DE10005609C1 - Verfahren zur Spracherkennung - Google Patents
Verfahren zur SpracherkennungInfo
- Publication number
- DE10005609C1 DE10005609C1 DE2000105609 DE10005609A DE10005609C1 DE 10005609 C1 DE10005609 C1 DE 10005609C1 DE 2000105609 DE2000105609 DE 2000105609 DE 10005609 A DE10005609 A DE 10005609A DE 10005609 C1 DE10005609 C1 DE 10005609C1
- Authority
- DE
- Germany
- Prior art keywords
- speech
- sample
- est
- training
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
Abstract
Die während eines Trainings eines Spracherkennungssystems auf einen neuen Sprecher generierten Merkmale (Trainingsprobe), die mit einer auf Basis eines zu einem späteren Zeitpunkt aufgenommenen Sprachsignals erzeugten Erkennungsprobe für eine Spracherkennung verglichen werden, gegebenenfalls mit zu einer Störung, die während der Aufnahme des Sprachsignals auftritt und das Sprachsignal verfälschen kann, analogen Signalen zu verknüpfen, wobei sie auf die Erkennungsprobe, die ebenfalls durch Verknüpfung des Sprachsignals mit zu der Störung analogen Signalen generiert wird, abgestimmt ist.
Description
Die vorliegende Erfindung betrifft ein Verfahren zur Kompen
sation von Störungen in Spracherkennungssystemen.
Die rasante technische Entwicklung im Bereich der Telekommu
nikation, insbesondere der Mobilkommunikation, hat in den
letzten Jahren zu einer ständig erhöhten Anforderung an die
Sprachverarbeitung geführt.
Insbesondere in Spracherkennungssystemen wird daher die
Sprechweise der einzelnen Sprecher trainiert und eine Sprach
probe (Trainingssprachprobe) erzeugt und gespeichert, mit der
eine zu einem späteren Zeitpunkt erfolgende aktuelle Sprach
eingabe (Erkennungssprachprobe) verglichen wird, so daß das
Spracherkennungssystem feststellen kann, ob das akustische
Signal vom Sprecher stammt oder ein Nebengeräusch ist bzw.
den Inhalt der Spracheingabe erkennt.
Da die Spracheingabe in Spracherkennungssystemen nicht immer
über dasselbe System aus Raum-Mikrofon-Vorverstärker (RMV-
System) erfolgt und sich die Umgebung bzw. die Störgeräusch
kulisse, insbesondere bei der Mobilkommunikation, häufig än
dert, so daß die Sprache bei der Spracheingabe durch ver
schiedenartige Übertragungsfunktionen und Störgeräusche (in
der englischen Literatur, Saeed V. Vaseghi, "Advanced Signal
Processing and Digital Noise Reduction", Stuttgart, 1996,
Teubner B. G., mit "convolutional noise" und "additive noise"
bezeichnet), beeinflußt wird, ergibt sich eine Variation der
signifikanten Merkmale der Sprache, die wiederum zu einer De
gradation der Erkennungsrate des Spracherkennungssystems bzw.
einer Obstruktion der Spracherkennung führen.
Zur Vermeidung der beschriebenen Probleme sind verschiedene
Ansätze bekannt, die sich im wesentlichen dadurch auszeichnen,
daß das Störsignal, mit dem das beispielsweise durch ein
Mikrofon aufgenommene Sprachsignal behaftet ist, geschätzt
und eine Erkennungssprachprobe, beispielsweise durch Subtrak
tion (z. B. spektrale Subtraktion) des geschätzten "additive
noise" und Faltung (z. B. mit Wiener Filter, Inversfilter) mit
dem inversen geschätzten "convolutional noise" gemäß folgen
der Formel
sE(t) = (nc(t)*s(t))*nc_est(t)-1 + na(t) - na_est(t)
mit
s(t): Sprachsignal
sT(t): Trainingssprachprobe
sE(t): Erkennungssprachprobe
nc(t): "convolutional noise"
na(t): "additive noise"
nc_est(t): geschätztes (estimated) "convolutional noise"
na_est(t): geschätztes (estimated) "additional noise"
*: Faltungsoperator
erzeugt wird, wobei die Erkennungssprachprobe mit der Trai ningssprachprobe verglichen wird.
s(t): Sprachsignal
sT(t): Trainingssprachprobe
sE(t): Erkennungssprachprobe
nc(t): "convolutional noise"
na(t): "additive noise"
nc_est(t): geschätztes (estimated) "convolutional noise"
na_est(t): geschätztes (estimated) "additional noise"
*: Faltungsoperator
erzeugt wird, wobei die Erkennungssprachprobe mit der Trai ningssprachprobe verglichen wird.
Diese Ansätze haben den Nachteil, daß die beiden Arten der
Störung lediglich geschätzt, jedoch nicht exakt vorhergesagt
werden können.
Zur Optimierung dieser Ansätze sind zwar Verfahren bekannt,
bei dem eine bzw. die für den späteren Einsatz eines Sprach
erkennungssystems zu erwartende Störgeräuschkulisse bzw.
Störgeräusche während des Trainings simuliert wird, so daß
die Trainingssprachprobe möglichst viel Informationen über
die zu erwartenden akustischen Bedingungen während der Anwen
dung des Spracherkennungssystems enthält.
Dennoch weisen alle genannten Verfahren das grundlegende
Problem auf, daß sich die akustischen Bedingungen während des
Trainings und während der späteren Anwendung (Spracheingabe)
unterscheiden, da die tatsächlichen akustischen Bedingungen
während einer Spracheingabe nicht exakt vorausgesagt werden
können.
Aus der DE 195 21 258 A1 ist ein Spracherkennungssystem be
kannt, bei dem neben dem Sprachsignal ein zusätzliches, die
Störung beschreibendes Eingabesignal so ausgewertet wird,
dass die darin enthaltene Information bei der Erkennung mög
lichst unterdrückt wird. Dazu werden Vergleichsvektoren ge
bildet, die fortlaufend an die momentane Störung angepasst
werden.
Die der Erfindung zugrunde liegende Aufgabe besteht darin,
Störungen von in einem Spracherkennungssystem zu verarbeiten
der Signale zu kompensieren.
Diese Aufgabe wird durch die Merkmale des Verfahrensanspruchs
1 gelöst.
Grundgedanke des Verfahrens gemäß Anspruch 1 ist es, während
eines Trainings eines Spracherkennungssystems auf einen neuen
Sprecher generierte Merkmale (Trainingsprobe), die mit einer
auf Basis eines zu einem späteren Zeitpunkt aufgenommenen
Sprachsignals erzeugten Erkennungssprachprobe für eine
Spracherkennung verglichen wird, gegebenenfalls mit zu einer
Störung, die während der Aufnahme des Sprachsignals auftritt
und das Sprachsignal verfälschen kann, analogen Signalen zu
verknüpfen, wobei die Erkennungsprobe ebenfalls durch Ver
knüpfung des Sprachsignals mit zu der Störung analogen Signa
len generiert wird, so daß Trainingsprobe und Erkennungs
sprachprobe auf die aktuelle Störung abgestimmt sind.
Durch das erfindungsgemäße Verfahren wird daher gewährleis
tet, daß die bei der aktuellen Aufnahme eines Sprachsignals
auftretenden Störungen mit den während eines Trainings gene
rierten Merkmalen (Trainingsprobe) derart verknüpft werden,
daß die optimierte Trainingsprobe gewissermaßen ein Auftreten
der Störung zum Zeitpunkt des Trainings simuliert. Eine durch
die Störung verursachte erste Differenz, die sich bei einem
Vergleich von optimierter Trainingsprobe und Erkennungsprobe
ergibt, ist daher kleiner als eine zweite Differenz, die sich
bei einem Vergleich von Trainingsprobe und Erkennungsprobe
ergibt, so daß die Qualität und die Quantität der Erkennungs
rate deutlich steigt.
Eine Schätzung einer den Unterschied zwischen einer Trai
ningsumgebung und aktuellen Umgebung des Spracherkennungssy
stems wiedergebenden Funktion "convolutional noise" erfolgt
insbesondere durch eine mathematische Beschreibung eines Stö
rungsmodells anhand signifikanter Merkmale, die eine aktuelle
Sprachprobe aufweist, und hat den Vorteil, daß sie sich als
Algorithmus einfach implementieren läßt sowie eine Korrektur
(Filterung bzw. Faltung mit inverser Funktion) einer sich
durch den Unterschied zwischen einer Trainingsumgebung und
aktuellen Umgebung des Spracherkennungssystems ergebenden
veränderten Übertragungsfunktion ermöglicht.
Eine Schätzung der aktuellen, Neben- bzw. Störgeräusche wie
dergebenden, Funktion "additive noise" erfolgt insbesondere
durch eine mathematische Beschreibung eines Störungsmodells
anhand signifikanter Merkmale, die eine aktuelle Sprachprobe
aufweist, und hat ebenfalls den Vorteil, daß sie sich als Al
gorithmus einfach implementieren läßt sowie eine Korrektur
des durch die Neben- bzw. Störgeräusche verfälschten Sprach
signals ermöglicht.
Die Schätzung und Verknüpfung sowohl von "convolutional noi
se" als auch "additive noise" verbessert die Kompensation von
Störungen.
Eine Gewichtung der zur Störung analogen Signale durch Multi
plikation mit mindestens einem Faktor, der insbesondere als
einstellbarer Parameter, dessen Wert beispielsweise mit Hilfe
von Messungen oder durch Simulation ermittelt wird, gedacht
ist, ermöglicht eine Optimierung der Kompensation, da opti
mierte Trainingsprobe und Erkennungssprachprobe aufeinander
abgestimmt werden können.
Die Weiterbildung gemäß Anspruch 6 ist einfach zu implemen
tieren und erzielt sehr gute Werte bei der Kompensation der
Störung, da sowohl "additive noise" als auch "convolutional
noise" - durch bekannte Algorithmen - geschätzt sowohl mit
dem Sprachsignal als auch mit den generierten Merkmalen
(Trainingsprobe) verknüpft wird, so daß die auftretende Stö
rung im Idealfall sogar vollständig kompensiert wird.
Ein Ausführungsbeispiel der Erfindung wird anhand der einzi
gen Figur erläutert. Diese zeigt:
Ein Ablaufdiagramm des in einem Spracherkennungssystem ein
gesetzten erfindungsgemäßen Verfahrens.
Das in der Figur dargestellte Ablaufdiagramm gibt die wesent
lichen Schritte des erfindungsgemäßen Verfahrens, welches in
einem gängigen Spracherkennungssystem ohne weiteres einge
setzt werden kann.
Bei dem dargestellten Ausführungsbeispiel beginnt das Verfah
ren mit der Überprüfung (Abfrage), ob eine Spracheingabe,
welche über ein bekanntes Raum-Mikrofon-Vorverstärkersystem
(RMV-System) stattfindet, erfolgt ist, d. h. ob ein Sprachsi
gnal s(t) aufgenommen wurde.
Diese Überprüfung wird solange durchgeführt, bis ein Sprach
signal s(t) aufgenommen wurde und somit eine Spracheingabe
durch einen Sprecher erfolgt ist.
Ist die Spracheingabe erfolgt, wird das Sprachsignal s(t)
analysiert, so daß eine Schätzung von sich auf die Übertra
gungsfunktion auswirkender Anteile einer Störung "convolutio
nal noise" nc(t), die während der Aufnahme des Sprachsignals
s(t) auftritt, sowie sich dem Sprachsignal überlagernder An
teile der Störung (Neben- bzw. Störgeräusch) "additive noise"
na(t) durchgeführt wird. (Die Verfahrensschritte der Analyse
und Schätzung sind der Fachwelt bekannt und werden daher an
dieser Stelle nicht näher erläutert.)
Mit dem geschätzten "convolutional noise" nc_est(t) und dem
geschätzten "additive noise" na_est(t) wird in einem nächsten
Schritt eine Erkennungsprobe sE(t) gemäß der Formel
sE(t) = (nc(t)*s(t))*βnc_est(t)-1 + na(t) - βna_est(t)
sowie aus einer gespeicherten Trainingsprobe sT(t) in Verbin
dung mit dem geschätzten "convolutional noise" nc_est(t) und
dem geschätzten "additive noise" na_est(t) eine optimierte
Trainingsprobe sT_opt(t) gemäß der Formel
sT_opt(t) = (sT(t)*(1 - β)nc_est(t)) + (1 -β)na_est(t)
gebildet, wobei folgende Definitionen gelten:
s(t): Sprachsignal
sT(t): Trainingssprachprobe
sT_opt(t): optimierte Trainingssprachprobe
sE(t): Erkennungssprachprobe
nc(t): "convolutional noise"
na(t): "additive noise"
nc_est(t): geschätztes (estimated) "convolutional noise"
na_est(t): geschätztes (estimated) "additional noise"
β: Gewichtungsfaktor
*: Faltungsoperator
s(t): Sprachsignal
sT(t): Trainingssprachprobe
sT_opt(t): optimierte Trainingssprachprobe
sE(t): Erkennungssprachprobe
nc(t): "convolutional noise"
na(t): "additive noise"
nc_est(t): geschätztes (estimated) "convolutional noise"
na_est(t): geschätztes (estimated) "additional noise"
β: Gewichtungsfaktor
*: Faltungsoperator
In einem letzen Schritt wird ein Vergleich von optimierter
Trainingsprobe sT_opt(t) und Erkennungsprobe sE(t) gemäß einem
der Fachwelt bekannten Algorithmus zur Spracherkennung aus
Vergleich von einer Trainingsprobe und einer Erkennungsprobe
zur Spracherkennung durchgeführt.
Das genannte Ausführungsbeispiel stellt nur einen Teil der
durch die Erfindung möglichen Ausführungsformen dar. So ist
ein auf diesem Gebiet tätiger Fachmann in der Lage, durch
vorteilhafte Modifikationen eine Vielzahl von weiteren Aus
führungsformen zu schaffen, ohne daß dabei der Charakter (We
sen) der Erfindung (Verwendung einer aufgrund aktueller Gege
benheiten bei der Sprachaufnahme modifizierten Trainingsprobe
für den durch bekannte Spracherkennungsverfahren durchgeführ
ten Vergleich mit einer aktuellen Erkennungsprobe) verändert
wird. Diese Ausführungsformen sollen ebenfalls durch die Er
findung mit erfaßt sein.
Claims (4)
1. Verfahren zur Spracherkennung, mit folgenden Merkmalen:
- a) Durch Verknüpfung eines aktuellen Sprachsignals (s(t)) mit mindestens einer eine Störung (na(t), nc(t)) des Sprachsignals darstellenden Größe wird eine Erkennungs sprachprobe (sE(t)) erzeugt,
- b) durch Verknüpfung einer dem Spracherkennungssystem be kannten Trainingssprachprobe (sT(t)) mit mindestens einer die Störung (na(t), nc(t)) darstellenden Größe wird eine optimierte Trainingssprachprobe (sT_opt(t)) erzeugt,
- c) die die Störung (na(t), nc(t)) darstellende Größe wird durch Schätzung einer den Unterschied zwischen einer Trainingsumgebung und aktuellen Umgebung des Spracherken nungssystems wiedergebenden Funktion "convolutional noi se" (nc_est(t)) ermittelt,
- d) die optimierte Trainingssprachprobe (sT_opt(t)) und die Erkennungssprachprobe (sE(t)) werden einem Spracherken nungsverfahren zugeführt.
2. Verfahren nach Anspruch 1, dadurch gekennzeich
net, daß
- a) eine erste die Störung (na(t), nc(t)) darstellende Größe durch Schätzung einer den Unterschied zwischen einer Trainingsumgebung und einer Aufnahme des Sprachsignals (s(t)) aktuellen Umgebung des Spracherkennungssystems wiedergebenden Funktion "convolutional noise" (nc_est(t)) ermittelt wird,
- b) eine zweite die Störung (na(t), nc(t)) darstellende Größe durch Schätzung einer die aktuellen Neben- bzw. Störge räusche wiedergebenden Funktion "additive noise" (na_est(t)) ermittelt wird.
3. Verfahren nach einem der vorhergehenden Ansprüche, da
durch gekennzeichnet, daß die die Störung (na(t),
nc(t)) darstellende Größe durch Multiplikation mit mindestens
einem Faktor gewichtet wird.
4. Verfahren nach Anspruch 5, dadurch gekennzeich
net, daß die Erkennungssprachprobe (sE(t)) gemäß der Formel
sE(t) = (nc(t)*s(t))*βnc_est(t)-1 + na(t) - βna_est(t)
und die optimierte Trainingssprachprobe (sT_opt(t)) gemäß der Formel
sT_opt(t) = (sT(t)*(1 - β)nc_est(t)) + (1 -β)na_est(t)
mit
s(t): Sprachsignal
sT(t): Trainingssprachprobe
ST_opt(t): optimierte Trainingssprachprobe
sE(t): Erkennungssprachprobe
nc(t): "convolutional noise"
na(t): "additive noise"
nc_est(t): geschätztes "convolutional noise"
na_est(t): geschätztes "additional noise"
β: Gewichtungsfaktor
*: Faltungsoperator
gebildet werden.
sE(t) = (nc(t)*s(t))*βnc_est(t)-1 + na(t) - βna_est(t)
und die optimierte Trainingssprachprobe (sT_opt(t)) gemäß der Formel
sT_opt(t) = (sT(t)*(1 - β)nc_est(t)) + (1 -β)na_est(t)
mit
s(t): Sprachsignal
sT(t): Trainingssprachprobe
ST_opt(t): optimierte Trainingssprachprobe
sE(t): Erkennungssprachprobe
nc(t): "convolutional noise"
na(t): "additive noise"
nc_est(t): geschätztes "convolutional noise"
na_est(t): geschätztes "additional noise"
β: Gewichtungsfaktor
*: Faltungsoperator
gebildet werden.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2000105609 DE10005609C1 (de) | 2000-02-09 | 2000-02-09 | Verfahren zur Spracherkennung |
PCT/DE2001/000261 WO2001059761A1 (de) | 2000-02-09 | 2001-01-23 | Verfahren zur spracherkennung |
AU39138/01A AU3913801A (en) | 2000-02-09 | 2001-01-23 | Speech recognition method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2000105609 DE10005609C1 (de) | 2000-02-09 | 2000-02-09 | Verfahren zur Spracherkennung |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10005609C1 true DE10005609C1 (de) | 2001-08-09 |
Family
ID=7630282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2000105609 Expired - Fee Related DE10005609C1 (de) | 2000-02-09 | 2000-02-09 | Verfahren zur Spracherkennung |
Country Status (3)
Country | Link |
---|---|
AU (1) | AU3913801A (de) |
DE (1) | DE10005609C1 (de) |
WO (1) | WO2001059761A1 (de) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4325404A1 (de) * | 1993-07-29 | 1995-02-02 | Telefonbau & Normalzeit Gmbh | Verfahren zum Ermitteln und Klassifizieren von Störgeräuschtypen |
DE19521258A1 (de) * | 1995-06-10 | 1996-12-12 | Philips Patentverwaltung | Spracherkennungssystem |
WO1998037542A1 (en) * | 1997-02-21 | 1998-08-27 | Lernout & Hauspie Speech Products N.V. | Accelerated convolution noise elimination |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2737624B2 (ja) * | 1993-12-27 | 1998-04-08 | 日本電気株式会社 | 音声認識装置 |
-
2000
- 2000-02-09 DE DE2000105609 patent/DE10005609C1/de not_active Expired - Fee Related
-
2001
- 2001-01-23 AU AU39138/01A patent/AU3913801A/en not_active Abandoned
- 2001-01-23 WO PCT/DE2001/000261 patent/WO2001059761A1/de active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4325404A1 (de) * | 1993-07-29 | 1995-02-02 | Telefonbau & Normalzeit Gmbh | Verfahren zum Ermitteln und Klassifizieren von Störgeräuschtypen |
DE19521258A1 (de) * | 1995-06-10 | 1996-12-12 | Philips Patentverwaltung | Spracherkennungssystem |
WO1998037542A1 (en) * | 1997-02-21 | 1998-08-27 | Lernout & Hauspie Speech Products N.V. | Accelerated convolution noise elimination |
Non-Patent Citations (1)
Title |
---|
SAEED V.VASEGHI "Advanced Signal Processing and Digital Noise Reduction", Stuttgart, 1996, TeubnerB.G. * |
Also Published As
Publication number | Publication date |
---|---|
WO2001059761A1 (de) | 2001-08-16 |
AU3913801A (en) | 2001-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60027438T2 (de) | Verbesserung eines verrauschten akustischen signals | |
DE2719973C2 (de) | ||
DE4126902C2 (de) | Sprachintervall - Feststelleinheit | |
DE69534942T2 (de) | System zur sprecher-identifizierung und-überprüfung | |
DE2626793C3 (de) | Elektrische Schaltungsanordnung zum Bestimmen des stimmhaften oder stimmlosen Zustandes eines Sprachsignals | |
DE69830017T2 (de) | Verfahren und Vorrichtung zur Spracherkennung | |
DE10041512A1 (de) | Verfahren und Vorrichtung zur künstlichen Erweiterung der Bandbreite von Sprachsignalen | |
DE69730721T2 (de) | Verfahren und vorrichtungen zur geräuschkonditionierung von signalen welche audioinformationen darstellen in komprimierter und digitalisierter form | |
DE10017646A1 (de) | Geräuschunterdrückung im Zeitbereich | |
DE19948308A1 (de) | Verfahren und Vorrichtung zur Geräuschunterdrückung bei der Sprachübertragung | |
DE69635141T2 (de) | Verfahren zur Erzeugung von Sprachmerkmalsignalen und Vorrichtung zu seiner Durchführung | |
DE112007003625T5 (de) | Echounterdrückungsvorrichtung, echounterdrückungssystem, Echounterdrückungsverfahren und Computerprogramm | |
EP1386307A1 (de) | Verfahren und vorrichtung zur bestimmung eines qualitätsmasses eines audiosignals | |
DE602004008666T2 (de) | Verfolgen von Vokaltraktresonanzen unter Verwendung eines nichtlinearen Prädiktors | |
DE4010028C2 (de) | Spracherkennungsverfahren | |
EP2080197B1 (de) | Vorrichtung zur geräuschunterdrückung bei einem audiosignal | |
DE2021126A1 (de) | Spracherkennungsvorrichtung | |
EP3065417A1 (de) | Verfahren zur unterdrückung eines störgeräusches in einem akustischen system | |
DE10005609C1 (de) | Verfahren zur Spracherkennung | |
DE19811879C1 (de) | Einrichtung und Verfahren zum Erkennen von Sprache | |
DE102004017486A1 (de) | Verfahren zur Geräuschreduktion bei einem Sprach-Eingangssignal | |
EP1212751B1 (de) | Verfahren zur unterdrückung von störrauschen in einem signalfeld | |
DE10150519B4 (de) | Verfahren und Anordnung zur Sprachverarbeitung | |
EP0470411A2 (de) | Anpassung von Referenzsprachmustern an umgebungsbedingte Aussprachevarianten | |
EP0787416B1 (de) | Verfahren zur messung der erhaltung stereophoner audiosignale und verfahren zur erkennung gemeinsam codierter stereophoner audiosignale |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8100 | Publication of the examined application without publication of unexamined application | ||
D1 | Grant (no unexamined application published) patent law 81 | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |