Analyse statistique de signaux acoustiques environnementaux pour la détection d'événements sonores

National audience

Inglés. Sound event detection is a critical stage to characterize an acoustic source, in order to calculate its contribution within a complex environment. Supervised learning methods can perform this task, but they highly depend on the dataset accuracy. In this paper, the proposed approach uses the temporal evolution of four stastical criteria to perform sound event detection. These criteria are computed on third-octave bands sound levels of the signal. Criteria detect change points in the sound levels evolutions, indicating a sound event occurrence. Results on our dataset show that this method can detect change points within complex environments. Based on the evolution of mean third-octave bands, T² and euclidean distance are more likely to detect broad-band events, like railway traffic. To get equivalent results, BIC and Kullback-Leibler distance need some information on characteristic frequencies.

Francés. La détection d'événements sonores est une étape cruciale dans la caractérisation d'une source de bruit, en vue de calculer sa contribution au sein d'un environnement complexe. Cette détection peut être réalisée avec des techniques d'apprentissage supervisé dont les performances dépendent fortement de la taille et de la qualité de la base d'entraînement. Le travail présenté dans cet article concerne la proposition d'une méthode de détection qui s'appuie sur l'évolution temporelle de quatre critères statistiques. Ces critères sont calculés à partir des niveaux sonores en bandes de tiers d'octave. Ils sont ensuite appliqués pour détecter des ruptures dans le signal, et en déduire la présence d'un événement. La validité des ruptures détectées est étudiée sur une base de signaux sonores. Les résultats illustrent l'intérêt de l'approche proposée. Basés sur l'évolution des moyennes par bande, les critères T² et distance euclidienne semblent adaptés à la détection d'évènements sonores large bande de type ferroviaire. Pour atteindre des performances équivalentes, les critères BIC et Kullback-Leibler nécessitent une restriction de la bande fréquentielle.