La reconnaissance vocale est une technologie sujette à amélioration. Malgré 40 ans de travaux, de nombreuses applications restent néanmoins hors de portée en raison d'une trop faible efficacité. De façon à pallier à ce problème, l'auteur propose une amélioration au cadre conceptuel classique. Plus précisément, une nouvelle méthode d'entraînement des modèles markoviens cachés est exposée de manière à augmenter la précision dynamique des classificateurs. Le présent document décrit en détail le résultat de trois ans de recherche et les contributions scientifiques qui en sont le produit. L'aboutissement final de cet effort est la production d'un article de journal proposant une nouvelle tentative d'approche à la communauté scientifique internationale. Dans cet article, les auteurs proposent que des topologies finement adaptées de modèles markoviens cachés (HMMs) soient essentielles à une modélisation temporelle de haute précision. Un cadre conceptuel pour l'apprentissage efficace de topologies par élagage de modèles génériques complexes est donc soumis. Des modèles HMM à topologie gauche-à-droite sont d'abord entraînés de façon classique. Des modèles complexes à topologie générique sont ensuite obtenus par écrasement des modèles gauche-à-droite. Finalement, un enchaînement successif d'élagages et d'entraînements Baum-Welch est fait de manière à augmenter la précision temporelle des modèles.

Cette recherche visait à clarifier les mécanismes de bas niveau impliqués dans la détection de la modulation de fréquence (FM). Les sons naturels véhiculent des modulations d’amplitude et de fréquence saillantes essentielles à la communication. L’analyse des réponses de neurones auditifs du noyau cochléaire montre que les propriétés spectro-temporelles des stimuli de FM de basse cadence sont représentées par deux mécanismes distincts basés sur le verrouillage en phase à l’enveloppe temporelle (ENV) et à la structure temporelle fine (TFS). La contribution relative de chaque mécanisme s’avère très dépendante des paramètres de stimulation (fréquence porteuse, cadence de modulation et profondeur de modulation) mais aussi du type de neurones, chacun étant spécialisé pour un type de représentation ou l'autre. L’existence de ces deux mécanismes de codage neuronal a été confirmée chez les auditeurs humains en utilisant deux paradigmes psychophysiques. Les résultats de ces études démontrent également que le mécanisme de codage de TFS est efficace dans des conditions d'écoute défavorables (e.g. en présence de modulations interférentes). Cependant, le mécanisme de codage de TFS est susceptible de se dégrader avec l'âge et plus encore avec la perte auditive, alors que le mécanisme de codage d’ENV semble relativement épargné. Deux modèles computationnels ont été développés afin d’expliquer les contributions des indices d’ENV et de TFS dans le système auditif normal et malentendant. / This research aimed at clarifying the low-level mechanisms involved in frequency-modulation (FM) detection. Natural sounds convey salient amplitude- and frequency-modulation patterns crucial for communication. Results from single auditory neurons in the cochlear nucleus show that the spectro-temporal properties of low-rate FM stimuli are accurately represented by two distinct mechanisms based on neural phase-locking to temporal envelope (ENV) and temporal fine structure (TFS) cues. The relative contribution of each mechanism was found to be highly dependent on stimulus parameters (carrier frequency, modulation rate and modulation depth) and also on the type of neuron, with clear specializations for one type of representation or the other. The validity of those two neural encoding mechanisms was confirmed for human listeners using two psychophysical paradigms. Results from those studies also demonstrate that the TFS coding mechanism is efficient in adverse listening conditions, like in the presence of interfering modulations. However, the TFS coding mechanism is prone to decline with age and even more with hearing loss, while the ENV coding mechanism seems relatively spared. Two computational models were developed to fully explain the contributions of ENV and TFS cues in the normal and impaired auditory system.

Les signaux de communication, dont la parole, contiennent des modulations d'amplitude et de fréquence relativement lentes qui jouent un rôle capital dans l'identification et la discrimination des sons. Le but de ce programme de recherche doctorale est de comprendre plus finement les mécanismes impliqués dans la perception de l'AM et de la FM, et de clarifier les effets du vieillissement et de la perte auditive neurosensorielle sur ceux-ci. Les seuils auditifs de détection d'AM et de FM sont mesurés pour des sujets normo-entendants (NE) jeunes et âgés, ainsi que pour des sujets malentendants (ME) âgés, à basse fréquence porteuse (500 Hz) et à basse cadence de modulation (2 et 20 Hz). Le nombre de cycles de modulation, N, varie entre 2 et 9. Les seuils de détection de FM sont mesurés en présence d'une AM interférente, de façon à contraindre l'utilisation des indices d’enveloppe temporelle. Pour l'ensemble des groupes, les seuils de détection d'AM et de FM sont meilleurs à 2 qu'à 20 Hz. La sensibilité à l'AM et la FM s'améliore lorsque N augmente, démontrant une intégration temporelle des indices d’AM et de FM. Pour l’AM, les effets du vieillissement et de la perte auditive sont antagonistes: aux deux cadences de modulation, la sensibilité à l'AM décline avec l'âge, tandis qu'elle s'améliore en présence d'une perte auditive. L'intégration temporelle est similaire pour les deux groupes de NE, tandis que l'intégration temporelle est améliorée chez les sujets ME. Pour la sensibilité à la FM, l'âge dégrade sélectivement les seuils de détection de FM à basse cadence de modulation, tandis que la perte auditive a un effet délétère global aux deux cadences de modulation. L'intégration temporelle est similaire pour l'ensemble des groupes. Deux modèles computationnels (mono-bande et multi-bandes) utilisant un banc de filtres de modulation et un processus d'appariement de gabarit sont développés pour rendre compte des données. Pris ensemble, les données psychophysiques et de modélisation suggèrent que: 1) pour des cadences de modulation rapides, la détection d'AM et de FM sont encodés par un mécanisme commun, probablement basé sur les indices d’enveloppe temporelle. A l'inverse, à basse cadence de modulation, l'AM et la FM sont encodés par des mécanismes distincts, utilisant probablement et respectivement des indices d’enveloppe temporelle et de structure temporelle fine; 2) le vieillissement dégrade la sensibilité à l'AM et la FM (i.e. les indices d’enveloppe temporelle et de structure temporelle fine), mais affecte plus fortement ces derniers; 3) la perte auditive n'affecte pas la sensibilité à l'AM (indices d’enveloppe temporelle), mais dégrade la sensibilité à la FM aux deux cadences de modulation; 4) Les processus décisionnels et mnésiques impliqués dans l'intégration temporelle d'AM et de FM sont préservés par le vieillissement. En présence d'une perte auditive, l'intégration temporelle d'AM est améliorée, probablement en raison de la perte de compression cochléaire, tandis que l'intégration temporelle en FM reste préservée. Toutefois, certains aspects de l’efficacité de traitement (modélisés par un bruit interne) déclinent avec l’âge et encore plus fortement avec une perte auditive. Les implications de ces résultats pour la définition, le diagnostic et la réhabilitation de la presbyacousie sont discutés. / Communication sounds, including speech, contain relatively slow (<5-10 Hz) patterns of amplitude modulation (AM) and frequency modulation (FM) that play an important role in the discrimination and identification of sounds. The goal of this doctoral research program was to better understand the mechanisms involved in AM and FM perception and to clarify the effects of age and hearing loss on AM and FM perception. AM and FM detection thresholds were measured for young and older normal-hearing (NH) listeners and for older hearing-impaired (HI) listeners, using a low carrier frequency (500 Hz) and low modulation rates (2 and 20 Hz). The number of modulation cycles, N, varied between 2 to 9. FM detection thresholds were measured with and without an interfering AM to disrupt temporal-envelope cues. For all groups of listeners, AM and FM detection thresholds were lower for the 2-Hz than for the 20-Hz rate. AM and FM sensitivity improved with increasing N, demonstrating temporal integration for AM and FM detection. As for AM thresholds, opposite effects of age and hearing loss were observed: AM sensitivity declines with age, but improves with hearing loss at both modulation rates. Temporal integration of AM cues was similar across NH listeners, but better for HI listeners. As for FM sensitivity, ageing degrades FM thresholds at the low modulation rate only, whereas hearing loss has a deleterious effect at both modulation rates. Temporal integration of FM cues was similar across all groups. Two computational models (a single-band and a multi-band version) using the modulation filterbank concept and a template-matching decision strategy were developed in order to account for the data. Overall, the psychophysical and modeling data suggest that: 1) at high modulation rates, AM and FM detection are coded by a common underlying mechanism, possibly based on temporal-envelope cues. In contrast, at low modulation rates, AM and FM are coded by different mechanisms, possibly based on temporal-envelope cues and temporal-fine-structure cues, respectively. 2) Ageing reduces sensitivity to both AM and FM (i.e., both temporal-envelope and temporal-fine-structure cues), but more so for the latter. 3) Hearing loss does not affect sensitivity to AM (temporal-envelope cues) but impairs FM sensitivity at both rates. 4) The memory and decision processes involved in the temporal integration of AM and FM cues are preserved with age. With hearing loss, the temporal integration of AM cues is enhanced, probably due to the loss of amplitude compression, while the temporal integration of FM cues remains unchanged. Still, some aspects of processing efficiency (as modeled by internal noise) decline with age and even more following cochlear damage. The implications for the definition, diagnosis and rehabilitation of presbyacysis are discussed.