JP4058521B2 - 背景雑音歪みの補正処理方法及びそれを用いた音声認識システム - Google Patents
背景雑音歪みの補正処理方法及びそれを用いた音声認識システム Download PDFInfo
- Publication number
- JP4058521B2 JP4058521B2 JP2003320183A JP2003320183A JP4058521B2 JP 4058521 B2 JP4058521 B2 JP 4058521B2 JP 2003320183 A JP2003320183 A JP 2003320183A JP 2003320183 A JP2003320183 A JP 2003320183A JP 4058521 B2 JP4058521 B2 JP 4058521B2
- Authority
- JP
- Japan
- Prior art keywords
- hmm
- speech
- noise
- speech recognition
- input
- 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 - Lifetime
Links
- 238000012937 correction Methods 0.000 title claims description 26
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000009826 distribution Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 230000001629 suppression Effects 0.000 claims description 6
- 230000005236 sound signal Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 19
- 238000002474 experimental method Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 11
- 230000006978 adaptation Effects 0.000 description 8
- 230000010365 information processing Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 102000004000 Aurora Kinase A Human genes 0.000 description 4
- 108090000461 Aurora Kinase A Proteins 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241000167854 Bourreria succulenta Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 240000002871 Tectona grandis Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000019693 cherries Nutrition 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Description
本発明は、音声の雑音成分を抑圧する背景雑音歪みの補正処理方法及びそれを用いた音声認識システムに関するものである。
雑音環境下において頑健な音声認識を実現するためのアプローチの１つに、フロントエンドにおける音声特徴量の補正処理がある。例えば下記の非特許文献１に記載されている手法では、フレーム毎の雑音重畳音声の特徴量から、Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ（ＧＭＭ）に基づいて推定した雑音成分の期待値を取り除くことで、音声認識精度が改善されることを示している。
また、隠れマルコフモデル（ＨＭＭ）に基づくパターン間の類似度（累積尤度）とそれを与える状態遷移系列を与えるビタビ（Ｖｉｔｅｒｂｉ）アルゴリズムについては、下記の非特許文献２に開示されている。
なお、雑音に対する対策を講じた音声情報処理装置については、下記特許文献１〜３に開示されている。
特開２００３−１４０６８６号公報
特開２００３−１７７７８３号公報
特開２００３−１９５８８２号公報
Ｊ．Ｃ．Ｓｅｇｕｒａ，Ｍｏｄｅｌ−ｂａｓｅｄ ｃｏｍｐｅｎｓａｔｉｏｎ ｏｆ ｔｈｅ ａｄｄｉｔｉｖｅ ｎｏｉｓｅ ｆｏｒｃｏｎｔｉｎｕｏｕｓ ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ，Ｐｒｏｃ ｏｆ ＥＵＲＯＳＰＥＥＣＨ２００１，Ｖｏｌ．１，ｐｐ．２２１−２２３
「音声情報処理」、著者 春日正男他３名、発行者（株）コロナ社、発行日２００１年７月１７日、ｐ．１３７−１４４
しかしながら、ＧＭＭに基づいた特徴量補正手法では、Ｌｏｇ Ｆｉｌｔｅｒ Ｂａｎｋ領域で、クリーン音声の特徴ベクトルから学習したＧＭＭに、入力音声の開始数フレームから求めた雑音の特徴量を混合することで、雑音適応化ＧＭＭを生成する。そして、過去のフレームで得られた入力音声の情報とは独立に、ＧＭＭの全分布を用いてフレーム毎に補正処理を行っている。雑音が定常的であれば良好な結果が得られるが、非定常に変化する場合、入力音声の特徴量と雑音適応化ＧＭＭとの間でミスマッチが生じてしまう。このため、ＧＭＭの分布の中で、入力音声の特徴量に本来対応しない分布の事後確率が大きく評価され、結果的に補正精度が劣化してしまう。
このように、上記した従来の手法は、入力音声の開始数フレームから雑音の特徴を推定し、以後、これを用いてフレーム毎に雑音重畳音声の特徴量補正を行う。このため、雑音が変化することにより、先に推定した雑音の特徴量と実際の雑音とのミスマッチが大きくなるフレームでは、補正精度が劣化するという問題点がある。
本発明は、上記状況に鑑みて、雑音信号が変化する場合でも、補正精度を向上させることができる背景雑音歪みの補正処理方法及びそれを用いた音声認識システムを提供することを目的とする。
本発明は、上記目的を達成するために、
〔１〕背景雑音歪みの補正処理方法において、隠れマルコフモデル（ＨＭＭ）を音響モデルとする音声認識システムを用いて、ビタビ（Ｖｉｔｅｒｂｉ）アルゴリズムにより算出される入力特徴量時系列と隠れマルコフモデル（ＨＭＭ）の累積出力確率を、フレーム数で除算し、真数値に換算した値により重み付けした隠れマルコフモデル（ＨＭＭ）の分布の事後確率を用いて、背景雑音による音声特徴量の歪みを抑圧することを特徴とする。
〔１〕背景雑音歪みの補正処理方法において、隠れマルコフモデル（ＨＭＭ）を音響モデルとする音声認識システムを用いて、ビタビ（Ｖｉｔｅｒｂｉ）アルゴリズムにより算出される入力特徴量時系列と隠れマルコフモデル（ＨＭＭ）の累積出力確率を、フレーム数で除算し、真数値に換算した値により重み付けした隠れマルコフモデル（ＨＭＭ）の分布の事後確率を用いて、背景雑音による音声特徴量の歪みを抑圧することを特徴とする。
〔２〕隠れマルコフモデル（ＨＭＭ）を音響モデルとする音声認識システムにおいて、雑音信号を含む音声信号を入力する手段と、入力信号のパワーに基づく区間（フレーム）検出部と、入力特徴量時系列の算出部と、ビタビアルゴリズムにより算出した前記入力特徴量時系列とＨＭＭの累積出力確率をフレーム数で除算し、真数値に換算した値により重み付けされるＨＭＭの分布の事後確率の算出部と、雑音信号を含む音声特徴量の歪み抑圧部と、この抑圧部に接続される音声認識部とを具備することを特徴とする。
本発明によれば、隠れマルコフモデル（ＨＭＭ）に基づいて音声の特徴量補正をすることにより、雑音の変化に対してより頑健な音声の特徴量補正を実現することができる。ＨＭＭを用いることにより、音声特徴量の時間的構造が利用できるようになり、また、ビタビアルゴリズムに補正処理を組み込むことで、観測フレームまでの累積出力確率を利用できるようになる。
これらの点を利用することで、ＧＭＭのようにフレーム毎で独立に全分布を用いた補正処理を行うのではなく、過去のフレームで得られた特徴量の変遷に沿って、分布の選択的な重み付けが可能となる。これより、雑音の突発的な変化による補正精度の劣化を抑えることができる。また、ＧＭＭのように新たにパラメータを用意することなく、音響モデルのＨＭＭをそのまま利用できるなどの利点も挙げられる。
マイクロホン（Ａ／Ｄ変換器を内蔵）から入力された雑音信号を含む音声信号は、音声情報処理部に取り込まれる。この音声情報処理部は、入力信号のパワーに基づく区間（フレーム）検出部、入力特徴量時系列の算出部、ビタビアルゴリズムにより算出したＨＭＭの累積出力確率の算出部、入力特徴量時系列と隠れマルコフモデル（ＨＭＭ）の累積出力確率をフレーム数で除算し、真数値に換算した値により重み付けするＨＭＭの分布の事後確率算出部、雑音信号を含む音声特徴量の歪み抑圧部、音声認識部を備えており、雑音が変化する場合でも、補正精度を向上させることができる。
本発明では、従来の問題点として示したＧＭＭに基づいた特徴量補正手法を改善するために、ＨＭＭに基づいて音声特徴量の補正を行う。ＨＭＭを用いることで、ＧＭＭでは表現できない特徴量時系列の時間的構造と累積出力確率を用いて、雑音適応化分布の選択的な重み付けができるようになる。そして、これにより、一時的な雑音変化による補正精度の劣化を抑制することができる。
また、本発明は、Ｍｅｌ−Ｆｒｅｑｕｅｎｃｙ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ（ＭＦＣＣ）領域で、クリーン音声から学習した既存の音響ＨＭＭを補正処理に用いる。
図１は本発明の実施例を示す音声認識のための模式的システム構成図である。 この図において、１はマイクロホン（Ａ／Ｄ変換器を内蔵）であり、話者からの音声信号と雑音源からの雑音信号が入力される。２は音声情報処理部であり、この音声情報処理部２は、入力信号のパワーに基づく区間（フレーム）検出部３、入力特徴量時系列の算出部４、ビタビアルゴリズムにより算出したＨＭＭの累積出力確率の算出部５、入力特徴量時系列と隠れマルコフモデル（ＨＭＭ）の累積出力確率をフレーム数で除算し、真数値に換算した値により重み付けするＨＭＭの分布の事後確率算出部６、雑音信号を含む音声特徴量の歪み抑圧部７、音声認識部８からなっている。
以下、本発明の実施の形態について詳細に説明する。
ここで、ＨＭＭの状態の集合をＳ、初期確率をπs 、状態ｊからｑへの遷移確率をａjq、状態ｊにおける特徴ベクトルｘの出力確率をｂj （ｘ）で表す。出力確率は混合数をＭとすると、
で与えられるとする( Σjmは対角行列とする）。以後、ＨＭＭに関するパラメータの集合をθで表す。
入力音声の特徴ベクトルｘは、一般的に、ベースのＭＦＣＣ以外にΔやΔΔを組み合わせて用いられるが、以下では補正処理の対象をベースのＭＦＣＣだけに限定する。このベースのＭＦＣＣをｚとし、ＨＭＭの全ての分布に対してベースの部分だけを抜きだした分布を
で表す。入力音声の開始Ｎフレームは無音区間と仮定し、雑音適応化分布
を次式に従い求める。
ここでｌｏｇ，ｅｘｐはベクトルの各要素に対する演算で、Ｃは離散コサイン変換行列を表す。
予備実験結果によると、通常のｌｏｇ−ａｄｄ方式より、上記式（４）による分布の適応を実施した方が認識率は若干良くなる。しかし、上記式（４）は、通常のｌｏｇ−ａｄｄより演算量が増えるため、演算量コストを優先させる場合は、ｌｏｇ−ａｄｄ方式を採用する。
一方、ビタビアルゴリズムによる確率計算は、以下の手順で行われる。
はじめに、フォワード係数に初期確率を入れる。
その後、各フレーム時刻ｔ＝１，２，…，Ｔの各状態ｓについて、
を求める。
このようにして得られるフォワード係数は、特徴ベクトルｘ1 ，…，ｘt を出力し、フレーム時刻ｔにおいて状態ｓにある累積出力確率を表す。そして、最終フレームにおいて最大確率を選択する。
このようにして観測ベクトル時系列に対するＨＭＭの最大尤度が求められる。
本発明では、このフォワード係数を用いて、各フレーム時刻の各状態における雑音適応化分布の重み付けを行うことで、過去の特徴量の変遷に沿った分布選択による特徴量補正を実現する。そして、得られた補正特徴ベクトルでベースのＭＦＣＣを置き換えて、上記式（６）により確率の逐次計算を行う。つまり、本発明は特徴量の補正処理と音響ＨＭＭの尤度計算を同時に行う。
以下に、フォワード係数と雑音適応化分布を用いたベースＭＦＣＣの補正手法について述べる。現在のフレーム時刻をｔとし、フレーム時刻ｔ−１のフォワード係数が既に計算されている状態を想定する。フォワード係数はフレーム時刻が進むにつれて単調減少し、現時刻の出力確率とのバランスがとれなくなる。これを避けるために、フレーム数で除算し、単位フレーム当たりの値に換算した値を用いることにする。更に、上記ビタビアルゴリズム中ではフォワード係数を対数値として計算しているが、真数に戻した値を求める。
次に、特徴ベクトルｚt が観測された条件での、各分布の事後確率を次式により求める。
最後に、クリーン音声分布〔上記式（２）〕の期待値ベクトルを、事後確率〔上記式（９）〕で重み付け平均することで、補正特徴ベクトルｙt を得る。
評価実験には、ある程度定常的な雑音としてＡＵＲＯＲＡ２データベースのテストセットＡを用いた実験と、突発性雑音を用いた実験を行った。
フロントエンドにおけるＭＦＣＣの抽出手順は以下の通りである。
（１）フレーム長２５ｍｓのハミング窓を用いて、フレーム周期１０ｍｓ、高域強調１−ｚ-1でフレームを切り出す。
（２）その後、ＦＦＴを計算し、各係数の自乗振幅値に対してＭｅｌ Ｆｉｌｔｅｒ Ｂａｎｋの三角窓をかけ、対数を求めた後、離散コサイン変換を計算する。
（３）Ｃ０を含む１３次元のベースＭＦＣＣに、そのΔとΔΔを組み合わて、計３９次元の特徴ベクトルを生成する。
ＡＵＲＯＲＡ２のタスクにおける語彙数は、数字（１〜９）, ｏｈ, ｚｅｒｏ, ｓｉｌ，ｓｐの１３であり、各語彙でＨＭＭを学習する。各ＨＭＭの構成は、ｓｉｌが５状態３ループ、ｓｐは３状態１ループ、混合数は共に３６である。その他の数字は、１８状態１６ループで、混合数は２０である。ＨＭＭの学習は、クリーン音声だけを用いるＣｌｅａｎ Ｃｏｎｄｉｔｉｏｎ Ｔｒａｉｎｉｎｇとする。
ＡＵＲＯＲＡ２を用いた実験では、特徴量補正処理を行わない時の認識率（Ｂａｓｅｌｉｎｅ）と本発明の方法による認識率（Ｈｍｍ）に加え、ＧＭＭで特徴量補正した時の認識率も比較のために求める。ＧＭＭの混合数は６４（Ｇｍｍ６４）と１２８（Ｇｍｍ１２８）とする。また、ＧＭＭの実験では、他の実験とは異なり、ＧＭＭで処理したクリーン音声の特徴量を用いてＨＭＭの学習を行う。本発明の方法およびＧＭＭを用いた手法においては、分布の雑音適応化に用いるフレーム数を、入力音声の開始１０フレームとする。テストセットＡの認識結果を表１に示す。
この表１は、テストセットＡに含まれる４種類の雑音重畳音声の各ＳＮＲにおける平均認識率を手法毎に示している。評価実験で用いたＨＭＭの構成は、全ての実験で同じである。つまり、本発明の方法は、Ｇｍｍ６４とＧｍｍ１２８に比べてＧＭＭの分だけ少ないパラメータで、Ｇｍｍ１２８とほぼ同程度の精度を実現している。
次に、突発性雑音を用いた実験では、ＲＷＣＰ（新情報処理開発機構）の実環境音声・音響データベースに収録されている木質の衝突系音源（ｃｈｅｒｒｙ，ｍａｇｎｏ，ｔｅａｋ）を、１２５ｍｓ前後の間隔でＡＵＲＯＲＡ２のクリーン音声に混合することで雑音重畳音声を生成した。突発性雑音の場合は、雑音の定常成分はないと考えて、先頭数フレームを用いた分布の雑音適応化は行わない。ＧＭＭに基づいた手法では、分布の雑音適応化で求めた歪み成分を事後確率で重み付け平均し、観測特徴量からそれを差し引くことで補正を行う。しかし、定常的な雑音成分を零とすると、歪みも零となるため、補正処理の意味がなくなってしまう。従って、本実験では、Ｂａｓｅｌｉｎｅと本発明の方法（Ｈｍｍ）の認識実験のみを行うこととする。表２に認識結果を示す。これにより、本発明の方法は突発性雑音に対しても有効であると言える。
なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨に基づいて種々の変形が可能であり、これらを本発明の範囲から排除するものではない。
背景雑音のある環境下での音声認識に用いることができる。
１ マイクロホン（Ａ／Ｄ変換器を内蔵）
２ 音声情報処理部
３ 入力信号のパワーに基づく区間（フレーム）検出部
４ 入力特徴量時系列の算出部
５ ビタビアルゴリズムにより算出したＨＭＭの累積出力確率の算出部
６ ＨＭＭの分布の事後確率算出部
７ 雑音信号を含む音声特徴量の歪み抑圧部
８ 音声認識部
２ 音声情報処理部
３ 入力信号のパワーに基づく区間（フレーム）検出部
４ 入力特徴量時系列の算出部
５ ビタビアルゴリズムにより算出したＨＭＭの累積出力確率の算出部
６ ＨＭＭの分布の事後確率算出部
７ 雑音信号を含む音声特徴量の歪み抑圧部
８ 音声認識部
Claims (2)
- 隠れマルコフモデル（ＨＭＭ）を音響モデルとする音声認識システムを用いて、ビタビ（Ｖｉｔｅｒｂｉ）アルゴリズムにより算出される入力特徴量時系列と隠れマルコフモデル（ＨＭＭ）の累積出力確率を、フレーム数で除算し、真数値に換算した値により重み付けした隠れマルコフモデル（ＨＭＭ）の分布の事後確率を用いて、背景雑音による音声特徴量の歪みを抑圧することを特徴とする背景雑音歪みの補正処理方法。
- 隠れマルコフモデル（ＨＭＭ）を音響モデルとする音声認識システムにおいて、
（ａ）雑音信号を含む音声信号を入力する入力部と、
（ｂ）入力信号のパワーに基づく区間（フレーム）検出部と、
（ｃ）入力特徴量時系列の算出部と、
（ｄ）ビタビアルゴリズムにより算出した前記入力特徴量時系列とＨＭＭの累積出力確率をフレーム数で除算し、真数値に換算した値により重み付けされるＨＭＭの分布の事後確率の算出部と、
（ｅ）雑音信号を含む音声特徴量の歪み抑圧部と、
（ｆ）該抑圧部に接続される音声認識部とを具備することを特徴とする音声認識システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003320183A JP4058521B2 (ja) | 2003-09-11 | 2003-09-11 | 背景雑音歪みの補正処理方法及びそれを用いた音声認識システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003320183A JP4058521B2 (ja) | 2003-09-11 | 2003-09-11 | 背景雑音歪みの補正処理方法及びそれを用いた音声認識システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2005084653A JP2005084653A (ja) | 2005-03-31 |
| JP4058521B2 true JP4058521B2 (ja) | 2008-03-12 |
Family
ID=34418901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003320183A Expired - Lifetime JP4058521B2 (ja) | 2003-09-11 | 2003-09-11 | 背景雑音歪みの補正処理方法及びそれを用いた音声認識システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4058521B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4512848B2 (ja) * | 2005-01-18 | 2010-07-28 | 株式会社国際電気通信基礎技術研究所 | 雑音抑圧装置及び音声認識システム |
| JP4765461B2 (ja) | 2005-07-27 | 2011-09-07 | 日本電気株式会社 | 雑音抑圧システムと方法及びプログラム |
| JP2008064892A (ja) * | 2006-09-05 | 2008-03-21 | National Institute Of Advanced Industrial & Technology | 音声認識方法およびそれを用いた音声認識装置 |
| CN102298652B (zh) * | 2010-06-23 | 2013-02-27 | 成都理工大学 | 放射性测量中能谱漂移的模拟方法 |
| JP7191792B2 (ja) * | 2019-08-23 | 2022-12-19 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
-
2003
- 2003-09-11 JP JP2003320183A patent/JP4058521B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2005084653A (ja) | 2005-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4765461B2 (ja) | 雑音抑圧システムと方法及びプログラム | |
| Deng et al. | Recursive estimation of nonstationary noise using iterative stochastic approximation for robust speech recognition | |
| Ephraim et al. | On second-order statistics and linear estimation of cepstral coefficients | |
| Wang et al. | Speaker and noise factorization for robust speech recognition | |
| JP4705414B2 (ja) | 音声認識装置、音声認識方法、音声認識プログラムおよび記録媒体 | |
| Su et al. | Speech enhancement using generalized maximum a posteriori spectral amplitude estimator | |
| Yoma et al. | Improving performance of spectral subtraction in speech recognition using a model for additive noise | |
| Nakamura et al. | A mel-cepstral analysis technique restoring high frequency components from low-sampling-rate speech. | |
| JP4058521B2 (ja) | 背景雑音歪みの補正処理方法及びそれを用いた音声認識システム | |
| Abe et al. | Robust speech recognition using DNN-HMM acoustic model combining noise-aware training with spectral subtraction. | |
| US9311916B2 (en) | Apparatus and method for improving voice recognition | |
| Kim et al. | Missing-feature reconstruction by leveraging temporal spectral correlation for robust speech recognition in background noise conditions | |
| JP2002123286A (ja) | 音声認識方法 | |
| Vuppala et al. | Recognition of consonant-vowel (CV) units under background noise using combined temporal and spectral preprocessing | |
| Yapanel et al. | Robust digit recognition in noise: an evaluation using the AURORA corpus. | |
| Tashev et al. | Unified framework for single channel speech enhancement | |
| Hizlisoy et al. | Noise robust speech recognition using parallel model compensation and voice activity detection methods | |
| Rajnoha | Multi-condition training for unknown environment adaptation in robust asr under real conditions | |
| Kim et al. | Feature compensation employing online GMM adaptation for speech recognition in unknown severely adverse environments | |
| Chehresa et al. | MMSE speech enhancement using GMM | |
| Chen et al. | Improving speaker verification in reverberant environments | |
| Yan et al. | Word graph based feature enhancement for noisy speech recognition | |
| Kim et al. | Feature compensation based on soft decision | |
| Alam et al. | Noise spectrum estimation using Gaussian mixture model-based speech presence probability for robust speech recognition | |
| Delcroix et al. | Combined static and dynamic variance adaptation for efficient interconnection of speech enhancement pre-processor with speech recognizer |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050315 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070827 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20071120 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4058521 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |