PROCEDE D'EVALUATION QUALITATIVE D'UN SIGNAL AUDIO NUMERIQUE.
La présente invention a pour objet un procédé d'évaluation d'un signal audio numérique, notamment un signal transmis numériquement et/ou un signal numérique auquel a été appliqué un codage numérique, en particulier avec réduction de débit et/ou un décodage. Un signal transmis numériquement peut être un signal audio autonome (radiodiffusion) ou bien d'un signal audio qui accompagne un programme tel qu'un programme audiovisuel.
Le domaine des radiocommunications numériques et de la radiodiffusion est en pleine expansion, notamment avec l'apparition de la télévision numérique et des radiotéléphones. De nouveaux instruments doivent ainsi être développés pour mesurer la qualité de tous les systèmes nécessaires à la mise en œuvre de cette technologie, et ainsi pouvoir assurer une qualité de service.
C'est dans ce but que sont utilisés les tests subjectifs. Ces tests permettent de juger la qualité de signaux sonores en les faisant écouter par des auditeurs, experts ou novices. Cette méthode est longue et coûteuse car les conditions à respecter lors de ces tests sont nombreuses et strictes (choix des panélistes, conditions d'écoute, séquences, chronologie des tests, etc.). Elle permet néanmoins de constituer des bases de données de signaux de référence avec les notes qui leur ont été attribuées. Ce sont ces tests qui permettent d'obtenir les notes "MOS" (Mean Opinion Score), notes qui sont reconnues comme étant la référence en matière d'estimation de la qualité.
Pour essayer de réduire au minimum le nombre de ces essais subjectifs, de nombreuses études ont été réalisées sur le système d'audition humain. A partir de là, des modélisations de l'oreille et des phénomènes psychoacoustiques ont été développées, ce qui a permis d'analyser puis estimer la qualité des signaux sonores par des méthodes objectives. La qualité mesurée étant celle perçue par l'oreille humaine, elle est nommée qualité perceptuelle objective.
Il est possible de différencier trois classes de méthodes de qualification objective : La première ("référence complète") compare directement le signal original au signal dégradé (après codage, diffusion, multiplexage,...), la seconde compare uniquement des paramètres extraits des deux signaux (nommés référence réduite). Dans la troisième, les défauts générés par la chaîne de diffusion sont détectés à l'aide de leurs principales caractéristiques connues. Cette dernière classe permet de s'affranchir des contraintes liées à l'utilisation du signal de référence. En effet, dans tous les autres cas, la référence doit être transmise au lieu de
comparaison puis parfaitement synchronisée avec le signal dégradé. Cela rend le système complexe et plus coûteux.
Les dégradations dues aux erreurs de transmission diminuent de manière importante la qualité du signal. Elles apparaissent lors de la diffusion, d'un flux numérique MPEG par exemple ou lors de la diffusion, notamment de radio, sur Internet.
Dans un tel contexte, il est souhaitable de disposer d'un procédé qui permette de mesurer objectivement la qualité d'un signal audio après diffusion, sans utiliser de signal de référence et/ou en utilisant une référence réduite. En effet, seules ces techniques sont adaptées à la surveillance d'un réseau de diffusion par exemple où plusieurs points de mesure distants les uns des autres peuvent être nécessaires. Il est également intéressant de profiter de la simplicité relative d'un tel procédé pour mesurer la qualité d'un signal audio numérique transmis ou non, qui a été soumis à un codage numérique, notamment à réduction de débit, et/ou à un décodage. Le nombre de méthodes de qualitométrie audio développées est très variable selon la classe considérée. En effet, un grand nombre de méthodes avec référence complète ont été développées. Quelques méthodes seulement ont été mises au point sans référence ou avec référence réduite.
Les méthodes avec référence complète pour lesquelles le signal à évaluer est comparé au signal de référence correspondent aux techniques classiques utilisées pour estimer la qualité des codeurs audio par exemple. Leur principe général se base sur le calcul, par l'intermédiaire d'un modèle perceptuel d'audition, d'une représentation interne du signal original et du signal dégradé puis, sur une comparaison de ces deux représentations internes. Une telle méthode est décrite dans l'article de John G. BEERENDS et JAN A. STEMERDINK intitulé "A Perceptual Audio Quality Measure Based on a Psychoacoustic Sound Représentation", publié dans "Journal of Audio Engineering Society", vol. 12, Décembre 1992, pages 963 à 978.
Ces modèles d'audition sont établis à partir d'expériences de masquage, afin d'obtenir une représentation qui soit la plus fidèle possible, et doivent permettre de prévoir si les détériorations seront audibles ou non. Toutes les dégradations sur un signal ne sont pas audibles ni gênantes. Ces modèles perceptuels avec référence se basent sur le schéma de la Figure 1. De nombreuses méthodes, plus ou moins complètes et élaborées, reposent sur ce principe. Récemment, algorithme PEAQ, (Method for objective measurements of PErceived Audio Quality) a été normalisé par l'ITU-R (Norme ITU-R BS.1387). Cet algorithme se base sur les
principes classiques en y associant un modèle de prédiction de la qualité utilisant un réseau de neurones.
L'intérêt majeur de ces techniques est de pouvoir détecter de très faibles dégradations mais, il faut bien avoir à l'esprit qu'elles sont destinées à étudier l'influence d'un codage. Les mesures obtenues sont relatives : seule la différence est prise en compte dans ce type de mesures. Dans le cas d'un codeur de très bonne qualité, un signal comportant des dégradations importantes sera codé puis décodé de façon presque transparente, et donc, la note attribuée sera très haute. De plus, pour un signal qui aurait été modifié (égalisé, coloré, ...) entre le calcul de la référence et la comparaison, la note pourra être faible même si les deux signaux sont de très bonne qualité perceptuelle.
En ce qui concerne les méthodes sans référence, celles-ci restent très peu nombreuses. La mesure OBQ (Output-Based Objective Speech Quality) est la plus aboutie des techniques sans référence. Cette méthode d'estimation de la qualité, d'un signal de parole uniquement, sans signal de référence, se base sur le calcul de paramètres perceptuels représentant le contenu du signal, rassemblés en un vecteur. Ces vecteurs, calculés sur des signaux non dégradés, vont constituer une base de référence. La qualité sera estimée en comparant les mêmes paramètres, extraits des signaux dégradés, aux vecteurs de la base de référence. La principale méthode utilisant les réseaux de neurones est la mesure OSSQAR (Objective Scaling of Sound Quality And Reproduction). Le principe général de cette méthode est d'utiliser un modèle d'audition conjointement à un réseau de neurones. Le réseau est entraîné à prédire la qualité subjective d'un signal à partir de sa représentation perceptuelle calculée par le modèle d'audition, pour simuler les phénomènes de la psychoacoustique. Il est à noter que les résultats obtenus par ces méthodes, sont bien meilleurs quand les signaux font partie de la base d'apprentissage ou tout du moins quand ils ont des caractéristiques proches.
De telles méthodes ne sont donc pas adaptées à l'évaluation de la qualité de signaux quelconques, par exemple les signaux audio d'une émission de radio ou de TN.
Comme indiqué ci-dessus, la plupart des algorithmes de mesures perceptuelles objectives avec référence complète fonctionnent suivant un principe identique : il s'agit de comparer le signal sonore dégradé au signal original (signal avant transmission et/ou codage et/ou décodage, appelé signal de référence). Ces algorithmes nécessitent donc d'avoir un signal de référence, qui soit de plus synchronisé très précisément avec le signal à tester. Ces conditions peuvent seulement
être remplies en simulation ou lors de tests de codeurs et autres systèmes "compacts" ou non répartis géopraphiquement ; par contre, cela est très différent lors de la réception d'un signal diffusé à partir d'antennes d'émission Ai et de réception A2 (Figure 2). Le signal de référence doit être disponible aux différents points de comparaison. Aussi, pour pouvoir utiliser une méthode avec référence complète, la seule possibilité est de transmettre la référence, sans erreur, jusqu'aux points de comparaison, puis de la synchroniser parfaitement. Pour des raisons d'encombrement du spectre et donc de coût, ces techniques avec référence complète ne sont pas applicables en pratique, car elles nécessiteraient l'utilisation d'une deuxième voie de transmission transparente.
Les méthodes sans référence proposées permettent d'obtenir de bons résultats mais seulement dans le cas de signaux aux caractéristiques connues et modélisées lors de la phase d'apprentissage. Les méthodes sans référence fonctionnent donc mal sur un signal quelconque.
Il a été suggéré d'utiliser une référence dite "réduite" dans laquelle le signal audio de référence est caractérisé par un ou plusieurs nombres. Un tel procédé a été décrit dans la Demande de Brevet français FR 2 769 777 déposée le 13 Octobre 1997. Cependant, ce procédé ne permet pas de traiter tous les échantillons, en raison notamment du fait que le débit du signal de référence proposé est trop important (au moins 36 kbits/s pour des fenêtres de 1024 échantillons de signal) pour satisfaire aux conditions pratiques d'implantation et de réalisation dans un réseau de télédiffusion.
La présente invention propose un procédé selon lequel les indicateurs sont plus simples et peuvent être calculés en temps réel et en temps continu, et demandent un débit binaire nettement moins élevé. Les dégradations pouvant ne modifier que quelques échantillons, tout en dégradant la qualité de manière importante, le procédé proposé permet que tout le flux audio soit analysé.
Le procédé selon l'invention permet une estimation fiable de la qualité d'un signal audio ayant transité par une transmission ou un codage de type numérique. En effet, les perturbations que subissent les canaux de transmission peuvent induire l'apparition d'erreurs sur les données transmises ; ces erreurs se traduisent par des dégradations au niveau du signal audio final.
L'approche technologique proposée consiste à effectuer une mesure sur le signal audio, à l'entrée et une autre à la sortie la chaîne ou tout autre système à étudier. Une comparaison entre ces mesures permet de s'assurer de la "transparence" du canal de transmission et d'évaluer l'importance des dégradations introduites.
Utilisée conjointement ou non avec des méthodes sans référence, détectant les dégradations en se basant sur la signature des caractéristiques des défauts les plus importants à rechercher, l'approche proposée permet une estimation fiable des dégradations introduites. Elle permet en outre de palier à un manque de signal de référence. Cette méthode permet de réduire le débit de référence nécessaire pour l'estimation de la qualité dans le cas des mesures avec référence réduite, et le nombre de paramètres à utiliser dans le cas des mesures sans référence.
L'invention concerne ainsi un procédé d'évaluation d'un signal audio numérique, caractérisé en ce qu'il met en œuvre en temps réel et en temps continu, dans les fenêtres temporelles successives, le calcul d'un indicateur de qualité constitué, pour chaque fenêtre temporelle d'un vecteur dont la dimension est avantageusement au moins cent fois inférieure au nombre d'échantillons audio d'une fenêtre temporelle. Cette dimension est par exemple comprise entre 1 et 10 et de préférence entre 1 et 5.
Le signal audio numérique à évaluer peut être un signal qui a été transmis numériquement et/ou qui a été soumis à un codage numérique, notamment à réduction de débit, à partir d'un signal numérique de référence.
Selon une première variante, mettant en œuvre un écart de comptes perceptuels, le procédé est caractérisé en ce que la génération d'un dit vecteur indicateur de qualité met en œuvre pour un signal audio de référence et pour le signal audio à évaluer, les étapes suivantes : a) calculer pour chaque fenêtre temporelle la densité spectrale de puissance du signal audio et lui appliquer un filtre représentatif de l'atténuation de l'oreille interne et moyenne, pour obtenir une densité spectrale filtrée, b) calculer à partir de cette densité spectrale filtrée les excitations individuelles à l'aide de la fonction d'étalement fréquentiel dans l'échelle basilaire, c) déterminer à partir desdites excitations individuelles la sonie compressée à l'aide d'une fonction modélisant la sensibilité non linéaire en fréquence de l'oreille, pour obtenir des composantes basilaires, d) séparer les composantes basilaires en classes, de préférence en trois classes, et calculer pour chaque classe un nombre C représentant la somme des fréquences de cette classe, ledit vecteur étant constitué par lesdits nombres C, e) calculer une distance entre les vecteurs du signal audio de référence et du signal audio à évaluer associés à chaque fenêtre temporelle pour réaliser une dite évaluation de la dégradation de signal audio. Selon une deuxième variante, mettant en œuvre une modélisation auto-régressive du signal audio, le procédé est caractérisé en ce que la génération d'un
dit vecteur indicateur de qualité met en œuvre, pour le signal audio de référence et pour le signal audio à évaluer, les étapes suivantes : a) calculer N coefficients d'un filtre de prédiction par une modélisation autorégressive . b) déterminer dans chaque fenêtre temporelle le maximum du résidu par différence entre le signal prédit à l'aide du filtre de prédiction et le signal audio, ledit maximum du résidu de prédiction constituant ledit vecteur indicateur de qualité, c) calculer une distance entre lesdits vecteurs du signal audio de référence et du signal audio à évaluer associés à chaque fenêtre temporelle pour réaliser une dite évaluation de la dégradation du signal audio.
Selon une troisième variante, mettant en œuvre une modélisation auto-régressive de l'excitation basilaire, le procédé est caractérisé en ce que la génération d'un dit vecteur indicateur de qualité met en œuvre pour le signal audio de référence et pour le signal audio à évaluer, les étapes suivantes : a) calculer pour chaque fenêtre temporelle la densité spectrale de puissance du signal audio et lui appliquer un filtre représentatif de l'atténuation de l'oreille interne et moyenne, pour obtenir une fonction d'étalement fréquentiel dans l'échelle basilaire, b) calculer des excitations individuelles à partir de la fonction d'étalement fréquentiel dans l'échelle basilaire, c) obtenir à partir desdits excitations individuelles la sonie compressée à l'aide d'une fonction modélisant la sensibilité non linéaire en fréquence de l'oreille, pour obtenir des composantes basilaires , d) calculer à partir desdites composantes basilaires N' coefficients de prédiction d'un filtre de prédiction par une modélisation autorégressive. e) générer pour chaque fenêtre temporelle un dit vecteur indicateur de qualité à partir de certains seulement des N' coefficients de prédiction.
De préférence, le vecteur indicateur de qualité comporte entre 5 et 10 desdits coefficients de prédiction. Selon une quatrième variante, mettant en œuvre une détection de plats dans l'activité du signal, le procédé est caractérisé en ce que la génération d'un dit vecteur indicateur de qualité met en œuvre au moins pour le signal audio à évaluer les étapes suivantes : a) calcul d'une activité temporelle du signal dans chaque fenêtre temporelle,
b) calculer une moyenne glissante sur Ni valeurs successives de l'activité temporelle, c) conserver la valeur minimale parmi M] valeurs successives de la moyenne glissante. Le vecteur indicateur de qualité peut être constitué par ladite valeur minimale, ou bien encore par une valeur binaire résultant de la comparaison de ladite valeur minimale avec un seuil donné. Egalement, le procédé peut être caractérisé en ce qu'il met en œuvre le calcul d'une note de qualité en déterminant un intervalle de temps cumulé pendant lequel ladite valeur minimale est inférieure à un seuil donné et/ou en déterminant le nombre de fois par seconde où ladite valeur minimale est inférieure à un seuil donné ou bien encore en ce que lesdites valeurs minimales sont générées à la fois pour le signal audio de référence et pour le signal audio à évaluer et en ce qu'un vecteur de qualité est généré par comparaison entre les valeurs minimales correspondantes du signal audio de référence et du signal audio à évaluer, par exemple en calculant la différence ou le rapport entre lesdites valeurs minimales.
Selon une cinquième variante mettant en œuvre une détection des pics de l'activité du signal audio, le procédé est caractérisé en ce que la génération d'un dit vecteur indicateur de qualité met en œuvre au moins pour le signal audio à évaluer les étapes suivantes : a) calculer une activité temporelle du signal dans chaque fenêtre temporelle, b) calculer une moyenne glissante sur N2 valeurs successives de l'activité temporelle, c) conserver la valeur maximale parmi M2 valeurs successives de la moyenne glissante.
Le vecteur indicateur de qualité peut être constitué par ladite valeur maximale ou bien par une valeur binaire résultant de la comparaison de ladite valeur minimale avec un seuil donné.
Le procédé peut être caractérisé en ce qu'un indicateur de dégradation est généré par comparaison entre la valeur maximale obtenue sur le signal audio de référence et sa valeur maximale correspondante obtenue sur le signal audio à évaluer, par exemple en calculant la différence ou le rapport entre ces valeurs maximales.
Selon une sixième variante mettant en œuvre le calcul de minimum du spectre du signal audio, le procédé est caractérisé en ce que la génération d'un dit vecteur indicateur de qualité met en œuvre au moins pour le signal audio à évaluer le
calcul de la transformée de Fourier dans des blocs successifs de N3 échantillons constituant desdites fenêtres temporelles et calculer le minimum du spectre dans M3 blocs successifs qui constituent un vecteur indicateur de qualité.
Le procédé peut être caractérisé en ce qu'il comporte une étape d'évaluation de l'introduction de bruit dans le signal audio à évaluer en comparant la valeur dudit minimum du spectre dans M3 blocs successifs associés au signal audio à évaluer avec la valeur maximale des M3 minima obtenues dans les M3 mêmes blocs successifs associés signal audio de référence.
Il peut être également caractérisé en ce qu'il en ce qu'il comporte une étape d'évaluation de l'introduction de bruit dans le signal audio à évaluer en comparant la valeur dudit minimum du spectre dans M3 blocs successifs avec une valeur moyenne des minima du spectre obtenus dans des blocs antérieurs aux M3 blocs successifs, par exemple en calculant la différence ou le rapport entre ces valeurs moyennes. Selon une septième variante, mettant en œuvre une estimation de l'aplatissement du spectre du signal audio, le procédé est caractérisé en ce que la génération d'un dit vecteur indicateur de qualité met en œuvre au moins pour le signal audio à évaluer le calcul d'un paramètre d'aplatissement du spectre qui est le rapport entre une moyenne arithmétique et une moyenne géométrique des composantes du spectre du signal.
Le procédé peut être alors caractérisé en ce qu'il met en œuvre un indicateur de détection d'une dégradation du signal audio par introduction d'un bruit large bande en comparant ledit paramètre d'aplatissement du spectre entre le signal audio de référence et le signal audio à évaluer, par exemple en calculant la différence ou le rapport entre ces deux paramètres.
D'autres caractéristiques et avantages de l'invention apparaîtront mieux à la lecture de la description ci-après en liaison avec les dessins dans lesquels :
- la figure 1 est un organigramme illustrant une évaluation de qualité à référence complète. - la figure 2 illustre une transmission audio avec perte de qualité,
- les figures 3 à 10 illustrent des procédés d'évaluation selon la présente invention,
- et les figures 11 et 12 illustrent un système de qualitométrie audio mettant en œuvre la présente invention.
La gestion et la récupération des erreurs au décodage n'est pas normalisée. L'influence de ces erreurs sur la qualité perçue dépend donc du décodeur utilisé.
L'audibilité de ces défauts est également liée au type d'élément affecté dans la trame, par exemple MPEG, et à son contenu audio.
Dans le cas d'erreurs importantes dues à la transmission, la qualité du signal diminue fortement. Ces dégradations apparaissent lors de la diffusion, d'un flux numérique MPEG par exemple, et sont, la plupart du temps, de type impulsionnel. Elles peuvent également apparaître lors de la diffusion d'un flux audio sur le réseau Internet, ou lors d'un codage ou d'un décodage.
Pour ce type de défaut, la qualité peut être estimée de façon binaire : soit le signal n'a pas été dégradé et la qualité dépendra du codage initial utilisé, soit des erreurs ont été introduites et des dégradations importantes apparaissent.
L'estimation de la qualité peut alors se faire par des méthodes sans référence, en comptabilisant les dégradations détectées sur des intervalles de temps réguliers de l'ordre par exemple de la seconde. Des essais subjectifs ont en effet permis d'obtenir une estimation fiable de la qualité perçue, à partir du nombre et de la longueur des interruptions liées à des dégradations de type impulsionnel dans un signal. Pour les mesures obtenues avec référence réduite, la méthode proposée permet de réduire le débit nécessaire au transport de la référence. Cela autorise l'utilisation de voies réservées au débit relativement limité. Ces mesures permettent de détecter des dégradations autres que les celles dues aux erreurs de transmission. Ainsi, la présente invention permet une réduction du débit dans le cas des mesures avec référence réduite et, de par l'ajout de mesures simples sans référence, de conserver des mesures sur les dégradations importantes dans le cas d'une perte de la référence par exemple, en générant localement un vecteur qui caractérise simplement les dégradations, et qui pourrait donc être facilement traité et transmis vers une installation de contrôle, notamment centralisée.
Les mesures effectuées le long de la chaîne et en divers points du réseau, informent le système de surveillance et de gestion de la diffusion en télévision numérique, sur ses performances globales. Les mesures des dégradations du signal informent l'opérateur de diffusion sur la qualité de service délivrée. Le procédé se caractérise par deux modes de fonctionnement, complémentaires :
Avec référence réduite. L'approche technologique proposée consiste à effectuer une mesure sur le signal audio, à l'entrée, et une autre à la sortie de la chaîne de transmission ou tout autre système à étudier (codeur, décodeur, etc.). Une comparaison entre ces mesures permet de s'assurer de la "transparence" de la chaîne ou du système et d'évaluer l'importance des dégradations introduites. A la différence de la technique antérieure : le procédé effectue une évaluation en temps réel et en temps continu.
- les mesures de référence à l'entrée de la chaîne représentent une quantité de données très faible par rapport aux données du signal audio, d'où sa classification en « référence réduite ».
- les données ou mesures de référence utilisées sont aussi bien une représentation réduite du contenu du signal, qu'une mesure de l'importance d'un type de dégradation. L'invention permet de palier à un manque de signal de référence.
Pour cela, le procédé définit des mesures pour les défauts numériques caractéristiques à rechercher. A la différence de la technique antérieure, l'approche proposée permet une estimation des dégradations introduites sur un signal quelconque, et de manière fiable et cette approche peut être mise en œuvre aussi bien à l'échelle d'un réseau de transmission que localement sur un équipement. En outre, la complexité de calcul selon le procédé est faible, et l'indicateur obtenu représente une quantité de données faible par rapport au flux numérique audio.
Enfin, le procédé peut être appliqué indifféremment à des signaux purement numériques ou à des signaux ayant subi après transmission une conversion numérique vers analogique puis analogique vers numérique.
Les trois premiers procédé décrits ci-après sont du type dit "avec référence réduite".
Pour obtenir une plus grande précision de l'estimation de la qualité, certains des paramètres développés utilisent des modélisations perceptuelles : Le principe des mesures perceptuelles objectives se base sur la transformation de la représentation physique (pression acoustique, niveau, temps et fréquence) en la représentation psychoacoustique (force sonore, niveau de masquage, temps et bandes critiques ou barks) de deux signaux (le signal de référence et le signal à évaluer) afin de les comparer. Cette transformation s'opère grâce à une modélisation de l'appareil auditif humain (généralement, cette modélisation consiste en une analyse spectrale dans le domaine des Barks suivie des phénomènes d'étalement). Une distance peut
alors être calculée entre les représentations psychoacoustiques des deux signaux, distance que l'on peut lier à la qualité du signal à évaluer (plus la distance est faible, plus le signal à évaluer est proche du signal original et meilleure est sa qualité).
Le premier procédé met en œuvre un paramètre dénommé "Écart de Comptes Perceptuels".
Le calcul de ce paramètre se décompose en plusieurs étapes, nécessaires pour tenir compte de la psychoacoustique. Celles-ci sont appliquées sur le signal de référence et sur le signal dégradé. Ces étapes sont les suivantes :
Fenêtrage du signal temporel en blocs puis, pour chacun des blocs, calcul de l'excitation induite par le signal en utilisant un modèle d'audition. Cette représentation des signaux tient compte des phénomènes de la psychoacoustique, et fournit un histogramme dont les comptes sont les valeurs des composantes basilaires.
Cela permet de ne prendre en considération que les composantes audibles du signal et donc de se limiter à l'information utile. Pour obtenir cette excitation, les modélisations classiques peuvent être utilisées : atténuation de l'oreille externe et moyenne, intégration selon les bandes critiques et masquages fréquentiels. Les fenêtres temporelles choisies sont d'environ 42 ms (2048 points à 48 kHz) avec un recouvrement de 50%. Cela permet d'obtenir une résolution temporelle de l'ordre de
21 ms. Plusieurs étapes sont nécessaires pour cette modélisation. Pour la première étape, le filtre d'atténuation de l'oreille externe et moyenne est appliqué à la densité spectrale de puissance, obtenue à partir du spectre du signal. Ce filtre prend également en compte le seuil absolu d'audition. La notion de bandes critiques est modélisée par une transformation de l'échelle fréquentielle en une échelle basilaire. L'étape suivante correspond au calcul des excitations individuelles pour tenir compte des phénomènes de masquage, grâce à la fonction d'étalement fréquentiel dans l'échelle basilaire et à une addition non linéaire. La dernière étape permet d'obtenir la sonie compressée, par une fonction puissance, pour modéliser la sensibilité non linéaire en fréquence de l'oreille, par un histogramme comportant les 109 composantes basilaires.
Les comptes de l'histogramme obtenu sont ensuite rassemblés en trois classes. Cette vectorisation permet d'obtenir une représentation visuelle de l'évolution de la structure des signaux. Cela permet également d'obtenir une caractérisation simple et concise du signal et donc de disposer d'un paramètre de référence particulièrement intéressant.
Plusieurs stratégies existent pour fixer les bornes de ces trois comptes : La plus simple est de séparer rhistogramme en trois zones de tailles égales. Ainsi, les 109 composantes basilaires, (ou les 24 composantes qui constituent l'excitation et en constituent une représentation simplifiée) représentent 24 Barks et peuvent être séparées aux indices suivants :
94
Si = 36 soit z =— *36 = 7,927 Barks (1)
109
94
S2 = 73 soit z = — * 73 = 16,073 Barks (2)
109
La deuxième stratégie prend en compte les zones de mise à l'échelle ("scaling") de Beerends. En effet une compensation du gain entre l'excitation du signal de référence et celle du signal à tester est effectuée par l'oreille, les bornes fixées sont alors les suivantes :
94
Si = 9 soit z =— *9 = 1,982 Barks (3)
109 }
94
S2 = 100 soit z =— *100 = 22,018 Barks (4)
109 J
La trajectoire est ensuite représentée dans un triangle, nommé triangle des fréquences. Pour chaque bloc on obtient trois comptes Ci, C2 et C3, donc deux coordonnées cartésiennes selon les formules suivantes :
avec i : somme des excitations basilaires pour les hautes fréquences (au-dessus de S
2) C
2 : compte associé aux fréquences moyennes (composantes entre Si et S
2) et N= Cj+ C
2+ C3 : Somme totale des valeurs des composantes.
Un point (X, Y) constituant un vecteur est donc obtenu pour chaque fenêtre temporelle du signal, ce qui correspond à la transmission de deux valeurs par fenêtre de par exemple 1024 bits, soit un débit de 3 kbits/s pour un signal audio
échantillonné à 48 kHz. Pour une séquence complète, la représentation associée est ainsi une trajectoire paramétrée par le temps, comme le montre la Figure 3.
On calcule ensuite de la distance (euclidienne) entre le signal de référence et le signal dégradé. Dans le cas d'une estimation de la qualité en continu, la distance entre les points permet d'estimer l'importance des dégradations introduites entre le signal de référence et le signal dégradé. Cette distance peut être considérée comme une distance perceptuelle du fait de l'utilisation des modèles de la psychoacoustique.
Pour estimer une note de qualité pour un signal de plusieurs secondes, il est possible de calculer une mesure globale de la différence entre les deux signaux. Pour cela plusieurs métriques sont utilisables. Celles-ci peuvent être de type diffus (moyenne des distances entre les sommets, aire interceptée, ...), locale
(maximum, minimum des distances entre sommets, ...) et dépendre de la position dans le triangle. II est également possible de prendre en compte les différences à peine perceptibles ("Just Noticeable Différence"). Ces seuils permettent de déterminer l'audibilité des différences qui sont apparues. Ils peuvent être modélisés par des zones de tolérance fonction de la position dans le triangle pour tenir compte de la variabilité des phénomènes de masquage. Dans tous les cas, les deux trajectoires doivent être synchronisées au préalable.
Le principe du calcul de ce paramètre comparatif peut être ainsi résumé par le schéma Figure 4.
Le principal avantage du paramètre provient du fait de la prise en compte des phénomènes de la psycho-acoustique sans pour autant augmenter le débit nécessaire au transfert de la référence. Celui-ci permet de réduire la référence à 2 valeurs pour 1024 échantillons de signal (3 kbits/s).
Le deuxième procédé met en œuvre une modélisation autorégressive du signal. Le principe général de la prédiction linéaire est de modéliser le signal comme étant une combinaison de ses valeurs passées. L'idée est de calculer les
N coefficients d'un filtre de prédiction par une modélisation autorégressive (tout pôle).
Avec ce filtre adaptatif, il est possible d'obtenir un signal prédit à partir du signal réel.
Les erreurs de prédiction ou résidus sont calculés par différence entre ces deux signaux. La présence et la quantité de bruit dans un signal peuvent être déterminées par l'analyse de ces résidus.
La comparaison des résidus obtenus sur le signal de référence et ceux calculés à partir du signal dégradé, et donc des niveaux de bruit, permet d'estimer l'importance des modifications et défauts insérés.
La référence à transmettre correspond au maximum des résidus sur une fenêtre temporelle de taille donnée. Il n'est en effet pas intéressant de transmettre tous les résidus si le débit de la référence veut être réduit.
Pour adapter les coefficients du filtre de prédiction, deux méthodes sont données ci-après à titre d'exemple :
- L'algorithme de LENINSON-DURBIN qui est décrit par exemple dans l'ouvrage de M. BELLANGER - Traitement numérique du signal - Théorie et pratique (MASSON éd. 1987) p. 393 à 395. Pour l'utiliser, il faut disposer d'une estimation de l'autocorrélation du signal sur un ensemble de N0 échantillons. Cette autocorrélation est utilisée pour résoudre le système d'équations de Yule-Walker et ainsi obtenir les coefficients du filtre prédicteur. Seules les N premières valeurs de la fonction d'autocorrélation peuvent être utilisées, où N désigne l'ordre de l'algorithme, c'est-à-dire le nombre de coefficients du filtre. Sur une fenêtre de 1024 échantillons, on garde le maximum de l'erreur de prédiction.
L'algorithme du gradient qui est décrit par exemple dans l'ouvrage précité de M. BELLANGER p. 371 et suivantes. Le principal inconvénient du paramètre précédent est la nécessité, dans le cas d'une implantation sur DSP, de stocker les N0 échantillons pour estimer l'autocorrélation, avoir les coefficients du filtre puis calculer les résidus. Ce second paramètre permet d'éviter cela en utilisant un autre algorithme permettant de calculer les coefficients du filtre : l'algorithme du gradient. Celui-ci utilise l'erreur commise pour mettre à jour les coefficients. Les coefficients du filtre sont modifiés dans la direction du gradient de l'erreur quadratique instantanée, avec le signal opposé.
Une fois les résidus obtenus par différence entre le signal prédit et le signal réel, seul le maximum de leurs valeurs absolues, sur une fenêtre temporelle de taille donnée T, est conservé. Le vecteur référence à transmettre peut ainsi être réduite à un seul nombre.
Après transmission puis synchronisation, la comparaison consiste en un simple calcul de distance entre les maxima de la référence et du signal dégradé par exemple par différence.
La Figure 5 résume le principe de calcul de paramètre :
Le principal avantage des deux paramètres est le débit nécessaire au transfert de la référence. Celui-ci permet de réduire la référence à 1 nombre réel pour 1024 échantillons de signal.
Par contre, aucun modèle de la psychoacoustique n'est pris en compte.
Le troisième procédé met en œuvre une modélisation autorégressive de l'excitation basilaire.
Par rapport à la prédiction linéaire classique, cette méthode permet de prendre en compte les phénomènes de la psychoacoustique, afin d'obtenir une évaluation de la qualité perçue. Pour cela, le calcul du paramètre passe par une modélisation de divers principes de l'audition. Une prédiction linéaire modélise le signal comme étant une combinaison de ses valeurs passées. L'analyse des résidus (ou erreurs de prédiction) permet de déterminer et d'estimer la présence de bruit dans un signal. L'inconvénient majeur lors de l'utilisation de ces techniques est le fait qu'il n'y ait aucune prise en compte des principes de la psychoacoustique. Ainsi, il n'est pas possible d'estimer la quantité de bruit réellement perçue.
Le procédé reprend le principe général de la prédiction linéaire classique. Elle y intègre en plus les phénomènes de la psychoacoustique pour l'adapter à la sensibilité non linéaire en fréquence (sonie) et en intensité (tonie) de l'oreille humaine.
On modifie le spectre du signal, par l'intermédiaire d'un modèle d'audition, avant de calculer les coefficients de la prédiction linéaire par une modélisation autorégressive (tout pôle). Les coefficients ainsi obtenus permettent de modéliser le signal de façon simple tout en tenant compte de la psychoacoustique. Ce sont ces coefficients de prédiction qui seront transmis et serviront de référence lors de la comparaison avec le signal dégradé.
La première partie du calcul de ce paramètre correspond à la modélisation des principes de la psychoacoustique en utilisant les modèles d'auditions classiques. La deuxième partie est le calcul des coefficients de prédiction linéaire. La dernière partie correspond à la comparaison des coefficients de prédiction calculés pour le signal de référence et ceux obtenus pour le signal dégradé. Les différentes étapes de cette méthode sont donc les suivantes :
- Fenêtrage temporel du signal puis calcul d'une représentation interne du signal par modélisation des phénomènes de la psychoacoustique. Cette étape correspond au calcul de la sonie compressée, qui est en fait l'excitation induite par le signal au niveau de l'oreille interne. Cette représentation des signaux tient
compte des phénomènes de la psychoacoustique, et est obtenue à partir du spectre du signal, en utilisant les modélisations classiques : atténuation de l'oreille externe et moyenne, intégration selon les bandes critiques et masquages fréquentiels. Cette étape du calcul est identique au paramètre décrit précédemment ; - Modélisation autorégressive de cette sonie compressée afin d'obtenir les coefficients d'un filtre RIF de prédiction, tout comme dans une prédiction linéaire classique. La méthode utilisée est celle de l'autocorrélation, par résolution des équations de Yule- alker. La première étape pour l'obtention des coefficients de prédiction est donc le calcul de l'autocorrélation du signal. En considérant la sonie compressée comme une puissance spectrale filtrée, il est possible de calculer l'autocorrélation du signal perçu par transformation de Fourier inverse.
Une des méthodes pour résoudre ce système d'équations de Yule- Walker et ainsi obtenir les coefficients d'un filtre prédicteur est l'utilisation de l'algorithme de Levinson-Durbin.
Ce sont les coefficients de prédiction qui constituent le vecteur de référence à transmettre jusqu'au point de comparaison. Les transformations utilisées lors du calcul final sur le signal dégradé, sont les mêmes que pour la phase initiale sur le signal de référence. - Estimation des dégradations par le calcul d'une distance entre les vecteurs issus de la référence et du signal dégradé. C'est une comparaison des vecteurs de coefficients obtenus pour la référence et pour le signal audio transmis, qui permet d'estimer les dégradations introduites lors de la transmission. Celle-ci doit se faire sur un nombre adapté de coefficients. Plus le nombre est important, plus les calculs peuvent être précis, mais plus le débit nécessaire à la transmission de la référence est élevé. Plusieurs distances peuvent être utilisées pour comparer les vecteurs de coefficients. L'importance relative des coefficients peut par exemple être prise en compte.
Le principe de la méthode se résume selon le schéma suivant (Figure 6).
La modélisation des phénomènes de la psychoacoustique permet d'obtenir 24 composantes basilaires. L'ordre N du filtre de prédiction est de 32. A partir de celles-ci, 32 coefficients de l'autocorrélation sont estimés, ce qui donne 32 coefficients de prédiction dont on ne conserve que 5 à 10 coefficients en tant que vecteur indicateur de qualité, par exemple les 5 à 10 premiers coefficients .
Le principal avantage du paramètre provient de la prise en compte des phénomènes de la psychoacoustique. Pour faire cela, il a été nécessaire d'augmenter le débit nécessaire au transfert de la référence à 5 ou 10 valeurs pour
1024 échantillons de signal (21 ms pour un signal audio échantillonné à 48 kHz), soit un débit de 7,5 à 15 kbits/s.
Les méthodes suivantes peuvent être utilisées avec ou sans référence. Cela permet de conserver des mesures de détection des dégradations les plus importantes, même dans le cas ou aucun paramètre de référence n'est disponible au point de contrôle, au moment où la comparaison devrait être effectuée. La première de ces méthodes met en œuvre une détection de plats dans l'activité du signal.
La notion d'activité, qui peut être approximée par une opération de dérivation dans le signal audio, est utilisée pour repérer les ruptures et interruptions dans le signal temporel. Ces types de défauts sont caractéristiques d'erreurs de décodage après transmission du flux numérique audio ou lors de la diffusion de séquences sonores sur Internet. Cela se produit quand le débit du réseau devient insuffisant pour assurer l'arrivée de toutes les trames nécessaires à l'instant du décodage par exemple. Ces dégradations, qui introduisent des zones d'activité très faible, se traduisent au niveau auditif par différentes sensations chez l'auditeur : coupure du son, flou sonore, bruit impulsionnel...
La première étape du calcul du paramètre correspond à l'estimation de l'activité temporelle du signal. Pour ce faire, l'opérateur de dérivée seconde est utilisé. Il permet en effet d'avoir une estimation suffisamment précise de l'activité et ne demande que très peu de calculs.
Pour simuler de façon simple cette opération de dérivée seconde, la formule suivante est utilisée :
f"(x0 )= f(x0 + 2)- 2.f(x0)+ f(x 0 - 2) (7) OU f"(x0 )= f(x0 + l)- 2.f(x0)+ f(x0 -l) (8)
où/Ct correspond à la valeur de l'échantillon à l'instant t. Une moyenne glissante, sur N valeurs (par exemple N = 21, ce qui correspond à 0,5 ms pour une fréquence d'échantiUonage de 48 KHz), permet ensuite
de lisser les variations de la courbe obtenue et éviter ainsi les fausses détections. Un seul résultat va être conservé par bloc de M résultats (M correspond par exemple à 2048 échantillons audio). C'est le minimum de M moyennes qui est conservé puis transmis. Le paramètre est ainsi obtenu à l'instant t par la formule suivante :
Plats (t) = min [ —
oùy(t) correspond à l'activité.
Si le paramètre est utilisé avec référence, alors, après synchronisation des données, l'étape de comparaison consiste en une simple différence qui permet de repérer les zones où le signal a été remplacé par des plats de décodage.
Seuls les instants, où l'activité est fortement diminuée sur le signal dégradé, sont intéressants. Ainsi la formule de comparaison est la suivante :
d(t) = max(θ. Plats r(t)- Plats d(t)) (10)
où Platsr(t) et PlatSd(t) sont respectivement le paramètre calculé sur la référence et sur le signal dégradé.
Pour réduire encore le débit nécessaire au transport de la référence, il est également possible de comparer le paramètre Plats(t), calculé sur le signal, avec un seuil S et ainsi obtenir un paramètre binaire. Lors de l'apparition des dégradations, la chute d'activité est en effet suffisamment importante pour être détectée de la sorte. Dans ce cas, la comparaison sert uniquement à confirmer la présence des dégradations. Plus aucune confusion n'est possible entre les zones de silence et les zones d'activité faible du signal. L'utilisation du paramètre sans référence permet néanmoins de repérer les dégradations.
Pour passer d'un paramètre de détection des dégradations, à l'estimation d'une note de qualité perceptuelle, l'importance psychoacoustique des dégradations détectées doit être analysée. Suivant leur longueur et leur nombre la dégradation perçue sera très différente.
L'étape suivante consiste donc à utiliser des courbes de correspondance à partir du paramètre binaire. Ces courbes permettent d'obtenir une
note de qualité à partir de la longueur cumulée et du nombre de dégradations impulsionnelles détectées par seconde. Ces courbes sont établies à partir de tests subjectifs. Différentes courbes peuvent être établies en fonction du type des signaux audio (parole ou musique principalement). Une fois l'estimation obtenue, il est également possible d'utiliser un filtre simulant la réponse d'un panéliste. Cela permet de tenir compte de l'effet dynamique des votes et des temps de réaction face aux dégradations.
Le paramètre peut être résumé selon le schéma suivant Figure 7.
Le principal avantage du paramètre est la possibilité de faire des mesures sans référence. Un autre point intéressant est le débit nécessaire au transfert de la référence. Celui-ci permet de réduire la référence à 1 nombre réel soit un débit de 1,5 kbits/s(voire même 1 bit en cas de seuillage soit un débit de 47 bits/s) pour
1024 échantillons de signal. Il est également à noter que l'algorithmes est très simple et de complexité réduite, ce qui permet son implantation en parallèle avec d'autres paramètres.
Le deuxième de ces procédés met en œuvre une détection de pics de l'activité.
Ce paramètre, tout comme le précédent est basé sur l'activité du signal. Celui-ci permet de détecter les décrochages, ruptures, coupures d'une partie du signal audio et les échantillons aberrants en recherchant les pics dans l'activité du signal.
Ainsi, cette fois, seuls les maxima pour des blocs de M échantillons sont conservés. Il n'est pas intéressant de transmettre puis comparer la totalité des valeurs de l'activité, principalement si l'objectif est d'obtenir une méthode ne nécessitant qu'une référence réduite.
Le paramètre est ainsi obtenu à l'instant t par la formule suivante :
ActTemp (t) = max (y(t - k)) (11) oùy(t) est l'activité du signal calculée par le filtre.
Dans le cas d'une utilisation avec référence, ce même calcul est effectué sur le signal de référence et sur le signal dégradé.
Après synchronisation des deux flux, la comparaison de ces maxima de l'activité permet de détecter les zones où le signal a été perturbé.
Pour effectuer cette comparaison, le rapport entre la valeur mesurée sur la référence et celle obtenue sur le signal dégradé permet la détection des dégradations. Il est possible de détecter les zones où l'activité a été fortement diminuée en choisissant le maximum du rapport et de son inverse. La formule suivante est utilisée :
ΑctTempd(t) ActTemp (t)' d(t)= max (12) ActTemp (t) ' ActTemp , (t)
où ActTempr(t) et ActTemp <d(t) sont respectivement le paramètre calculé sur la référence et sur le signal dégradé.
Dans le cas où la référence n'est pas disponible, il est possible d'utiliser un seuillage pour détecter si le paramètre est supérieur à un seuil S', ce qui indique la présence de dégradations. Pour éviter de fausses détections dues à des signaux au caractère impulsionnel (attaques, percutions, ...), le seuil doit avoir une valeur assez importante, ce qui peut entraîner des non détections.
De même que dans le cas précédent, l'utilisation des courbes de correspondance est possible pour estimer une qualité perceptuelle. La méthode consiste à intégrer les dégradations détectées par ce paramètre, aux autres trouvées par le paramètre précédent par exemple, et ainsi obtenir une estimation perceptuelle globale.
Le principe du paramètre est présenté dans le schéma suivant Figure 8.
Tout comme pour le paramètre précédent, l'avantage du paramètre réside dans la possibilité de faire des détections sans référence.
La complexité réduite et le faible débit nécessaire au transport de la référence, limité à 1 valeur, soit un débit de 1,5 kbits/s (voire même 1 bit en cas de seuillage, soit un débit de 47 bits/s) pour 1024 échantillons de signal échantillonné à 48 kHz, sont également des points intéressants. Le procédé ci-après met en œuvre l'étude du minimum du spectre du signal pour localiser les dégradations.
Il est principalement utile pour la détection de dégradations dites "impulsionnelles". Il est en effet important de noter que la majorité des dégradations introduites, lors de la transmission d'un signal audio, sont de ce type. Celles-ci sont
très localisées en temps et très étalées en fréquence. Ainsi, en les assimilant à un bruit blanc large bande de très courte durée dans le signal, il est possible de les détecter en analysant les caractéristiques du spectre.
La première étape du calcul de ces paramètres correspond à l'estimation du spectre du signal. Pour cela, le signal est fenêtre en blocs de N échantillons (N = 1024 ou 2048 par exemple), avec un recouvrement de N/2 échantillons. Cela permet d'avoir une résolution temporelle suffisante et d'analyser tout le signal, en tenant compte du fait que l'utilisation des fenêtrages atténue fortement l'influence des bords de ces fenêtres temporelles.
Cela permet également de ne pas trop pénaliser le temps de calcul lors de l'implantation. Une transformation de Fourier rapide permet, ensuite, de passer dans le domaine fréquentiel.
L'apparition d'une dégradation, augmente le minimum du spectre, du fait de l'introduction de bruit blanc large bande dans toutes les composantes fréquentielles du spectre. C'est ce principe qui a permis de développer ce paramètre, calculé simplement selon la formule :
MinSpe = min(Λ:;. ) pour 1 < i < N (13) avec Xi les N composantes du spectre X en dB (par calcul de distance).
Dans le cas d'une utilisation avec référence, une comparaison simple, après synchronisation des valeurs obtenues sur la référence et le signal dégradé, n'est en général pas suffisante pour la détection des dégradations. En effet, la variabilité des minima obtenus avec un signal non dégradé est importante. II faut ainsi faire des comparaisons par blocs de M valeurs selon le principe suivant : Pour chaque bloc, il n'est conservé que le maximum des M minima obtenus sur la référence. Cela fournit une valeur de référence du niveau de bruit initial pour le bloc. Cette valeur est comparée aux M minima obtenus sur le signal dégradé. En ne conservant que les instants où les minima sont augmentés, il est possible de détecter les moments où du bruit a été ajouté au signal.
La distance obtenue est ainsi, pour chaque instant t :
où x
r>i est la i
eme des N composantes du spectre obtenu sur la référence, x
<Li est la i
ème des N composantes du spectre obtenu sur le signal dégradé, et min le k
ιeme des M minima du bloc considéré. Si la référence n'est pas disponible, il est possible d'utiliser une moyenne des minima du spectre obtenus précédemment par l'algorithme. Le reste de la comparaison se fait ensuite de la même façon. De même que dans les cas précédents, l'utilisation des courbes de correspondance est possible en intégrant les dégradations détectées par ce paramètre aux autres et obtenir ainsi une mesure perceptuelle.
La méthode peut se résumer ainsi par les deux schémas suivants Figure 9. Encore une fois, le principal avantage de ces paramètres est la possibilité de faire des mesures sans référence. Un autre point intéressant est le débit nécessaire au transfert de la référence. Celui-ci permet de réduire la référence à 1 nombre réel et même 1 entier, soit un débit d'au plus 1 ,5 kbits/s pour N (par exemple 1024) échantillons de signal. La complexité réduite de l'algorithme est également un atout.
Dans le procédé suivant, selon lequel on analyse l'Aplatissement Spectral, deux paramètres, SFi et SF2, permettent d'estimer "l'aplatissement" du spectre, d'où le terme parfois utilisé d'"aplatissement statistique". Ils correspondent à l'étude de la forme du spectre et à son évolution le long de la séquence étudiée. Lors de l'apparition d'un bruit large bande dans le signal, une composante continue de type bruit blanc provoquera un aplatissement du spectre. Paramètre SFj.
Lors de l'apparition d'une dégradation, les composantes qui avaient des valeurs proches de zéro, vont passer à des valeurs non négligeables. Le produit des composantes du spectre va ainsi fortement augmenter, alors que leur somme ne variera que très peu. Pour exploiter ceci, le paramètre d'estimation de l'aplatissement du spectre SFt est calculé selon la formule suivante :
MoyermeArithmétique (X)
SFj ≈lO.loglO = 10.1ogl (15) MoyenneGéo métrique (X)
avec X, le spectre du signal et Xj les composantes du spectre. Ce paramètre est calculé de la même manière sur la référence et sur le signal dégradé. Par comparaison il est ensuite possible d'estimer le niveau de bruit blanc inséré, et par suite les dégradations. Paramètre SF2
Pour calculer ce paramètre, le coefficient d'aplatissement statistique, appelé "kurtosis" ou "concentration" a été utilisé. L'estimation est faite à partir des moments centrés d'ordre 2 et 4. Ils permettent d'estimer la forme du spectre par rapport à une distribution normale au sens statistique du terme.
Le calcul correspond au rapport entre le moment centré d'ordre 4 et le moment centré d'ordre 2 (variance) au carré des coefficients du spectre. La formule utilisée est ainsi la suivante :
avec moments centrés m^ définis par :
où X est la moyenne arithmétique des N composantes Xj du spectre X en dB.
De même que pour le paramètre SFl3 plus la valeur obtenue est importante, plus le signal est concentré et moins il y a de bruit dans le signal. Celui-ci
est calculé sur la référence et sur le signal dégradé. Par comparaison le niveau de bruit blanc inséré est estimé.
Le schéma de la Figure 10 présente le principe (valable pour les deux paramètres ci-dessus) : Dans le cas d'une comparaison avec la référence, une simple distance du type différence ou autre est suffisante pour détecter les dégradations. Si aucune référence n'est disponible, il est nécessaire d'effectuer une détection des pics dans la variation des paramètres pour rechercher les dégradations. Cela peut être fait en utilisant la technique, classique en traitement de l'image, de la morphologie mathématique à niveau de gris (érosions et dilatations).
Les avantages et limitations de ces paramètres sont identiques à ceux des paramètres précédents : débit nécessaire limité, sans référence possible et utilisation des courbes de correspondance pour estimer l'importance perceptuelle des dégradations. Dans le cadre de la surveillance d'un réseau de diffusion en télévision numérique, le signal audio de référence correspond au signal à l'entrée du réseau de diffusion. Les paramètres de référence sont calculés sur ce signal, puis transmis via une voie de donnée spécifique, jusqu'au point de mesure souhaité. C'est à ce point que sont calculés les même paramètres nécessaires à la comparaison pour l'établissement des mesures avec référence réduite. Les mesures sans référence sont également calculées. Dans le cas où les paramètres de référence ne seraient pas disponibles (non présents, erronés, ...) ces mesures sont suffisantes pour détecter les erreurs les plus importantes. Les sous-systèmes en pointillés de la Figure 11 ne sont alors plus utilisés. Les mesures obtenues sans référence et celles obtenues avec référence réduite (dans le cas où elles ont pu être calculées) sont utilisées par un modèle pour estimer l'importance de la dégradation introduite lors de la diffusion. Le schéma de la Figure 11 résume cet exemple de réalisation : Plusieurs points de mesure peuvent ainsi être établis. Une fois ces estimations de dégradations obtenues, il est aisé de les transmettre vers un centre de surveillance du réseau, ce qui permet d'avoir une vue d'ensemble des performances du réseau.
Le même schéma que précédemment peut être utilisé pour visualiser (avec ou sans référence) les performances de la diffusion de radios sur Internet. Dans ce cas, la voie de donnée utilisée pour transporter les paramètres de référence peut être le réseau lui-même, tout comme pour renvoyer les notes estimées au centre de
surveillance. Le signal de référence correspond au signal envoyé par le serveur, et le signal dégradé est celui décodé au point de mesure choisi. Cela peut par exemple servir à choisir le serveur le plus approprié en fonction du lieu de connexion en accédant aux données d'un centre de surveillance. Le schéma (Figure 12) suivant illustre ce mode de réalisation dans le cas où les paramètres de référence sont envoyés par le réseau et où les notes obtenues utilisent une voie de transmission spécifique.
Un procédé selon l'invention est applicable à chaque fois qu'il est nécessaire d'identifier des défauts sur un signal audio qui a été transmis par un réseau de diffusion quelconque (câble, satellite, hertzien, Internet, DNB, DAB, ...). Le procédé proposé exploite deux classes de méthodes : les techniques avec référence réduite et celles sans référence. Il est particulièrement intéressant lorsque le débit disponible pour la transmission de la référence est limité.
Ainsi, cette invention est applicable à des fins d'exploitation pour les équipements de métrologie et pour les systèmes de supervision des réseaux de distribution des signaux audio. Une de ses caractéristiques avantageuses réside dans l'association des mesures effectuées avec et sans référence. Enfin, cette invention correspond aux besoins imposés dans les systèmes de gestion de la qualité de service.