Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Les sons environnementaux proviennent généralement de sources diverses et variées, telles que l’activité humaine, les objets et la nature. La classification automatique de ces sons suscite récemment un grand intérêt grâce à son grand potentiel d’application dans divers domaines, comme l’interaction home-machine, l’habitat intelligent, l’audition robotique, la reconnaissance automatique d’activités, les systèmes de surveillance automatique, etc. Dans le cas d’un habitat intelligent, L’hétérogénéité des événements à surveiller conduit à l’usage d’un grand nombre de capteurs, de différentes natures, ce qui impacte le coût, la consommation énergétique, la complexité d’installation et de gestion ainsi que l’encombrement et le volume de données à traiter. L’objectif de cette thèse est de démontrer que l’utilisation de la classification automatique des sons environnementaux (ECS pour Environmental Sound Classification en anglais), apporte une solution à cette problématique de réduction du nombre et de la diversité des capteurs en remplaçant tout ou une partie de ces capteurs par des capteurs acoustiques. La faisabilité de cette solution a été validée par le développement d’un système, implémenté sur une carte composée d’un microcontrôleur (Cortex M4) à faible empreinte mémoire et à basse consommation et d’un microphone, pour la reconnaissance automatique en temps réel de quatre sons environnementaux (pluie, vent, pas humain et passage de voiture). Pour une meilleure adéquation algorithme-architecture, différentes méthodes d'extraction et de sélection de caractéristiques et différents modèles d'apprentissage automatique ont été étudiés et comparés. Une nouvelle approche d’extraction de caractéristiques à partir du spectrogramme d’amplitude et de fréquence instantanées (SAFI), a été proposée et comparée à l’approche traditionnelle utilisant le spectrogramme de Mel. Pour s’affranchir des limitations de l’approche traditionnelle, liées au fait que les sons environnementaux sont des signaux multi-composantes, ...