Réunion

Les commentaires sont clos.

Méthodes en traitement du signal pour l'écoute artificielle

Date : 12-05-2022
Lieu : IRCAM, Centre George Pompidou, Paris

Thèmes scientifiques :
  • A - Méthodes et modèles en traitement de signal

Nous vous rappelons que, afin de garantir l'accès de tous les inscrits aux salles de réunion, l'inscription aux réunions est gratuite mais obligatoire.


S'inscrire à la réunion.

Inscriptions

37 personnes membres du GdR ISIS, et 28 personnes non membres du GdR, sont inscrits à cette réunion.

Capacité de la salle : 70 personnes.

Annonce

Dans le cadre de l'action «Traitement du signal pour l'écoute artificielle» du Gdr Isis, nous organisons, le Jeudi 12 Mai 2022 à l'IRCAM, une première journée «Méthodes», animée par les orateurs suivants :

  • Irène Waldspurger
  • Emmanuel Amiot
  • Bruno Torrésani
  • Roland Badeau

Invitation :

Nous invitons également les doctorants et post-doctorants souhaitant présenter leur travaux relevant de ce thème de contacter Vincent Lostanlen (vincent dot lostanlen at ls2n dot fr) avant 1er Mai. Cette présentation se fera avec le format suivant : une brève présentation de 3 minutes en plénière et un poster affiché durant la journée.

Programme :

09:30 Accueil (Café)

10:00 Introduction

10:15 Irène Waldspurger : Reconstruction de phase pour la transformée en ondelettes

11:15 Emmanuel Amiot : Transformée de Fourier de structures musicales discrètes

12:15 Repas

14:00 Bruno Torrésani : Analyse spectrale de signaux non stationnaires, avec application à l'analyse et à la synthèse sonore

15:00 Roland Badeau : Un cadre mathématique commun pour la modélisation stochastique de la réverbération

16:00 Présentation des doctorants en salle

16:30 Posters des doctorants (Café)

Comité d'organisation :

  • Mathieu Lagrange (LS2N, CNRS)
  • Thomas Hélie (STMS, Ircam, CNRS)
  • Vincent Lostanlen (LS2N, CNRS)

Programme

09:30 Accueil (Café)

10:00 Introduction

10:15 Irène Waldspurger : Reconstruction de phase pour la transformée en ondelettes

11:15 Emmanuel Amiot : Transformée de Fourier de structures musicales discrètes

12:15 Repas

14:00 Bruno Torrésani : Analyse spectrale de signaux non stationnaires, avec application à l'analyse et à la synthèse sonore

15:00 Roland Badeau : Un cadre mathématique commun pour la modélisation stochastique de la réverbération

16:00 Présentation des doctorants en salle

16:30 Posters des doctorants (Café)

Résumés des contributions

Irène Waldspurger: Phase retrieval for the wavelet transform

The spectrogram and its cousin, the scalogram, are at the basis of most audio processing algorithms: this signal representation seems to both preserve all the "perceptual" information contained in the signals, which is necessary to analyse them, and discard some "unnecessary" information, which could only confuse the algorithms. To give a theoretical content to this assertion, we will consider the problem of recovering a signal from its scalogram. We will explain that, at least for a specific choice of wavelets, all signals are (almost) uniquely determined by their scalogram, and that the reconstruction satisfies a form of local stability property. And since, for some applications, it would be desirable to have an implementable and efficient reconstruction algorithm, we will devote the last part of the talk to a discussion on possible algorithmic approaches.

Bio: I have defended a Phd in 2015, on phase retrieval for the scalogram and its applications to the scattering transform. After a one-year post-doctoral fellowship at MIT, I was recruited by CNRS. I am now a CNRS researcher at Université Paris Dauphine, and member of the Inria project-team Mokaplan, working on inverse problems and non-convex optimization.

Emmanuel Amiot : Transformée de Fourier de structures musicales discrètes

C'est une idée assez récente que d'appliquer la DFT à des structures musicales (gammes, rythmes). Non seulement la DFT simplifie toutes les opérations qui relèvent de la convolution (vecteur d'intervalles, pavages, etc) mais les deux dimensions géométriques de ses coefficients (module et argument) ont des significations musicales directes.

Bio : Emmanuel Amiot travaille sur les structures musicales, notamment discrètes et d'un point de vue algébrique, depuis les années 1980. Il a notamment contribué à développer la théorie des canons rythmiques et la DFT des structures musicales. Mathématicien, pianiste, compositeur, il a occasionnellement frayé avec l'Ircam et laissé quelques modules dans Open Music. Il est l'auteur de l'ouvrage Music through Fourier Space, édité chez Springer en 2016.

Bruno Torrésani: Spectral analysis for non-stationary signals, with applications to sound analysis and synthesis

In the statistical signal processing or time series analysis literature, spectral analysis generally corresponds to the problem of estimating the power spectrum of a stationary signal from discrete, finite length realization. However, most real world signals ar not stationary so that such tools do not apply any more. This talk will address the non-stationary spectral analysis problem, with a focus on classes of signals generated by deformation of stationary signals. Besides spectral analysis, synthesis of non-stationary signals will also be addressed.

Bio: B Torrésani is a professor at the Institut de Mathématiques de Marseille, Aix Marseille University, in the Signal-Image team. His domain of interest concerns several domains of mathematical signal processing, including time-frequency and time-scale analysis, statistical modeling and inverse problems and blind source separation, with applications in audio signal processing, analytical chemistry and neuroimaging.

Roland Badeau : Common mathematical framework for stochastic reverberation modeling

In various applications of audio signal processing, including source separation and localization, it is necessary to use signal models that are both realistic and tractable. In recent years, much effort has been devoted to the modeling of source signals, but most often, the acoustic properties of reverberation are ignored. Yet, in the field of room acoustics, various formulas have been established since the 1950s, in order to characterize the statistical properties of reverberation: exponential decay over time, correlations between frequencies and between sensors, time-frequency distribution. In this talk, I will introduce a mathematical framework that unifies all these well-known results. The purpose of this work is to introduce a sound propagation model that is both accurate, and simple enough to be used in audio signal processing applications.

Bio: Roland Badeau is currently a Professor at the Image, Data, Signal (IDS) Department of Télécom Paris, with the Signal, Statistics and Machine Learning (S2A) Group, and the Audio Data Analysis and Signal Processing (ADASP) team. His research focuses on the statistical modeling of nonstationary signals, with applications to audio and music signal processing, including source separation, denoising, dereverberation, multipitch estimation, automatic music transcription, audio coding, and audio inpainting.