La musique du jeu MMORPG (« Massively Multiplayer Online Role-Playing Game ») World of Warcraft de la compagnie Blizzard Entertainment est prise comme modèle pour démontrer comment le timbre (instrumental et orchestral), en parallèle avec l’image, peut représenter des éléments de l’environnement virtuel. Dans un premier volet de l’analyse, une approche tripartite privilégiant l’observation des niveaux neutre, poïétique et esthésique est utilisée pour étudier les cas des trames musicales de trois régions du jeu : Dun Morogh (montagnes enneigées), Stranglethorn Vale (jungle tropicale) et Uldum (désert aride). L’instrumentation et l’orchestration de ces musiques sont étudiées pour déterminer en quoi le timbre peut se faire la représentation métaphorique de certaines caractéristiques d’un environnement naturel. Des entrevues menées auprès de compositeurs et un sondage soumis à des joueurs servent à vérifier la pertinence des résultats des analyses. Un autre volet de l’étude s’attarde à la manière avec laquelle le timbre, et plus particulièrement la symbolique qui lui est culturellement attribuée, est sollicité dans la construction de l’identité de peuples imaginaires. La musique représentative de quatre peuples de World of Warcraft est analysée en ce sens, soit celle des « Humans », des « Orcs », des « Tauren » et des « Blood Elves ». En conclusion, le timbre apparaît comme un important vecteur de signification s’inscrivant dans un processus d’amorçage qui, lui, contribue à ancrer la signification de l’image et à favoriser l’immersion du joueur en plus de stimuler son appréciation esthétique du jeu. / Music from Blizzard Entertainment’s infamous MMORPG (Massively Multiplayer Online Role-Playing Game) World of Warcraft is analyzed in order to illustrate how instrumental and orchestral timbre, along with image, can represent various elements of the virtual environment shown on screen. For the first part of the analysis, a tripartite approach requiring the study of the neutral, poietic, and esthesic levels is used. The music of three zones of the game is analyzed, namely that of Dun Morogh (snowy mountains), Stranglethorn Vale (tropical jungle), and Uldum (arid desert). Instrumentation and orchestration are the main aspects studied to determine how timbre can metaphorically illustrate certain characteristics of a natural environment. Interviews with video game music composers, and a survey submitted to World of Warcraft players helped to verify the relevance of our results. The second part of this study takes a look at how the symbolism culturally attributed to timbre intervenes in the construction of the identity of imaginary peoples. In this regard, the musical themes of four different peoples taken from the World of Warcraft universe are analyzed, namely that of the Humans, the Orcs, the Tauren, and the Blood Elves. In conclusion, timbre appears as an important source of meaning that, through a priming process, contributes to the anchoring of the image’s meaning. Moreover, it most likely facilitates the players’ immersion as well as their aesthetic appreciation of the game.

L’implant cochléaire (IC) est une prothèse auditive implantée dans l’oreille interne qui a pour fonction de restaurer le sens de l’audition aux personnes atteintes de surdité sévère à profonde lorsque les aides auditives classiques ne leur permettent plus une audition suffisante. Pour pouvoir transmettre les indices provenant des sons extérieurs, l’IC contourne une grande partie du système auditif défaillant et stimule directement les fibres du nerf auditif du patient. En pratique, les électrodes de l’implant émettent des trains d’impulsions électriques modulées en amplitude. Ces trains d’impulsions ont une fréquence de répétition (cadence) constante. Un problème limitant est que nous ne connaissons pas entièrement les effets physiologiques et perceptifs liés à l’augmentation de la cadence de stimulation. Le projet de recherche lié à la présente thèse s’inscrit dans l’optique d’améliorer le codage temporel des futurs ICs. Cette thèse a pour but de mieux comprendre l’influence de la cadence de la stimulation électrique sur la perception des sons avec, comme objectif fondamental, de caractériser les mécanismes physiologiques sollicités lors d’une stimulation électrique. La cadence de la stimulation affecte au moins trois dimensions perceptives distinctes qui sont la hauteur, la durée et la sonie. Les expériences s’intéressent à résoudre des problèmes précis concernant chacune de ces dimensions. Lorsque nous le pouvions, les expériences réalisées chez le sujet IC ont également été réalisées chez des sujets normo-entendants en utilisant des simulations acoustiques d’ICs. / Cochlear implants (CIs) are auditory prostheses directly inserted in the inner ear to partly restore the sense of audition to people suffering from severe to profound deafness. In order to convey environmental sounds, CIs bypass the peripheral auditory system and produce amplitude-modulated electrical pulses that stimulate auditory nerve fibres. In general, pulses are delivered with a constant frequency of occurrence (i.e. rate). Even if CI users reach good performances to understand speech, it roughly diminishes when they are placed more complex audiological environment.A potential problem is that stimulation rates are not the same among subjects while our knowledge concerning the physiological mechanisms provided by rate variations, is limited. This thesis aims to improve temporal coding of CIs by studying the perceptual influence of stimulation rate, and quantify the physiological mechanisms sought by an electrical stimulation. At least, stimulation rate acts on three perceptual dimensions which are pitch, sound duration and loudness. The present experiment solves specific problems concerning each dimension cited previously. In addition to electrical stimulations, acoustical simulations of a CI were conducted to compare normal hearing with hearing-impaired performances.

Résumé : Afin de répondre aux besoins de communication et de divertissement, il ne fait aucun doute que la parole et l’audio doivent être encodés sous forme numérique. En qualité CD, cela nécessite un débit numérique de 1411.2 kb/s pour un signal stéréo-phonique. Une telle quantité de données devient rapidement prohibitive pour le stockage de longues durées d’audio ou pour la transmission sur certains réseaux, particulièrement en temps réel (d’où l’adhésion universelle au format MP3). De plus, ces dernières années, la quantité de productions musicales et cinématographiques disponibles en cinq canaux et plus ne cesse d’augmenter. Afin de maintenir le débit numérique à un niveau acceptable pour une application donnée, il est donc naturel pour un codeur audio à bas débit d’exploiter la redondance entre les canaux et la psychoacoustique binaurale. Le codage perceptuel et plus particulièrement le codage paramétrique permet d’atteindre des débits manifestement inférieurs en exploitant les limites de l’audition humaine (étudiées en psychoacoustique). Cette recherche se concentre donc sur le codage paramétrique à bas débit de plus d’un canal audio. // Abstract : In order to fulfill our communications and entertainment needs, there is no doubt that speech and audio must be encoded in digital format. In"CD" quality, this requires a bit-rate of 1411.2 kb/s for a stereo signal. Such a large amount of data quickly becomes prohibitive for long-term storage of audio or for transmitting on some networks, especially in real-time (leading to a universal adhesion to the MP3 format). Moreover, throughout the course of these last years, the number of musical and cinematographic productions available in five channels or more continually increased.In order to maintain an acceptable bit-rate for any given application, it is obvious that a low bit-rate audio coder must exploit the redundancies between audio channels and binaural psychoacoustics. Perceptual audio coding, and more specifically parametric audio coding, offers the possibility of achieving much lower bit-rates by taking into account the limits of human hearing (psychoacoustics). Therefore, this research concentrates on parametric audio coding of more than one audio channel.

Ces travaux concernent l'évaluation perceptive de la reproduction sonore. Le but de notre étude est de proposer un protocole permettant la caractérisation perceptive des non-linéarités et des phénomènes de distorsion modifiant le signal reproduit par un système tel qu'une enceinte acoustique. L'élaboration d'un tel protocole nécessite de rassembler de nombreuses enceintes et d'utiliser une méthode d'évaluation adaptée. Nous ne cherchons pas à évaluer la distorsion en terme de qualité globale mais plutôt à estimer les dissemblances perçues entre différentes enceintes distordues afin de révéler, grâce à une analyse multidimensionnelle MDS, les critères sur lesquelles les auditeurs se basent pour les différencier. Dans un premier temps, nous avons utilisé des signaux de synthèse afin de générer des échantillons dont la distorsion est contrôlable. Nous avons ainsi créé un corpus composé de nombreux échantillons distordus simulant ou se rapprochant du fonctionnement d'une enceinte acoustique avec différents types de non-linéarités. Ensuite nous proposons une méthode adaptée à l'évaluation de la dissemblance sur des corpus étendus que nous avons validée à partir de simulations et de tests d'écoute. Enfin, nous avons appliqué cette méthode d'évaluation sur le corpus d'enceintes que nous avons élaboré afin de tester l'utilisation du protocole proposé et de donner quelques résultats préliminaires concernant les dimensions perceptives liées à la distorsion non linéaire. / This work deals with the perceptual evaluation of the sound reproduction. Our aim is to elaborate a protocol allowing to assess the influence of nonlinearities and distortions of a loudspeaker. Such a protocol requires gathering a large set of loudspeakers together with an appropriate method for its evaluation. This study deals with the perceptual evaluation of dissimilarities between different loudspeakers rather than their absolute quality judgements. Thanks to a multidimensional scaling technique, this approach allows to uncover the criteria used by the listeners to differentiate various distorting loudspeakers. First, we used synthesized signals to generate samples of sounds resulting from controlled distortion. Numerous distorded stimuli have been generated that simulate sounds radiated by a loudspeaker. Then, we propose a method suitable for the evaluation of a large set of stimuli. In order to verify its application to the estimation of dissimilarity, simulations and listening tests have been conducted. Finally, this listening test method has been applied to the created set of distorting loudspeakers in order to verify the use of our protocol and provide some preliminaries results concerning the perception of nonlinear distortion.

Le bruit dans nos villes est perçu comme une question de qualité de vie. Il est généralement évalué par la mesure de son niveau sonore. Si cette mesure est représentative d'environnements bruyants caractérisés par des flots continus de véhicules, elle s'avère insuffisante pour caractériser la « couleur » d'une ambiance sonore où différentes sources coexistent. C'est ainsi que la présente étude se propose d'examiner la qualité d'ambiances sonores urbaine du point de vue de leur composition, c'est-à-dire des sources sonores occurrentes., la finalité étant la mise au point d'une méthode d'évaluation automatique d'un environnement sonore urbain.<br />La première partie met en évidence le fait que celles-ci ne sont pas toutes perçues de la même manière et qu'en conséquence leurs évaluations métrologiques doivent être adaptées. Ce travail permet de proposer un indicateur lié au désagrément sonore ; en fonction du lieu, cet indicateur utilise la force sonore de la séquence, mais il prend toujours en compte les caractéristiques des différentes sources émergentes.<br />La deuxième partie de l'étude propose deux méthodes pour la mesure automatique de cet indicateur à travers l'identification des sources. Ces outils représentent, in fine, une aide à la gestion d'un environnement sonore de quartier.

Le bruit des moteurs diesel fait l'objet d'un intérêt particulier de la part des constructeurs automobile dans leur démarche d'assurer la qualité d'une voiture. Le bruit diesel au ralenti est un bruit impulsif répétitif qui peut provoquer la gêne auditive et, de ce fait, son étude perceptive est d'une grande importance. La présente thèse adopte une approche pluridisciplinaire des bruits diesel au ralenti dans le contexte de trois domaines scientifiques: l'acoustique automobile, les méthodes de traitement du signal temps-fréquence et la perception auditive. La problématique complexe du bruit moteur est exposée en décrivant la nature physique et la signature sonore des multiples sources acoustiques du groupe moto-propulseur, ainsi que les mécanismes associés au bruit de roulement et d'écoulement. L'accent est mis sur les caractéristiques rythmiques du bruit diesel au ralenti. L'apport principal dans le domaine du traitement du signal réside dans le développement d'un algorithme d'analyse temps-fréquence et de synthèse granulaire. Cet algorithme est basé sur l'analyse d'un cycle moteur et l'extraction des paramètres pour la synthèse granulaire à l'aide du module et de la phase de la transformée de Gabor et ses dérivées. La méthode fournit une décomposition parcimonieuse du signal sur un nombre restreint d'atomes temps-fréquence et permet la reconstruction du bruit moteur par périodisation d'un cycle moteur de synthèse. Une approche perceptive originale consiste à découper en zones temps-fréquence le cycle moteur de synthèse et de modifier les paramètres des atomes constituant cette zone. Les tests de préférence et de catégorisation effectués sur les sons de synthèse avec une modification du niveau des atomes dans les zones temps-fréquence a permis de mettre en évidence l'influence du niveau et du timbre des zones, mais également l'existence d'un facteur rythmique dans la perception des bruits diesel au ralenti dû au regroupement des zones en flux auditifs. Cette observation suggère la prise en compte de ce facteur rythmique dans l'étude perceptive des bruits moteur en ralenti et, plus globalement, des bruits impulsifs répétitifs.

Ces travaux concernent l'évaluation perceptive de la reproduction sonore. Le but de notre étude est de proposer un protocole permettant la caractérisation perceptive des non-linéarités et des phénomènes de distorsion modifiant le signal reproduit par un système tel qu'une enceinte acoustique. L'élaboration d'un tel protocole nécessite de rassembler de nombreuses enceintes et d'utiliser une méthode d'évaluation adaptée. Nous ne cherchons pas à évaluer la distorsion en terme de qualité globale mais plutôt à estimer les dissemblances perçues entre différentes enceintes distordues afin de révéler, grâce à une analyse multidimensionnelle MDS, les critères sur lesquelles les auditeurs se basent pour les différencier. Dans un premier temps, nous avons utilisé des signaux de synthèse afin de générer des échantillons dont la distorsion est contrôlable. Nous avons ainsi créé un corpus composé de nombreux échantillons distordus simulant ou se rapprochant du fonctionnement d'une enceinte acoustique avec différents types de non-linéarités. Ensuite nous proposons une méthode adaptée à l'évaluation de la dissemblance sur des corpus étendus que nous avons validée à partir de simulations et de tests d'écoute. Enfin, nous avons appliqué cette méthode d'évaluation sur le corpus d'enceintes que nous avons élaboré afin de tester l'utilisation du protocole proposé et de donner quelques résultats préliminaires concernant les dimensions perceptives liées à la distorsion non linéaire.

Ce mémoire de thèse de doctorat présente, discute et propose des outils de fouille automatique de mégadonnées dans un contexte de classification supervisée musical.L'application principale concerne la classification automatique des thèmes musicaux afin de générer des listes de lecture thématiques.Le premier chapitre introduit les différents contextes et concepts autour des mégadonnées musicales et de leur consommation.Le deuxième chapitre s'attelle à la description des bases de données musicales existantes dans le cadre d'expériences académiques d'analyse audio.Ce chapitre introduit notamment les problématiques concernant la variété et les proportions inégales des thèmes contenus dans une base, qui demeurent complexes à prendre en compte dans une classification supervisée.Le troisième chapitre explique l'importance de l'extraction et du développement de caractéristiques audio et musicales pertinentes afin de mieux décrire le contenu des éléments contenus dans ces bases de données.Ce chapitre explique plusieurs phénomènes psychoacoustiques et utilise des techniques de traitement du signal sonore afin de calculer des caractéristiques audio.De nouvelles méthodes d'agrégation de caractéristiques audio locales sont proposées afin d'améliorer la classification des morceaux.Le quatrième chapitre décrit l'utilisation des caractéristiques musicales extraites afin de trier les morceaux par thèmes et donc de permettre les recommandations musicales et la génération automatique de listes de lecture thématiques homogènes.Cette partie implique l'utilisation d'algorithmes d'apprentissage automatique afin de réaliser des tâches de classification musicale.Les contributions de ce mémoire sont résumées dans le cinquième chapitre qui propose également des perspectives de recherche dans l'apprentissage automatique et l'extraction de caractéristiques audio multi-échelles. / This doctoral dissertation presents, discusses and proposes tools for the automatic information retrieval in big musical databases.The main application is the supervised classification of musical themes to generate thematic playlists.The first chapter introduces the different contexts and concepts around big musical databases and their consumption.The second chapter focuses on the description of existing music databases as part of academic experiments in audio analysis.This chapter notably introduces issues concerning the variety and unequal proportions of the themes contained in a database, which remain complex to take into account in supervised classification.The third chapter explains the importance of extracting and developing relevant audio features in order to better describe the content of music tracks in these databases.This chapter explains several psychoacoustic phenomena and uses sound signal processing techniques to compute audio features.New methods of aggregating local audio features are proposed to improve song classification.The fourth chapter describes the use of the extracted audio features in order to sort the songs by themes and thus to allow the musical recommendations and the automatic generation of homogeneous thematic playlists.This part involves the use of machine learning algorithms to perform music classification tasks.The contributions of this dissertation are summarized in the fifth chapter which also proposes research perspectives in machine learning and extraction of multi-scale audio features.

Objectif: Cette thèse avait pour objectif principal la mise en oeuvre et la validation de la faisabilité, chez l'humain, du paradigme de modulation du réflexe acoustique de sursaut par un court silence (GPIAS) afin de l'utiliser comme mesure objective de l'acouphène. Pour ce faire, trois expériences ont été réalisées. L'expérience 1 avait pour objectif de valider l'inhibition du réflexe de sursaut par un court silence chez des participants humains normo-entendants (sans acouphène) lors de la présentation d'un bruit de fond centré en hautes et en basses fréquences afin de déterminer les paramètres optimaux du paradigme. L'expérience 2 avait pour objectif de valider la précision et la fidélité d'une méthode de caractérisation psychoacoustique de l'acouphène (appariement en intensité et en fréquence). Finalement, l'expérience 3 avait pour objectif d'appliquer le paradigme d'objectivation de l'acouphène par le réflexe de sursaut à des participants atteints d'acouphènes chroniques en utilisant les techniques développées lors des expériences 1 et 2. Méthodologie : L'expérience 1 incluait 157 participants testés dans l'une des conditions de durée du court silence (5, 25, 50, 100, 200 ms) et dans l'un des deux paradigmes (court silence à l'intérieur du bruit de fond ou suivant celui-ci) à l'aide de bruits de fond en hautes et en basses fréquences. L'expérience 2 incluait deux groupes de participants avec acouphène, l'un musicien (n=16) et l'autre sans expérience musicale (n=16) ainsi qu'un groupe de simulateur sans acouphène (n=18). Ils tous ont été évalués sur leur capacité d'appariement en fréquence et en intensité de leur acouphène. Les mesures ont été reprises chez un sous-groupe de participants plusieurs semaines plus tard. L'expérience 3 incluait 15 participants avec acouphène et 17 contrôles évalués à l'aide du paradigme d'inhibition du réflexe de sursaut à l'aide d'un court silence (GPIAS). Les paramètres psychoacoustiques de l'acouphène ont également été mesurés. Toutes les mesures ont été reprises plusieurs mois plus tard chez un sous-groupe de participants. Résultats : Expérience 1 : le paradigme d'inhibition du réflexe acoustique de sursaut par un court silence est applicable chez l'humain normo-entendant. Expérience 2 : les mesures psychoacoustiques informatisées de l'acouphène incluant l'appariement en fréquence et en intensité sont des mesures précises et fidèles du percept de l'acouphène. Expérience 3 : un déficit d'inhibition au paradigme du GPIAS a été retrouvé chez le groupe de participants avec acouphène pour les bruits de fond en hautes et en basses fréquences au test et au retest. Les mesures d'appariement en fréquence ont révélé un acouphène dont la fréquence prédominante était d'environ 16 000 Hz chez la plupart des participants. Discussion : Il est possible d'appliquer le paradigme d'inhibition du réflexe acoustique de sursaut par un court silence à des participants humains atteints d'acouphène, tel qu'il est utilisé en recherche animale pour « objectiver » la présence d'acouphène. Toutefois, le déficit d'inhibition mesuré n'est pas spécifique à la fréquence de l'acouphène lorsque validé à partir des données d'appariement psychoacoustique. Nos résultats soulèvent des questions quant à l'interprétation originale du paradigme pour détecter la présence d'un acouphène chez les animaux. / Objective: The main objective of this thesis was the implementation and validation of applying the gap prepulse inhibition of the acoustic startle reflex (GPIAS) paradigm in humans, in order to objectively measure tinnitus. To do this, three experiments were carried out. Experiment 1 was designed to validate the inhibition of the acoustic startle reflex by using a short gap within high and low frequency narrowband noise in normal hearing humans (without tinnitus) to determine the optimal paradigm parameters. Experiment 2 was designed to validate the accuracy and the test-retest fidelity of a tinnitus psychoacoustic characterization method (intensity and frequency matching). Finally, Experiment 3 applied the GPIAS paradigm to participants with chronic tinnitus using the techniques developed in experiments 1 and 2. Methods: Experiment 1 included 157 participants tested with only one gap duration (5, 25, 50, 100, 200 ms) and with one of the two paradigms (gap imbedded in the background noise or following it) including high and low frequencies background noise. Experiment 2 included two groups of participants with tinnitus, one group consisting of musicians (n=16) and one group without musical experience (n=16). A third group consisted of adults who were instructed to simulate having tinnitus (n = 18). Tinnitus pitch and intensity matching abilities were assessed for all participants. A subgroup of participants was retested several weeks later. Experiment 3 included 15 participants with tinnitus and 17 controls assessed with the GPIAS. The psychoacoustic parameters of tinnitus were also measured. A subgroup of participants was retested several weeks later. Results: Experiment 1: the GPIAS is applicable in humans with normal hearing. Experiment 2: psychoacoustic measurements of tinnitus frequency and intensity using a computerized matching procedure produced precise and accurate measurements of the tinnitus percept. Experiment 3: an inhibition deficit was found using the GPIAS paradigm in the tinnitus group for background noise of high and low frequency compared to the control group, at test and retest. The frequency matching measurements revealed a 16,000 Hz tinnitus predominant frequency for most tinnitus participants. Discussion: It is possible to apply the gap prepulse inhibition of the startle reflex paradigm on human participants with tinnitus, as used in animal research to "objectify" the presence of tinnitus. However, the inhibition deficit found in the tinnitus group was not specific to their tinnitus frequency. This was validated by psychoacoustic tinnitus pitch matching. Our results question the original interpretation of the GPIAS paradigm for objectifying the presence of tinnitus.