Pré-thèse F/H

Pré-thèse F/H : Nouveaux Algorithmes pour le Diagnostic Acoustique de Salle Automatisé

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Chercheur contractuel

Niveau d'expérience souhaité : Jeune diplômé

Contexte et atouts du poste

Lieu et durée du contrat

Les travaux de recherche s'effectueront à Strasbourg au sein des locaux du Cerema (11 rue Jean Mentelin, 67200 Strasbourg) et devraient durer un mois.

• Antoine Deleforge, Chargé de Recherche Inria, Equipe MACARON (IRMA, 7 Rue René Descartes, 67000 Strasbourg) deleforge@inria.fr (présence au Cerema 3 jours/semaine).
• Cédric Foy, Chargé de Recherche UMRAE (Cerema, Univ. Gustave Eiffel, 11 rue Jean Mentelin, 67200 Strasbourg). foy@cerema.fr

Mission confiée

Description générale du sujet

Les nuisances sonores sont citées comme première source de gêne par les populations et constituent un enjeu sanitaire et social important. Dans les bâtiments, la gêne est souvent liée à une mauvaise qualité acoustique des salles due à une réverbération trop importante (cantine, piscine, crèche…). Dans le cadre de la réhabilitation acoustique des salles, la proposition d’une solution nécessite une bonne connaissance des caractéristiques géométriques et acoustiques de l’existant. Pour estimer certains paramètres inconnus (ex: absorption d’un plafond inconnu), les acousticiens de terrain s’appuient sur des mesures in situ du champ sonore et sur des modèles acoustiques numériques (ou analytique) dont ils calent de façon itérative les paramètres de façon à retrouver la valeur du champ sonore mesurée. Le processus complet d’un diagnostic est donc long, coûteux et parfois imprécis selon les modèles utilisés. Face à ce constat, le développement de méthodes dites inverses permettant de remonter automatiquement aux paramètres acoustiques d’intérêt à partir de la mesure constituerait une percée majeure pour l’acoustique du bâtiment, ouvrant la voie au développement d’outils plus simples, plus rapides et plus fiables à destination des acousticiens.

Il s’agit d’un problème inverse non linéaire difficile. Nous envisageons une approche novatrice et transversale, avec une équipe réunissant des chercheurs ayant chacun leur propre compétence en acoustique (Cédric Foy, UMRAE, encadrant du stage), en traitement du signal et apprentissage automatique (Machine Learning) (Antoine Deleforge, Inria, encadrant du stage; Sylvain Faisan, ICube) et en mathématiques (Yannick Privat, IRMA). Cette approche vient notamment rompre l’herméticité existante entre le monde de l’audio et celui de l’acoustique. Elle consiste à résoudre le problème inverse en s’appuyant sur des mesures et les modèles théoriques acoustiques directs existants puis, suivant les paramètres acoustiques à déterminer, de développer de nouveaux algorithmes adaptés combinant des techniques venant du traitement du signal, de l’optimisation, et de l’apprentissage automatisé profond (deep learning).

En bref, nous cherchons à répondre à cette question:

Est-il possible, en utilisant des mesures ponctuelles du champ sonore d’une salle, ainsi que des connaissances partielles et approximatives sur la salle, les sources et les microphones utilisés, d’estimer précisément les paramètres acoustiques et géométriques de la salle ?

[3] S. Dilungana, A. Deleforge, C. Foy, S. Faisan, Estimation jointe des profils d’absorption des parois d’une salle à partir de réponses impulsionnelles, 16ème Congrès Français d'Acoustique, Marseille, France, 11-15 avr. 2022.

[6] T. Sprunck, K. Chahdi, C. Foy, E. Franck, A. Deleforge, Reconstruction de la forme d’une pièce par super-résolution à l’aide de réponses impulsionnelles, 16ème Congrès Français d'Acoustique, Marseille, France, 11-15 ar. 2022.

Principales activités

• Consolidations de résultats précédement obtenues sur ce sujet lors d'un précédent stage M2 de fin d'études
• Rédaction d'un article à soumettre dans une revue scientifique à partir de ces résultats
• Etudes bibliographiques

Compétences

• Méthodes d’optimisation, Traitement du signal, Apprentissage Automatique, Deep Learning
• Excellent niveau en programmation Python (également Matlab serait un plus)
• Des connaissances, expériences ou intérêts particulier pour l’audio ou l’acoustique sont fortement souhaitées. Des connaissances en équations aux dérivées partielles (EDP) sont un plus.&