Notice bibliographique
Résumé
This work introduces new binaural beamforming algorithms for hearing aids, with a robustness to errors in the estimate of the target speaker direction of arrival (DOA) and a good trade-off between noise reduction and preservation of the noise/interferers spatial impression. Three robust designs are proposed, and their robustness is confirmed by simulation results. These robust designs are a combination of binaural and monaural beamformers using two different microphone configurations: one for low frequency components and one for high frequency components. The robust designs are also found to be robust to mismatch between the anechoic propagation models used for the beamformers designs and the reverberant propagation models used to generate the signals at the microphones in the simulations. To preserve the binaural cues of the noise/interferers in the binaural beamformer outputs, a method based on a mixing/selection of different available binaural signals is proposed, using a classification from the phase and magnitude of a complex coherence function. This method is added as a post processor to the beamforming designs robust to target DOA mismatch. Simulation results show that the resulting mixed binaural output signals have a good binaural cues preservation level that outperform the benchmark design, with significant noise reduction and low target distortion. Since knowledge of source DOAs is important for beamforming noise reduction, a beamformer-based broadband multi-source DOA detection system is also developed in the thesis, using information from different frequencies or sub‐bands to obtain global estimates of sources DOAs. Simulation results shows that using one beamformer on each side is capable of detecting the DOAs of active sources under several acoustic scenarios, including scenarios with one, two, or three sources, and with or without the presence of some level of diffuse noise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».