Search

The audiodigital tattoo, by exploiting(running) the defects of the human hearing system, allows to insert into the sound an inaudible information aimed at(bound for) a target application added to the audio decoder. The envisaged application is the one here of the separation of sources(springs), that is the extraction of the elementary signals making up(composing) a sound complex scene(stage), for sound quality mixtures CD, to allow a remixing the demand(request). The tattoo will be used to pass on(to transmit) in the decoder of the information allowing to help this separation. In this innovative context, the quantity of data (such as the temporal and/or frequency support(medium), the statistical properties of sources(springs), etc.) that must be inserted into the mixture of sources(springs) to pilot it the separation is crucial., Le tatouage audionumérique, en exploitant les défauts du système auditif humain, permet d'insérer dans le son une information inaudible à destination d’une application cible adjointe au décodeur audio. L'application envisagée est ici celle de la séparation de sources, c’est-à-dire l’extraction des signaux élémentaires composant une scène sonore complexe, pour des mélanges sonores de qualité CD, afin de permettre un remixage à la demande. Le tatouage sera utilisé pour transmettre au décodeur des informations permettant d’aider cette séparation. Dans ce contexte novateur, la quantité de données (telles que le support temporel et/ou fréquentiel, les propriétés statistiques des sources, etc...) devant être insérée dans le mélange de sources pour en piloter la séparation est cruciale. L'objectif de ces travaux est de concevoir une stratégie de tatouage informant répondant à ce besoin de très haute capacité d'insertion tout en garantissant l'inaudibilité de l'information cachée. La technique de tatouage sera peu contrainte en terme de robustesse puisque seule la conversion du signal audio au format cible (en l’occurrence le CD-audio) vient dégrader l'information de tatouage, mais sera conditionnée par un objectif d'interopérabilité entre les lecteurs CD. Enfin, du fait de la connexion toute particulière de cette étude avec la problématique de la séparation de source, ce travail de thèse pourra inclure une participation active aux développements des techniques de séparation associées à l’approche informée.

The source separation issue is addressed, in this PhD thesis, with an innovative point of view. This work joint associates two main domains in the signal processing area : digital watermarking and source separation which are most of the time considered unrelated. Our work aims at giving a "client-user" the possibility to separate different digital source signals that have been mixed together by the only use of their single mixture. To enable such a separation, a watermark is embedded by a "provider-user" into the signal before the mixture has been fixed on its digital support. This watermark which has to be imperceptibly inserted into the signal is made of several pieces of information from original signals. The message can be embedded either directly on source signals available to the "provider" before they are mixed or onto the mixture signal. This method is composed of two main parts, a coder where a "provider" can mix signals and embed the watermark, and a decoder where a client can control the separation based on the mixture signal study. In the present work, it was chosen to embed the watermark into the mixture signal. A typical application addressed by the proposed method is the process of Audio-CD polyphonic (stereo) music. The informed separation must enable a client to control several parameters (such as volume) of the different sources (instruments, voices) that compose the audio scene.; Nous abordons dans cette thèse le problème de la séparation de sources selon un angle novateur à de nombreux niveaux. Ces travaux associent deux domaines du traitement du signal jusqu'alors traités de manière disjointe, la séparation de source et le tatouage numérique. Le procédé mis en place au cours de ces travaux a pour but de permettre à un utilisateur "client" de séparer les différents signaux numériques sources composant un mélange audio à partir de ce seul mélange tatoué. Pour ce faire un marquage du signal est effectué par un utilisateur "fournisseur" avant la fixation du mélange sur son support numérique. Ce marquage consiste en l'insertion sur le signal lui-même d'informations utiles à la séparation, et ceci de façon imperceptible. Le tatouage peut, en principe, être inséré soit sur le mélange, soit sur les signaux sources, qui sont disponibles à l'utilisateur fournisseur. Deux systèmes composent donc ce procédé, un encodeur qui permet à l'utilisateur fournisseur de réaliser la phase de mélange et de marquage, et un décodeur qui permet à l'utilisateur client de contrôler la séparation à partir du mélange. Au cours de cette thèse, il est choisi de tatouer le signal de mélange. Une application cible particulièrement visée est le cas d'un mélange polyphonique (signal de musique) fixé sur un support CD audio. La séparation doit permettre à l'utilisateur client d'effectuer un certain nombre de contrôles (par exemple le volume sonore) sur les différentes composantes de la scène sonore (les différents instruments et voix).

The source separation issue is addressed, in this PhD thesis, with an innovative point of view. This work joint associates two main domains in the signal processing area : digital watermarking and source separation which are most of the time considered unrelated. Our work aims at giving a "client-user" the possibility to separate different digital source signals that have been mixed together by the only use of their single mixture. To enable such a separation, a watermark is embedded by a "provider-user" into the signal before the mixture has been fixed on its digital support. This watermark which has to be imperceptibly inserted into the signal is made of several pieces of information from original signals. The message can be embedded either directly on source signals available to the "provider" before they are mixed or onto the mixture signal. This method is composed of two main parts, a coder where a "provider" can mix signals and embed the watermark, and a decoder where a client can control the separation based on the mixture signal study. In the present work, it was chosen to embed the watermark into the mixture signal. A typical application addressed by the proposed method is the process of Audio-CD polyphonic (stereo) music. The informed separation must enable a client to control several parameters (such as volume) of the different sources (instruments, voices) that compose the audio scene., Nous abordons dans cette thèse le problème de la séparation de sources selon un angle novateur à de nombreux niveaux. Ces travaux associent deux domaines du traitement du signal jusqu'alors traités de manière disjointe, la séparation de source et le tatouage numérique. Le procédé mis en place au cours de ces travaux a pour but de permettre à un utilisateur "client" de séparer les différents signaux numériques sources composant un mélange audio à partir de ce seul mélange tatoué. Pour ce faire un marquage du signal est effectué par un utilisateur "fournisseur" avant la fixation du mélange sur son support numérique. Ce marquage consiste en l'insertion sur le signal lui-même d'informations utiles à la séparation, et ceci de façon imperceptible. Le tatouage peut, en principe, être inséré soit sur le mélange, soit sur les signaux sources, qui sont disponibles à l'utilisateur fournisseur. Deux systèmes composent donc ce procédé, un encodeur qui permet à l'utilisateur fournisseur de réaliser la phase de mélange et de marquage, et un décodeur qui permet à l'utilisateur client de contrôler la séparation à partir du mélange. Au cours de cette thèse, il est choisi de tatouer le signal de mélange. Une application cible particulièrement visée est le cas d'un mélange polyphonique (signal de musique) fixé sur un support CD audio. La séparation doit permettre à l'utilisateur client d'effectuer un certain nombre de contrôles (par exemple le volume sonore) sur les différentes composantes de la scène sonore (les différents instruments et voix).

The sinusoidal model of speech signals is usually defined on a “short-term” basis, i.e. on successive frames of about 10–30 ms. In this thesis, we add to this usual spectral modeling a new level of modeling along the temporal axis: the goal is to model the temporal trajectories of the sinusoidal parameters (amplitudes and phases) over durations which are significantly longer than the short-term frames (typically several hundreds of ms; continuously voiced sections of speech are considered in this study). For this, we propose to use different long-term models based on discrete cosine and polynomial functions. The fitting of these models with the parameters trajectories is achieved by a weighted least square minimisation technique, the weights being derived from perceptual criteria which are adapted to the long-term processing. For this task, a series of iterative algorithms is proposed and tested. The proposed long-term approach is shown to provide an efficent and sparse representation of the dynamics of voiced speech signals., La modélisation sinusoïdale du signal de parole est usuellement définie à « court terme », c'est-à-dire sur des trames successives de signal d'une durée de l'ordre de 10 à 30 ms. Cette thèse apporte une contribution nouvelle à ce domaine en ajoutant à ce niveau traditionnel de modélisation spectrale un niveau supplémentaire le long de l'axe temporel : on cherche à modéliser les trajectoires de paramètres sinusoïdaux (amplitudes et phases) sur des durées significativement plus longues que celles des trames à court terme (typiquement plusieurs centaines de ms ; on considère dans cette thèse des sections de parole continûment voisées). Nous proposons pour cela d'utiliser différents modèles à long terme à base de fonctions en cosinus discrets et de fonctions polynomiales. L'ajustement des trajectoires est réalisé par une régression au sens des moindres carrés pondérés, les poids de la régression étant déterminés par des critères perceptifs adaptés au traitement à long terme. Pour cette tâche, une série d'algorithmes itératifs est proposée et testée. L'approche à long terme se révèle à la fois efficace et parcimonieuse pour décrire la dynamique des signaux de parole voisés.