Modélisation de sons bruités par la Synth`ese Granulaire

3 Méthodes d’analyseCette partie expose les différentes pistes que nous avons explorées pourl’analyse granulaire de sons bruités. Les deux premières, que sont la segmentationpar détection d’attaque et l’algorithme Matching Pursuit, sontdes techniques existantes, plus ou moins utilisées en traitement du signal, etdont nous proposons une application à l’analyse granulaire. Nous introduironsenfin une troisième méthode, que nous nommerons Spectral MatchingPursuit, extension de la méthode Matching Pursuit traditionnelle au domainefrequentiel qui se trouve particulièrement prometteuse pour la décompositionde signaux en grain sonore arbitraire.3.1 Analyse par segmentation temporelle3.1.1 MotivationsComme nous l’avons vu plus haut, le but de la phase d’analyse est de tenterde décomposer le son source en microentités sonores, desquelles on pourraittirer des paramètres pertinents pour la resynthése. Une des premièresidées qui vient naturellement à l’esprit est d’utiliser des techniques de segmentationdans le domaine temporel pour isoler les grains et ainsi pouvoir entirer des paramètres propres à chacun. Nous nous sommes pour cela inspirésdes méthodes de détection d’attaque dont le champ d’application va de la detectionde tempo, au suivi de partition ou à la reconnaissance d’instrument.On part ici du postulat que chaque grain peut être d’une part détecté parles propriétés dynamiques du signal et d’autre part qu’il peut être isolé dupoint de vue temporel pour une extraction précise de ces paramètres. Ainsisi x est le signal analysé et D = {g i } un ensemble de grains, cette méthodes’applique à tout signal x de longueur N tel que :x[k] = ∑ i∈D∑ Nα i g i [k] avec ∀i, j ∈ D 2 g i [k] 2 .g j [k] 2 = 0Autrement dit, la segmentation ainsi effectuée par cette méthode ne peutdécomposer que des sons dont la microstructure granulaire ne se recouvrepas dans le temps. En réalité il peut être possible de détecter des attaques degrains se recouvrant mais l’analyse des paramètres de ceux ci devient beaucoupplus problématique. Nous nous restreindrons pour l’instant à cette seuleapplication.Le mode opératoire pour cette méthode d’analyse est tout d’abord la segmentationdu signal par détection de variations brutales dans sa dynamique,k=019