Modèles de Markov cachés pour l'estimation de plusieurs fréquences fondamentales

Le suivi de la fréquence fondamentale est un problème important du traitement de la parole et de la musique, et le développement d’algorithmes robustes pour la détermination d’une ou plusieurs fréquences fondamentales est un sujet actif de recherches en traitement du signal acoustique (Gold et Morgan, 1999). La plupart des algorithmes d’extraction de la fréquence fondamentale commencent par construire un ensemble de caractéristiques non linéaires (comme le corrélogramme ou le “cepstrum”) qui ont un comportement spécial lorsqu’une voyelle est prononcée. Ensuite, ces algorithmes modélisent ce comportement afin d’extraire la fréquence fondamentale. En présence de plusieurs signaux mixés additivement, il est naturel de vouloir modéliser directement le signal ou une représentation linéaire de ce signal (comme le spectrogramme), afin de préserver l’additivité et de rendre possible l’utilisation de modèles destinés à une seule fréquence fondamentale pour en extraire plusieurs.