Débruitage perceptuel de la parole

Présentation au sujet: "Débruitage perceptuel de la parole"— Transcription de la présentation:

1 Débruitage perceptuel de la parole
Intitulé de la thèse: Débruitage de la parole et ses applications Débruitage perceptuel de la parole Asmaa Amehraye Sous l’encadrement de: Dominique Pastor Journées doctorales du département SC

2 Plan de la présentation
2/18 Introduction Points durs La perception auditive Le débruitage perceptuel de la parole Résultats Conclusion et perspectives 1 2 3 4 5 6

3 Objectifs du débruitage de la parole
3/18 Processus du débruitage Restituer le signal de parole dans les environnement bruités Améliorer l’intelligibilité de la parole Le confort d’écoute de l’auditeur Applications: Reconnaissance de la parole Téléphonie mobile Téléphonie main libre…

4 Les méthodes usuelles Soustraction spectrale Filtrage de Kalman
4/18 Soustraction spectrale Filtrage de Kalman Méthodes à sous-espaces Processus du débruitage Ondelettes Filtrage de Wiener etc

5 2- Décorrélation entre bruit b(n) et parole propre s(n).
Système mono capteur 5/18 Hypothèses: 1- Bruit additif 2- Décorrélation entre bruit b(n) et parole propre s(n). s(n) y(n) + b(n)

6 Points durs Estimation du bruit. Détection de l’activité vocale (DAV).
6/18 Estimation du bruit. Détection de l’activité vocale (DAV). Artéfacts: Bruit musical et Distorsions du signal après débruitage.

7 Gênant à la perception humaine
Bruit musical? 7/18 Bruit musical Gênant à la perception humaine Solution: Tenir compte des propriétés du système auditif humain.

8 Coupe générale de l’oreille
Système auditif 8/18 Coupe générale de l’oreille

9 L’effet de masquage? 9/18 On parle de masquage quand un son est rendu inaudible par un autre. Image extraite de: Le masqueur élève localement le seuil d’audition, le son cible nécessite alors plus d’énergie pour être perçu.

10 Le débruitage perceptuel de la parole
10/18 Contexte: Prise en compte des propriétés de l’audition humaine via la modélisation de certaines de ces propriétés déterminantes. Astuces : Distinction entre ce qui est audible et ce qu’il ne l’est pas. Outil : Modélisation du phénomène de masquage par le calcul de la courbe de masquage. Objectif: Diminuer les artéfacts (distorsions, bruit musical,…)

11 11/18 Puissance du signal Courbe de masquage Portions inaudibles

12 Les distorsions du signal
Deux cas limite de l’estimée de la courbe de masquage: 12/18 dB dB DSP du signal bruité Courbe de masquage idéale f(Hz) f(Hz) Le bruit résiduel augmente Les distorsions du signal augmentent Besoin d’un compromis 15

13 Exemples dans la littérature
13/18 Loizou[2] Lin[4] Tim Haulik[5] (même ordre d’idée que[3]) Détection et réduction des tonales musicales: : à partir du signal débruité : à partir du signal bruité Les composantes spectrales au dessus juste de sont candidates pour être du bruit musical.

14 Contribution 14/19

15 Evaluation objective MBSD (Modified Bark Spectral Distorsion) SSNR
15/19 MBSD (Modified Bark Spectral Distorsion) SSNR (Segmental Signal to Noise Ratio)

16 Evaluation subjective
16/18 Tests audio: Wiener Loizou Lin Méthode proposée -5dB 0dB 5dB 10dB Input-5dB Input0dB Input5dB Input10dB She had your dark suit in greasy wash water all year. Don't ask me to carry an oily rag like that

17 Conclusion et perspectives
17/18 L’apport de la psycho-acoustique est net. Pour la reconnaissance de la parole, on veut montrer que ce n’est pas juste une question de SNR. L'application de ces approches pour l'amélioration de l'intelligibilité audio et la reconnaissance automatique de la parole pour des applications de téléphonie mobile et de téléphonie main libre.

18 Merci pour votre attention
Bibliographie 18/18 [1] E Zwicker, R. Feldtkeller, Psychoacoustique:L’oreille, récepteur d’information”, Masson, Paris, 1981. [2] Y. Hu and P. Loizou, “Incorporating a psychoacoustic model in frequency domain speech enhancement”, IEEE Signal Processing Letters, 11(2), 2004, pp [3] A.Ben Aicha and S. Ben Jebara, “Utilisation de la courbe de masquage pour la détection des tonales musicales artificielles dans un signal de parole débruité par approche spectrales ”, ISIVC2006, Tunisie. [4] L. Lin,W. H. Holmes and E. Ambikairajah,“Speech denoising using perceptual modification of Wiener filtering”, IEEE Electronic Letters, vol. 38, no. 23, November 2002, pp [5] T.Haulik, K.Linhard and P.Schrogmeier, “Residual noise suppression using psychoacoustic criteria”, Eurospeech 1997, pp 1395. Merci pour votre attention