Université de Rennes 1 Echo-aware signal processing for audio scene analysis Traitement du signal avec des échos acoustiques pour l’analyse des scènes audio Traitement des signaux audioéchos acoustiquesestimation des canaux aveuglesséparation de sources sonoreslocalisation de sources sonoresestimation de la géométrie d’une salle Audio Signal ProcessingAcoustic EchoesBlind Channel EstimationSound Source SeparationSound Source LocalizationRoom Geometry Estimation Traitement du signal Écho Analyse de scènes (informatique) La plupart des méthodes de traitement du signal audio considèrent la réverbération et en particulier les échos acoustiques comme une nuisance. Cependant, ceux-ci transmettent des informations spatiales et sémantiques importantes sur les sources sonores et des méthodes essayant de les prendre en compte ont donc récemment émergé.. Dans ce travail, nous nous concentrons sur deux directions. Tout d’abord, nous étudions la manière d’estimer les échos acoustiques à l’aveugle à partir d’enregistrements microphoniques. Deux approches sont proposées, l’une s’appuyant sur le cadre des dictionnaires continus, l’autre sur des techniques récentes d’apprentissage profond. Ensuite, nous nous concentrons sur l’extension de méthodes existantes d’analyse de scènes audio à leurs formes sensibles à l’écho. Le cadre NMF multicanal pour la séparation de sources audio, la méthode de localisation SRP-PHAT et le formateur de voies MVDR pour l’amélioration de la parole sont tous étendus pour prendre en compte les échos. Ces applications montrent comment un simple modèle d’écho peut conduire à une amélioration des performances. Most of audio signal processing methods regard reverberation and in particular acoustic echoes as a nuisance. However, they convey important spatial and semantic information about sound sources and, based on this, recent echo-aware methods have been proposed. In this work we focus on two directions. First, we study the how to estimate acoustic echoes blindly from microphone recordings. Two approaches are proposed, one leveraging on continuous dictionaries, one using recent deep learning techniques. Then, we focus on extending existing methods in audio scene analysis to their echo-aware forms. The Multichannel NMF framework for audio source separation, the SRP-PHAT localization method, and the MVDR beamformer for speech enhancement are all extended to their echo-aware versions. Electronic Thesis or DissertationText en application/pdf1 : 13133 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/a4b2bcb5-85cf-4a0a-adb8-cf557458d30f Carlo Diego Di 1989-11-13 IT 255185766 diego.dicarlo89@gmail.com 2020REN1S075 http://www.theses.fr/2020REN1S075 2020-12-04 Signal, image, vision Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiBertinNancyintervenant_113017758XDeleforgeAntoineintervenant_2184451205 MATHSTICecoleDoctorale_1 204770424 IRISA partenaireRecherche_1 026386909 ddc:004 BertinNancyDeleforgeAntoineUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieMATHSTICÉcole doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) IRISA ASCII PDF 13447853