Vous êtes sur la page 1sur 34

Cours n°

n° 1
Acquisition numérique de l’audio

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 1


Sommaire
1. Onde acoustique

2. Numérisation du signal analogique


 Echantillonnage
 Quantification

3. Analyse fréquentielle
 Rappels
 Repli spectral

4. Qualité d’acquisition de l’audio


 Contrainte d’échantillonnage de Shannon
 Etat de l’art de l’acquisition audio

5. Analyse du continuum de l’audio

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 2


Références bibliographiques
M. Bellanger et P. Aigrain, Traitement numérique du
signal : Théorie et pratique, Dunod, 2004.
D. Mercier, Le livre des techniques du son (tome 2),
Dunod, 2004.

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 3


1. Onde acoustique

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 4


1. ONDE ACOUSTIQUE
Propagation de l'onde acoustique

Onde acoustique (le son)


Due à une perturbation, le son se propage dans l'air
sous la forme d'une série de variation de pressions
Les molécules d'air oscillent autour de leur position initiale en fonction de l'onde
qui les traverse puis retrouvent leur place initiale

Condition nécessaire à la propagation du son


Milieu élastique capable de se déformer lors d'une perturbation
et de reprendre sa forme initiale
Exemples : gaz (l'air), liquide (l'eau), un solide (un rail)

Intensité du son
Directement corrélée à l'amplitude des oscillations du milieu de propagation
Résistance du milieu de propagation
L'amplitude de la perturbation diminue avec la distance parcourue
Diminution du volume sonore avec la distance

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 5


1. ONDE ACOUSTIQUE
Analogie du modèle "masse-
"masse-ressort"

Echelle des amplitudes de mouvement

Masses  Molécules
Ressort  Forces reliant
les molécules

Modèle "masse-ressort"
amplitude
A : amplitude
T T : période
F : fréquence
A nombre de cycles par
seconde en Hertz (Hz)
temps
F=1/T
Oscillations amorties

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 6


1. ONDE ACOUSTIQUE
Origine de la perturbation

Diversité de la production

Production d’origine biologique


Humain parole, chant, …
rires, toux, …
Animal cris d’animaux (miaulement, …)
stridulation des cigales

Production d’origine mécanique


Instruments de musique orgue, violon,…
Bruits environnementaux sonnerie de téléphone, perceuse, …

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 7


1. ONDE ACOUSTIQUE
Environnement du milieu de propagation

Influence de l'acoustique de salle (obstacles)


Suivant les obstacles, la perturbation peut être
 absorbée (chambre achénoïde)
 renvoyée (phénomène d'écho)
 ajoutée à une autre perturbation

D'où un champ de pression


en tout point du milieu de propagation où les perturbations peuvent
s’additionner

Capteurs du champ de pression


en un ou plusieurs points de l'espace
 Transducteurs* biologiques (appareil auditif)
 Transducteurs* technologiques (microphone, spectrographe, …)

*Transducteur : dispositif qui change le médium du signal

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 8


2. Numérisation du
signal analogique

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 9


2. NUMERISATION DU SIGNAL ANALOGIQUE
Nature du signal audio

Onde acoustique
correspond à une variation continue de pression atmosphérique

Capteurs usuels
 Appareil auditif d'un auditeur/interlocuteur
 Microphone
Deux transducteurs qui transforment
l'onde acoustique en un signal
de nature analogique
électro-chimique, électrique

Signal audio analogique Signal analogique


Signal monodimensionnel (temporel) continu
 défini sur l'échelle continue des temps
 et d'amplitude (réelle) variant continûment

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 10


2. NUMERISATION DU SIGNAL ANALOGIQUE
Contrainte du traitement informatique des signaux

Nature du signal traité en informatique


Signal numérique (digital) – nombre fini de mots de taille finie

Signal numérique
Description du signal analogique
i) par une suite de valeurs d’amplitudes discontinues
(codée en mots binaires de longueur B)
ii) à des temps discontinus (discrete) définis par un rythme d’horloge
de période (d’échantillonage) Te

Convertisseur Analogique/Numérique (CAN) : Micro –>CAN


Convertisseur Numérique/Analogique (CNA) : CNA–>Enceintes
 Echantillonnage
opération correspondant à la « discrétisation » du temps
 Quantification
opération correspondant à la « discrétisation » de l'amplitude

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 11


2. NUMERISATION DU SIGNAL ANALOGIQUE
Echantillonnage

Consiste à mesurer le signal à des temps choisis


(usuellement des intervalles de temps fixes)
Mesure de l'amplitude du signal : valeur instantanée de l'échantillon

Paramètre d'échantillonnage
à temps régulier
Période d'échantillonnage Te
Intervalle de temps fixe considéré
qui détermine
la fréquence d'échantillonnage Fe
Signal échantillonné
Fe = 1/Te

Intuitivement, tk
Plus la fréquence d'échantillonnage est élevée, Te
plus le signal numérisé sera proche de l'original
Il existe une contrainte sur la fréquence d’échantillonnage
pour l’acquisition du signal analogique. En cas de violation, effet de
repli spectral (aliasing)
Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 12
2. NUMERISATION DU SIGNAL ANALOGIQUE
Quantification

Consiste à coder en binaire la valeur des échantillons


Pour un codage linéaire, on considère le nombre de bits (B) utilisés
pour le codage binaire des échantillons
B bits permettent de coder 2B valeurs distinctes de quantification

Intuitivement,
Plus le "découpage" (1/ 2B)
de l'amplitude est fin
meilleure est la restitution Signaléchantillonné
Signal quantifié
des variations (faibles)
d'intensité (volume)

La quantification peut produire un bruit audible


lorsque le quantum (pas de quantification) est inadapté

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 13


2. NUMERISATION DU SIGNAL ANALOGIQUE
Classification des signaux - signal audio numérique

AMPLITUDE
Continue Discrète
X(t) Xq(t)
1 3
Continu

Signal analogique Signal quantifié


TEMPS

X(tk) Xq(tk) = x(k) Signal audio


2 numérique
Discrèt

1 2 3

Signal
Signal numérique
échantillonné

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 14


3. Analyse fréquentielle

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 15


3. ANALYSE FREQUENTIELLE

Dualité temps-
temps-fréquence

TF et TF-1 d’un signal analogique +∞


−2iπft
Transformée de Fourier (TF)
Transformée de Fourier inverse (TF-1)
TF S(f)= ∫s(t)e dt
deux équations de passage −∞
du temps aux fréquences et inversement Temps Fréquences
s(t) S(f)
+∞
Dualité temps-fréquence s(t)= ∫S(f)e2iπft df TF-1
οTF-1 = Id
TFο
−∞

Intérêt de la représentation fréquentielle (spectre


spectre)
 Détermine les fréquences présentes dans un signal
avec leurs poids respectifs
 Représentation adaptée à la modélisation de la perception

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 16


3. ANALYSE FREQUENTIELLE

Illustration de la transformée de Fourier

|S(f)|

f1 =100 Hz
t 100 f (kHz)
|S(f)|
f2 =200 Hz
t 200 f (kHz)
|S(f)|
f3 =300 Hz
t
300 f (kHz)

|S(f)|

t 0 f1 f2 f3 f (kHz)

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 17


3. ANALYSE FREQUENTIELLE

Traitement numérique du signal

Pour calculer la transformée de Fourier d’une fonction s(t) à l’aide d’un ordinateur,
ce dernier ne pouvant traiter qu’un nombre fini de mots de taille finie, on est amené à :
 discrétiser la fonction temporelle s(t) (cf. échantillonnage et quantification)
 tronquer la fonction temporelle (fenêtre d’observation de N échantillons)
 discrétiser la fonction fréquentielle S(f) (calcul de M points du spectre)

Transformée de Fourier discrète (TFD) approximation de la TF


TFD fe
{s(nTe )}(n = n0 , n0 +1, ..., n0 + N −1) {S(kfr )}(k = − M , ..., M −1) avec fr =
2 2 M
N −1
S(fk )= ∑s(nTe )e−2iπfk nTe , avec fk =kfe / M
n=0

En choisissant N=M=2K
Algorithme rapide (exploitant périodicité et symétrie)
appelé transformée de Fourier rapide (TFR ou FFT, Fast Fourier Transform)

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 18


3. ANALYSE FREQUENTIELLE

Rappels – TF d’un signal échantillonné

Modélisation (analogique) d’un signal échantillonné se(t)


+∞

se(t)= s(t). PeigneTe (t)=∑s(nTe )δ(t −nTe ) ∫


−∞
δ ( t ) dt = 1 δ (t)

n δ (t ≠ 0 ) = 0
lim t → 0 = ∞ 0 t
PeigneTe(t)
TF[se(t)]=TF[s(t)]* TF[PeigneTe (t)]
-Te 0 Te 2Te 3Te t
|TF[PeigneTe(t)|]
TF[se(t)] = S(f)* 1 ∑δ(f − n ) = 1 ∑S(f −nfe )
Te n Te Te n
-fe 0 fe 2fe f
Caractéristique du spectre d’amplitude de se(t)
Périodisation du spectre analogique S(f) aux multiples de fe
Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 19
3. ANALYSE FREQUENTIELLE

Rappels – Propriétés spectrales

Signal analogique
ei2πf0 t +e−i2πf0 t TF δ(f − f0 )+δ(f + f0 )
s(t)=cos(2πf0 t)= S(f)=
2 2
|S(f)|
1/2 s(t) : signal réel analogique
S(f) : spectre à symétrie
hermitienne
-f0 f0 f (kHz)
0

Signal échantillonné à fe Hz
TF
se(t)=s(nTe )=cos(2πf0 nTe ) S (f)= 1 ∑S(f −nf )
e e
Te n

|Se(f)| se(t) : signal échantillonné


1/2Te Se(f) Spectre périodique
 de motif S(f)
 de période fe
-2fe -fe fe 2fe f (kHz)
0
fe-f0 fe+f0
Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 20
3. ANALYSE FREQUENTIELLE

Repli spectral (aliasing


(aliasing)) (1/4)

s(t)=2+cos (200πt)+5 cos(1000πt) signal analogique


TF
δ(f −100)+δ(f +100) δ(f −500)+δ(f +500)
S(f)=2δ(f)+ +5×
2 2
Spectre d’amplitude |S(f)|
usuellement exprimé en décibels (dB)
Analogie à la sensibilité de l'oreille
au spectre d'amplitude qui suit une Signal temporel réel
échelle logarithmique 2 1/2 Symétrie hermitienne
5/2 1/2 5/2
du spectre

-800 -400 0 400 800 f (kHz)


Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 21
3. ANALYSE FREQUENTIELLE

Repli spectral (aliasing


(aliasing)) (2/4)

s(t) échantillonné TF(sech(t))= S ech(f)=800 ∑ S(f −800k)


k
à 800 Hz  sech(t)
Signal échantillonné
Spectre périodique
(de période f0)
|Sech(f)|

5/2 2 1/2 5/2 1/Te


5/2 1/2 2 1/2 5/2
x
1/2 5/2

-800 -400 0 400 800 f (kHz)


Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 22
3. ANALYSE FREQUENTIELLE

Repli spectral (aliasing


(aliasing)) (3/4)

s(t) échantillonné TF(sech(t))= S ech(f)=800 ∑ S(f −800k)


à 800 Hz  sech(t) k

Filtre de Shannon
|Sech(f)|

5/2 2 1/2 5/2 1/Te


5/2 1/2 2 1/2 5/2
x
1/2 5/2

… ….

-800 -400 0 400 800 f (kHz)


Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 23
3. ANALYSE FREQUENTIELLE

Repli spectral (aliasing


(aliasing)) (4/4)

|S(f)|
Représentation spectrale
5/2 1/2 2 1/2 5/2 (transformée de Fourier continue)
du signal analogique

-800 -400 0 400 800 f (kHz)


|Sech(f)|
Repli spectral Représentation spectrale
x 1/Te 5/2 1/2 2 1/2 5/2 (transformée de Fourier discrète)
du signal échantillonné
La représentation est erronée, ne
correspond pas au signal d’origine

-800 -400 0 400 800 f (kHz)


Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 24
4. Qualité d’acquisition
de l’audio

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 25


4. QUALITE D’ACQUISITION DE L’AUDIO
Contrainte d’échantillonnage de Shannon

Pour bien échantillonner un signal analogique, la fréquence


d ’échantillonnage (fe=1/Te) doit être au moins deux fois supérieure
à la plus haute fréquence (fm) présente dans le signal analogique
(Théorème de l’échantillonnage - Shannon, 1948)

Influence du respect (non-respect) de cette contrainte,


 le signal d’origine (ne) peut (pas) être reconstruit
à partir des échantillons prélevés
 (non-)dualité des espaces temps/fréquence
(existence d’un repli spectral)

Application :
Soit le signal x(t) = 2 sin(10000pt) échantillonné à 8kHz,
exprimer la contrainte de Shannon.
Que peut-on prévoir ?

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 26


4. QUALITE D’ACQUISITION DE L’AUDIO
Questions

Un signal borné en temps n’est pas borné en fréquence


En conséquence, le filtrage est indispensable
Q1. Le théorème de l’échantillonnage relie la fréquence d’échantillonnage
à la fréquence la plus haute contenue dans le signal d’origine.
Comment évaluer la fréquence de coupure du filtre ?
Un premier élément de réponse concerne la perception sonore liée à l’appareil auditif
La gamme des sons audibles s’étend de 20Hz à 20kHz
Le filtrage devra tenir compte de cette gamme de fréquence et de l’application
considérée
Q2. Existe-t-il une limite supérieure à la fréquence d’échantillonnage ?
La limite supérieure est liée aux performances matérielles, élément
le plus lent de la chaîne de traitement numérique (CAN ou processeur)

Application
1) Justifiez la fréquence d’échantillonnage à 44,1kHz des CD audios
2) Le téléphone transmet sur une bande passante [300Hz-3400Hz], donner une
gamme une fourchette de fréquence d’échantillonnage adaptée
Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 27
4. QUALITE D’ACQUISITION DE L’AUDIO
Perception auditive

L’appareil auditif perçoit la fréquence (la composition fréquentielle des sons


et son évolution temporelle) et l’amplitude (exprimée en dB)
Fréquences (Hz) Amplitude (dB)
< 20 Hz : infrasons

20 Hz-20 kHz
Gamme de fréquences 0 dB limite de l’audition
des signaux audio 20 dB ambiance dans une pièce calme
perceptibles
40 dB conversation
- parole
enfants [300Hz-12000Hz] 70 dB rue animée
adultes [100Hz-8000Hz] 90 dB métro
- musique 110 dB orchestre rock
présence de toute la gamme 120 dB trafic aéroport
de fréquence dont les
hautes fréquences 130 dB seuil de la douleur
- bruit, … 160 dB avion à réaction à proximité
> 20 kHz : ultrasons

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 28


4. QUALITE D’ACQUISITION DE L’AUDIO

Sous--échantillonnage et sur-
Sous sur-échantillonnage

Opération de sous-échantillonnage/décimation
Décimer un signal discret {x(nTe)} dans un rapport M
consiste à ne conserver qu’un échantillon tous les M échantillons
L’opération revient à diviser la fréquence d’échantillonnage par M
Nécessité d’appliquer un filtre passe-bas à la fréquence fe/2M

Opération de sur-échantillonnage
Sur-échantillonner consiste à ajouter M-1 échantillons
entre deux échantillons du signal à l’aide d’un filtre interpolateur

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 29


4. QUALITE D’ACQUISITION DE L’AUDIO

Etat de l’art de l’acquisition audio

Caractéristiques et qualité des CAN


Filtre analogique (paramétrable ou fixe)
Sans filtre analogique
Principe d’acquisition de l’audio
en cas d’absence de filtre analogique
Le filtrage anti-aliasing est traité numériquement
1) Estimation de la fréquence maximale dans le signal, bornée par la
courbe de réponse en fréquence fmaxdu micro
2) Echantillonnage à une fréquence double (au moins) de cette
fréquence maximale estimée : fe ≥ 2fmax
3) Choisir une fréquence de représentation du signal fr < fe
(sous-multiple de fe)
4) Filtrage passe-bas à la fréquence de coupure fc ≤ fr/2
5) Décimation du signal dans un rapport M = fe / fr pour revenir à la
fréquence de représentation

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 30


4. QUALITE D’ACQUISITION DE L’AUDIO

Caractéristique d’un microphone

Réponse fréquentielle d’un microphone


[Shure 4A504547]

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 31


5. Analyse du
continuum audio

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 32


5. ANALYSE DU CONTINUUM AUDIO

Analyse spectrale du continuum

Analyse centiseconde
• Durée de fenêtre d'analyse
pendant laquelle le signal
est considéré stationnaire
(pour la parole, durée pendant laquelle
le conduit vocal peut être considéré
immobile, 32 ms par exemple)
• Pas d'analyse : 10 ms
Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 33
5. ANALYSE DU CONTINUUM AUDIO

Spectrogramme – Evolution temporelle du spectre

Représentation 2-D
des trois caractéristiques
de l'évolution temporelle
des spectres d'amplitude
(temps, fréquence, amplitude)

Temps
axe horizontal
Fréquence
axe vertical
Amplitude
représentée par niveau de
gris (ou de couleur)
correspondant à une valeur
d'amplitude spectrale en dB
 Plus le niveau est foncé,
plus l'amplitude est élevée

Année 2008-2009 M1 – Conception Audio – Marie-José Caraty / David Janiszek 34