REPRÉSENTATIONS PARCIMONIEUSES STRUCTURÉES : APPLICATION À L'INDEXATION AUDIO
Pierre Leveau - leveau(at)lam.jussieu.fr
1ère année de thèse
LAM - ENST 

Les représentations du signal utilisées dans les tâches d'indexation audio sont
en général de simples transformations orthogonales (STFT, MDCT, etc...). Bien
que certaines structures apparaissent sur leurs visualisations (transitoires
percussifs, partiels visibles sur un spectrogramme), elles ne sont pas extraites
dans la majorité des algorithmes d'extraction de paramètres haut-niveau tels que
les notes (transciption automatique, détection de tempo), ou dans la séparation
de sources. Or de telles structures sont pertinentes d'un point de vue perceptif
ou signal (sinusoïdes ou ondelettes), également quand on s'intéresse à la
production des sons par les instruments de musique. Notre objectif est donc
d'obtenir une représentation orientée objet du signal, montrant ces structures,
qui serait intermédiaire entre le signal audio et une représentation plus
haut-niveau de type MIDI, par exemple. Une telle représentation aura l'avantage
de simplifier le substrat des diverses extractions d'information (automatique ou
non), et permettra d'effectuer très facilement des traitements audio de type
pitch-shifting de certaines notes dans un flux audio continu, time stretching
différencié sur transitoires et parties harmoniques, etc...
Pour extraire ces structures intermédiaires, de nombreux algorithmes ont été
développés. Nous avons choisi de nous baser sur des méthodes dérivant du
Matching Pursuit, procédure itérative permettant de décomposer un signal selon
ses composantes significatives, choisies parmi un dictionnaire redondant
d'atomes (par exemple ondelettes + sinusoïdes), puis structurées en fonction
d'hypothèses spécifiques au signal musical (suivi de partiels, corrélation entre
les coefficients d'ondelettes selon les échelles...).