数値ＶＣを加算して、時点Ｔｊにおける現在のフレームの振動計数値の総和ＶＳを得る。ｘ個のフレームには現在のフレームが含まれる。一実施形態では、ＣＰＵ３１は、時点Ｔｊにおける現在のフレームの振動計数値ＶＣと、その直前（ｘ－１）個のフレームの振動計数値の総和ＶＳｐとを加算して、時点Ｔｊにおけるｘ個のフレームの振動計数値の総和ＶＳ（＝ＶＣ＋ＶＳｐ）を得る。
【0028】
なお、変形例では、ＣＰＵ３１は、時点Ｔｊにおける現在のフレームの振動計数値ＶＣ、その直後のｙ個のフレームの振動計数値の総和ＶＳｆ、及びその直前の（ｘ－ｙ－１）個のフレームの振動計数値の総和ＶＳｐを加算して、時点Ｔｊにおけるｘ個のフレームの振動計数値の総和ＶＳ（＝ＶＣ＋ＶＳｆ＋ＶＳｐ）を得るが、ｙはゼロ以上である。ＣＰＵ３１は、ＶＳ、ＶＳｆ及びＶＳｐの値をＥＥＰＲＯＭ３４に格納する。好ましい実施形態では、ｘ個のフレーム（音素ウィンドウＴｗ）の継続時間（ｘ×Ｔｆ）は、約０．３秒である。さらに好ましい実施形態では、ｘ個のフレームのデジタル化された振動データに対応するサンプリングポイントの数は、ｘ～１６ｘの範囲にある。
【0029】
一般的に、音声信号データについては、同じ音素では振動計数値ＶＣの振動パターンが類似しているが、異なる音素ではＶＳ値の振動パターンが全く異なる。従って、振動計数値ＶＣの振動パターンを利用して、音素を区別することができる。特に、例えば鶏又は猫の鳴き声と、人間の音声とは、振動計数値ＶＣの周波数分布に関して全く異なり、人間の音声の振動計数値ＶＣのほとんどは４０以下に分布していることが既知である。
【0030】
学習フェーズにおいて、音声信号処理部３０のＣＰＵ３１は、まず、所定の音声信号データ収集方法を複数回実行して、複数の音素に対する複数の特徴ベクトルを収集し、複数の特徴ベクトルに対応するラベルを付加して、複数のラベル付き学習例を形成する。その後、起動音素を含む異なる音素に対する複数のラベル付き学習例を、深層学習モデル部３５の学習に適用する。最後に、学習された深層学習モデル部３５（音声信号データの予測モデルを構成する）を作成して、入力される音声信号データのストリームが起動音素を含むかどうかを分類する。音声信号処理部３０の起動音素として、所定の音素が指定されている場合、深層学習モデル部３５は、少なくとも当該指定された音素を含む異なる音素についての複数のラベル付き学習例で学習される。
【0031】
すなわち、学習段階では、ラベル付けされた学習例のセットを使用して深層学習モデル部３５を学習し、それによって深層学習モデル部３５が、ラベル付けされた学習例の各フレームの３つの音声特徴量（例えば、（ＶＳｊ，ＴＤｊ，ＴＧｊ））に基づいて、ｊ＝０～２９９の間で、所定の起動音素を認識するようにする。学習段階の終わりに、学習された深層学習モデル部３５は、当該起動音素に対応する学習されたスコアを提供し、学習されたスコアは、次に、入力される音声信号データのストリームをランタイムで分類するための基準として使用される。なお、ＶＳｊ，ＴＤｊ，ＴＧｊは以下のように定義される。
（１）ＶＳｊ：フレームｊの振動計数値の総和（ＶＳ値）；
（２）ＴＤｊ：フレームｊにおいて、ゼロではない振動計数値の総和（ＶＳ値）の時間期間；及び
（３）ＴＧｊ；フレームｊにおける、ゼロではない振動計数値の総和（ＶＳ値）間の時間ギャップ（時間隙間）。
（１）ＶＳｊ：フレームｊの振動計数値の総和（ＶＳ値）；
（２）ＴＤｊ：フレームｊにおいて、ゼロではない振動計数値の総和（ＶＳ値）の時間期間；及び
（３）ＴＧｊ；フレームｊにおける、ゼロではない振動計数値の総和（ＶＳ値）間の時間ギャップ（時間隙間）。
【0032】
深層学習モデル部３５を学習するために、教師付き学習に関連する様々な機械学習技術を使用することができ、例えば、サポートベクターマシン（ＳＶＭ）法、ランダムフォレスト法、畳み込みニューラルネットワーク法などを利用できる。教師付き学習では、複数のラベル付けされた学習例を使用して関数計算部（すなわち、深層学習モデル部３５）が作成され、その各例は、入力特徴ベクトルとラベル付けされた出力からなる。学習されたとき、深層学習モデル部３５は、対応するスコア又は予測値を生成するために、新しいラベルのない例に適用することができる。
【0033】
【0034】
深層学習モデル部３５は、例えば、図３に示すように、ニューラルネットワークを用いて実装される。ここで、ニューラルネットワークは、１つの入力層４１と、少なくとも１つであり好ましくは複数の中間層４２と、１つの出力層４３を含む。入力層４１には３つの入力ニューロン５１，５２，５３があり、各入力ニューロン５１，５２，５３は、特徴ベクトルの各フレームの３つのオーディオ特徴値（すなわち、ＶＳｊ，ＴＤｊ，ＴＧｊ）に対応する。また、中間層４２は、各入力ニューロン５１，５２，５３に関連する重み係数と各ニューロンのバイアス係数を有するニューロン６１～７４で構成される。学習フェーズのサイクルを通じて中間層４２の各ニューロン６１～７４の重み係数とバイアス係数を変更することにより，ニューラルネットワークを学習して，所定の種類の入力に対する予測値を報告するようにすることができる。さらに、出力層４３は、音素に対応する１つの予測値（具体的には、音声期間であるか、ノイズを含む非音声期間であるかを示す）を提供する１つの出力ニューロン８１を含む。
【0035】
以上説明したように、本実施形態によれば、ノイズキャンセル部１４において、深層学習モデル部３５は、人間の音声の特徴パラメータを用いて学習され、入力される音声信号からノイズを含む非音声期間であるか否かを判定する。そして、音声信号処理部３０のＣＰＵ３１は、深層学習モデル部３５の前記判定に基づいて、入力される音声信号からノイズを含む非音声期間を通過させないようにノイズキャンセル処理を行って、前記ノイズキャンセル処理後の音声信号を出力する。ここで、深層学習モデル部３５は、人間の音声の特徴パラメータを入力とし、入力される音声信号からノイズを含む非音声期間であるか否かを判定する判定結果を出力とする、図３のニューラルネットワークにより構成される。
【0036】
【0037】
本実施形態では、無線機１はその送信部において、ＶＯＸ回路である音声信号検出部１７の前段にノイズキャンセル部１４を備えたので、音声信号検出部１７により音声のみによってその一定レベル以上を検出することで送信状態になる（図８Ａ）。これに対して、風切り音又は騒音では、音声信号検出部１７は一定のレベル以上の音声信号を検出しないので、送信状態にならない（図８Ｂ）。従って、本実施形態によれば、ノイズキャンセル部１４により、音声区間の検出精度を大幅に向上させて、従来例のように例えば風切り音や周囲の騒音等で本来のマイクロホン１２からの音声と誤検出して無線送信を開始することを有効的に防止することができ、従来例に比較して高精度で音声期間を検出して無線送信を開始することができる。
【0038】
さらに、本実施形態では、無線機１はその送信部において、例えばＦＭ（周波数変調）又はＰＭ（位相変調）においてノイズ軽減で特に有効である、ノイズキャンセル部１４を備える。これにより、無線通話を行う無線通信装置において、従来技術に比較して、人間の発話音声を有効的に出力するようにノイズキャンセルを行うことができる。送信側でノイズキャンセル部１４を備えることで、送信側以降の回路及び装置（例えば、無線中継装置など）における音声信号において有効的にノイズを除去できる。
【0039】
次いで、実施形態１における問題点について以下に説明する。
【0040】
【0041】
ノイズキャンセル部１４は、Ａ／Ｄ変換、Ｄ／Ａ変換やメモリの書き込み／読み出し等の処理を行うため、入力信号に対して出力信号は必ず遅延が発生し、音声期間検出時間Ｔ１が生じる。従って、図６Ａに示すように、ノイズキャンセル部１４の音声期間検出時間Ｔ１（ｔ１～ｔ２）のために、ノイズキャンセル部１４からの音声信号出力が遅延し、また、音声信号検出部１７のレベル検出時間Ｔ２（一般的に＜Ｔ１（コンパレータの動作時間はＣＰＵ等の動作時間に比較して短いため）；ｔ２～ｔ３）のために、音声信号検出部１７からの音声信号出力が遅延する。このとき、変調送信部１５から送信されて受信を行う別の受信機の受信部において、少なくとも時間Ｔ２だけ音声信号の頭切れが発生する可能性がある。この問題点を解決するための実施形態２について以下に説明する。
【0042】
なお、図６Ａにおいて、ノイズキャンセル部１４の音声期間検出時間Ｔ１ａ（≒Ｔ１；ｔ４～ｔ５）のために、マイクロホン１２への音声信号がなくなって時点ｔ４からもノイズキャンセル部１４からの音声信号の出力端が遅延する。
【0043】
(実施形態２）
図４は実施形態２に係る無線機１Ａの構成例を示すブロック図である。図４において、実施形態２に係る無線機１Ａは、実施形態１に係る図１の無線機１に比較して以下の相違点を有する。
（１）音声信号増幅器１３の後段であって、ノイズキャンセル部１４の前段に音声信号検出部１８をさらに備える。
（２）制御部１０に代えて、図５Ａ及び図５ＢのＶＯＸモードの送信制御処理を実行する制御部１０Ａを備える。なお、制御部１０Ａは、ノイズキャンセル部１４及び音声信号検出部１７の解析において、無線信号を受信してから「音声信号なし」と判断するまでの所定時間Ｔ１２（図６Ｃのｔ２２～ｔ２３；Ｔ１２は回路設計の段階で予め決定される）だけ待機するためのタイマを内蔵した。
以下、相違点について説明する。
図４は実施形態２に係る無線機１Ａの構成例を示すブロック図である。図４において、実施形態２に係る無線機１Ａは、実施形態１に係る図１の無線機１に比較して以下の相違点を有する。
（１）音声信号増幅器１３の後段であって、ノイズキャンセル部１４の前段に音声信号検出部１８をさらに備える。
（２）制御部１０に代えて、図５Ａ及び図５ＢのＶＯＸモードの送信制御処理を実行する制御部１０Ａを備える。なお、制御部１０Ａは、ノイズキャンセル部１４及び音声信号検出部１７の解析において、無線信号を受信してから「音声信号なし」と判断するまでの所定時間Ｔ１２（図６Ｃのｔ２２～ｔ２３；Ｔ１２は回路設計の段階で予め決定される）だけ待機するためのタイマを内蔵した。
以下、相違点について説明する。
【0044】
図４において、音声信号検出部１８はコンパレータを含み、音声信号増幅器１３からの音声信号を所定のしきい値（当該しきい値は、音声信号検出部１７のしきい値と同一であってもよいし、例えば音声信号検出部１８のしきい値が音声信号検出部１７のしきい値よりも小さくなり、もしくは大きくなり、異なるように設定してもよい）と比較し、入力される音声信号が前記しきい値以上であるときにＨレベルの音声検出信号（比較結果信号）Ｓ２を制御部１０Ａに出力する一方、入力される音声信号が前記しきい値未満であるときにＬレベルの音声検出信号（比較結果信号）Ｓ２を制御部１０Ａに出力する。
【0045】
制御部１０Ａは、ＰＴＴキー１１Ａがオンされたときに、変調送信部１５を動作させ、変調送信部１５は入力される音声信号に従って無線搬送波を前記所定の変調方式で変調した後、変調された無線搬送波である無線信号を、高域周波数変換しかつ電力増幅した後、送信アンテナ１６から送信する。また、制御部１０Ａは、ＶＯＸモードで変調送信部１５及び受信復調部２２の動作を制御するときに、図５Ａ及び図５Ｂの送信制御処理を実行する。
【0046】
図５Ａ及び図５Ｂは図４の制御部１０Ａによって実行されるＶＯＸモードの送信制御処理を示すフローチャートである。なお、検出フラグＦ２は、音声検出信号Ｓ２がＨレベルになったか、Ｌレベルになったかを示すフラグである。
【0047】
図５ＡのステップＳ１の初期設定処理では、送信停止中であり、検出フラグＦ２をＬレベルに設定し、音声検出信号Ｓ１，Ｓ２はＬレベルにあり、タイマをリセットする。ステップＳ２において、音声信号検出部１８から音声検出信号Ｓ２を受信したか否かが判断され、ＹＥＳのときはステップＳ５に進む一方、ＮＯのときはステップＳ３に進む。ステップＳ３では、検出フラグＦ２をＬレベルにセットし、ステップＳ４でタイマをリセットした後、ステップＳ２に戻る。
【0048】
ステップＳ５では、検出フラグＦ２はＬレベルか否かが判断され、ＹＥＳのときはステップＳ６に進む一方、ＮＯのときは図５ＢのステップＳ１１に進む。ステップＳ６において、検出フラグＦ２をＨレベルにセットし、ステップＳ７で制御部１０Ａは変調送信部１５を送信状態にすることで送信開始し、ステップＳ８でタイマに時間Ｔ１２をセットしてカウントを開始し、図５ＢのステップＳ１１に進む。
【0049】
図５ＢのステップＳ１１では、音声信号検出部１７から音声検出信号Ｓ１を受信したか否かが判断され、ＹＥＳのときはステップＳ１２に進む一方、ＮＯのときはステップＳ１５に進む。ステップＳ１２で、タイマを強制的にカウントの満了状態にした後、ステップＳ１３で変調送信部１５は送信中か否かが判断され、ＹＥＳのときはステップＳ１１に戻る一方、ＮＯのときはステップＳ１４に進む。ステップＳ１４では、制御部１０Ａは変調送信部１５を送信状態にすることで無線送信を開始し、ステップＳ１１に戻る。
【0050】
ステップＳ１５では、タイマのカウントが満了したか否かが判断され、ＹＥＳのときはステップＳ１６に進む一方、ＮＯのときは図５ＡのステップＳ２に戻る。次いで、ステップＳ１６では、変調送信部１５は送信中か否かが判断され、ＹＥＳのときはステップＳ１７に進む一方、ＮＯのときは図５ＡのステップＳ２に戻る。ステップＳ１７で制御部１０Ａは変調送信部１５を送信停止状態にすることで送信を停止させた後、図５ＡのステップＳ２に戻る。
【0051】
図６Ｂは図４の無線機１Ａの動作例１（マイクロホン１２に人間の音声のみが入力されたとき）を示す各信号のタイミングチャートである。また、図６Ｃは図４の無線機１Ａの動作例２（マイクロホン１２にノイズ又は騒音のみが入力されたとき）を示す各信号のタイミングチャートである。
【0052】
図４の実施形態２では、ノイズキャンセル部１４の前段に別の音声信号検出部１８を設けたことを特徴としている。図６Ｂに示すように、ＣＰＵ等で構成されるノイズキャンセル部１４の信号処理時間Ｔ１（ｔ１～ｔ３）は、コンパレータで構成される音声信号検出部１８の音声を検出し送信開始するまでの遅延時間Ｔ１１（ｔ１～Ｔ１１）に比較して十分に長く、ノイズキャンセル後の音声検出信号Ｓ１が出力される（ｔ３）前に、変調送信部１５が時刻ｔ１１で無線送信を開始することができる。これにより、変調送信部１５から送信されて受信を行う別の受信機の受信部において、「音声信号」を頭切れなく受信音として出力することができる（図６Ｂの１０１）。
【0053】
言い換えれば、実施形態２では、ノイズキャンセル部１４の前段の音声信号検出部１８の入力端で音声信号とノイズを問わずあらかじめ無線送信を開始する。その後、ノイズキャンセル部１４のノイズキャンセルの解析が完了してノイズキャンセル部１４から音声信号が出力される。このときすでに送信しているため、頭切れなく無線送信が可能となる（図６Ｂ）。
【0054】
また、マイクロホン１２にノイズ又は騒音のみが入力されたときの図６Ｃでも、ノイズキャンセル部１４の前段の音声信号検出部１８の入力端で音声とノイズを問わずあらかじめ無線送信を開始する。その後、音声信号検出部１７の入力端で音声信号が検出されない場合であっても、音声信号なしでノイズのみとみなし判断して送信を停止する。その際一時的に送信する（Ｔ１２）が、送信される変調音声信号は無いため、受信側の無線機の復調音は無音のままである（Ｔ１３（＝Ｔ１２））。
【0055】
【0056】
以上説明したように、実施形態２によれば、ノイズキャンセル部１４の前段に別の音声信号検出部１８を設けたので、図１０に示すように、ノイズキャンセル後の音声検出信号Ｓ１が出力される前に、変調送信部１５が無線送信を開始することができる。これにより、変調送信部１５から送信されて受信を行う別の受信機の受信部において、「音声信号」を頭切れなく受信音として出力することができる。
【産業上の利用可能性】
【0057】
以上詳述したように、本発明に係る無線通信装置によれば、無線機１はその送信部において、ＶＯＸ回路である音声信号検出部１７の前段にノイズキャンセル部１４を備えたので、音声信号検出部１７により音声のみによってその一定レベル以上を検出することで送信状態になる（図８Ａ）。これに対して、風切り音又は騒音では、音声信号検出部１７は一定のレベル以上の音声信号を検出しないので、送信状態にならない（図８Ｂ）。従って、ノイズキャンセル部１４により、音声信号区間の検出精度を大幅に向上させて、従来例のように例えば風切り音や周囲の騒音等で本来のマイクロホン１２からの音声と誤検出して無線送信を開始することを有効的に防止することができ、従来例に比較して高精度で音声期間を検出して無線送信を開始することができる。
【0058】
また、ノイズキャンセル部１４の前段に別の音声信号検出部１８を設けたので、図１０に示すように、ノイズキャンセル後の音声検出信号Ｓ１が出力される前に、無線送信を開始することができる。これにより、受信を行う別の受信機の受信部において、「音声信号」を頭切れなく受信音として出力することができる。
【符号の説明】
【0059】
１，１Ａ 無線機
１０，１０Ａ 制御部
１１ 操作部
１１Ａ ＰＴＴキー
１１Ｂ ＶＯＸモードキー
１２ マイクロホン
１３ 音声信号増幅器
１４ ノイズキャンセル部
１５ 変調送信部
１６ 送信アンテナ
１７，１８ 音声信号検出部
２１ 受信アンテナ
２２ 受信復調部
２３ 音声信号増幅器
２４ スピーカ
３０ 音声信号処理部
３１ ＣＰＵ
３２ ＲＯＭ
３３ ＲＡＭ
３４ ＥＥＰＲＯＭ
３５ 深層学習モデル部
３６ 入力インターフェース
３７ 出力インターフェース
３８ 音声信号前置処理部
３９ ＡＤ変換器
４１ 入力層
４２ 中間層
４３ 出力層
５１～８１ ニューロン
１００ 無線機
１１０ 制御部
１０，１０Ａ 制御部
１１ 操作部
１１Ａ ＰＴＴキー
１１Ｂ ＶＯＸモードキー
１２ マイクロホン
１３ 音声信号増幅器
１４ ノイズキャンセル部
１５ 変調送信部
１６ 送信アンテナ
１７，１８ 音声信号検出部
２１ 受信アンテナ
２２ 受信復調部
２３ 音声信号増幅器
２４ スピーカ
３０ 音声信号処理部
３１ ＣＰＵ
３２ ＲＯＭ
３３ ＲＡＭ
３４ ＥＥＰＲＯＭ
３５ 深層学習モデル部
３６ 入力インターフェース
３７ 出力インターフェース
３８ 音声信号前置処理部
３９ ＡＤ変換器
４１ 入力層
４２ 中間層
４３ 出力層
５１～８１ ニューロン
１００ 無線機
１１０ 制御部
【要約】
【課題】高精度で音声期間を検出して無線送信を開始することができる。
【解決手段】無線通信装置は、入力される音声信号をしきい値と比較して、比較結果信号である音声検出信号を出力する音声信号検出部と、入力される音声信号に従って無線搬送波を変調して無線信号を送信する変調送信部と、音声検出信号に基づいて、変調送信部を送信状態にするように制御する制御部とを備える。無線通信装置は、入力される音声信号からノイズをキャンセルするように音声信号処理を行って変調送信部に出力するノイズキャンセル部を備える。音声信号検出部はノイズキャンセル部の後段に設けられ、ノイズキャンセル部からの音声信号をしきい値と比較して音声検出信号を出力する。ノイズキャンセル部は、人間の音声の特徴パラメータを用いて学習され、復調された音声信号からノイズを含む非音声期間であるか否かを判定する深層学習モデル部を用いて、ノイズキャンセル処理を行う。
【選択図】図１
【解決手段】無線通信装置は、入力される音声信号をしきい値と比較して、比較結果信号である音声検出信号を出力する音声信号検出部と、入力される音声信号に従って無線搬送波を変調して無線信号を送信する変調送信部と、音声検出信号に基づいて、変調送信部を送信状態にするように制御する制御部とを備える。無線通信装置は、入力される音声信号からノイズをキャンセルするように音声信号処理を行って変調送信部に出力するノイズキャンセル部を備える。音声信号検出部はノイズキャンセル部の後段に設けられ、ノイズキャンセル部からの音声信号をしきい値と比較して音声検出信号を出力する。ノイズキャンセル部は、人間の音声の特徴パラメータを用いて学習され、復調された音声信号からノイズを含む非音声期間であるか否かを判定する深層学習モデル部を用いて、ノイズキャンセル処理を行う。
【選択図】図１
【図1】
【図2】
【図3】
【図4】
【図5A】
【図5B】
【図6A】
【図6B】
【図6C】
【図7A】
【図7B】
【図8A】
【図8B】
【図9】
【図10】