Date : 1997
Editeur / Publisher : [s.l.] : [s.n.] , 1997
Format : 1 vol. (254 p.)
Type : Livre / Book
Type : Thèse / ThesisLangue / Language : français / French
Résumé / Abstract : L'identification du locuteur consiste à attribuer une identité au locuteur d'un énonce. Cette identité sera celle du locuteur d'une base de référence qui est le plus proche de ce locuteur inconnu, au sens d'une mesure de similarité donnée. Le mode indépendant du texte signifie qu'il n'y a aucune contrainte sur le contenu des phrases prononcées. Au cours de cette thèse, nous développons un ensemble de mesures de similarité reposant sur une modélisation statistique gaussienne de vecteurs de paramètres obtenus à l'issue d'une analyse spectrale. Ces mesures reposent essentiellement sur les matrices de covariance de ces vecteurs de paramètres. Une symétrisassions de ces mesures est également proposée. Toutes ces mesures, sous leurs différentes formes, sont systématiquement testées sur les bases Timis et intimité. Une fois ces mesures de référence établies, nous tentons de prendre en compte les aspects dynamiques des séquences de vecteurs de paramètres. Ceci nous conduit à étudier les modèles autorégressifs vectoriels dans le cadre de l'identification du locuteur. Nous testons systématiquement différentes façons de combiner les erreurs résiduelles de prédiction obtenues à l'aide de ces modèles, et comparons les résultats aux mesures de référence précédentes. Nous mettons en œuvre également un protocole expérimental qui permet de mesurer l'efficacité des modèles ar-vectoriels en identification du locuteur après avoir détruit la structure temporelle des vecteurs de paramètres. Nous établissons alors un formalisme beaucoup plus général pour le filtrage des séquences de vecteurs de paramètres, que nous appelons filtrage vectoriel de trajectoires spectrales. Ce formalisme englobe un grand nombre d'approches classiques en traitement de la parole, parmi lesquelles on trouve les modèles ar-vectoriels, l'analyse castrale, les paramètres et, la para métrisation rasta, la transformée en cosinus de trajectoires spectrales, l'avantage de ce type de filtrage est qu'il opère simultanément dans les dimensions temporelle et fréquentielle. Nous présentons finalement un autre filtrage particulier, qui entre dans le cadre du formalisme précède. Ce filtrage repose sur une analyse en composantes principales temps-fréquence de parole multi-locuteur. En conclusion, il apparait que le filtrage vectoriel de trajectoires spectrales est très prometteur, puisqu'il permet de prendre en compte une évolution temporelle des vecteurs de paramètres, tout en filtrant ces mêmes vecteurs dans la dimension fréquentielle. Il permet aussi d'unifier de nombreuses approches différentes. En outre, ce travail suggère de nouvelles approches au niveau de la représentation du signal de parole, et plus particulièrement dans le cadre de la reconnaissance de la parole et du locuteur. Ce type de filtrage peut enfin s'appliquer à d'autres familles de signaux.