L’audition est une modalité utile pour aider un robot à explorer et comprendre son environnement sonore. Dans cette thèse, nous nous intéressons à la tâche de localiser une ou plusieurs sources sonores mobiles et intermittentes à l’aide d’un robot mobile équipé d’une antenne de microphones en exploitant la mobilité du robot pour améliorer la localisation. Nous proposons d’abord un modèle bayésien pour localiser une seule source mobile intermittente. Ce modèle estime conjointement la position et l’activité de la source au cours du temps et s’applique à tout type d’antenne. Grâce au mouvement du robot, il peut estimer la distance de la source et résoudre l’ambiguïté avant-arrière qui apparaît dans le cas des antennes linéaires. Nous proposons deux implémentations de ce modèle, l’une à l’aide d’un filtre de Kalman étendu basé sur des mélanges de gaussiennes et l’autre à l’aide d’un filtre à particules, que nous comparons en termes de performance et de temps de calcul. Nous étendons ensuite notre modèle à plusieurs sources intermittentes et mobiles. En combinant notre filtre avec un joint probability data association filter (JPDAF), nous pouvons estimer conjointement les positions et activités de deux sources sonores dans un environnement réverbérant. Enfin nous faisons une contribution à la planification de mouvement pour réduire l’incertitude sur la localisation d’une source sonore. Nous définissons une fonction de coût avec l’alternative entre deux critères: l’entropie de Shannon ou l’écart-type sur l’estimation de la position. Ces deux critères sont intégrés dans le temps avec un facteur d’actualisation. Nous adaptons alors l’algorithme de Monte-Carlo tree search (MCTS) pour trouver, efficacement, le mouvement du robot qui minimise notre fonction de coût. Nos expériences montrent que notre méthode surpasse, sur le long terme, d’autres méthodes de planification pour l’audition robotique / Robot audition provides hearing capability for robots and helps them explore and understand their sound environment. In this thesis, we focus on the task of sound source localization for a single or multiple, intermittent, possibly moving sources using a mobile robot and exploiting robot motion to improve the source localization. We propose a Bayesian filtering framework to localize the position of a single, intermittent, possibly moving sound source. This framework jointly estimates the source location and its activity over time and is applicable to any micro- phone array geometry. Thanks to the movement of the robot, it can estimate the distance to the source and solve the front-back ambiguity which appears in the case of a linear microphone array. We propose two implementations of this framework based on an extended mixture Kalman filter (MKF) and on a particle filter, that we compare in terms of performance and computation time. We then extend our model to the context of multiple, intermittent, possibly moving sources. By implementing an extended MKF with joint probabilistic data association filter (JPDAF), we can jointly estimate the locations of two sources and their activities over time. Lastly, we make a contribution on long-term robot motion planning to optimally reduce the uncertainty in the source location. We define a cost function with two alternative criteria: the Shannon entropy or the standard deviation of the estimated belief. These entropies or standard deviations are integrated over time with a discount factor. We adapt the Monte Carlo tree search (MCTS) method for efficiently finding the optimal robot motion that will minimize the above cost function. Experiments show that the proposed method outperforms other robot motion planning methods for robot audition in the long run

Des réseaux de capteurs acoustiques sont actuellement mis en place dans plusieurs grandes villes afin d’obtenir une description plus fine de l’environnement sonore urbain. Un des défis à relever est celui de réussir,à partir d’enregistrements sonores, à estimer des indicateurs utiles tels que le niveau sonore du trafic routier. Cette tâche n’est en rien triviale en raison de la multitude de sources sonores qui composent cet environnement. Pour cela, la Factorisation en Matrices Non-négatives (NMF) est considérée et appliquée sur deux corpus de mixtures sonores urbaines simulés. L’intérêt de simuler de tels mélanges est la possibilité de connaitre toutes les caractéristiques de chaque classe de son dont le niveau sonore exact du trafic routier. Le premier corpus consiste en 750 scènes de 30 secondes mélangeant une composante de trafic routier dont le niveau sonore est calibré et une classe de son plus générique. Les différents résultats ont notamment permis de proposer une nouvelle approche, appelée « NMF initialisée seuillée », qui se révèle être la plus performante. Le deuxième corpus créé permet de simuler des mixtures sonores plus représentatives des enregistrements effectués en villes, dont leur réalisme a été validé par un test perceptif. Avec une erreur moyenne d’estimation du niveau sonore inférieure à 1,2 dB, la NMF initialisée seuillée se révèle, là encore, la méthode la plus adaptée aux différents environnements sonores urbains. Ces résultats ouvrent alors la voie vers l’utilisation de cette méthode à d’autres sources sonores, celles que les voix et les sifflements d’oiseaux, qui pourront mener, à terme, à la réalisation de cartes de bruits multi-sources. / Acoustic sensor networks are being set up in several major cities in order to obtain a more detailed description of the urban sound environment. One challenge is to estimate useful indicators such as the road traffic noise level on the basis of sound recordings. This task is by no means trivial because of the multitude of sound sources that composed this environment. For this, Non-negative Matrix Factorization (NMF) is considered and applied on two corpuses of simulated urban sound mixtures. The interest of simulating such mixtures is the possibility of knowing all the characteristics of each sound class including the exact road traffic noise level. The first corpus consists of 750 30-second scenes mixing a road traffic component with a calibrated sound level and a more generic sound class. The various results have notably made it possible to propose a new approach, called ‘Thresholded Initialized NMF', which is proving to be the most effective. The second corpus created makes it possible to simulate sound mixtures more representatives of recordings made in cities whose realism has been validated by a perceptual test. With an average noise level estimation error of less than 1.3 dB, the Thresholded Initialized NMF stays the most suitable method for the different urban noise environments. These results open the way to the use of this method for other sound sources, such as birds' whistling and voices, which can eventually lead to the creation of multi-source noise maps.

La thèse se base sur la recherche des possibilités de caractérisation du son aérien de sources sonores arbitraires. A cette fin, une approche particulière est étudiée à l’endroit où la caractérisation de la source est faite via une surface d’interface qui enveloppe totalement ou partiellement la source physique. Deux descripteurs qui dépendent de la fréquence sont definis au travers d’une telle surface: la pression sonore bloquée et l’impédance de la source. Le précédent représente la pression sonore créée par le système d’exploitation source qui agit sur la surface enveloppante quand elle est rendue immobile. Cette dernière représente le rapport des amplitudes de réponse de pression et les amplitudes de vitesse d’excitation normales au travers de la surface. La surface enveloppante définit un volume d’air qui contient la source physique appelée l’espace source. Les deux descripteurs définis sur l’espace source, la pression bloquée et l’impédance de la source sont montrés comme étant intrinsèques à la source, c’est-à-dire indépendants de l’espace acoustique environnant. Une fois définis, ces descripteurs permettent de trouver la pression sonore et la vitesse particulaire normale à la surface de l’interface quand l’espace source est couplé à un espace récepteur arbitraire, c’est-à-dire une pièce. Cela permet alors la prédiction du son dans l’espace récepteur. Les conditions de couplage nécessitent que l’espace récepteur soit caractérisé en utilisant la même surface enveloppante telle que l’espace source. En acceptant de garder à l’esprit la simplicité de la mesure, la surface enveloppante a été conçue vu qu’elle comporte une ou plusieurs surfaces rectangulaires planes. Le défi de la recherche était alors d’obtenir une impédance significative de la surface au travers de la surface plane rectangulaire (continue) ainsi que celle de la pression bloquée compatible avec la formulation de l’impédance. Cela a conduit à une décomposition dans l’espace de la pression sonore et de la vitesse des particules au sein du nombre fini des composants, chacun défini par une amplitude complexe et une distribution dans l’espace particulière. De cette façon, la pression bloquée se réduit à un vecteur d’amplitude de pression complexe, tandis que l’impédance devient une matrice de pression et des rapports d’amplitudes complexes de la vitesse de défauts de de décompositions ont été recherchés dans le détail: la méthode harmonique de surface et la méthode du patch. Le premier se rapproche de la pression de surface et de la vitesse normale par des combinaisons de fonctions de surface trigonométriques en 2D tandis que ce dernier partage la surface en petites parcelles et intervient sur chaque parcelle de façon discrète en utilisant les valeurs moyennes du patch. / The thesis investigates possibilities of air-borne sound characterisation of arbitrary sound sources. To this end a particular approach is studied where the source characterisation is done via an interface surface which fully or partially envelopes the physical source. Two frequency dependent descriptors are defined across such a surface: the blocked sound pressure and the source impedance. The former represents the sound pressure created by the operating source which acts on the enveloping surface when this is made immobile. The latter represents the ratio of pressure response amplitudes and normal velocity excitation amplitudes across the surface. The enveloping surface defines an air volume containing the physical source, called the source space. The two source descriptors defined on the source space, the blocked pressure and the source impedance, are shown to be intrinsic to the source, i.e. independent of the surrounding acoustical space. Once defined, these descriptors allow one to find the sound pressure and normal particle velocity at the interface surface when the source space is coupled to an arbitrary receiver space, i.e. a room. This in turn allows for sound prediction in the receiver space. The coupling conditions require that the receiver space is characterised using the same enveloping surface as the source space. Bearing the measurement simplicity in mind, the enveloping surface has been conceived as consisting of one or several rectangular plane surfaces. The research challenge was then to obtain meaningful surface impedance across a (continuous) rectangular plane surface as well as the blocked pressure compatible with impedance formulation. This has led to a spatial decomposition of sound pressure and particle velocity into finite number of components, each defined by a complex amplitude and a particular spatial distribution. In this way the blocked pressure reduces to a vector of complex pressure amplitudes while the impedance becomes a matrix of pressure and velocity complex amplitude ratios. Two decomposition methods have been investigated in detail: the surface harmonic method and the patch method. The former approximates the surface pressure and normal velocity by combinations of 2D trigonometric surface functions while the latter splits the surface into small patches and treats each patch in a discrete way, using patch-averaged values.

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.

L'objectif de ce travail de thèse est la conception d'un système de haut-parleurs transportable, capable de générer un champ sonore prédéfini et focalisé avec un contraste spatial élevé. Ce système doit permettre à terme d'effectuer différents types d'études, par exemple des essais de transparence acoustique ou encore des essais vibratoires en conditions non-anéchoïques. La minimisation du nombre de canaux à piloter ainsi que du nombre des transducteurs est l'un des enjeux principaux du travail. Le choix du nombre de sources et la sélection de leurs positions optimales afin de générer un champ acoustique cible n'a pas de solution triviale. Pour répondre à cette question, la méthode proposée se base sur la décomposition du rayonnement d’une source en série de fonctions orthogonales indépendantes (les"modes de rayonnement"), construits numériquement via une décomposition en valeurs singulières de la matrice d'impédance. En filtrant les termes évanescents, le champ lointain peut être reconstruit à l'aide d'un faible nombre de termes. De plus, la méthode permet d'estimer une distribution de débit efficace pour générer le champ cible. La méthode proposée étant relativement peu étudiée dans la littérature, la première partie de la thèse a été consacrée au problème de la validation expérimentale de la méthode directe et à l'étude des principaux paramètres en influençant le résultat. La problématique du positionnement des sources permettant de synthétiser un champ sonore prédéfini et focalisé est abordée dans la deuxième partie du travail. / The goal of this thesis is the design of a transportable speaker system, able to generate a predefined and focused sound field with a high spatial contrast. This system has eventually to allow carrying out different types of studies, for example acoustic transmission loss tests or vibration tests in non-anechoic conditions. The minimization of the number of driven channels and the number of transducers is one of the main goals of the work. The choice of the number of sources and the selection of their optimal positions in order to generate a target acoustic field has no trivial solution. To answer this question, the proposed method is based on the decomposition of the source radiation into a series of independent orthogonal functions (the "radiation modes"), constructed numerically via a singular value decomposition of the impedance matrix. By filtering the evanescent terms, the far field can be reconstructed using a small number of terms. In addition, the method allows the estimation of an efficient flow distribution to generate the target field. With the proposed method having been scarcely studied in the literature, the first part of the thesis is devoted to the problem of the experimental validation of the direct method and the study of the main parameters that are influencing the result. The problem of sources positioning in order to synthesize a predefined and focused sound field is discussed in the second part of the thesis.

La caractérisation des sources sonores dues aux vibrations est un défi dans le domaine du bruit et des vibrations. Dans cette thèse, une approche expérimentale pour caractériser la propagation du son d’une machine complexe a été étudiée. Pour caractériser de manière appropriée la source sonore placée dans un environnement quelconque, il a été indispensable de prendre en compte les phénomènes de rayonnement et de diffraction. Cela permet de prédire une pression acoustique. Une technique particulière, appelée source mannequin, a été développée pour répondre à cette problématique. Le mannequin est une enceinte fermée de taille similaire mais qui a une forme simplifiée par rapport à la machine complexe, et sert de modèle de diffraction sonore. Le mannequin est équipé d’une série de haut-parleurs alignés dans le prolongement de la surface de l’enceinte. La superposition du champ acoustique créé par chaque haut-parleur modélise le rayonnement acoustique de la machine complexe. Cette thèse introduit donc le concept de source mannequin et traite de trois problèmes émanant de la mise en pratique de celui-ci : (1) l’estimation du transfert d’impédance dans l’espace (fonction de Green), (2) les spécifications de l’enceinte et de la série de haut-parleurs, et (3) l’estimation des sources équivalentes en termes de débit volumique. L’approche est étudiée au travers de cas d’études expérimentaux et numériques. / The characterisation of vibrating sound sources is a challenge in noise and vibration engineering. In this thesis, an experimental approach to the characterisation of air-borne sound from a complex machine is investigated. A proper characterisation has to account for both radiation and diffraction phenomena in order to describe the sound source when inserted into an arbitrary space which enables prediction of sound pressure. A particular technique — a dummy source — has been conceived to deal with this problem. The dummy is a closed cabinet of similar size but much simpler shape than the complex machine, and it serves as a model of sound diffraction. The dummy is equipped with a flush-mounted array of loudspeaker drivers. The superposition of sound fields created by the individual drivers models sound radiation of the complex machine. This thesis introduces the concept of a dummy source and discusses three problems that need to be addressed for its practical application: (1) estimation of the transfer impedance of the space (the Green’s function), (2) the specification of the cabinet and the driver array, and (3) the estimation of the equivalent source strengths in terms of volume velocity. The approach is investigated via experimental and numerical case studies.