Résumé:
Mon mémoire de thèse porte sur le rehaussement par filtrage de Kalman de signaux de parole perturbés par un bruit additif blanc ou coloré. En proposant une nouvelle formulation de différents résultats établis dans le domaine de l’identification, nous mettons en œuvre plusieurs solutions nouvelles.
Dans un premier temps, nous avons retenu l’hypothèse où le signal pouvait être modélisé par processus autorégressif avec une excitation blanche. Palliant les difficultés de mise en œuvre rencontrées dans les méthodes déjà existantes (approches itératives et/ou utilisation d’un détecteur d’activité vocale), nous considérons le rehaussement en tant que problème de réalisation dans le contexte de l’identification. Deux nouveaux algorithmes reposant sur un filtrage (ou lissage) de Kalman conventionnel sont présentés dans le cas du bruit blanc et sont ensuite étendus au cas coloré.
Nous détaillons ensuite des approches alternatives. Leur principal avantage réside dans le fait que le calcul du gain de Kalman ne nécessite plus la connaissance explicite des variances de l’excitation et du bruit de mesure : le premier traitement est une reformulation pour le rehaussement du signal des méthodes en sous espaces pour l’identification élaborées par P. Van Overschee et al. Deux autres algorithmes sont ensuite développés et sont les fruits d’une coopération de deux approches différentes : d’un côté, les travaux menés dans le contexte de l’identification par R. K. Mehra et de B. Carew et P. R. Belanger ; de l’autre, les méthodes en sous espaces pour l’identification que M. Verhaegen a conçues.
Dans une dernière partie du document, le traitement de restauration met en jeu des modèles harmoniques pour le signal de parole. Ce dernier est modélisé par une somme de sinusoïdes dont les amplitudes sont réelles et évoluent selon un processus autorégressif. Le problème de rehaussement apparaît alors tel la résolution d’un problème d’estimation bayesienne où les paramètres (amplitudes des composantes et phases) sont assimilés à des variables aléatoires. Différents modèles d’évolution sont présentés et nous proposons des traitements de débruitage correspondants.
Mots clés : Rehaussement du signal de parole, Filtrage de Kalman, Lissage de Kalman, Identification, Réalisation, Modèle harmonique.