Modles granulaires pour les signaux sonores

1
Modèles granulaires pour les signaux sonores

• Lorcan Mc Donagh
• Directeur de thèse Frédéric Bimbot
• Co-encadrant Rémi Gribonval
• Equipe METISS- IRISA/INRIA

2
Introduction motivations

• Un modèle hybride
• Paramétrique
• description efficace (parcimonie,complexité )
• adapté à certaines classes de signaux slt.
• Non-paramétrique
• pas da priori sur le signal
• risque de sur-apprentissage
• Exploiter les  redondances  à long-terme
• Similitudes entre  Objets sonores 
• Variabilité autour dun objet de référence
  (grain)

3
Un formalisme général

• Les trames sont modélisées par
• une fonction de synthèse
• un grain ,
• élément dun dictionnaire
• un paramètre de déformation
• une erreur dapproximation

4
Problématique

• Estimation des paramètres
• Apprentissage du dictionnaire
• Spécification de la fonction
• Problème doptimisation conjointe
• Qualité de lapproximation
• Complexité de la représentation

5
Principe général

Signal reconstruit
Signal danalyse
Grains
Paramètres
Estimation
Clustering
Analyse
Synthèse
Dictionnaire grains-prototypes
Résidu
6
Exemple clarinette

Signal original - Complexité 1.0
Reconstruit Comp.0.15 ,
RSB 10dB C 0.5 , RSB 20 dB
7
Autres exemples

• Percu 16k.wav
• C 0.18, RSB 12dB
• C 0.4, RSB 23dB

Vibraphone11k.wav C 0.08, RSB 9dB C 0.3, RSB
20 dB
Drums16k.wav C 0.2, RSB 7dB C 0.4, RSB 10dB
RSB vs. Complexité (Modèle DécalageLPC)
Hancock11k.wav C 0.08, RSB 10dB
8
Applications

• Compression avec pertes
• Représentations structurées
• Segmentation
• Indexation
• Applications musicales
• Assistance au  Sampling 
• Effets sonores
• Re-synthèse granulaire

9
Conclusions et perspectives

• Vers des modèles plus élaborés
• modèle stochastique (percussions )
• modèle pour les parties transitoires
• Extension au cas polyphonique 
• Séparation de sources
• Superposition de modèles de types différents
• Aspect techniques
• calcul de la matrice des similarités
• codage efficace des données