Amélioration Du Signal De La Parole Par Les Filtres De Kalman

Résumé: Les algorithmes d’amélioration de la parole ont été utilisés avec succès dans nombreux domaines tels que les téléphones portables, les téléphones mains libres, la téléconférence, la communication dans la cabine de voiture, les pro thèses auditives et les services vocaux automatisés basés sur la reconnaissance et la synthèse de la parole. Des nombreuses approches sont présentées dans la littérature. Cette thèse se concentre sur l’amélioration de la parole dégradée par un bruit blanc ou un bruit coloré d’un seul canal de réception (réception par mono-capteur). Dans ce travail, nous sommes concernés par une nouvelle conception de filtrage de Kalman itératif où les paramètres d’un modèle prédictif linéaire sont estimés à partir d’un signal de parole bruité. Cependant, lorsque le seul signal disponible est corrompu par un bruit, les performances d’amélioration du filtre de Kalman dépendent de la précision des estimations des coefficients de prédiction linéaire (LPCs) et de la variance d’excitation. Néanmoins, on sait que l’analyse de la parole par la prédiction linéaire (LPC) est sensible à la présence de bruit additif. Pour surmonter ce problème, nous présentons une analyse et une appli cation de la méthode d’amélioration des formants (FEM) basée sur les co efficients LPC en modifiant le spectre d’amplitude logarithmique du modèle LPC puis en réévaluant les nouveaux LPCs pour les implémenter au filtre de Kalman. Ces derniers LPCs sont des indicateurs utiles de la performance du filtre de Kalman. Dans les algorithmes ci-dessus, le modèle vocal est supposé linéaire. Les modèles du signal de parole non linéaires sont également considérés dans cette thèse. Pour résoudre le problème du modèle non linéaire, nous étudions deux algorithmes d’amélioration (entraînement au filtre Kalman étendu et au filtre de Kalman non parfumé (UKF) d’un perceptron multicouche (MLP)). Nos expériences d’amélioration utilisent le corpus vocal NOIZEUS où les méthodes proposées atteignent des bons résultats (objectifs et subjectifs) en comparant par des autres méthodes d’amélioration.

Publié dans la revue: