Séparation de sources par lissage cepstral des masques binaires (Source separation by cepstral smoothing of binary masks) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 585–592, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Séparation de Sources par lissage cepstral des masques binaires Ibrahim Missaoui1 Zied Lachiri1, 2 (1) École nationale d’ingénieurs de Tunis, ENIT, BP. 37 Le Belvedere, 1002 Tunis, Tunisie (2) Institut national des sciences appliquées et de technologie,INSAT, BP 676 centre urbain cedex,Tunis, Tunisie brahim.missaoui@enit.rnu.tn, zied.lachiri@enit.rnu.tn RÉSUMÉ Dans cet article, nous proposons un système de séparation des signaux de parole à partir de deux mélanges convolutifs. Le système suggéré est basé sur la combinaison d’une technique de séparation aveugle de sources avec une procédure de masquage temps-fréquence, suivie d’un lissage cepstral. En effet, après la séparation des signaux sources, les masques binaires estimés subissent un lissage cepstral afin de réduire les fluctuations des artefacts introduites par l’opération de masquage temps-fréquence. Les résultats d’évaluation ont montrés l’efficacité du système proposé même dans les cas les plus défavorables. ABSTRACT Source separation by cepstral smoothing of binary masks In this paper, we propose a separation system of speech signals from two convolutive mixtures. The suggested system is based on the combination of blind source separation technique with a time-frequency masking procedure, followed by a smoothing cepstral. Indeed, after separation of signal sources, the estimated binary masks undergo a cepstral smoothing to reduce the fluctuations artifacts which introduced by time-frequency masking operation. The evaluation results have shown the effectiveness of the proposed system even in the most unfavorable case. MOTS-CLÉS : Masque binaire idéal, Lissage cepstral, Séparation aveugle de sources. KEYWORDS: Ideal binary mask, Cepstral smoothing, Blind source separation . 1 Introduction Le problème de séparation aveugle de sources (SAS) consiste à extraire des signaux inconnus provenant de différentes sources, à partir de leurs mélanges, sans tenir compte d’aucune informa- tion à priori, ni sur la nature du mélange ni sur les signaux sources elles-mêmes. Les approches de SAS développées pour traiter ce problème dans le cas convolutif peuvent classées en deux grandes catégories (Pedersen et al., 2007) : ceux qui tendent de le résoudre dans le domaine temporel (Gorokhov et Loubaton, 1997; Douglas et al., 2007) et ceux qui transforment ce problème dans le domaine fréquentiel (Parra et Spence, 2000; Makino et al., 2005; Yoshioka et al., 2009). Toutefois, parmi les algorithmes proposés dans la littérature, il 585 n’existe pas encore un algorithme fiable qui peut être utilisé pour les différents signaux mélanges, surtout dans le cas de réverbération et dans le cas bruité. La performance de séparation, dans ces deux cas, reste encore limitée et exige d’autre amélioration. Dans ce sens, plusieurs méthodes de SAS basées sur le masquage temps-fréquence ont été déve- loppées (Yilmaz et Rickard, 2004; Sawada et al., 2006). Ces méthodes consistent à appliquer un masque temps-fréquence binaire aux signaux mélanges. Récemment, la notion de masque binaire idéal a été introduite comme étant l’objectif principal de l’analyse de scènes auditives computationnelle (Wang et Brown, 2006). Cette technique a montré qu’il est bien adapté à la séparation de …

Content truncated to 500 words