Separation Aveugle de Sources Sonores

La séparation de sources aveugle dans le cas sous-déterminé est un problčme mal posé pour lequel on suppose que les sources sont indépendantes et parcimonieuses dans le domaine temps- fréquence (TF). La séparation se fait alors en deux étapes : une étape d'estimation des paramčtres du mélange, suivi d'une étape d'estimation des sources. Les hypothčses faites sur les sources ne sont cependant pas valides sur l'ensemble des points TF, si bien que les approches qui traitent naďvement l'ensemble des points de maničre indépendantes sont peu robustes. L'objet de cette thčse est d'exploiter la distribution locale du mélange dans les voisinages de chaque point TF, afin de détecter les régions TF oů une seule source est active et d'estimer la direction de la source dominante dans ces régions. L'approche que nous proposons est étayée par un algorithme de clustering appelé DEMIX, qui estime de façon robuste les paramčtres du mélange. L'approche locale peut ętre utilisée pour apprendre des modčles de sources qui jusqu'ŕ présent nécessitaient une étape d'apprentissage ŕ partir d'exemples. Nous montrons que cette approche améliore l'estimation des sources de plusieurs dB.