Cours de Traitement du Signal

Freddy Mudry

Analyse de la parole

Table des matières

1 Introduction 1

2 Analyse de la parole 1
2.1 Classification des phonèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2.2 Période des sons voisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

3 Acquisition et analyse avec CoolEdit 2

3.1 Paramètres pour l’enregistrement . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.2 Visualisation des signaux et de leur spectre . . . . . . . . . . . . . . . . . . . . 3

4 Analyse du signal acoustique avec Matlab 3

4.1 Lecture du fichier de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.2 Initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.3 Valeur efficace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.4 Taux de passages par zéro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.5 Spectre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

5 Recherche du pitch 5
5.1 Filtrage du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.2 Autocorrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

6 Travail pratique 7
6.1 Avec CoolEdit : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.2 Avec Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

fmy/février 2004 i
 Cours de Traitement du Signal

Freddy Mudry

Analyse de la parole

1 Introduction

L’information portée par le signal parole peut être considéré de bien des façons. On distingue
généralement plusieurs niveaux de description non exclusifs : acoustique, phonétique et phonolo-
gique.
Au niveau acoustique, on s’intéresse essentiellement au signal que l’on tentera de caractériser
par son intensité, sa fréquence, son timbre et ses propriétés statistiques. Au plan phonétique, on
considère la génération des sons, les phonèmes qui composent un mot et les classes auxquels ils se
rattachent. Enfin, la phonologie s’attache à décrire le rythme, la prosodie, la mélodie d’une phrase.
Le texte qui suit traitera du signal acoustique seulement. Il n’a d’autre but que de servir d’intro-
duction à une deuxième partie où l’on abordera le codage et décodage LPC de la parole. Une
présentation plus complète peut êtrer lue avec profit dans [1].

2 Analyse de la parole

Avant de vouloir traiter ou coder le signal de la parole, il est important de commencer par com-
prendre ce qu’est la parole, quel est son contenu spectral, quelles sont les parties qui la composent.
De plus, il est primordial de réaliser que l’analyse des signaux est basée sur la stationnarité de ceux-
ci alors que, par essence, un message ne peut pas être stationnaire. On sera donc constamment
confronté au dilemme posé par l’analyse d’un signal transitoire considéré comme stationnaire.
Pour la suite, vous utiliserez les deux outils suivants :
– le programme CoolEdit 2000 pour l’enregistrement, l’analyse auditive et visuelle des sons et de
leurs spectres ;
– le programme Matlab pour l’analyse et le traitement numériques des signaux.

2.1 Classification des phonèmes

Lorsqu’on recherche les composants élémentaires du langage articulé, on en trouve environ une
trentaine pour la langue française. Ces éléments désignés sous le nom de phonèmes sont répartis
en 7 classes ; ils suffisent pour représenter l’ensemble des sons. Il s’agit des :

fmy/février 2004 1
3 ACQUISITION ET ANALYSE AVEC COOLEDIT 2

– voyelles voisées : lit, été, marais, Ursule, peur, petit, jeu, patte, pâte, sol, saule, bijou ;
– voyelles nasales : brin, brun, chant, bonjour ;
– semi-voyelles : paille, lui, Louis ;
– consonnes fricatives : saucisson, zèbre, chat, janvier, fameux, vert ;
– consones nasales : Nantes, menthe, agneau ;
– consonnes liquides : salon, bureau ;
– consonnes plosives : pari, barbare, bateau, badaud, écart, langue.
Ces classes de phonèmes font intervenir à des degrés divers les lèvres, la cavité nasale, la langue,
le palais, la glotte et les cordes vocales. Des différences subtiles entre phonèmes déterminent le
sens du mot et modifient sensiblement la forme de l’onde sonore et son spectre. Ces différences
ne sont pas faciles à détecter et à mettre en oeuvre.
Dans certaines applications, en téléphonie par exemple, on peut se contenter d’une approche plus
grossière et de répartir les phonèmes dans deux classes seulement, les sons voisés et non voisés.
Les premiers sont modélisés par un signal périodique, alors que les seconds sont représentés par
un bruit. Une tâche difficile du codage de la parole consiste à déterminer si un son est voisé ou
non.

2.2 Période des sons voisés

Considérant que les sons voisés ont un contenu périodique bien marqué, le problème à résoudre
consiste à trouver la période de la composante fondamentale et à décider si le son analysé est voisé
ou non. Cette période (communément appelée le pitch), est un paramètre très important pour la
synthèse de la parole car l’oreille est très sensible à ses variations.
On a observé que la fréquence de la fondamentale se situe entre 40 Hz et 250 Hz pour les voix
masculines alors qu’elle est comprise entre 150 Hz et 700 Hz pour les voix féminines. De manière
générale, on admettra donc qu’un son est voisé si sa période ou le pitch est compris entre 2 msec
et 20 msec.

3 Acquisition et analyse avec CoolEdit

On utilisera le logiciel CoolEdit pour acquérir des sons, sélectionner et écouter des phonèmes
ou des parties de phrases et visualiser des ondes sonores à l’aide de graphes, de spectres ou de
spectrogrammes.

3.1 Paramètres pour l’enregistrement

Considérant que l’on s’intéresse ici à des sons de la bande téléphonique, on les enregistrera en
monophonie à la fréquence de 8 kHz avec un convertisseur 16 bits après un filtrage antirepliement
des fréquences supérieures à 4 kHz.
Pour que les fichiers soient directement utilisables par Matlab, on les sauvegardera dans un fichier
*.txt de type ASCII et on prendra garde à supprimer les 4 premières lignes qui contiennent des
informations sur l’enregistrement.

fmy/février 2004 Analyse de la parole

4 ANALYSE DU SIGNAL ACOUSTIQUE AVEC MATLAB 3

3.2 Visualisation des signaux et de leur spectre

Dans la figure 1, on présente le signal correspondant au mot “bonjour”. On y voit le graphe du

signal complet, son spectrogramme et deux zones du son “bonjour”. La première correspond au
son non voisé “j”, alors que la deuxième illustre le phonème voisé “ou”. Pour chacune de ces deux
zones, on a tracé les signaux temporels et les spectres correspondants.
Pour le son “j”, on relèvera le caractère aléatoire du signal, sa faible puissance et le fort taux de
passages par zéro. Pour le son “ou”, on notera d’abord son caractère périodique qui conduit aux
raies spectrales du domaine fréquentiel. La périodicité basse fréquence des signaux voisés conduit
à un faible taux de passages par zéro. De plus, la puissance des sons voisés est sensiblement plus
grande que celle des sons non voisés.

4 Analyse du signal acoustique avec Matlab

Le logiciel Matlab servira pour traiter les signaux par tranches successives, extraire leurs caracté-
ristiques et mettre en évidence les résultats obtenus.
Après avoir enregistré une phrase ou un son avec CoolEdit, celui-ci doit être sauvegardé dans un
fichier *.txt de type ASCII afin de pouvoir être lu par Matlab. Il ne doit contenir aucune autre
information que les valeurs échantillonnées du signal.

4.1 Lecture du fichier de données

Le fichier *.txt comportera une colonne de N valeurs échantillonnées. Il sera lu par Matlab sous la
forme d’un vecteur dont l’amplitude sera normalisée à 1 :
[filename,path] = uigetfile(’*.txt’,’Choix de la phrase’) ;
phrase = load(filename) ;
phrase = phrase/max(abs(phrase)) ;

On désignera une tranche à l’aide de la variable st. La tranche désirée peut être sélectionnée en
prenant une partie des composantes du vecteur phrase avec la commande
st = phrase(Ndebut :Nfin) ;

Si une analyse spectrale doit être faite, on choisira de préférence une tranche de longueur égale à
une puissance de 2. Par exemple, 128 ou 256.

4.2 Initialisation

La visualisation du signal temporel et de son spectre débute par l’initialisation de quelques va-
riables et la suppression de la valeur moyenne qui n’a aucun intérêt en traitement des signaux :
fe = 8e3 ; Te = 1/fe ;
Npoints = length(st) ;
duree = Npoints*Te ;
temps = 0 :Te :duree-Te ;
df = 1/duree ;
Ndemi = fix(Npoints/2) ;
frequence = df*(0 :Ndemi-1) ; % 0 <= frequence < fe/2
st = st - mean(st) ; % suppression de la valeur moyenne

fmy/février 2004 Analyse de la parole

4 ANALYSE DU SIGNAL ACOUSTIQUE AVEC MATLAB 4


  







 

 
!
"#"$#


%

&' $(




&'# )
%

F IG . 1: Graphes correspondant au mot “bonjour” ; mise en évidence des sons “j” et “ou”

fmy/février 2004 Analyse de la parole

5 RECHERCHE DU PITCH 5

4.3 Valeur efficace

Vous remarquerez par la suite que les sons voisés sont généralement plus intenses que les sons non
voisés. Pour évaluer l’amplitude des signaux, on calcule la valeur efficace de la tranche considérée.
Celle-ci est égale à la déviation standard du signal

Seff = std(st) ; % valeur efficace du signal

4.4 Taux de passages par zéro

Le taux de passages par zéro peut également aider à la décision voisé / non voisé. Il est défini
comme le rapport entre le nombre de passages par zéro et le nombre d’échantillons considérés
Nxz
nxz =
Nech
Le nombre passages par zéro peut se calculer comme suit :

function [Nxz] = zcross(xt)

xz = xt - mean(xt) ;
xz = (1+sign(xz))/2 ; % transformation en un signal binaire 0 / 1
xz = diff(xz) ; % derivee du signal binaire = +/- 1
Nxz = sum(abs(xz)) ; % nombre de passages par 0

4.5 Spectre

L’analyse spectrale est faite à l’aide de la FFT. Idéalement, le nombre de points de la tranche
analysée devrait être une puissance de 2. Afin d’éviter les effets de bords de la tranche qui peuvent
conduire à un étalement spectral, il est nécessaire d’effectuer préalablement un fenêtrage de la
tranche. Ces opérations sont réalisées à l’aide des commandes suivantes :

stHm = st.*Hamming(Npoints) ;
spectre = fft(stHm) ;
spectre = spectre(1 :Ndemi) % limitation à fe/2
module = abs(spectre) ; phase = angle(spectre) ;
plot(frequence,20*log10(abs(spectre)) ;

Une illustration de sons voisés et non voisés est donnée dans les figures 2 et 3. On notera les raies
spectrales bien visibles dans le spectre du signal voisé et, en particulier, la correspondance entre
la fréquence de la fondamentale et la période du signal voisé.

5 Recherche du pitch

5.1 Filtrage du signal

Comme on l’a dit plus haut, on admet généralement que la période du pitch de la voix humaine
est comprise entre 2 et 20 msec. Le domaine spectral qui nous préoccupe ici est donc inférieur
à 500 Hz. Il est ainsi préférable, puisqu’on s’intéresse à un signal dont le spectre est limité, de
commencer par éliminer les fréquences supérieures à 500 Hz. Ceci peut être fait à l’aide d’un filtre
numérique passe-bas ; celui-ci est généralement du type Butterworth et d’ordre 8 :

fmy/février 2004 Analyse de la parole

5 RECHERCHE DU PITCH 6

x 10
4 Signal s(t) = "ou"
2

−1

−2

−3

−4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

Spectre de shm(t) = "ou"

140

120

100

80

60

40
0 500 1000 1500 2000 2500 3000 3500 4000

F IG . 2: Signal voisé et son spectre

4
x 10 Signal s(t) = "jj"
1.5

0.5

−0.5

−1

−1.5

−2
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

Spectre de shm(t) = "jj"

120

110

100

90

80

70

60
0 500 1000 1500 2000 2500 3000 3500 4000

F IG . 3: Signal non voisé et son spectre

fmy/février 2004 Analyse de la parole

6 TRAVAIL PRATIQUE 7

fc = 500 ; fn = fe/2 ; ordre = 8 ;

[nbtw dbtw] = butter(ordre, fc/fn) ;
stf = filter(nbtw, dbtw, st) ;

5.2 Autocorrélation

On a vu que la tranche considérée est périodique si le son est voisé et aléatoire dans le cas contraire.
Afin de faciliter la recherche de la période, on travaille de préférence avec la fonction d’autocor-
rélation car celle-ci est généralement moins bruitée que le signal lui-même (figure 4).
Le résultat de l’autocorrélation est un vecteur de longueur 2N avec un maximum en son milieu. Si
le signal est périodique, d’autres pics distants de la valeur du pitch seront présents. Pour trouver
ce dernier, il suffit donc de mesurer la distance entre pics successifs.
Les commandes sont alors les suivantes :

% autocorrélation d’une tranche st filtrée

rss = real(xcorr(stf))/Npoints ;
[rssmax k0] = max(rss) ; % k0 = position du max central
rss = rss(k0 :length(rss)) ; % partie droite de rss

% le 1er pic latéral doit se trouver entre Tpmin et Tpmax

fpmax = 500 ; % fréquences min et max du pitch
fpmin = 50 ;
Tpmax = 1/fpmin ; % périodes min et max du pitch
Tpmin = 1/fpmax ;
kpmin = round(Tpmin/Te) ; % compteurs liés à Tpmin et Tpmax
kpmax = round(Tpmax/Te) ;

% recherche du premier pic

rss = rss(kpmin :kpmax) ; % domaine limité par Tpmin et Tpmax
[ymax k1] = max(rss) ; % k1 = position du 1er max latéral

% entier correspondant à la période du pitch

kp = kpmin + k1 ;
Tp = kp * Te ;

6 Travail pratique

Pour aborder l’analyse de la parole, je vous propose de travailler sur la phrase “Le colibri a chanté”
(fichier [Link]) ou une phrase de votre choix.

6.1 Avec CoolEdit :

1. Chargez le fichier [Link] en mode mono / 16 bits / 8 kHz.

2. Écoutez la phrase ; observez le graphe temporel et le spectre (Analyze/Frequency Analysis)
de diverses parties de la phrase ; notez que le temps peut être gradué en secondes ou en
échantillons avec le bouton droit de la souris placé sur l’axe temporel.

fmy/février 2004 Analyse de la parole

6 TRAVAIL PRATIQUE 8

4 Signal s(t) = "ou" filtré à f = 0.5 [kHz]

x 10 c
2

−1

−2

−3
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

5 Auto−corrélation de sf(t) = "ou"

x 10
2

1.5

0.5

−0.5

−1

−1.5
−0.04 −0.03 −0.02 −0.01 0 0.01 0.02 0.03 0.04

F IG . 4: Autocorrélation d’un son voisé

4 Signal s(t) = "jj" filtré à fc = 0.5 [kHz]

x 10
1

0.5

−0.5

−1
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

4 Auto−corrélation de sf(t) = "jj"

x 10
1.5

0.5

−0.5

−1
−0.04 −0.03 −0.02 −0.01 0 0.01 0.02 0.03 0.04

F IG . 5: Autocorrélation d’un son non voisé

fmy/février 2004 Analyse de la parole

Références 9

3. Sur le spectrogramme (View/Spectral View), observez l’effet de la durée d’analyse N sur

les résolutions temporelle et fréquentielle en prenant 128, 256 et 512 échantillons (Options/
Settings/ Spectral).
4. Qu’en est-il de la relation liant les résolutions temporelle et spectrale ? quelle durée d’ana-
lyse choisissez-vous ?
5. Mentionnez tous les phonèmes que l’on trouve dans cette phrase ; à quelles familles appar-
tiennent-ils ?
6. Relevez les numéros d’échantillons correspondant au début et à la fin des phonèmes.
7. Dans l’enregistrement, choisissez librement au moins deux tranches voisées et non voisées.
8. Observez leurs spectres et spectrogramme puis analysez plus en détail leurs caractéristiques
temporelles et spectrales.

6.2 Avec Matlab

Procédez à l’analyse détaillée de plusieurs tranches voisées / non voisées et tentez de les séparer
automatiquement. Pour cela :

1. Extrayez de la phrase les zones que vous souhaitez analyser.

2. Mesurez leur valeur efficace et taux de passages par zéro (< 100% !).
3. Recherchez la période du signal avec la fonction de corrélation.
4. Voyez-vous un moyen de séparer automatiquement les sons voisés / non voisés ?

Références

[1] R. Boite et al., Traitement de la parole, PPUR, 2000

fmy/février 2004 Analyse de la parole