Traitement du Signal et Analyse de Données Audio
Lien vers le site du thème ADASP
Le thème de recherche Traitement du Signal et Analyse de Données Audio (ADASP: Audio Data Analysis & Signal Processing, anciennement connu sous le nom groupe AAO) développe des méthodes d’analyse de données en les appliquant de façon privilégiée aux données sonores.
Ces développements reposent sur des techniques de traitement du signal et d’apprentissage statistique, et se concentrent principalement sur les méthodes:
- de décomposition de données et d’apprentissage de représentations, notamment les représentations parcimonieuses,
- et de modélisation paramétrique.
Ces méthodes sont employées dans des tâches:
- de séparation de sources,
- de description de signaux de contenus et de scènes d’activité humaine, notamment par classification automatique,
et appliquées à:
- l’extraction d’information musicale (MIR: Music Information Retrieval),
- l’analyse de scènes sonores et l’audition pour les machines (Machine Listening),
- l’analyse de données multidimensionnelles, hétérogènes ou multimodales, notamment les contenus multimédia,
- l’acoustique musicale,
- l’analyse de signaux physiologiques, notamment électroencéphalographiques (EEG),
- la transformation de signaux audio (débruitage, rehaussement, dereverberation, spatialisation).
L’équipe entretient des collaborations étroites avec d’autres partenaires aussi bien académiques (Technical University of Berlin, Queen Mary Univeristy of London, Dublin University, ESPCI, IRCAM, INRIA-IRISA, INRIA-LORIA, CEA (Neurospin), INRIA-Parietal) qu’industriels (Orange, RTL, INA, Audionamix, Arkamys, Parrot…). Ces collaborations sont en partie développées dans des projets nationaux ou internationaux.
- Logiciels développés par ADASP:
“Transformée CQT réassignée” par S. Fenet & al.
Algorithmes de sélection de caractéristiques (features) multiclasse
Logiciel d’annotation (Onsets)
SeparateLead: Séparation de la mélodie principale
CQT inversible
DESAM Toolbox – Analyse spectrale de signaux musicaux
Yaafe – extraction de descripteurs audio
smarc – conversion de fréquence d’échantillonnage de fichiers audio
HRLib – séparation sinusoïdes/bruit de signaux audio
- Corpus développés par ADASP:
- EMOEEG: a New Multimodal Dataset for Dynamic EEG-based Emotion Recognition with Audiovisual Elicitation
- SCISSDB : SCore Informed Source Separation DataBase (R. Hennequin)
- Onset_Leveau: Une base pour la détection d’onsets
- Romeo-HRTF: A Multimicrophone Head Related Transfer Function Database
- MAPS Database – Une base de sons de piano pour l’estimation de fréquences fondamentales multiples et la transcription automatique de la musique
- ENST-Drums – Une base de données variée pour la recherche sur le traitement automatique et la transcription des signaux de batterie