Date/heure
Date(s) - 13 décembre 2013

Catégories Pas de Catégories

$Fonctions de cou?t pour l’estimation des filtres acoustiques dans les me?langes re?verbe?rants\n\nBy Alexis Benichoux, IRISA.\n\nOn se place dans le cadre du traitement des signaux audio multicanaux et multi-sources. A? partir du me?lange de plusieurs sources sonores enregistre?es en milieu re?verbe?rant, on cherche a? estimer les re?ponses acoustiques (ou filtres de me?lange) entre les sources et les microphones. Ce proble?me inverse ne peut e?tre re?solu qu’en prenant en compte des hypothe?ses sur la nature des filtres. Notre approche consiste d’une part a? identifier mathe?matiquement les hypothe?ses ne?cessaires sur les filtres pour pouvoir les estimer et d’autre part a? construire des fonctions de cou?t et des algorithmes permettant de les estimer effectivement.\nPremie?rement, nous avons conside?re? le cas ou? les signaux sources sont connus. Nous avons de?veloppe? une me?thode d’estimation des filtres base?e sur une re?gularisation convexe prenant en compte a? la fois la nature parcimonieuse des filtres et leur enveloppe de forme exponentielle de?croissante. Nous avons effectue? des enregistrements en environnement re?el qui ont confirme? l’efficacite? de cet algorithme.\nDeuxie?mement, nous avons conside?re? le cas ou? les signaux sources sont inconnus, mais statistiquement inde?pendants. Les filtres de me?lange peuvent alors e?tre estime?s a? une inde?termination de permutation et de gain pre?s a? chaque fre?quence par des techniques d’analyse en composantes inde?pendantes. Nous avons apporte? une e?tude exhaustive des garanties the?oriques par lesquelles l’inde?termination de permutation peut e?tre leve?e dans le cas ou? les filtres sont parcimonieux dans le domaine temporel.\nTroisie?mement, nous avons commence? a? analyser les hypothe?ses sous lesquelles notre algorithme d’estimation des filtres pourrait e?tre e?tendu a? l’estimation conjointe des signaux sources et des filtres et montre? un premier re?sultat ne?gatif inattendu : dans le cadre de la de?convolution parcimonieuse aveugle, pour une famille assez large de fonctions de cou?t re?gularise?es, le minimum global est trivial. Des contraintes supple?mentaires sur les signaux sources ou les filtres sont donc ne?cessaires.[$

Date/heure
Date(s) - 13 décembre 2013

Catégories Pas de Catégories

$Fonctions de cou?t pour l’estimation des filtres acoustiques dans les me?langes re?verbe?rants\n\nBy Alexis Benichoux, IRISA.\n\nOn se place dans le cadre du traitement des signaux audio multicanaux et multi-sources. A? partir du me?lange de plusieurs sources sonores enregistre?es en milieu re?verbe?rant, on cherche a? estimer les re?ponses acoustiques (ou filtres de me?lange) entre les sources et les microphones. Ce proble?me inverse ne peut e?tre re?solu qu’en prenant en compte des hypothe?ses sur la nature des filtres. Notre approche consiste d’une part a? identifier mathe?matiquement les hypothe?ses ne?cessaires sur les filtres pour pouvoir les estimer et d’autre part a? construire des fonctions de cou?t et des algorithmes permettant de les estimer effectivement.\nPremie?rement, nous avons conside?re? le cas ou? les signaux sources sont connus. Nous avons de?veloppe? une me?thode d’estimation des filtres base?e sur une re?gularisation convexe prenant en compte a? la fois la nature parcimonieuse des filtres et leur enveloppe de forme exponentielle de?croissante. Nous avons effectue? des enregistrements en environnement re?el qui ont confirme? l’efficacite? de cet algorithme.\nDeuxie?mement, nous avons conside?re? le cas ou? les signaux sources sont inconnus, mais statistiquement inde?pendants. Les filtres de me?lange peuvent alors e?tre estime?s a? une inde?termination de permutation et de gain pre?s a? chaque fre?quence par des techniques d’analyse en composantes inde?pendantes. Nous avons apporte? une e?tude exhaustive des garanties the?oriques par lesquelles l’inde?termination de permutation peut e?tre leve?e dans le cas ou? les filtres sont parcimonieux dans le domaine temporel.\nTroisie?mement, nous avons commence? a? analyser les hypothe?ses sous lesquelles notre algorithme d’estimation des filtres pourrait e?tre e?tendu a? l’estimation conjointe des signaux sources et des filtres et montre? un premier re?sultat ne?gatif inattendu : dans le cadre de la de?convolution parcimonieuse aveugle, pour une famille assez large de fonctions de cou?t re?gularise?es, le minimum global est trivial. Des contraintes supple?mentaires sur les signaux sources ou les filtres sont donc ne?cessaires.[$