Projets
Apprentissage temps-fréquence adaptatif
Un dossier reliant ondelettes apprenables, paquets d’ondelettes, débruitage et superlettes fractionnaires.

En cours
Les décompositions multirésolutions décrivent un signal à plusieurs échelles. Les études associées rendent certains éléments de cette représentation apprenables et les combinent avec des modèles neuronaux de reconnaissance émotionnelle ou d’amélioration de la parole.
SigWavNet et les modèles à paquets d’ondelettes explorent les filtres et le seuillage appris. NWPA étudie un autoencodeur bidirectionnel pour l’amélioration de la parole. LFST apprend des représentations par superlettes fractionnaires avec un encodeur spectrotemporel. Ces méthodes sont apparentées, sans être interchangeables.
Axes de recherche
- 01
Programmes de recherche
Représentations apprenables du signal
Ondelettes, paquets d’ondelettes et superlettes fractionnaires : des représentations adaptatives pour l’analyse émotionnelle et l’amélioration de la parole.