図面 (/)

技術 多重非相関化法を用いた未知の混在ソースの分離

出願人 サーノフコーポレーション
発明者 パッラ,ルーカススペンス,クレイ,ダグラス
出願日 1999年4月8日 (20年4ヶ月経過) 出願番号 2000-542853
公開日 2002年4月9日 (17年4ヶ月経過) 公開番号 2002-510930
状態 特許登録済
技術分野 音声の分析・合成 遅延要素を用いたフィルタ
主要キーワード 音声認識プロセッサ 複合音声 不変条件 パッシブソナー 多重チャネル通信 推定区間 サブ空間 音声信号処理システム
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2002年4月9日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (5)

課題・解決手段

独立した信号源からの複数の独立した信号を含むある長さの入力信号混合信号)を蓄積し、入力信号を長さTの複数の区間(窓)に分割して、各長さTの区間で離散フーリエ変換DFT)し、複数のDFT値を用いて推定相互相関値を計算する。K個の相互相関値の全てを計算し、各K個の値を長さTの複数のN区間に渡って平均する。勾配降下プロセスでは、相互相関値を用いて入力信号のソース信号を効果的に分離するFIRフィルタ係数を計算する。正確な解を求めるために、フィルタ係数の時間領域の値から特定の値だけを求めるように勾配降下プロセスが拘束される。例えば、長さTの区間で、時間領域のフィルタ係数W(τ)はτ>Qの時間ではとなるように拘束される。この方法で、FIRフィルタ係数の一意解を計算し、これらの係数を使って構成されたフィルタがソース信号を効果的に分離する。

概要

背景

概要

独立した信号源からの複数の独立した信号を含むある長さの入力信号混合信号)を蓄積し、入力信号を長さTの複数の区間(窓)に分割して、各長さTの区間で離散フーリエ変換DFT)し、複数のDFT値を用いて推定相互相関値を計算する。K個の相互相関値の全てを計算し、各K個の値を長さTの複数のN区間に渡って平均する。勾配降下プロセスでは、相互相関値を用いて入力信号のソース信号を効果的に分離するFIRフィルタ係数を計算する。正確な解を求めるために、フィルタ係数の時間領域の値から特定の値だけを求めるように勾配降下プロセスが拘束される。例えば、長さTの区間で、時間領域のフィルタ係数W(τ)はτ>Qの時間ではとなるように拘束される。この方法で、FIRフィルタ係数の一意解を計算し、これらの係数を使って構成されたフィルタがソース信号を効果的に分離する。

目的

効果

実績

技術文献被引用数
0件
牽制数
2件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

(a)複数の離散フーリエ変換DFT)値を生成する工程であって、1つのDFT値が前記混合信号のT個のサンプル値毎に生成される工程と、(b)Nで平均された複数のDFT値の相互相関推定マトリクスを生成する工程と、(c)ステップ(b)をK回繰り返して、複数の相互相関推定値を生成する工程と、(d)勾配降下プロセスを用いて、有限インパルス応答に対する複数のフィルタ係数を計算する工程と、(e)前記計算されたフィルタ係数をもつFIRフィルタを使って前記混合信号を濾波し、前記混合信号を複数の要素信号に分離する工程と、を備える混合信号を複数の要素信号に分離する方法。

請求項2

前記工程(d)は、(d1)前記フィルタ係数を周波数領域から時間領域に変換する工程と、(d2)所定の時刻Qより大きい時刻に対して以外の値をもつフィルタ係数を零にして、調整された時間領域のフィルタ係数を生成する工程であって、QがTより小さい工程と、(d3)前記調整された時間領域のフィルタ係数を時間領域から周波数領域へ変換し、前記勾配降下プロセスで使われる前記フィルタ係数を生成する工程と、をさらに備える請求項1の方法。

請求項3

記相相関推定値は以下の式

請求項

ID=000004HE=017 WI=082 LX=0645 LY=2255(ここで、χ(t,v)は周波数領域の混合信号)を使って前記工程(b)で生成される請求項1の方法。

請求項4

前記勾配降下プロセスは、関数

請求項

ID=000005HE=025 WI=045 LX=0830 LY=0300(ここで、E(k,v)はエラー関数)を最小化する請求項3の方法。

請求項5

複数の離散フーリエ変換(DFT)を生成する手段であって、1つのDFT値が前記混合信号のT個のサンプル値毎に生成される手段と、前記DFT値を使って複数の相互相関推定値を生成する手段と、前記複数の相互相関推定値を使って、有限インパルス応答(FIR)に対する複数のフィルタ係数を計算する勾配降下プロセッサと、前記計算されたフィルタ係数をもつFIRフィルタを使って前記混合信号を濾波し、前記混合信号を複数の要素信号に分離するフィルタと、を備える混合信号を複数の要素信号に分離する装置。

請求項6

前記勾配降下プロセッサは、前記フィルタ係数を周波数領域から時間領域に変換する第1の変換器と、所定の時刻Qより大きい時刻に対して零以外の値をもつフィルタ係数を零にして、調整された時間領域のフィルタ係数を生成する手段であって、QはTより小さい手段と、前記調整された時間領域のフィルタ係数を時間領域から周波数領域へ変換し、前記勾配降下プロセスで使われる前記フィルタ係数を生成する第2の変換器と、をさらに備える請求項5の装置。

請求項7

前記相互相関推定値は式:

請求項

ID=000006HE=025 WI=082 LX=0645 LY=2255(ここで、χ(t,v)は周波数領域の混合信号)を使って前記工程(b)で生成される請求項5の装置。。

請求項8

前記複数の要素信号のうちの少なくとも1つを処理する音声認識システムをさらに備える請求項5の装置。

請求項9

前記混合信号を生成する複数のマイクロフォンをさらに備える請求項5の装置。

請求項10

前記勾配降下プロセッサは、関数:

請求項

ID=000007HE=025 WI=049 LX=0810 LY=0810(ここで、E(k,v)はエラー関数)を最小化する請求項5の装置。

請求項11

汎用コンピュータを実行されると、前記汎用コンピュータは、混合信号を複数の要素信号に分離する方法を実行する特定目的のコンピュータシステムになり、(a) 複数の離散フーリエ変換(DFT)値を生成する工程であって、1つのDFT値が前記混合信号のT個のサンプル値毎に生成される工程と、(b) Nで平均された複数のDFT値の相互相関推定マトリクスを生成する工程と、(c)ステップ(b)をK回繰り返して、複数の相互相関推定値を生成する工程と、(d)勾配降下プロセスを用いて、有限インパルス応答に対する複数のフィルタ係数を計算する工程と、(e)前記計算されたフィルタ係数をもつFIRフィルタを使って前記混合信号を濾波し、前記混合信号を複数の要素信号に分離する工程と、を備えるプログラムを備えるコンピュータ読み出し可能記媒体

請求項12

前記方法の工程(d)は、(d1)前記フィルタ係数を周波数領域から時間領域に変換する工程と、(d2)所定の時刻Qより大きい時刻に対して零以外の値をもつフィルタ係数を零にして、調整された時間領域のフィルタ係数を生成する工程であって、QがTより小さい工程と、(d3)前記調整された時間領域のフィルタ係数を時間領域から周波数領域へ変換し、前記勾配降下プロセスで使われる前記フィルタ係数を生成する工程と、をさらに備える請求項11のコンピュータ読み出し可能記憶媒体。

請求項13

前記相互相関推定値は、式:

請求項

ID=000008HE=025 WI=080 LX=0655 LY=0810(ここで、χ(t,v)は周波数領域の混合信号)を使って工程(b)で生成される請求項11のコンピュータ読み出し可能記憶媒体。

請求項14

前記勾配降下プロセスは、関数:

請求項

ID=000009HE=025 WI=049 LX=0810 LY=1490(ここで、E(k,v)はエラー関数)を最小化する請求項11のコンピュータ読み出し可能記憶媒体。

0001

本発明は信号処理に関し、特に、本発明は多重非相関化技術を用いた信号分離方法と装置に関する。

0002

未知ソースの分離(BSS)を行う、即ち、信号の先験的な知識を使うことなしに複合信号をそれを構成する信号に分離する技術を発表する研究者が増えている。これらの技術は様々なアプリケーションで使われている。例えば、複数のマイクロフォンを使った音声検出多重チャネル通信でのクロストークの除去、多重チャネル識別等化センサーアレイでの到着方向(DOA)の推定、音響とパッシブソナーのためのビーム形成型マイクロフォンの改良、BEG、MEG等の様々な生物学的信号からの独立したソース信号の検出がある。多くのBSS技術では信号を正確に分離するために、要素信号間の統計的独立性が必要(仮定)である。信号モデリング理論的進歩によって、統計的に独立な信号を識別する問題、即ち、ソース分離問題に焦点を当てた新たな技術を生み出されている。

0003

基本的なソース分離問題は、ds個の統計的に独立な複数のソース:
を仮定することによって簡単に記述される。ここで、これらのソースは線形媒体中で混在されたものであり、センサーノイズn(t)を含む可能性のあるdx個のセンサー信号
を導くものである。複雑なノイズ信号は、時間領域の以下の式(フォワードモデルとして知られる)で表される。
ソース分離技術を使って、チャネルAのdxdsP個の係数を同定し、未知のソース信号に対する推定値
を最終的に求める。

0004

別の方法では、以下の式(バックワード・モデルとして知られている):
で表される有限インパルス応答(FIR)逆モデルを使って複雑な信号を濾波してもよい。
この表記では、BSS技術はモデルソース信号:
が統計的に独立であるとしてFIR逆成分Wを推定しなければならない。

0005

統計的に独立な状態でソース分離を行うアプローチは、ウエイステイン他の"非相関化による多重チャネル信号分離"、音声オーディオ処理IEEトランザクション、1巻、no. 4, pp.405-413,1993年、に開示されている。ここでは、変化する信号に対して、フォワード・モデルのパラメータAを一意確定するように二次のオーダ一連の条件が規定されている。しかしながら、変化するソースを分離する特定のアルゴリズムはウエインステイン他の論文にはない。

0006

信号処理分野初期業績によれば、測定された信号を非相関化する、即ち、複数の時間遅延をさせて測定された相関値を対角化することが提案されていた。瞬間的な混合(instantaneous mix)の場合、これはコンスタントゲイケース(constant gain case)とも呼ばれるが、複数のフィルタタップを使って非ホワイト信号を非相関化をすることで十分にそのソース信号を回復できることが示されている。しかしながら、この技術では広帯域の混在信号に対する特有解法がないが、実際には、非相関化されているが統計的に独立ではないソースの推定値を生成することができる。ウエインステイン他によって明確に示されているように、引用された上述の論文によれば、統計的に独立のソース信号の特有の解を求めるにはさらに別の条件が必要とされる。統計的に独立のソース信号を見つけるために、二次以上のオーダの統計値を得る必要がある。何故ならば、統計的独立性は二次だけでなく、それ以上の全ての次数の直交モーメントになる必要があるからである。

0007

混在の問題では、イエリンとウエインステインの"多重チャネル信号分離:方法と分析"、信号処理のIEEEトランザクション、第44巻、no. 1, pp 106-118, January 1996年1月、では、混在するクロストークを除去するために、高次オーダの多重タップの直交モーメントに係る条件が確立されている。最適化の評価基準はより高次元に向かうのが自然であるが、以前の研究は二次の問題に専念していた。推定フォワード・フィルタを使う、適切に選択されたアーキテクチャを使って、多重チャネルのFIRモデル(式(2)参照)を逆にすることができる。これまで、高次元でフォワード・モデルの安定的近似を行うことは幻想であった。

0008

これらの従来技術によるコンピュータシミュレーションは一般的に満足のいくものであったが、実信号、例えば、音声信号を処理するにはおそまつであった。実信号の信号密度仮説の構成をもたないため、より高次のオーダの統計値は推定の不安定さにつながることがある、即ち、信号の不変条件が破られて不正確な解を導いてしまうと推測できる。

0009

従って、混在信号の非相関化を行うための未知ソース分離技術が必要である。

0010

複数の時区間で2次のオーダの複数の統計値を同時に対角化することによって、複雑な信号を非相関化する未知ソース分離方法と装置によって従来技術での不利な点が克服される。具体的には、本発明では複数の独立の信号ソースの混合である、ある長さ(区間)の入力信号蓄積する。次に本発明では、その長さの入力信号を長さTの複数の区間(窓)に分割して、各長さTの区間で混合信号離散フーリエ変換DFT)する。従って、本発明では、長さTの複数のN区間に渡って平均されたK個の相互相関パワースペクトルを計算する。勾配降下プロセスでは、相互相関パワー値を用いて入力信号のソース信号を効果的に分離するFIRフィルタ係数を計算する。これは、K個の相互相関パワースペクトルを同時に非相関化することによってなされる。正確な解を求めるために、フィルタ係数の時間領域の値から特定の値だけを求めることができるように勾配降下プロセスは拘束される。例えば、長さTの区間で、時間領域のフィルタ係数W(τ)はτ>Q>>Tの時間では零となるように拘束される。この方法で、所謂”置換問題”が解かれて、これらの係数を使って構成されたフィルタがソース信号を効果的に分離できるようにFIRフィルタ係数の一意解を計算する。

0011

一般的に、本発明は、記憶媒体に格納され、汎用コンピュータシステムで実行されるソフトウエアルーチンとして実施される。しかしながら、ハードウエアでの実施も容易であることは以下の説明から明らかである。

0012

音声認識プロセッサが本発明で分離された様々な音声信号を利用できるように様々なソースから信号を非相関化する音声認識システムに、本発明を信号の前処理システムとして適用できる。音声信号に対応して、音声認識プロセッサはコンピュータ・コマンドやコンピュータ・テキストを生成することができる。

0013

理解を促進させるため、複数の図に共通する同じ要素には同じ参照番号を使っている。

0014

添付の図面と共に以下の詳細な説明を検討することによって容易に本発明で教唆するところを理解することができる。

0015

本発明は、変化するソース信号を仮定し、また、信号とノイズ・パワーはもとよりWを推定するために最小2乗法(LS)による最適化を行うことによって、式(2)のバックワード・モデルのパラメータ値Wを推定する。本発明では、ソース分離問題を周波数領域に変換して、全ての周波数でのソース分離問題を同時に解く

0016

図1は、本発明のソース分離方法を実施するシステム100を示す。システム100は要素信号に分離される信号を供給する混在信号ソース126と、本発明の多重非相関化ルーチン124を実行するコンピュータシステム108を備える。ソース126は、どのような混在信号ソースを含んでいてもよいが、例えば、センサーアレイ102、信号プロセッサ104、記録信号ソース106を含むように図示されている。センサーアレイは、1つ以上のトランスジューサ102A、102B、102C、例えば、マイクロフォン等を含む。トランスジューサは信号をデジタイズする信号プロセッサ104に接続されている。デジタル信号は、信号分離とその他の処理を行うコンピュータシステム108に与えられる。オプションとして、記録信号ソース106は、分離が必要な混在信号ソースを構成してもよい。

0017

コンピュータシステム108は、中央処理装置(CPU)114、メモリ122、支援回路116、入力/出力(I/0)インターフェイス120を備える。コンピュータシステム108は一般的にI/Oインターフェイス120を介してディスプレイ112と様々な入力デバイス110、例えば、マウスキーボードに接続されている。支援回路は、一般的に周知の回路、例えば、キャッシュ電源クロック回路通信バスなどを備える。メモリ122は、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、ディスクドライブテープドライブ等やメモリデバイスの組み合わせを備えてもよい。本発明は、メモリ122に格納され、信号ソース126から信号を処理するためのCPU114によって実行される多重非相関化ルーチン124として実現される。そのため、コンピュータシステム108は、本発明のルーチン124を実行するときに特定目的のコンピュータシステムとなる汎用コンピュータシステムである。汎用コンピュータシステムは、本発明を実施するプラットフォームとして図示されているが、当業者であれば、特定用途向け集積回路ASIC)としてのハードウエア、デジタル信号処理(DSP)集積回路、もしくは、その他のハードウエアデバイス、もしくは、複数のハードウエアデバイスでも実行できることがわかっている。そのため、本発明は、ソフトウエア、ソフトウエアとハードウエアの組み合わせで実施してもよい。

0018

図示されたコンピュータシステム108は、音声認識プロセッサ118、例えば、本発明が混在信号から抽出する要素信号を処理するために使われる音声認識回路音声認識ソフトウエアをさらに備える。そのため、複数の話者背景雑音がある会議室は複数のマイクロフォン102を使って監視される。音声認識システムを使って、各話者の音声をコンピュータ・テキストやコンピュータ・コマンドに変換する場合、マイクロフォン102は要素信号に分離する必要がある複合音声信号を生成する。信号プロセッサ104によって複合音声信号は濾波され、増幅され、デジタイズされ、コンピュータシステム108に与えられる。多重非相関化ルーチン124を実行するCPU114は、複合信号を基本成分信号に分離する。背景雑音はこれらの基本成分要素から簡単に除去することができる。雑音のない基本成分要素は、次に、その要素信号を処理してコンピュータ・テキストやコンピュータ・コマンドを生成する音声認識プロセッサ118に与えられる。この方法で、コンピュータシステム108は多重非相関化ルーチン124を実行しながら、信号の前処理、即ち、音声認識プロセッサ118のための調整を行う。

0019

図2は、本発明の複数の非相関化ルーチン124のフロー図を示す。ステップ200では、混在(混合)信号が入力されて、その信号は分析されて、Tサンプルの入力信号X(t)を含む複数の窓に与えられ、そのルーチンは、各窓χ(t)に対して離散フーリエ変換(DFT)値、即ち、Tサンプルの長さの各窓に対するDFT値を生成する。

0020

ステップ202では、ルーチン124はDFT値を使って、K個の相互相関パワースペクトルを蓄積する。ここで、K個のスペクトルの各々は、Tサンプルの長さのN個の窓について平均される。

0021

変化する信号に対する相互相関推定値は絶対時間に依存し、実際に1つの推定区間NT区間)から次の区間で変わる。ステップ204で計算された相互相関推定値は以下のように表される。

0022

ここで、
また、χ(v)はTサンプルを含む窓内の入力信号のFFTである。そのため、本ルーチンはステップ204で各時刻tと各周波数vに対するマトリクスを計算し、マトリクスの要素の全てとその他のマトリクス要素の合計を求める。ステップ206、208、210、212では、n=OからNまで、また、k=Oからkまで、ステップ204の相関推定を繰り返して、K個のスペクトルを生成する。

0023

次に、式(5)はマトリクス表現:
簡単化することができる。
もしNが十分に大きければ、信号の独立性を仮定すると、Λs(t,v)とΛn(t,v)を対角行列としてモデル化できる。様々な時間に対して線形独立である式(6)では、Λs(t,v)が時間で変化する、即ち、信号は非固定であることが必要である。

0024

式(6)の相互相関推定値を使って、本発明では以下の式を満足させる相関パワースペクトルを利用してソース信号を計算する。

0025

各時区間毎に独立の条件を得るために、

0026

に対して推定時刻重複がないように時区間を一般的には選択する。しかしながら、信号が十分に速く変化する場合は、重複する推定時間を使うことがある。さらに、複数の窓Tが一般的に連続であっても、前の窓にも含まれる信号情報から各DFT値を求めるために、それらの窓が互いに重複することもある。音声信号処理システムでは、信号が記録される室の室内防音構造に基づいてTの特定の値を選択する。本発明でかなりの量の信号情報を処理してソース信号を分離できるように、例えば、多数の反響経路がある大きな室では長い窓Tが必要である。一般的に、利用可能な処理データによってN値が求められる。代表的な値は、N=20、T=1024のサンプル、K=5である。

0027

本発明の方法では、K個の推定区間、例えば、音声信号を処理するための2から5の推定区間で式(7)を同時に満足させるマルチパス・チャネルW(即ち、多次元FIRフィルタタップ値)を計算する。この処理はステップ214,216,218(集合的には、フィルタ・パラメータ推定プロセス224)で実行され、最小2乗推定法を用いて以下のように表される。
ここで、
簡単化のために、式(8)では短い形式名称を使った。また、
と、
と簡単化された同じ表記をΛn(k,v)とRx(t,v)に適用した。

0028

パラメータWを生成するために、勾配降下プロセス224(ステップ214,216,218,220を含む)を使って、コスト関数(8)のW値が最小になるまで繰り返す。ステップ216では、W値はWnew=Wold−μ∇wEとして更新される。ここで、∇wEは勾配ステップ値であり、μは更新の大きさを制御する重みづけ定数である。具体的には、勾配降下プロセスでは勾配値を以下のように求める。

0029

本ルーチンでは、式(11)を零とし、パラメータΛn(k,v)、W(v)を勾配降下のルールを使って計算する、例えば、W(v)の新たな値がW(v)の古い値からたいして違わなくなるまで、即ち、Wが収束するまでΛs(k,v)、W(v)の新たな値を本ルーチンの各段階で計算することで、パラメータΛ
s(k,v)に対する解を明示的に求めることができる。

0030

式(8)が時間領域でのフィルタの大きさに関する別の拘束条件を含むことに注目されたい。その拘束条件次第で、様々な周波数v=1,..,Tが、独立の問題を表すと考えられる。しかしながら、解W(v)は、τ>Q<<Tを越える時間応答は行わないフィルタによって制限される。本ルーチンでは、効果的にQdsdx個のパラメータW(τ)を使って、W(v)のTdsdx個のフィルタ係数をパラメータで表す。実際には、ステップ214で、W値、例えば、W(v)は周波数領域で生成され、次にステップ218で、これらの周波数領域の値にFFTを行って、W(v)の値を時間領域の、例えば、W(τ)に変換する。時間領域では、時刻Qより大きな時刻で現われるW値は零に設定され、Qより小さい範囲の値は全て調整されない。次に、逆FFTを使ってその調整された時間領域の値を周波数領域の値に変換する。Qよりも大きな時間の全てに対する時間領域でのフィルタ応答を零にしてフィルタの周波数応答平滑化することで、各周波数での特有な解を簡単に求めることができる。

0031

図3は、2つの周波数応答302A、302Bを示し、図4はそれらに対応する時間領域の応答304A、304Bを示す。繰り返しの処理を行ってWの正しい値を求めるステップ224で実行される勾配降下プロセスを使うことで、係数に対する最小2乗法での解が得られる。一旦式(10)の勾配がステップ220で識別される”平ら”になると、本ルーチンはステップ222で、計算されたフィルタ係数をFIRフィルタに適用する。このFIRフィルタを使って、長さがKNTの時区間の入力(混合)信号X(t)のサンプル値を濾波する。FIRフィルタはステップ226でその混合信号が非相関化された要素信号を生成する。次に、本ルーチンのステップ228では、次のKNT個のサンプルを処理するために獲得し、次にステップ200に進んで、次のKNT個のサンプル値を濾波する。前のKNT個のサンプルはメモリから除去される。

0032

上述したように、τ>Q<<TでW(τ)=0としたときの許容解のサブ空間に入るように勾配方程式が拘束される。これは重要なことである。何故なら、式(8)から良い近似値を得るために必要な条件であるからである。

0033

実際のアプリケーション、例えば、音声認識信号処理では、本発明のルーチンにより音声認識の正確さが改善される、即ち、単語エラー率は5%から50%改善されるが、幾つかの例のアプローチでは、それは雑音が存在しない場合で達成されたエラー率である。

0034

本発明の教唆を実践する様々な実施形態が示され詳細に説明されたが、当業者であれば、それらの教唆を実践するその他の多くの変更された実施形態を考えつくことは容易であることがわかっている。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ