EP0597040A1 - Procede d'aide a la detection de signaux transitoires, notamment dans les signaux acoustiques - Google Patents

Procede d'aide a la detection de signaux transitoires, notamment dans les signaux acoustiques

Info

Publication number
EP0597040A1
EP0597040A1 EP92918452A EP92918452A EP0597040A1 EP 0597040 A1 EP0597040 A1 EP 0597040A1 EP 92918452 A EP92918452 A EP 92918452A EP 92918452 A EP92918452 A EP 92918452A EP 0597040 A1 EP0597040 A1 EP 0597040A1
Authority
EP
European Patent Office
Prior art keywords
signal
filter
parameters
signals
regressive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP92918452A
Other languages
German (de)
English (en)
Inventor
Alain Lemer
Jean-Marie Nicolas
Jean-Pierre Pignon
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thomson CSF SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thomson CSF SA filed Critical Thomson CSF SA
Publication of EP0597040A1 publication Critical patent/EP0597040A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
    • G01R29/027—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/165—Spectrum analysis; Fourier analysis using filters
    • G01R23/167—Spectrum analysis; Fourier analysis using filters with digital filters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/523—Details of pulse systems
    • G01S7/526—Receivers
    • G01S7/527—Extracting wanted echo signals
    • G01S7/5273—Extracting wanted echo signals using digital techniques

Definitions

  • the present invention relates to methods which make it possible to detect, and possibly identify, the transient acoustic signals characteristic of various phenomena which it is desired to study. It can be applied as well to aerial acoustic signals as to underwater acoustic signals, for applications as diverse as the identification of breakdowns in an automobile and the identification of ships.
  • the invention proposes a method for assisting in the detection of transient signals, in particular in acoustic signals, mainly characterized in that in a first step the parameters of a filter are determined making it possible to modify the received signal to obtain a signal formed by a first substantially continuous and low-level part and a second impulse part having a level significantly higher than this low level and representing the transient signals to be detected, and that in a second step the signal is filtered reception by a filter having the parameters thus determined.
  • the electrical signal representative of the audio signal received is applied to an anti-aliasing filter 101 adapted to the maximum frequency received, to the maximum frequency audible by the operator (approximately 20 KHz) and at the sampling frequency of a converter analog-digital (102) located after this filter 101.
  • This analog-digital converter delivers a digital signal Y (T) which is applied to several processing chains whose outputs lead to a switch 103.
  • One of the inputs of this switch is directly connected to converter 102 in order to allow the operator to listen directly to the received signal.
  • the output of the switch 103 is connected to the input of a digital-analog converter 104, followed by a low-pitch filter 105 and an amplifier 106 which supplies headphones 107.
  • a digital-analog converter 104 which supplies headphones 107.
  • the operator provided with the headset 107 hears the same signal as that received by the hydrophone, the passage by the digital channel not causing significant distortion of this signal.
  • the operator directs the output signal of the converter 102, using a switch 108, to a learning module 109
  • This training module makes it possible to model the signal listened to according to a stationary broadband component synthesized by a predictive model, and a prediction residue corresponding to the difference between the signal predicted by the predictive model and the true signal.
  • This modeling will preferably be carried out by the known method of autoregressive modeling of the signal with a P order.
  • the order P of such an autoregressive model corresponds to the P temporal previous samples of the output of the autoregressive filter
  • these P predictor coefficients can be obtained in a known manner by solving the Yule-Walker equations using the Levinson algorithm. This algorithm converges quickly and we can get the P coefficients in the space of a few seconds during which the operator closes the switch 108.
  • this selection of the learning sequences can be carried out automatically, either repeatedly (for example 1 second every 10 seconds), or by detection of an abnormal phenomenon identified in any way.
  • This gives a vector formed of P coefficients a. which can be used in different ways, for example by reverse filtering or by so-called "caricatural” filtering. In the case of the use of reverse filtering, the coefficients a.
  • the signal e (kT) obtained at the output of this adapted average filter MA is applied via the switch 103 to the converter 104, and the processed signal finally arrives on the headphones 107.
  • AR recursive filters of the self-regressive type which receive the coefficients a. and apply a processing defined by the formula to the input signal:
  • the signal at the output of converter 102 is applied to a first AR filter
  • the inventors have proposed to call signal c. (kT) thus obtained, order 1 caricature of the signal s (t) because it has a power spectral density substantially equal to the square of the power spectral density of this signal s (t), which amounts to saying that the permanent noise contained in the signal s (t) has been "flattened” by bringing out the impulse noise contained in this same signal.
  • This impulse noise is thus exaggerated by reducing the permanent noise, which corresponds pictorially to a caricature of the signal s (t). In this way the operator who listens to the signal resulting from this processing in the helmet 107 more easily perceives this impulse signal, which emerges better from the permanent signal.
  • the invention further proposes to further increase the influence of this processing by applying the signal at the output of the first AR filter in a second AR filter 111.2 then possibly in a succession of AR filters put in series up to an n th AR filter 111. n.
  • the signal cj thus obtained at the output of the AR filter 111. j will quite naturally be called caricature of order j of the input signal, and its power spectral density is substantially equal to the power n of the power spectral density of the signal s .
  • the treatment thus carried out is defined by the formula:
  • the outputs of the AR filters are respectively connected to inputs of the switch 103 and the operator can thus select, in addition to the direct signal and the signal filtered by reverse filtering using the MA filter, a caricature of order between 1 and n of the input signal.
  • the operator after having learned will successively select the different outputs and then come back to the one which seems to him to have particularly interesting characteristics. Indeed the passage in such a system, whether by reverse filtering or by j-order caricature, deeply distorts the signal, since in the best of cases there is a continuous signal of very low level barely audible from which come out more or less regular pulses which are clearly perceptible to the operator but which are distorted with respect to the initial signal received.
  • this signal is very difficult to analyze, even by a trained operator, to obtain precise information on the source of the disturbing signal, because the deformations which are made to this disturbing signal, if they make it more detectable, distort it too much compared to the original signal to allow effective identification.
  • these modifications are essentially variable according to the modalities brought, within the framework of the invention, to the processing chains, for example the order P of the auto-regression or the order j of the caricature.
  • the method according to the invention therefore essentially serves as a detection aid for an operator, who, after having identified the presence of a disturbing signal, may return for example to direct listening without filtering to concentrate his attention on the identification of the source of this disturbing signal. Possibly he can pass the baton to a more trained operator who will more easily carry out this identification.
  • the invention has been described in the case where the selection of the learning range is made by the operator, and the possibility of using automatic criteria based on scales has been mentioned. of time.
  • LEVINSON for example those of BURG, ITAKURA, GUEGUEN-LEROUX, MORF and FALCONER, or MORF and LEE. . .
  • the invention extends beyond self-regressive analysis to any technique for modeling the initial signal which allows a decomposition into a set of parameters characteristic of the chosen model and an "innovation" ( difference between the prediction provided by the model and the true signal).
  • ARMA model the KALMAN filter
  • neural networks . . .
  • a device applying the method according to the invention in order to obtain an automatic function making it possible to improve the performance of a device for detecting and automatically classifying acoustic signals.
  • the adapted medium filter to produce a pre-processing module making it possible to whiten and minimize the energy of a stationary signal, in order to favor the automatic detection of transient signals contained in an acoustic signal, by controlling for example the learning phases by a clock validated by a transient non-detection signal.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Filters That Use Time-Delay Elements (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

L'invention concerne les procédés qui permettent de repérer dans un signal acoustique continu des signaux acoustiques impulsionnels. Elle consiste à déterminer les paramètres (ai) d'un filtre par apprentissage (109) à l'aide d'une modélisation par prédiction linéraire auto-régressive. Ces paramètres sont alors appliqués à un filtre soit du type à moyenne adaptée (110), soit du type auto-régressif (111.1), qui reçoit le signal de réception et délivre un signal comprenant une partie continue à bas niveau et une partie impulsionnelle à haut niveau qui représente les signaux à détecter. Dans une variante on utilise plusieurs filtres auto-régressifs (111.1-111.n) mis en série. Elle permet d'aider à la détection des pannes dans les moteurs.

Description

PROCEDE DfADDE A LA DETECTION DE SIGNAUX TRANSITOIRES , NOTAMMENT DANS LES SIGNAUX ACOUSTIQUES
La présente invention se rapporte aux procédés qui permettent de détecter, et éventuellement d'identifier, les signaux transitoires acoustiques caractéristiques de divers phénomènes que l'on souhaite étudier. Elle peut s'appliquer aussi bien aux signaux acoustiques aériens qu'aux signaux acoustiques sous-marins, pour des applications aussi diverses que l'identification des pannes dans une automobile et l'identification des navires .
L'écoute des signaux acoustiques, c'est à dire essentiellement des bruits, est très utile pour repérer et identifier toutes sortes de choses . De manière triviale, le conducteur d'une automobile est souvent averti d'une panne en cours par des bruits mécaniques qui viennent l'alerter. Il confie alors sa voiture au garagiste qui est plus à même d'identifier avec certitude l'origine de la panne et d'y porter remède. De manière moins courante, les observateurs sonar à bord des bâtiments écoutent les bruits rayonnes dans le milieu marin et, lorsqu'ils détectent quelque chose de suspect, confient le soin de l'identification finale à un analyste possédant une grande expérience. Dans les deux cas, il faut que le bruit suspect soit suffisamment distinct, en amplitude et en fréquence, du bruit ambiant pour pouvoir attirer l'attention, soit de l'automobiliste, soit de l'opérateur sonar.
En ce qui concerne les automobilistes il n'y a pas pour l'instant de dispositifs de cette nature sur le marché, mais en ce qui concerne les opérateurs sonar, on sait utiliser des jeux de filtres plus ou moins adaptés aux problèmes posés . Ces filtres, qu'ils soient passe-bas, passe-haut ou passe-bande, sont étudiés pour faire ressortir les bruits dont on peut penser qu'ils vont apparaître, ou éventuellement pour les éliminer. Dans la pratique ceci ne marche bien que pour des bruits perrrlanents. On a fait allusion à de tels systèmes de traitement, ainsi qu'à la possibilité de re -écouter de manière répétitive un enregistrement des signaux reçus, dans la demande de brevet N° 8715G73 déposée le 13 novembre 1987 par la demanderesse sur une invention concernant essentiellement un dispositif de localisation en direction par écoute stéréophonique des signaux reçus .
Lorsque le phénomène est évolutif, en particulier lorsqu'il s'agit d'un bruit impulsionnel, ces systèmes de filtrage sont très difficiles, voire impossibles, à mettre en oeuvre parce que l'opérateur n'arrive pas à régler suffisamment vite et suffisamment correctement les fréquences de coupure des iltres .
Pour résoudre ce problème, l'invention propose un procédé d'aide à la détection de signaux transitoires, notamment dans les signaux acoustiques, principalement caractérisé en ce que dans une première étape on détermine les paramètres d'un filtre permettant de modifier le signal reçu pour obtenir un signal formé d'une première partie sensiblement continue et à bas niveau et d'une deuxième partie impulsionnelle ayant un niveau nettement supérieure à ce bas niveau et représentant les signaux transitoires à détecter, et que dans une deuxième étape on filtre le signal de réception par un filtre ayant les paramètres ainsi déterminés. D'autres particularités et avantages de l'invention paraîtront clairement dans la description suivante faite en regard de la figure annexée qui représente le schéma bloc d'un dispositif permettant de mettre en oeuvre le procédé selon l'invention. Dans le dispositif représenté sur la figure annexée, le signal électrique représentatif du signal audio reçu, obtenu par exemple à partir d'un hydrophone, est appliqué sur un filtre anti-repliement 101 adapté à la fréquence maximale reçue, à la fréquence maximale audible par l'opérateur (sensiblement 20 KHz) et à la fréquence d'échantillonnage d'un convertisseur analogique -numérique (102) situé après ce filtre 101. Ce convertisseur analogique -numérique délivre un signal numérisé Y( T ) qui est appliqué à plusieurs chaînes de traitement dont les sorties aboutissent sur un commutateur 103. L'une des entrées de ce commutateur est reliée directement au convertisseur 102 afin de permettre à l'opérateur d'écouter directement le signal reçu. La sortie du commutateur 103 est reliée à l'entrée d'un convertisseur numérique -analogique 104, suivi d'un filtre pas se -bas 105 et d'un amplificateur 106 qui alimente un casque d'écoute 107. Lorsque la liaison entre les convertisseurs 102 et 104 est directe par l'intermédiaire du commutateur 103, l'opérateur muni du casque 107 entend le même signal que celui reçu par l'hydrophone, le passage par la voie numérique n'entraînant pas de déformation sensible de ce signal. Pour analyser ce signal reçu et faire ressortir des anomalies qui ne lui apparaissent pas à l'écoute directe, l'opérateur dirige le signal de sortie du convertisseur 102, à l'aide d'un interrupteur 108, sur un module d'apprentissage 109. Ce module d'apprentissage permet de modéliser le signal écouté selon une composante à large bande stationnaire synthétisée par un modèle prédictif, et un résidu de prédiction correspondant à la différence entre le signal prédit par le modèle prédictif et le signal vrai. Cette modélisation s'effectuera de préférence par la méthode connue de modélisation auto -régressive du signal avec un ordre P. L'ordre P d'un tel modèle auto-régressif correspond aux P échantillons temporels antérieurs de la sortie du filtre auto -régressif
y ( (k-1) Te) , . . . , y ( (k-P) Te)
utilisés pour prédire la sortie actuelle y (kT ) du filtre . Dans cette réalisation préférée, ces P coefficients prédicteurs peuvent être obtenus de manière connue par résolution des équations de Yule-Walker grâce à l'algorithme de Levinson. Cet algorithme converge rapidement et on peut obtenir les P coefficients en l'espace de quelques secondes pendant lesquelles l'opérateur ferme l'interrupteur 108. Eventuellement cette sélection des séquences d'apprentissage peut être effectuée de manière automatique, soit de façon répétitive (par exemple 1 seconde toutes les 10 secondes) , soit par détection d'un phénomène anormal identifié d'une manière quelconque. On obtient ainsi un vecteur formé de P coefficients a., qui peut être utilisé de différentes manières, par exemple par filtrage inverse ou par filtrage dit "caricatural" . Dans le cas de l'utilisation du filtrage inverse, les coefficients a. sont appliqués à un organe 110, appelé filtre à moyenne adaptée (MA) et qui effectue sur le signal y(kT ) délivré par le convertisseur 102 l'opération définie par la formule : P e (kTe) = y(KTe) - ∑ a. * y((k-i)Te) i=l Le signal e (kT ) obtenu en sortie de ce filtre à moyenne adaptée MA est appliqué par l'intermédiaire du commutateur 103 au convertisseur 104, et le signal traité arrive finalement sur le casque 107.
Dans le cas du filtrage dit caricatural, on utilise des filtres récursifs de type auto-régressif dits AR qui reçoivent les coefficients a. et appliquent au signal en entrée un traitement défini par la formule :
cχ (kTe) = ∑ i κ o1 ((k-i)Te) + y (kTe) 1=1
Selon l'invention, dans une première voie le signal en sortie du convertisseur 102 est appliqué à un premier filtre AR
111.1 dont la sortie est appliquée au convertisseur 104 par l'intermédiaire du commutateur 103. Le signal résultant arrive ensuite sur le casque 107. Les inventeurs ont proposé d'appeler le signal c. (kT ) ainsi obtenu, caricature d'ordre 1 du signal s(t) parce qu'il possède une densité spectrale de puissance sensiblement égale au carré de la densité spectrale de puissance de ce signal s(t) , ce qui revient à dire que l'on a "aplati" le bruit permanent contenu dans le signal s(t) en faisant ressortir le bruit impulsionnel contenu dans ce même signal. On exagère ainsi ce bruit impulsionnel en réduisant le bruit permanent, ce qui correspond de manière imagée à une caricature du signal s(t) . De cette manière l'opérateur qui écoute le signal résultant de ce traitement dans le casque 107 perçoit plus facilement ce signal impulsionnel, lequel ressort mieux du signal permanent.
L'invention propose en outre d'augmenter encore l'influence de ce traitement en appliquant le signal en sortie du premier filtre AR dans un deuxième filtre AR 111.2 puis éventuellement dans ^ine succession de filtres AR mis en série jusqu'à un n ième filtre AR 111. n. Le signal cj ainsi obtenu en sortie du filtre AR 111. j sera tout naturellement appelé caricature d'ordre j du signal d'entrée, et sa densité spectrale de puissance est sensiblement égale à la puissance n de la densité spectrale de puissance du signal s. Le traitement ainsi effectué est défini par la formule :
P c. (kTe) = ∑ a. x c^Uk-i)^) + c^fl T^ i=l
Les sorties des filtres AR sont respectivement reliées à des entrées du commutateur 103 et l'opérateur peut ainsi sélectionner, en plus du signal direct et du signal filtré par filtrage inverse à l'aide du filtre MA, une caricature d'ordre compris entre 1 et n du signal d'entrée. Dans la pratique, l'opérateur après avoir procédé à l'apprentissage sélectionnera successivement les différentes sorties puis reviendra sur celle qui lui semble présenter des caractéristiques particulièrement intéressantes . En effet le passage dans un tel système, qu'il soit par filtrage inverse ou par caricature d'ordre j, déforme profondément le signal, puisque dans le meilleur des cas on a un signal continu de niveau très faible à peine audible duquel viennent sortir des impulsions plus ou moins régulières qui sont clairement perceptibles à l'opérateur mais qui sont déformées par rapport au signal initial reçu. En soi ce signal est très difficilement analysable, même par un opérateur entraîné, pour obtenir des renseignements précis sur la source du signal perturbateur, car les déformations qui sont apportées à ce signal perturbateur, si elles le rendent plus repérable, le déforment trop par rapport au signal d'origine pour en permettre une identification effective. En effet les quelques opérateurs particulièrement entraînés qui peuvent identifier facilement un signal non déformé, même s'il est très faible, ont justement un tel entraînement sur ce signal naturel qu'il leur est très difficile, voire impossible, de reconnaître un signal modifié de cette manière qui change toutes leurs habitudes. De plus ces modifications sont essentiellement variables selon les modalités apportées, dans le cadre de l'invention, aux chaînes de traitement, par exemple l'ordre P de l'auto-régression ou l'ordre j de la caricature.
Le procédé selon l'invention sert donc essentiellement d'aide à la détection pour un opérateur, lequel, après avoir repéré la présence d'un signal perturbateur, pourra revenir par exemple sur l'écoute directe sans filtrage pour concentrer son attention sur l'identification de la source de ce signal perturbateur. Eventuellement il pourra passer le relais à un opérateur plus entraîné qui procédera plus facilement à cette identificatio .
Différentes variantes au procédé selon l'invention peuvent être utilisées :
Ainsi en ce qui concerne l'ordre du modèle on a déterminé expérimentalement qu'un ordre 30, correspondant à des échantillons de quelques millisecondes, donne de bons résultats . Pour aller plus loin on pourra sélectionner cet ordre en utilisant des critères connus tels que ceux d'AKAIKE, de RISSANEN ou de HANNAN.
Comme on l'a dit plus haut, l'invention a été décrite dans le cas où la sélection de la plage d'apprentissage est faite par l'opérateur, et on a évoqué la possibilité d'utiliser des critères automatiques basés sur des échelles de temps. On pourrait aussi utiliser un détecteur automatique fonctionnant à partir d'autres critères, ou d'autres signaux, ou encore un apprentissage en continu utilisant par exemple les algorithmes de modélisation auto-récursifs en temps tels que celui de MORF.
De même on peut utiliser un autre algorithme d'apprentissage que celui de LEVINSON, par exemple ceux de BURG, ITAKURA, GUEGUEN- LEROUX, MORF et FALCONER, ou MORF et LEE. . .
Enfin de manière encore plus générale, l'invention s'étend au-delà de l'analyse auto -régressive à toute technique de modélisation du signal initial qui permet une décomposition en un ensemble de paramètres caractéristiques du modèle choisi et une "innovation" (différence entre la prédiction fournie par le modèle et le signal vrai) . On citera par exemple le modèle ARMA, le filtre de KALMAN, les réseaux de neurones . . .
Enfin, outre l'aide à un opérateur humain, on peut intégrer un dispositif appliquant le procédé selon l'invention, pour obtenir une fonction automatique permettant d'améliorer les performances d'un dispositif de détection et de classification automatique de signaux acoustiques . Par exemple on peut utiliser le filtre à moyenne adaptée pour réaliser un module de pré -traitement permettant de blanchir et de minimiser l'énergie d'un signal stationnaire, afin de favoriser la détection automatique de signaux transitoires contenus dans un signal acoustique, en contrôlant par exemple les phases d'apprentissage par une horloge validée par un signal de non détection de transitoire .

Claims

R E V E N D I C A T I O N S
1. Procédé d'aide à la détection de signaux transitoires, notamment dans les signaux acoustiques, caractérisé en ce que dans une première étape (109) on détermine les paramètres (a.) d'un filtre (110) permettant de modifier le signal reçu pour obtenir un signal formé d'une première partie sensiblement continue et à bas niveau et d'une deuxième partie impulsionnelle ayant un niveau nettement supérieure à ce bas niveau et représentant les signaux transitoires à détecter, et que dans une deuxième étape on filtre le signal de réception par un filtre (110) ayant les paramètres ainsi déterminés.
2. Procédé selon la revendication 1, caractérisé en ce que pour déterminer (109) les paramètres du filtre on utilise un modèle prédictif à analyse auto-régressif d'ordre P. 3. Procédé selon la revendication 2, caractérisé en ce que l'on détermine les P coefficients producteurs du modèle régressif par les équations de Yule- alker avec l'algorithme de Levinson.
4. Procédé selon l'une quelconque des revendications 2 et 3, caractérisé en ce l'on utilise un filtre à moyenne adaptée (110) .
5. Procédé selon l'une quelconque des revendications 2 et 3, caractérisé en ce que l'on utilise au moins un filtre auto-régressif (111.1) . β. Procédé selon la revendication 5, caractérisé en ce que l'on utilise plusieurs filtres auto-régressifs (111.1-111. n) mis en série et ayant les mêmes coefficients de filtrage.
7. Procédé selon l'une quelconque des revendications 1 à 6, caractérisé en ce que l'on fixe de manière manuelle (108) la durée pendant laquelle on détermine (109) les paramètres du filtre. 8. Procédé selon l'une quelconque des revendications 1 à 6, caractérisé en ce que l'on fixe de manière automatique la durée pendant laquelle on détermine (109) les paramètres du filtre.
9. Procédé selon l'une quelconque des revendication 1 à 8, caractérisé en ce que l'on utilise une écoute audio (107) du signal filtré .
EP92918452A 1991-08-02 1992-07-31 Procede d'aide a la detection de signaux transitoires, notamment dans les signaux acoustiques Withdrawn EP0597040A1 (fr)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR9109874 1991-08-02
FR9109874A FR2680006B1 (fr) 1991-08-02 1991-08-02 Procede d'aide a la detection de signaux transitoires notamment dans les signaux acoustiques.
PCT/FR1992/000760 WO1993003395A1 (fr) 1991-08-02 1992-07-31 Procede d'aide a la detection de signaux transitoires, notamment dans les signaux acoustiques

Publications (1)

Publication Number Publication Date
EP0597040A1 true EP0597040A1 (fr) 1994-05-18

Family

ID=9415882

Family Applications (1)

Application Number Title Priority Date Filing Date
EP92918452A Withdrawn EP0597040A1 (fr) 1991-08-02 1992-07-31 Procede d'aide a la detection de signaux transitoires, notamment dans les signaux acoustiques

Country Status (5)

Country Link
EP (1) EP0597040A1 (fr)
AU (1) AU657792B2 (fr)
CA (1) CA2114632A1 (fr)
FR (1) FR2680006B1 (fr)
WO (1) WO1993003395A1 (fr)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US188667A (en) * 1877-03-20 Improvement in carbureters
JPS52125251A (en) * 1976-02-23 1977-10-20 Bio Communication Res Electric filter and method of designing same
FR2593608B1 (fr) * 1986-01-28 1988-07-15 Thomson Csf Procede et dispositif de reconnaissance automatique de cibles a partir d'echos " doppler "
US4982150A (en) * 1989-10-30 1991-01-01 General Electric Company Spectral estimation utilizing an autocorrelation-based minimum free energy method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO9303395A1 *

Also Published As

Publication number Publication date
FR2680006B1 (fr) 1993-10-29
WO1993003395A1 (fr) 1993-02-18
FR2680006A1 (fr) 1993-02-05
CA2114632A1 (fr) 1993-02-18
AU2470892A (en) 1993-03-02
AU657792B2 (en) 1995-03-23

Similar Documents

Publication Publication Date Title
EP2309499B1 (fr) Procédé de filtrage optimisé des bruits non stationnaires captés par un dispositif audio multi-microphone, notamment un dispositif téléphonique "mains libres" pour véhicule automobile
EP2293594B1 (fr) Procédé de filtrage des bruits latéraux non-stationnaires pour un dispositif audio multi-microphone, notamment un dispositif téléphonique "mains libres" pour véhicule automobile
EP1356461B1 (fr) Procede et dispositif de reduction de bruit
EP2415047B1 (fr) Classification du bruit de fond contenu dans un signal sonore
EP2772916B1 (fr) Procédé de débruitage d'un signal audio par un algorithme à gain spectral variable à dureté modulable dynamiquement
EP2538409B1 (fr) Procédé de débruitage pour équipement audio multi-microphones, notamment pour un système de téléphonie "mains libres"
EP0752181B1 (fr) Annuleur d'echo acoustique a filtre adaptatif et passage dans le domaine frequentiel
FR2864860A1 (fr) Systeme d'annulation de bruit, systeme de reconnaissance vocale et systeme de navigation d'automobile
FR3012928A1 (fr) Modificateurs reposant sur un snr estime exterieurement pour des calculs internes de mmse
EP2898707A1 (fr) Calibration optimisee d'un systeme de restitution sonore multi haut-parleurs
EP0998166A1 (fr) Dispositif de traitement audio récepteur et procédé pour filtrer un signal utile et le restituer en présence de bruit ambiant
FR3012929A1 (fr) Modificateur de la presence de probabilite de la parole perfectionnant les performances de suppression du bruit reposant sur le log-mmse
FR2568014A1 (fr) Dispositif de detection de parasites en forme d'impulsion et dispositif de suppression de parasites en forme d'impulsion muni d'un dispositif de detection de parasites en forme d'impulsion
EP1473709A1 (fr) Procédé d'identification de sons spécifiques
FR3012927A1 (fr) Estimation precise du rapport signal a bruit par progression reposant sur une probabilite de la presence de la parole mmse
FR2724029A1 (fr) Procede de detection de signaux acoustiques provenant de torpilles
EP0597040A1 (fr) Procede d'aide a la detection de signaux transitoires, notamment dans les signaux acoustiques
EP3627510A1 (fr) Filtrage d'un signal sonore acquis par un systeme de reconnaissance vocale
FR2799321A1 (fr) Procede de controle en continu de la qualite des sons numeriques en distribution
EP2515300B1 (fr) Procédé et système de réduction du bruit
EP1359788B1 (fr) Dispositif audiophonique panoramique pour sonar passif
EP2452293A1 (fr) Localisation de sources
FR3106691A1 (fr) Conversion de la parole par apprentissage statistique avec modélisation complexe des modifications temporelles
FR2466901A1 (fr) Dispositif permettant l'ajustage automatique du niveau des sources sonores utiles dans les milieux a bruyance variable
EP1239291A1 (fr) Procédé de détection de présence d'une fréquence pure ou d'une fréquence modulée linéairement

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 19931223

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): DE GB

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 19960201