Traitement du son

Résumé

Le traitement du son est la branche du traitement du signal qui s'applique aux signaux audio, dans le but notamment d'en améliorer la qualité, de les compresser, ou d'en extraire de l'information. Signal analogique Le terme analogique désigne quelque chose qui est mathématiquement représenté par une fonction continue. Donc un signal analogique est un signal représenté par un flux continu de donnée, ici dans un circuit électrique sous la forme de tension ou de courant. Le traitement d'un signal analogique consiste à modifier ce signal continu en changeant tension, courant, charge, ... Avant l'avènement de la numérisation aujourd'hui largement répandue, le traitement analogique était le seul moyen de manipuler un signal. Depuis, les ordinateurs et les logiciels de traitement du son sont devenus plus efficaces et plus accessibles. Dans ce contexte, le traitement digital est devenu plus utilisé. Représentation numérique La représentation numérique d'une onde sono

Source officielle

https://fr.wikipedia.org/wiki/Traitement_du_son

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (74)

Publications associées

Chargement

Personnes associées (13)

Personnes associées

Chargement

Unités associées (4)

Unités associées

Chargement

Concepts associés (43)

Concepts associés

Chargement

Cours associés (15)

Cours associés

Chargement

Séances de cours associées (50)

Séances de cours associées

Chargement

A Python package for audio signal processing

Sidney Barthe

A Python package for room acoustics. This package would allow us to simulate sound propagation in a closed room allowing us to predict a situation, compare it with experimental results or apply calculations for various signal processing applications.

2015

Chargement

This report presents a semi-supervised method to jointly extract audio-visual sources from a scene. It consist of applying a supervised method to segment the video signal followed by an automatic process to properly separate the audio track. This approach starts with the user interaction to select the audio-visual target we want to cut. This labels the problem into two parts. One is the foreground, the object we aim to extract. The background is the remaining content which sets the other part. The segmentation method will be performed over the video signal to split its visual content into foreground and background. It is based on describing the video information as a volume. It is composed of pixels and relationships among them which set the features of the problem. This 3D structure can be interpreted as a graph. Therefore the segmentation is achieved by applying a Graph Cuts algorithm which provides the suitable results. In this work the audio separation process is an automatic task. Due to this we need to extract prior information from the audio-visual data available. Therefore a link between audio and video channels is deﬁned by an audio-visual motion map. This is a video sequence which provides the amount of synchronous motion with the audio track. An audio-based video diﬀusion method have been developed to obtain this kind of signal. Applying the video segmentation labelling to the audio-visual motion map we obtain the distribution of the amount motion into foreground and background. According to the range of these values it is possible to asses when the corresponding audio is on/oﬀ. At this point, audio samples of sources can be extract when the audio activity is due to only one. This is the prior information to learn audio models by means of spectral GMM estimation to assess the audio signals. Finally the separation method is applied. It consist of looking for the more suitable couple of states given the mixture spectrum of the total audio track. Therefore we achieve the audio separation goal. In this work we will study in detail all the stages towards the ﬁnal aim of our method, analyzing the performances of our approach.

2010

Chargement

EPFL1999

Chargement

2010