Thèse soutenue

Adaptation de modèles statistiques pour la séparation de sources mono-capteur : application à la séparation voix / musique dans les chansons

FR  |  
EN
Auteur / Autrice : Alexey Ozerov
Direction : Frédéric Bimbot
Type : Thèse de doctorat
Discipline(s) : Traitement du signal et télécommunications
Date : Soutenance en 2006
Etablissement(s) : Rennes 1

Mots clés

FR

Résumé

FR

Les méthodes de séparation de sources avec un seul capteur basées sur des modèles statistiques donnent de bonnes performances à condition que les caractéristiques des modèles utilisés soient proches de celles des sources à séparer. Malheureusement, il n'est pas toujours possible en pratique de construire et d'utiliser de tels modèles. Pour remédier à ce problème, il est proposé dans cette thèse d'adapter les modèles aux sources à séparer. Ainsi, un formalisme général d'adaptation est développé sous la forme d'un critère d'adaptation bayésienne. Ce formalisme d'adaptation est ensuite appliqué sous certaines formes particulières pour séparer la voix chantée par rapport à la musique ambiante dans des chansons populaires. Les résultats obtenus montrent que pour cette tâche, l'utilisation des modèles adaptés permet d'augmenter significativement (au moins de 5 dB) les performances de séparation par rapport aux modèles non adaptés.