DE4131387A1 - Verfahren zur erkennung von mustern in zeitvarianten messsignalen - Google Patents

Verfahren zur erkennung von mustern in zeitvarianten messsignalen

Info

Publication number
DE4131387A1
DE4131387A1 DE4131387A DE4131387A DE4131387A1 DE 4131387 A1 DE4131387 A1 DE 4131387A1 DE 4131387 A DE4131387 A DE 4131387A DE 4131387 A DE4131387 A DE 4131387A DE 4131387 A1 DE4131387 A1 DE 4131387A1
Authority
DE
Germany
Prior art keywords
copolyester
polyester
ppm
statistical
intrinsic viscosity
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.)
Withdrawn
Application number
DE4131387A
Other languages
English (en)
Inventor
Klaus Dipl Ing Zuenkler
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE4131387A priority Critical patent/DE4131387A1/de
Priority to DE59208409T priority patent/DE59208409D1/de
Priority to PCT/DE1992/000744 priority patent/WO1993006591A1/de
Priority to EP92918595A priority patent/EP0604476B1/de
Priority to US08/211,201 priority patent/US5555344A/en
Publication of DE4131387A1 publication Critical patent/DE4131387A1/de
Withdrawn legal-status Critical Current

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
    • G10L15/08—Speech classification or search
    • G10L15/12—Speech classification or search using dynamic programming techniques, e.g. dynamic time warping [DTW]
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • G10L15/142—Hidden Markov Models [HMMs]

Description

Die Erfindung betrifft ein Verfahren zur Herstellung statistischer Copolyester mit niedrigem Comonomer-Anteil aus Homopolyester und Copolyester mit höherem Comonomer-Gehalt, insbesondere aus Poly­ ethylenterephthalat und Isophthalsäure- und/oder 1,4-Bis-(hydroxy­ methyl)-cyclohexan-haltigem Co-Polyethylenterephthalat.
Statistische Copolyester werden üblicherweise hergestellt, indem das Gemisch der Monomeren der Veresterung oder Umesterung mit nachfolgen­ der Polykondensation unterworfen wird. Man kann auch ein oder mehrere Comonomere der Vorkondensation zusetzen. Technische Großanlagen um­ fassen meist mehrere in Reihe geschaltete Reaktoren samt Nebenaggre­ gaten, wie Glykol-Rückgewinnung und -kreisläufe und fordern ein hohes Investitionsvolumen. Ein Produzent, der neben großen Mengen Homopolyester, zum Beispiel Polyethylenterephthalat für Fasern, klei­ nere Mengen an Copolyester, zum Beispiel modifiziertes Polyethylen­ terephthalat für Flaschen, herstellen möchte, steht vor dem wirt­ schaftlichen Problem, entweder eine zusätzliche Produktionsstraße für den Copolyester zu errichten oder nennenswerte Mengen an nicht-typ­ gerechtem Produkt während der Umstellungsphasen Homopolyester/Copoly­ ester/Homopolyester in Kauf zu nehmen.
Es ist auch bekannt, 1,4-Bis-(hydroxymethyl)-cyclohexan enthaltendes Co-Polyethylenterephthalat mit etwa der gleichen Menge Homo-Poly­ ethylenterephthalat in der Schmelze zu mischen und gegebenenfalls danach diese Mischung nach Überführung in Pulverform einer aufbauen­ den Wärmebehandlung zu unterwerfen (USA 36 51 112). Die auf diese Weise erhaltenen Polyester sind jedoch Block-Copolyester, die sich in ihren Eigenschaften deutlich von statistischen Copolyestern unter­ scheiden und sich folglich nicht für die gleichen Anwendungsfälle eignen.
Aufgabe der vorliegenden Erfindung ist daher das Auffinden eines Verfahrens zur Herstellung statistischer Copolyester, welches mit geringen Investitionskosten verbunden ist und bei dem praktisch kein nichttypgerechtes Produkt anfällt. Insbesondere betrifft die Aufgabe bei vorhandener Produktion größerer Mengen Polyethylenterephthalat, zum Beispiel für Fasern, eine möglichst wirtschaftliche Herstellung kleinerer Mengen Co-Polyethylenterephthalat für Hohlkörper und Flaschen sicherzustellen.
Diese Aufgabe wird erfindungsgemäß entsprechend den Angaben der Patentansprüche gelöst.
Der einzusetzende Polyester (A) ist Polyethylenterephthalat üblicher Qualität und Zusammensetzung, wie es zum Beispiel zur Faserher­ stellung verwendet wird. Die Intrinsic-Viskosität beträgt 0,5 bis 0,8 dl/g, vorzugsweise 0,55 bis 0,65 dl/g, und der Diethylenglykol- Gehalt 0,6 bis 2,0 Gew.-%. Vom Polykondensationskatalysator her­ rührend, enthält es normalerweise 50-300 ppm Sb. Je nach örtlichen Gegebenheiten wird von wieder aufgeschmolzenem Granulat ausgegangen oder direkt ein Teilstrom der aus einem Polykondensationsreaktor austretenden Schmelze zu dem erfindungsgemäß zu verwendenden Misch­ aggregat geleitet.
Bei dem Copolyester (B) handelt es sich um ein Prepolymer mit einer Intrinsic-Viskosität von 0,1 bis 0,6 dl/g, vorzugsweise 0,15 bis 0,30 dl/g, welches mindestens 10 Gew.-% Comonomer-Einheiten enthält. Das Comonomer besteht zu 0 bis 100 Mol.-%, bezogen auf die Summe der Dicarbonsäuren, aus Isophthalsäure und/oder zu 0 bis 100 Mol.-%, bezogen auf die Summe der Diole, aus 1,4-Bis-(hydroxymethyl)­ cyclohexan und die Differenz zu je 100 Mol.-% aus Terephthalsäure und aus Ethylenglykol, welches bis zu 50 Mol.-% durch Diethylenglykol ersetzt sein kann. Der Copolyester (B) enthält somit zwei bis fünf Komponenten, ausgewählt aus Isophthalsäure, Terephthalsäure, 1,4-Bis-(hydroxymethyl)-cyclohexan, Ethylenglykol und Diethylen­ glykol, wobei die Summe der Isophthalsäure-Einheiten und der 1,4-Bis-(hydroxymethyl)-cyclohexan-Einheiten mindestens 10 Gew.-%, bezogen auf den Copolyester (B), betragen muß und wobei der Anteil an Diethylenglykol-Einheiten in Mol.-% kleiner oder gleich ist als der Anteil an Ethylenglykol-Einheiten. Der Begriff Copoly­ ester (B) umfaßt hier also auch die Homopolyester, Polyethylen­ isophthalat, Poly-(cyclohexan-1,4-dimethylen)-terephthalat und Poly-(cyclohexan-1,4-dimethylen)-isophthalat. Durch die verhältnis­ mäßig niedrige Viskosität bzw. Kurzkettigkeit der Polymermoleküle wird die statistische Verteilung im End-Copolyester begünstigt.
Aufgeschmolzenes Präpolymer-Granulat kann verwendet werden. Vorzugs­ weise wird das Präpolymer jedoch unmittelbar in einer einfachen, einen oder maximal zwei Reaktoren umfassenden Ver- oder Umesterungs- und Vorkondensationsanlage erzeugt. Der Investitionsaufwand für eine solche Präpolymeranlage beträgt nur einen Bruchteil der für eine komplette Polyesteranlage erforderlichen Kosten. Es entfällt ein Teil der Reaktoren und Nebenanlagen, und die verbleibenden Ausrüstungs­ teile sind weniger kostenintensiv.
Für die Präpolymer-Herstellung werden Terephthalsäure oder deren Ester und/oder Isophthalsäure oder deren Ester sowie Ethylenglykol das bis zu 50 Mol-% durch Diethylenglykol ersetzt sein kann, und/oder 1,4-Bis-(hydroxymethyl)-cyclohexan bei etwa Normaldruck und üblichen Temperaturen im Bereich von 230 bis 290°C umgesetzt. In Hinsicht auf die erfindungsgemäße weitere Behandlung und eine möglichst homogene Verteilung im Polymer empfiehlt sich der Zusatz von 10 bis 1000 ppm Metall eines üblichen Polykondensationskatalysators, vorzugsweise einer Antimon-, Titan- oder Germanium-Verbindung, wie beispielsweise Antimon-triacetat, glykolat oder -trioxid, Titantetra-(oxyalkylat), Germanium-dioxid oder -hydrogenphosphit. Bevorzugt beträgt die Katalysator-Konzentration im Präpolymer (B) 100 bis 200%, besonders bevorzugt etwa 150% der im Polyester (A) vorhandenen Polykonden­ sationskatalysator-Menge. Die Präpolymer-Herstellung kann kontinuier­ lich oder diskontinuierlich erfolgen. Im letzteren Fall ist ein Zwischenlagergefäß für die Schmelze oder für das Granulat vorzusehen.
Präpolymerschmelze (B) und Polyesterschmelze (A) werden einem Misch­ aggregat zugeführt und reagieren teilweise, und zwar unter Homogeni­ sierung im geschmolzenen Zustand, während 1 bis 50 min, vorzugsweise 5 bis 15 min. Das Mengenverhältnis der beiden Schmelzeströme ergibt sich rein mathematisch aus dem Comonomer-Anteil des Präpolymers (B) und dem gewünschten Comonomer-Gehalt des herzustellenden statisti­ schen Copolyesters (C). Bevorzugt wird der gesamte Copolyester (B) zunächst mit 10 bis 50 Gew.-% des Polyesters (A) in einem Misch­ extruder vermengt und das Extrudat anschließend in einem statischen Mischer mit den restlichen 90 bis 50% des Polyesters (A) vermischt. Dies ermöglicht einen geringeren apparativen Aufwand, da ein klei­ nerer Extruder genügt. Die Mischdauer, definiert als die Zeit vom Zusammentreffen der Schmelzen der Polyester (A) und (B) bis zum Eintritt der Mischung in den nachfolgenden Granulator, wird von der Homogenisierfähigkeit der verwendeten handelsüblichen Mischaggregate und dem Volumen dieser Apparate sowie deren Verbindungsleitungen bestimmt.
Die in den Granulator eintretende Schmelzemischung ist aufgrund ihres Schmelzpunktes, der sich von dem des Polymers (A) nur wenig unter­ scheidet, überwiegend als physikalische Polymermischung anzusehen. Die Umwandlung in ein statistisches Copolymer bleibt der nachfolgen­ den Festphasenbehandlung vorbehalten.
Der erfindungsgemäß herzustellende statistische Copolyester ist hauptsächlich zur Verarbeitung zu Hohlkörpern und Flaschen bestimmt, also für Anwendungsgebiete, bei denen Farbe und Glanz eine besondere Rolle spielen. In diesem Fall wird der Prepolymerschmelze oder der Mischung beider Schmelzen zu Beginn der Mischphase ein Blue-Toner, bestehend, bezogen auf den statistischen Copolyester (C), aus maximal 5 ppm einer Polyester-löslichen Mischung im Mengenverhältnis 3:1 bis 1:3, bevorzugt 1:1, eines roten und eines blauen Farbstoffes, vorzugsweise von Estofilrot S-RBL und Estofilblau S-GFP der Firma Sandoz, oder aus 10 bis 60 ppm Co plus 10 bis 60 ppm P in Form ihrer Verbindungen, zugesetzt.
Des weiteren, insbesondere wenn die Verarbeitung durch Extrusions­ blasen erfolgen soll und eine höhere Schmelzefestigkeit gewünscht wird, können zu Beginn der Mischphase 100 bis 3000 ppm, bezogen auf Copolyester (C), eines tri- oder tetrafunktionellen Comonomers, wie Trimethylolethan, Trimethylolpropan, Glycerin oder Pentaerythrit, zugesetzt werden.
Die Schmelzemischung wird in bekannter Weise granuliert, wobei auf die Größe der Chips, entsprechend 0,5-5,0 g/100 Chips, vorzugsweise 1,0-2,0 g/100 Chips, zu achten ist. Zu kleine Chips, Pulver zum Beispiel, behindern den Stoffaustausch in der festen Phase und somit die Ausbildung einer statistischen Verteilung innerhalb der Polymer­ ketten.
Das Granulat wird anschließend zunächst unter Inertgas, zum Beispiel Stickstoff, bei einer Temperatur T1 über 150° und unterhalb der Schmelztemperatur während 0,5 bis 3,0 h kristallisiert und danach unter Inertgas oder Vakuum bei einer Temperatur T2 über 150°C und kleiner oder gleich T1 bis zum Erreichen der gewünschten Intrinsic- Viskosität nachkondensiert. Hierfür sind normalerweise 1 bis 20 h anzusetzen. Granulat, welches Präpolymer mit höherem Zusatz an Poly­ kondensationskatalysator enthält, benötigt geringere Nachkondensa­ tionszeiten als solches mit Präpolymer mit niedrigem Katalysator- Zusatz.
Überraschenderweise wurde gefunden, daß das so nachbehandelte Granulat eine Schmelztemperatur, gemessen mittels DSC (differential scanning calorimetry), aufweist, die um nicht mehr als 2°C höher ist als die gemessene Schmelztemperatur statistischer Copolyester gleicher summarischer Zusammensetzung. Auch die sonstigen Eigen­ schaften des erfindungsgemäß hergestellten Copolyesters sind iden­ tisch mit denen von statistischen Copolyestern, die durch direkte Polykondensation der Monomeren erhalten wurden.
Aus Vorversuchen wurde ermittelt, daß die mittels DSC gemessene Schmelztemperatur TM von durch direkte Polykondensation her­ gestellten statistischen Copolyestern, die als Comonomere Diethylen­ glykol (DEG), Isophthalsäure (IPA) und/oder 1,4-Bis-(hydroxymethyl)­ cyclohexan (CHDM) bis zu einer Gesamt-Konzentration von 5 Gew.-% enthalten, nach folgender Formel bestimmt werden kann:
wobei für DEG, IPA und CHDM die Konzentration in Gew.-% des jeweiligen Comonomers im Copolyester einzusetzen ist.
Anders als beim geschilderten Stand der Technik werden erfindungs­ gemäß statistische Copolyester erhalten, keine Block-Copolyester. Die Gründe hierfür sind nicht völlig geklärt, sicher ist aber, daß bei Einhaltung der beanspruchten Schmelze-Mischdauer statistische Copoly­ mere nur entstehen, wenn der Copolyester (B) verhältnismäßig nieder­ molekular ist und die Chips eine Mindestgröße nicht unterschreiten. Bei Einsatz eines Copolyesters (B) mit einer Intrinsic-Viskosität von mehr als 0,6 dl/g werden statistische Copolymere nur dann erhalten, wenn die Schmelzphasenbehandlung wesentlich, bis zum Erreichen einer überwiegend statistischen Verteilung bereits in der Schmelze, verlän­ gert wird. Die Nachkondensation reicht ansonsten für den notwendigen Mokekül-Ausgleich nicht aus. Bei einer derart langen Schmelzphasen- Behandlung lassen sich aber Verfärbungen des Polymers und Gelbildung nur schwer vermeiden.
Statistische Copolyester (C) mit einem etwas höheren Comonomer-Gehalt als 5 Gew.-%, beispielsweise bis etwa 10 Gew.-%, sind analog nach dem erfindungsgemäßen Verfahren herstellbar.
Die nachfolgenden Beispiele unterstützen die Erfindung, ohne sie einzuschränken.
Die Bestimmung der Intrinsic-Viskosität (I.V.) erfolgte an einer Lösung von 0,5 g Polyester in 100 ml eines Gemisches aus Phenol und 1,2-Dichlorbenzol (3:2) bei 25°C.
Diethylenglykol (DEC), Isophthalsäure (IPA) und 1,4-Bis-Chydroxy­ methyl)cyclohexan (CHDM) wurden nach Druck-Methanolyse des Poly­ esters gaschromatographisch ermittelt.
Die COOH-Endgruppen wurden durch Titration bestimmt.
Die Schmelztemperatur (TM), die Glasumwandlungstemperatur (TG) und die Kristallisationstemperatur TK, wurden mittels DSC ermittelt, wobei vor der eigentlichen Messung die Probe kurzzeitig auf 300°C erwärmt und sofort abgeschreckt wurde.
wurden in einem Mischer zu einer stabilen Paste verrührt und diese anschließend während einer Zeit von 120 min mit konstanter Geschwin­ digkeit in ein Veresterungsgefäß, ausgestattet mit Rührer, Kolonne und Mantelheizung, dosiert, in welchem sich vom vorhergehenden Ansatz 50% Veresterungsprodukt gleicher Zusammensetzung befanden. Die Tem­ peratur wurde während der Zeit der Einspeisung auf 261°C gehalten. Nach Abschluß der Pasteneinspeisung wurde unter Normaldruck in einer Zeit von 30 min die Temperatur auf 270°C erhöht und anschließend im gleichen Gefäß unter Erhöhung der Produkttemperatur auf 278°C der Druck während einer Zeit von 30 min auf 50 mbar reduziert. Das so erhaltene Veresterungsprodukt wurde anschließend in einen Polykonden­ sationsreaktor überführt und während einer Zeit von 160 min bei einer Temperatur von 281°C und einem Druck von 0,70 mbar polykondensiert. Nach Abbruch der Polykondensation wurde der Reaktorinhalt während einer Zeit von 15 min granuliert. Das durchschnittliche Gewicht der Granulatkörner betrug 15 mg.
Das so hergestellte Polyestergranulat wurde anschließend während einer Zeit von 60 min bei 215°C unter Stickstoff kristallisiert und danach bei 210°C während einer Zeit von 10 h polykondensiert (SSP). In Tabelle 1 sind die analytischen Kennwerte der Zwischen- und End­ produkte zusammengestellt.
Beispiel 2
Der Polyester wird wie im Beispiel 1 beschrieben, aber ohne Verwendung von Isophthalsäure und Diethylenglykol hergestellt, wobei anstelle dieser Comonomeren 1,4-Bis-(hydroxymethyl)-cyclohexan (CHDM) nach folgender Rezeptur verwendet wurde:
Herstellung des Polyesters (A) Beispiel 3
8272 g Terephthalsäure wurden mit 3422 g Ethylenglykol wie im Beispiel 1 zu Polyester umgesetzt, wobei als Katalysator 180 ppm Antimon als Antimontriacetat verwendet wurden. Der so erhaltene Polyester hatte eine Intrinsic-Viskosität von 0,63 dl/g, einen DEC-Gehalt von 0,87 Gew.-% und 28 meq/g COOH-Endgruppen. Die Schmelztemperatur, Glasumwandlungstemperatur und die Kristalli­ sationstemperatur wurden mittels DSC, wie folgt, ermittelt: TM 256°C; TG 79,8°C; TK 148°C.
Herstellung der Copolyester (B) (Beispiele 4 bis 8) Beispiel 4
Isophthalsäure und Ethylenglykol: 8272 g Isophthalsäure wurden zusammen mit 3422 g Ethylenglykol und 5 g Sb2O3 in einem Rührreaktor bei einem Innendruck von 1,5 bar und einer Temperatur von 261°C unter Wasserabspaltung verestert. Nach Abschluß der Veresterung wurde auf Normaldruck entspannt und an­ schließend unter Reduzierung des Druckes auf 50 mbar bei einer Tempe­ ratur von 270°C so lange polykondensiert, bis eine Intrinsic- Viskosität von 0,15 dl/g gemessen wird. Nach dem Brechen des Vakuums mit Stickstoff wurde das Vorkondensat auf 150°C abgekühlt, mit einem Gemisch aus den im Beispiel 1 genannten Farbstoffen im Verhältnis 1 : 1 in einer Menge von 3 ppm, bezogen auf Copolyester (C), versetzt und unter weiterem Abkühlen granuliert.
Beispiel 5
15 Gew.-% IPA im Copolyester (B): 6825 g Terephthalsäure, 1447 g Isophthalsäure und 3422 g Ethylen­ glykol wurden, wie im Beispiel 4, zu Polyester mit einer Intrinsic- Viskosität von 0,60 dl/g verarbeitet, wobei anstelle von 180 ppm Antimon 300 ppm Antimon, bezogen auf den fertigen Copolyester (B), verwendet wurden.
Beispiel 6
40 Gew.-% IPA und 10 % CHDM im Copolyester (B): 4414 g Terephthalsäure, 3858 g Isophthalsäure, 1026 g 1,4-Bis­ (hydroxymethyl)-cyclohexan und 2650 g Ethylenglykol wurden, wie im Beispiel 4, zu einem Vorkondensat mit einer Intrinsic-Viskosität von 0,28 dl/g verarbeitet, wobei 300 ppm Antimon und 40 ppm Titan als Titantetrabutylat, bezogen auf Copolyester (B), verwendet wurden.
Beispiel 7
18 Gew.-% CHDM im Copolyester (B): 7500 g Terephthalsäure, 1737 g 1,4-Bis-(hydroxymethyl)-cyclohexan und 2400 g Ethylenglykol wurden, wie im Beispiel 6, zu einem Vorkondensat mit einer Intrinsic-Viskosität von 0,30 dl/g verarbeitet.
Beispiel 8
35 Gew.-% CHDM im Copolyester (B): 6890 g Terephthalsäure, 3600 g 1,4-Bis-(hydroxymethyl)-cyclohexan und 250 g Ethylenglykol wurden, wie im Beispiel 6, zu einem Vorkondensat mit einer Intrinsic-Viskosität von 0,40 dl/g verarbeitet. Im Unter­ schied zu der im Beispiel 6 genannten Rezeptur wurde zu Beginn der Veresterung zusätzlich Cobalt als Cobaltacetat in solch einer Menge zugesetzt, daß im Endprodukt (C) 40 ppm Co vorliegen. Außerdem wurden 40 ppm Phosphor als Triethylphosphat, bezogen auf Endprodukt (C), kurz vor Abschluß der Reaktion zugesetzt.
Herstellung der statistischen Copolyester (C) (Beispiele 9 und 10) Beispiel 9
Mischungen aus Polyester (A) des Beispiels 3 und Copolyester (B) der Beispiele 4 bis 8 wurden sorgfältig getrocknet und in einem Extruder, dem eine Mischstrecke, bestehend aus einer mit statischen Mischern bestückten Schmelzeleitung, angeschlossen war, aufgeschmolzen und nach einer Verweilzeit von 10 min granuliert. Die Granulate hatten ein durchschnittliches Gewicht der Einzelkörner von 14-17 mg.
Die Granulate wurden unter Stickstoff bei 215°C während einer Zeit von 1 Stunde kristallisiert und anschließend 7 Stunden der Feststoff­ polykondensation (SSP) bei 210°C unterzogen. Die pro Stunde durch den SSP-Reaktor geförderte N2-Menge betrug 1 kg N2 pro 1 kg Polyester.
Alle Polyestergemische wurden vor und nach der SSP auf ihre thermischen DSC-Daten untersucht. Die Ergebnisse sind in Tabelle 2 zusammengestellt.
Beispiel 10
Wie im Beispiel 9 wurde der Polyester (A) des Beispiels 3 mit den Copolyestern (B) des Beispiels 4 oder 7 in der Mischstrecke verar­ beitet, wobei zusätzlich 700 ppm, bezogen auf das Endprodukt (C), an Pentaerythrit zugesetzt wurden. Alle anderen Schritte erfolgten wie im Beispiel 9 beschrieben.
Die Ergebnisse sind in der Tabelle 3 zusammengestellt.
Tabelle 2.
Tabelle 3.

Claims (8)

1. Verfahren zur Herstellung von statistischen Copolyestern (C), enthaltend neben Terephthalsäure-Einheiten und Ethylenglykol- Einheiten, 0,5 bis 2,0 Gew.-% Diethylenglykol-Einheiten sowie 0,5 bis 5,0 Gew.-% Isophthalsäure- und/oder 1,4-Bis-(hydroxy­ methyl)-cyclohexan-Einheiten, deren Intrinsic-Viskosität 0,7 bis 2,0 dl/g beträgt und deren Schmelztemperatur, gemessen mittels DSC, um nicht mehr als 2°C höher ist als die Schmelztemperatur von durch direkte Polykondensation der Monomeren erhaltenen Copolyestern gleicher summarischer Zusammensetzung, dadurch gekennzeichnet, daß
  • - ein Polyester (A) mit einer Intrinsic-Viskosität von 0,5 bis 0,8 dl/g, bestehend aus Polyethylenterephthalat mit 0,6 bis 2,0 Gew.-% Diethylenglykol-Einheiten und
  • - ein Copolyester (B) mit einer Intrinsic-Viskosität von 0,1 bis 0,6 dl/g, enthaltend, bezogen auf Copolyester (B), mindestens 10 Gew.-% Comonomer-Einheiten und 10 bis 1000 ppm Sb oder Ti oder Ge, wobei das Comonomer zu 0-100 Mol.-%, bezogen auf die Summe der Dicarbonsäuren, aus Isophthalsäure und/oder zu 0 bis 100 Mol.-%, bezogen auf die Summe der Diole, aus 1,4-Bis-(hydroxymethyl)­ cyclohexan und die Differenz zu je 100 Mol.-% aus Terephthalsäure und aus Ethylenglykol, welches bis zu 50 Mol.-% durch Diethylenglykol ersetzt sein kann, besteht,
  • - im geschmolzenen Zustand während 1 bis 50 min vermischt werden, anschließend granuliert, und das Granulat mit einem Chips-Gewicht von 0,5 bis 5,0 g/100 Chips unter Inertgas bei einer Temperatur T1 über 150°C und unterhalb der Schmelztemperatur während 0,5 bis 3 h kristallisiert wird und nachfolgend unter Inertgas oder unter Vakuum bei einer Temperatur T2 über 150°C und kleiner oder gleich T1 bis zum Erreichen der gewünschten Intrinsic-Viskosität nachkondensiert wird.
2. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß der gesamte Copolyester (B) und 10 bis 50 Gew.-% des Polyesters (A) einem Mischextruder zugeführt werden, und das Extrudat an­ schließend in einem statischen Mischer mit den restlichen 90 bis 50%. des Polyesters (A) vermischt wird.
3. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß dem Copolyester (B) vor der Mischzone oder der Mischung der Polyester (A) und (B) zu Beginn der Mischphase, bezogen auf den statistischen Copolyester (C), 0,5 bis 5 ppm einer polyester­ löslichen Mischung eines roten und eines blauen Farbstoffes im Mengenverhältnis 3 : 1 bis 1 : 3 zugesetzt werden.
4. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß dem Copolyester (B) vor der Mischzone oder der Mischung der Polyester (A) und (B) zu Beginn der Mischphase, bezogen auf den statistischen Copolyester (C), 10 bis 60 ppm Co und 10 bis 60 ppm P in Form ihrer Verbindungen zugesetzt werden.
5. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß der Mischung der Polyester (A) und (B) zu Beginn der Mischphase, bezogen auf den statistischen Copolyester (C), 100 bis 3000 ppm eines tri- oder tetrafunktionellen Comonomers zugesetzt werden.
6. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß der Polyester (A) eine Menge (m) im Bereich von 50 bis 300 ppm an Sb enthält und der Copolyester (B) eine Menge im Bereich von (m) bis (2m) an Sb oder Ti oder Ge enthält.
7. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß die Intrinsic-Viskosität des statistischen Copolyesters (C) 0,7 bis 0,9 dl/g, die des Polyesters (A) 0,55 bis 0,65 dl/g und die des Copolyesters (B) 0,15 bis 0,30 dl/g beträgt.
8. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, daß die Polyester (A) und (B) im geschmolzenen Zustand während 5 bis 15 min vermischt werden und das Chips-Gewicht 1,0 bis 2,0 g/100 Chips beträgt.
DE4131387A 1991-09-20 1991-09-20 Verfahren zur erkennung von mustern in zeitvarianten messsignalen Withdrawn DE4131387A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE4131387A DE4131387A1 (de) 1991-09-20 1991-09-20 Verfahren zur erkennung von mustern in zeitvarianten messsignalen
DE59208409T DE59208409D1 (de) 1991-09-20 1992-09-04 Verfahren zur erkennung von mustern in zeitvarianten messsignalen
PCT/DE1992/000744 WO1993006591A1 (de) 1991-09-20 1992-09-04 Verfahren zur erkennung von mustern in zeitvarianten messsignalen
EP92918595A EP0604476B1 (de) 1991-09-20 1992-09-04 Verfahren zur erkennung von mustern in zeitvarianten messsignalen
US08/211,201 US5555344A (en) 1991-09-20 1992-09-04 Method for recognizing patterns in time-variant measurement signals

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE4131387A DE4131387A1 (de) 1991-09-20 1991-09-20 Verfahren zur erkennung von mustern in zeitvarianten messsignalen

Publications (1)

Publication Number Publication Date
DE4131387A1 true DE4131387A1 (de) 1993-03-25

Family

ID=6441116

Family Applications (2)

Application Number Title Priority Date Filing Date
DE4131387A Withdrawn DE4131387A1 (de) 1991-09-20 1991-09-20 Verfahren zur erkennung von mustern in zeitvarianten messsignalen
DE59208409T Expired - Lifetime DE59208409D1 (de) 1991-09-20 1992-09-04 Verfahren zur erkennung von mustern in zeitvarianten messsignalen

Family Applications After (1)

Application Number Title Priority Date Filing Date
DE59208409T Expired - Lifetime DE59208409D1 (de) 1991-09-20 1992-09-04 Verfahren zur erkennung von mustern in zeitvarianten messsignalen

Country Status (4)

Country Link
US (1) US5555344A (de)
EP (1) EP0604476B1 (de)
DE (2) DE4131387A1 (de)
WO (1) WO1993006591A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0902417A2 (de) * 1997-09-12 1999-03-17 Siemens Aktiengesellschaft Verfahren und Einrichtung zur Spracherkennung von verwirrenden Wörtern
CN109948628A (zh) * 2019-03-15 2019-06-28 中山大学 一种基于判别性区域挖掘的目标检测方法

Families Citing this family (140)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3311460B2 (ja) * 1994-01-28 2002-08-05 富士通株式会社 音声認識装置
US5828999A (en) * 1996-05-06 1998-10-27 Apple Computer, Inc. Method and system for deriving a large-span semantic language model for large-vocabulary recognition systems
US5778881A (en) * 1996-12-04 1998-07-14 Medtronic, Inc. Method and apparatus for discriminating P and R waves
US5960397A (en) * 1997-05-27 1999-09-28 At&T Corp System and method of recognizing an acoustic environment to adapt a set of based recognition models to the current acoustic environment for subsequent speech recognition
US5913192A (en) * 1997-08-22 1999-06-15 At&T Corp Speaker identification with user-selected password phrases
DE19740147A1 (de) * 1997-09-12 1999-03-18 Philips Patentverwaltung Verfahren zum Ermitteln eines Zuverlässigkeitsmaßes
US6073099A (en) * 1997-11-04 2000-06-06 Nortel Networks Corporation Predicting auditory confusions using a weighted Levinstein distance
US5946656A (en) * 1997-11-17 1999-08-31 At & T Corp. Speech and speaker recognition using factor analysis to model covariance structure of mixture components
US6182038B1 (en) * 1997-12-01 2001-01-30 Motorola, Inc. Context dependent phoneme networks for encoding speech information
KR100476337B1 (ko) * 1997-12-31 2005-06-13 엘지전자 주식회사 음성인식기의유사단어인식방법
ATE228691T1 (de) 1998-06-23 2002-12-15 Intellix As Klassifizierungssystem und -verfahren mit n-tuple-oder ram-basiertem neuralem netzwerk
US6775652B1 (en) 1998-06-30 2004-08-10 At&T Corp. Speech recognition over lossy transmission systems
US6711541B1 (en) * 1999-09-07 2004-03-23 Matsushita Electric Industrial Co., Ltd. Technique for developing discriminative sound units for speech recognition and allophone modeling
US6542866B1 (en) * 1999-09-22 2003-04-01 Microsoft Corporation Speech recognition method and apparatus utilizing multiple feature streams
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
US8290768B1 (en) 2000-06-21 2012-10-16 International Business Machines Corporation System and method for determining a set of attributes based on content of communications
US9699129B1 (en) 2000-06-21 2017-07-04 International Business Machines Corporation System and method for increasing email productivity
US6408277B1 (en) 2000-06-21 2002-06-18 Banter Limited System and method for automatic task prioritization
DE10034235C1 (de) * 2000-07-14 2001-08-09 Siemens Ag Verfahren zur Spracherkennung und Spracherkenner
US7644057B2 (en) 2001-01-03 2010-01-05 International Business Machines Corporation System and method for electronic communication management
US7089184B2 (en) 2001-03-22 2006-08-08 Nurv Center Technologies, Inc. Speech recognition for recognizing speaker-independent, continuous speech
US7389230B1 (en) 2003-04-22 2008-06-17 International Business Machines Corporation System and method for classification of voice signals
US8495002B2 (en) 2003-05-06 2013-07-23 International Business Machines Corporation Software tool for training and testing a knowledge base
US20050187913A1 (en) 2003-05-06 2005-08-25 Yoram Nelken Web-based customer service interface
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
US7809566B2 (en) * 2005-10-14 2010-10-05 Nuance Communications, Inc. One-step repair of misrecognized recognition strings
US20080213047A1 (en) * 2006-08-21 2008-09-04 Bryant Corwin J Systems and methods for liner tensioning in pipeline rehabilitation
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US7844456B2 (en) * 2007-03-09 2010-11-30 Microsoft Corporation Grammar confusability metric for speech recognition
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US20080275743A1 (en) * 2007-05-03 2008-11-06 Kadambe Shubha L Systems and methods for planning
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
WO2010067118A1 (en) 2008-12-11 2010-06-17 Novauris Technologies Limited Speech recognition involving a mobile device
US8219386B2 (en) * 2009-01-21 2012-07-10 King Fahd University Of Petroleum And Minerals Arabic poetry meter identification system and method
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US20120311585A1 (en) 2011-06-03 2012-12-06 Apple Inc. Organizing task items that represent tasks to perform
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
WO2011089450A2 (en) 2010-01-25 2011-07-28 Andrew Peter Nelson Jerram Apparatuses, methods and systems for a digital conversation management platform
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
US8484022B1 (en) 2012-07-27 2013-07-09 Google Inc. Adaptive auto-encoders
US8442821B1 (en) * 2012-07-27 2013-05-14 Google Inc. Multi-frame prediction for hybrid neural network/hidden Markov models
US9576574B2 (en) 2012-09-10 2017-02-21 Apple Inc. Context-sensitive handling of interruptions by intelligent digital assistant
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
US9240184B1 (en) 2012-11-15 2016-01-19 Google Inc. Frame-level combination of deep neural network and gaussian mixture models
KR102516577B1 (ko) 2013-02-07 2023-04-03 애플 인크. 디지털 어시스턴트를 위한 음성 트리거
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
WO2014144579A1 (en) 2013-03-15 2014-09-18 Apple Inc. System and method for updating an adaptive speech recognition model
WO2014144949A2 (en) 2013-03-15 2014-09-18 Apple Inc. Training an at least partial voice command system
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
EP3008641A1 (de) 2013-06-09 2016-04-20 Apple Inc. Vorrichtung, verfahren und grafische benutzeroberfläche für gesprächspersistenz über zwei oder mehrere instanzen eines digitaler assistenten
CN105265005B (zh) 2013-06-13 2019-09-17 苹果公司 用于由语音命令发起的紧急呼叫的系统和方法
WO2015020942A1 (en) 2013-08-06 2015-02-12 Apple Inc. Auto-activating smart responses based on activities from remote devices
US9620105B2 (en) 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition
US10592095B2 (en) 2014-05-23 2020-03-17 Apple Inc. Instantaneous speaking of content on touch devices
US9502031B2 (en) 2014-05-27 2016-11-22 Apple Inc. Method for supporting dynamic grammars in WFST-based ASR
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
EP3149728B1 (de) 2014-05-30 2019-01-16 Apple Inc. Eingabeverfahren durch einzelne äusserung mit mehreren befehlen
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9711141B2 (en) 2014-12-09 2017-07-18 Apple Inc. Disambiguating heteronyms in speech synthesis
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179309B1 (en) 2016-06-09 2018-04-23 Apple Inc Intelligent automated assistant in a home environment
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
US10235993B1 (en) * 2016-06-14 2019-03-19 Friday Harbor Llc Classifying signals using correlations of segments
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770431A1 (en) 2017-05-15 2018-12-20 Apple Inc. Optimizing dialogue policy decisions for digital assistants using implicit feedback

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59121098A (ja) * 1982-12-28 1984-07-12 株式会社東芝 連続音声認識装置
FR2554623B1 (fr) * 1983-11-08 1986-08-14 Texas Instruments France Procede d'analyse de la parole independant du locuteur
US4741036A (en) * 1985-01-31 1988-04-26 International Business Machines Corporation Determination of phone weights for markov models in a speech recognition system
US4803729A (en) * 1987-04-03 1989-02-07 Dragon Systems, Inc. Speech recognition method
GB8908205D0 (en) * 1989-04-12 1989-05-24 Smiths Industries Plc Speech recognition apparatus and methods
US5228087A (en) * 1989-04-12 1993-07-13 Smiths Industries Public Limited Company Speech recognition apparatus and methods
DE3931638A1 (de) * 1989-09-22 1991-04-04 Standard Elektrik Lorenz Ag Verfahren zur sprecheradaptiven erkennung von sprache
US5390278A (en) * 1991-10-08 1995-02-14 Bell Canada Phoneme based speech recognition
US5333275A (en) * 1992-06-23 1994-07-26 Wheatley Barbara J System and method for time aligning speech
US5425129A (en) * 1992-10-29 1995-06-13 International Business Machines Corporation Method for word spotting in continuous speech

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0902417A2 (de) * 1997-09-12 1999-03-17 Siemens Aktiengesellschaft Verfahren und Einrichtung zur Spracherkennung von verwirrenden Wörtern
EP0902417A3 (de) * 1997-09-12 2000-02-09 Siemens Aktiengesellschaft Verfahren und Einrichtung zur Spracherkennung von verwirrenden Wörtern
CN109948628A (zh) * 2019-03-15 2019-06-28 中山大学 一种基于判别性区域挖掘的目标检测方法
CN109948628B (zh) * 2019-03-15 2023-01-03 中山大学 一种基于判别性区域挖掘的目标检测方法

Also Published As

Publication number Publication date
EP0604476B1 (de) 1997-04-23
WO1993006591A1 (de) 1993-04-01
US5555344A (en) 1996-09-10
DE59208409D1 (de) 1997-05-28
EP0604476A1 (de) 1994-07-06

Similar Documents

Publication Publication Date Title
DE4131387A1 (de) Verfahren zur erkennung von mustern in zeitvarianten messsignalen
EP0532988B1 (de) Verfahren zur Herstellung statistischer Copolyester
DE60102079T2 (de) Katalysatoren für die herstellung von polyester, verfahren zur herstellung von polyester, und polyester
EP0525463B1 (de) Verfahren zur Herstellung eines Modifizierten Co-Polyethylenterephthalates
DE2431072C3 (de) Thermoplastische Copolyester und Verfahren zu ihrer Herstellung
EP0697428B1 (de) Verfahren zur Herstellung von linearen, w-Hydroxycarbonsäureeinheiten enthaltenden Copolyestern
DE2703376A1 (de) Verfahren zur herstellung aromatischer copolyester
DE2753998A1 (de) Herstellung von verzweigten poly (alkylenterephthalaten)
DE2503000A1 (de) Polymerisation des poly(1,4-butylen- terephthalats) im festen aggregatzustand
DE19537930A1 (de) Verfahren zur Herstellung von klarsichtigem Polyester
DE69923420T2 (de) Verfahren zur Herstellung von Polyesterharzen
DE4309227A1 (de) Kontinuierliches Verfahren zur Herstellung von Polyester für Lebensmittelverpackungen
DE69828391T2 (de) Verfahren zur herstellung von polyestern
WO1996028492A1 (de) Verfahren zur kontinuierlichen herstellung von thermoplastischen polyestern
WO2003046045A1 (de) Verfahren und vorrichtung zur herstellung von hochkondensierten polyestern in der festen phase
EP1397412B1 (de) Verfahren zur herstellung von polybutylenterephthalat
EP3630869B1 (de) Aliphatisch-aromatischer polyester mit erhöhtem weissgrad-index
EP1799746B1 (de) Verfahren zur herstellung von polyestern
DE19918650A1 (de) Verfahren zur Herstellung von Polyesteralkoholen sowie Polyesteralkohole
DE2041018A1 (de) Verfahren zur Polymerisation von Polyaethylenterephthalat
DE2533675A1 (de) Lineare copolyester auf basis von terephthal- und/oder isophthalsaeure
DE4137841C2 (de) Diskontinuierliches Verfahren zur Polykondensation von Terephthalsäure und 1,4-Bis-(hydroxymethyl)-cyclohexan
DE3925607A1 (de) Verfahren zur synthese von polyesterharzen
EP0126890B1 (de) Hydrolysebeständige, thermoplastische Poly(butylenterephthalat)Formmassen
DE2315272B2 (de) Verfahren zur Festphasekondensation von Polybutylenterephthalat

Legal Events

Date Code Title Description
8139 Disposal/non-payment of the annual fee