Caractérisation du rayonnement de la voix humaine : du conduit vocal au champ lointain – RAYOVOX

L'approche proposée pour remplir le premier objectif repose sur le développement d'une antenne tridimensionnelle entourant le locuteur, bénéficiant pour cela de l'expérience antérieure de l'Institut d'Alembert avec le système Megamicros qui permet d'assembler jusqu'à 1024 microphones MEMS.

L'instrumentation proposée prend ainsi la forme d'une antenne de 960 MEMS montée en salle anéchoïque sur une structure quasi sphérique de 1.80m de rayon, ce qui permet de placer la bouche du locuteur au plus près du centre de l'antenne. En adoptant une représentation continue des champs sonore sous la forme de combinaison d'ondes sphériques (c'est-à-dire, d'harmoniques sphériques munies de leur dépendance radiale), l'identification des coefficients de cette combinaison sont à estimer par minimisation au sens des moindres carrés (méthode dite HELS, Helmhotz Equation Least Squares). Une attention particulière est à porter sur la scalabilité des algorithmes de traitement des signaux (flux de données de 200Mo par seconde d'enregistrement), ainsi que sur l'ordre maximal des harmoniques sphériques à prendre en compte dans l'identification.

En vue de lever la contrainte de mesure en salle anéchoïque, il est proposé de conserver le principe d'une antenne entourant la source, mais à plus courte distance de manière à rendre négligeable les réflexions de salle par rapport au champ direct. Les capteurs peuvent alors se situer en champ proche et il faut alors discriminer dans les signaux mesurés les composantes acoustiques qui vont se propager vers le champ lointain et celles qui restent à proximité de la source. La théorie des modes de rayonnement acoustique (ARM) propose une méthode hybride numérique/expérimentale : pour une géométrie donnée, la matrice de puissance rayonnée peut être obtenue par calcul BEM à partir d'un maillage de la surface de la source. Une décomposition en valeurs singulière de cette matrice définit une base de représentation ARM sur laquelle les mesures réalisés avec une antenne de 64 microphones en champ proche sont projetées.

Pour caractériser les résonances du conduit vocal en cours de phonation, l'approche proposée s'appuie sur l'excitation du conduit vocal par un signal externe émis au voisinage des lèvres. En optant pour un signal de type chirp, il est possible de tirer parti de différentes techniques de traitement de signal. En premier lieu, la méthode de déconvolution proposée par Farina (2002) puis Novak (2015) permet d'isoler l'éventuelle distorsion harmonique de la chaîne d'amplification. La transformée en chirplet permet de plus de séparer le chirp (imposé mais modulé par le conduit vocal) et la voix (dont il convient d'estimer en ligne la fréquence fondamentale) en introduisant une troisième dimension au plan temps-fréquence. La robustesse de la méthode proposée est testée vis-a-vis des incertitudes de latence d'acquisition et de fréquence fondamentale de la voix.

L'utilisation d'antennes avec un grand nombre de microphones s'est avérer être une tâche exigeante. Il a fallu d'abord s'assurer des sensibilités acoustiques des capteurs, où le processus industriel de fabrication des MEMS a démontré son intérêt, avec une très faible dispersion des sensibilités en amplitude (inférieure à 0,1 dB jusqu’à 2 kHz et 0,3 dB jusqu’à 5 kHz), celle en phase étant dominée par l'incertitude de position (±1mm) lors de l'étalonnage.

Il a ensuite été nécessaire d'améliorer les performances des algorithmes de localisation acoustique des microphones. En sur-échantillonnant les corrélations entre sources auxiliaires et microphones et en adaptant les étapes de traitement des 960 signaux (qui correspondent à un flux de 200Mo/s) et d'optimisation géométrique par méthode RMDU, il a été possible de réduire l'erreur de localisation des capteurs à 3mm (contre 2cm auparavant).

Ces garanties ont été fondamentales pour la mise en œuvre de l'estimation de la directivité en champ lointain par identification de la décomposition sur les harmoniques sphériques (méthode HELS). Cette procédure d'estimation bénéficie également de la technique de validation croisée qui permet de déterminer l'ordre optimal de représentation en harmoniques sphériques à partir des données elles -même. Nous avons ainsi pu démontrer les capacités de l'installation à fournir des reconstructions de directivité jusqu'à l'ordre N=9 d'harmoniques sphériques (voire N=11 en corrigeant l'effet de diffraction de la structure supportant l'antenne), précision inédite pour des mesures de directivités sans répétition.

Une autre approche a été développé en vue de permettre des estimations de directivité en dehors de salles anéchoïques. Cette approche remplace les harmoniques sphériques par la famille des modes de rayonnement (ARM) qui prend en compte la géométrie de la source et calcule les champs acoustiques qui contribuent le plus à la puissance rayonnée et à la directivité en champ lointain. Nous avons pu proposer des améliorations à la théorie ARM pour mieux tenir compte de la taille limitée de la région source dans le cas de la voix et démontrer un fort potentiel de réduction d'ordre, un seul mode de rayonnement pouvant expliquer en très grande partie la directivité observée. La robustesse de cette technique aux différentes causes d'incertitudes demande encore à être validée.

Finalement, deux dispositifs ont été développés pour la caractérisation du conduit vocal en phonation. Le 1er utilise une excitation (chirp 100–5000 Hz, 1s) et un microphone au voisinage des lèvres, avec une analyse basée sur une transformée en chirplet d'ordre élevé, incluant une troisième dimension pour une séparation robuste du chirp et de la voix. Validé sur maquettes, ce protocole évite les biais des dispositifs similaires et sera testé en clinique. Le 2nd dispositif intra-oral intègre des MEMS dans une gouttière dentaire fabriquées par thermoformage ou impression 3D, et doit encore être validé.

Au niveau de l'instrumentation de champ lointain (antenne de 960 microphones MEMS, diamètre 3m60), elle équipe désormais la salle anéchoïque du LMA et est disponible pour d'autres projets de recherche ou prestations de la plateforme technologique Aix-Marseille PSIVA. De nombreuses données déjà acquises sur instruments de musique doivent être analysées et valorisées dans une nouvelle base de données offrant une reconstruction des directivités jusqu'à l'ordre N=9. De manière plus générale, les données de voix et d'instruments doivent encore être mises en forme pour pouvoir être partagées comme données fréquentielles (coefficients de la décomposition en harmoniques sphériques en fonction du phonème ou de la note, de la fréquence) ou comme données utilisables directement dans le domaine temporel (coefficients de filtres à appliquer à un signal source pour permettre la reconstruction spatiale échantillonnée).

De plus, l'instrumentation doit permettre d'attaquer de nouvelles problématiques scientifiques. Une première étude est en cours exposant une chanteuse à des retours acoustiques avec temps de réverbération variable. Elle étudiera les adaptations d'effort vocal, de timbre et de directivité en fonction de l'environnement simulé présenté au casque.

En ce qui concerne le protocole basé sur les modes de rayonnement, les travaux doivent se poursuivre pour confirmer son potentiel. Cela passe tout d'abord par un effort pour adapter le code de calcul BEM à des problèmes de plus grande taille, car l'étape initiale d'assemblage des matrices (matrices pleines sur l'ensemble des degrés de liberté) reste un point critique de la méthode. Les reconstructions de directivité doivent également faire l'objet d'une validation par comparaison avec celles obtenues par l'antenne de champ lointain.

Quant au volet caractérisation du conduit vocal, le protocole proposé avec dispositif externe constitue un complément idéal de l'analyse formantique. Le transfert de ce protocole et du savoir-faire associé passe par une diffusion efficace dans les congrès de phoniatrie et de phonétique pour une appropriation des outils par ces communautés.

L'instrumentation intra-orale doit continuer à faire l'objet d'efforts de recherche et développement, de manière à démontrer son intérêt pour l'étude des configurations vocaliques "fermées", mais aussi pour l'étude des gestes musicaux où les instrumentistes à vent semblent tirer parti des résonances du conduit vocal.

La voix est le principal vecteur de la communication humaine, utilisant les ondes sonores pour la transmission d'informations. Le rayonnement acoustique depuis la bouche reste un phénomène mal compris alors qu’il affecte un grand nombre de situations du quotidien. Ce projet propose le développement inédit d’une instrumentation pour l’étude du rayonnement de la voix aux différentes échelles spatiales : directivité 3D, champ proche et résonances du conduit vocal. Le dispositif proposé doit opérer in situ et in operando, sur des productions vocales uniques, sans hypothèse de répétabilité ou de stationnarité. Pour ce faire, il couple réalisations matérielles et expérimentations avec des concepts théoriques et numériques innovants comme l'acquisition parcimonieuse, la décomposition sur des modes de rayonnement et des outils temps-fréquence avancés, pour assurer une complexité raisonnable de l'instrumentation, avec des retombées attendues en phonétique, réalité virtuelle et télécoms.