Year: 2008
Type: dissertation
Abstract: Plusieurs problèmes de traitement audio comprennent l'extraction de caractéristiques pertinentes à partir des \nensembles de paramètres 'bruts'. Une étape de ce ré-traitement peut être la réduction de la dimensionalité des données tandis que l'on préserve les signatures informatives qui par exemple, différencient les phonèmes de la parole ou identifient les tons d'un instrument de musique. Si la variabilité acoustique est décrite par un ensemble réduit de caractéristiques, on peut imaginer que \nles données font partie d'une variété de faible imensionalité emboîtée dans un espace de haute \ndimension. Ces représentations peuvent fournir des informations utiles sur la nature et l'organisation \ndes données et être exploitées en tâches de classification ou regroupement.Dans notre première contribution nous faisons une analyse des signaux acoustiques à l'aide des méthodes spectrales de réduction de la dimensionalité. Nous décrivons l'utilisation de ces méthodes avec l'information \nacoustique en entrée (séquences de paramètres cepstraux) et nous examinons les projections obtenues. Nous étudions la dimensionalité intrinsèque des vecteurs ainsi que la variance originale retenue dans les composantes principales de leurs représentations de faible dimensionalité. Grâce à la disponibilité de l'étiquetage phonétique du corpus OGI, nous analysons aussi la distribution des principales classes phonétiques dans les projections.Dans notre seconde contribution, nous appliquons la théorie du regroupement spectral aux séquences audio. Pour faire cela, nous définissons une nouvelle mesure de similarité, fondée sur la distance euclidienne et la proximité temporelle entre \nvecteurs. Cette métrique est utile pour adapter les matrices classiques du regroupement spectral aux séquences de vecteurs. Un des résultats de cette modification est la détection de variations abruptes de la séquence d'entrée, ce qui permet de définir une segmentation temporelle sur le signal. Ensuite, nous traitons les segments résultants à l'aide du Kernel PCA pour les étiqueter avec le nom de la \nclasse phonétique la plus proche selon leur énergie : silence, consonne ou voyelle.Nous proposons \nenfin une démarche permettant de transformer des séquences audio de longueur variable en vecteurs de taille fixe. Cette transformation nous permet d'explorer les contenus des bases de données acoustiques. D'abord, on modélise les paramètres cepstraux de chaque séquence de la base de données \npar un GMM, ensuite, on fait l'estimation de la divergence symétrique de Kullback-Leibler entre deux GMM à l'aide d'un échantillonage de Monte-Carlo. Ces dissimilarités statistiques sont utilisées comme entrées de l'algorithme d'échelle multidimensionnelle (MDS), qui produit un système de représentation de faible dimensionalité pour chaque GMM donc pour chaque séquence d'entrée. Dans ces espaces les \nvecteurs-séquences sont traités avec des algorithmes à noyau et des méthodes de regroupement. On montre des résultats obtenus en différentes bases de données
Authors: Arias Aguilar, José Aníbal
Language: French
Topic: Music and Audio Processing
Subfield: Signal Processing
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W30660240