Master 2013 2014
Stages de la spécialité SAR
Suivi de tempo du musicien en temps réel


Site :Équipe Projet MuTant
Lieu :Ircam - équipe projet MuTant
Encadrant : Gilbert Nouno et Arshia Cont
Dates :01/03/2013 au 31/07/2013
Rémunération :430€/mois
Mots-clés : Parcours ATIAM : Informatique musicale, Parcours ATIAM : Traitement du signal


Description

Le problème de suivi de tempo consiste à estimer et à suivre en temps réel le tempo à partir d’une suite temporelle d’onsets extraits d’une performance musicale sans prendre en compte l’existence d’une éventuelle partition. Différentes approches concernant le suivi de tempo ont été étudiées dans la littérature [1] à des fins d’utilisation en temps réel ou d’analyses. Une des approches proposées pour l’estimation est un modèle mathématique de Grille Optimale régulière dans le temps qui coïncide le mieux possible avec les onsets observés [2]. Un traitement statistique couplé à un modèle d’oscillateur non linéaire permet alors de réaliser un suivi en phase avec la source analysée.

Dans le cadre des hypothèses non restrictives d’observation de la suite temporelle d’onsets et dans le cadre d’un tempo à variation plus ou moins forte, l’inférence dynamique du tempo est un élément clef de la recherche et peut être abordé avec des techniques probabilistes issues des méthodes d’apprentissage automatique [3][4][5].

Problèmes posés et résultats attendus :

Dans ce stage, nous proposons d’étudier une extension de la recherche sur les techniques d’inférence dynamique permettant de réaliser un suivi de tempo en synchronisation avec la source d’onsets observée en temps réel. Les techniques suggérées sont le filtrage particulaire, le filtrage de Kalman étendu et de manière générale les inférences dans un contexte bayesien dynamique. Nous proposons aussi d’étudier une extension du modèle d’estimation du tempo avec la Grille Optimale dans le cas de sa variabilité.

Dans ce stage, on cherche à :
-  étudier l’état de l’art des méthodes d’inférence dynamique et de programmation dynamique
-  résoudre le problème d’inférence du tempo dans le cadre proposé
-  synchroniser le tempo suivi avec un modèle d’oscillateur non linéaire.
-  tester les solutions dans un cadre de simulation puis dans un environnement temps réel (MaxMsp , Pure Data)

Bibliographie

[1] N. Collins. Beat induction and rhythm analysis for live audio processing. Technical report, University of Cambridge, 2004.

[2] G. NOUNO, “Suivi de Tempo appliqué aux musiques improvisées » Thèse, Université de Paris 6 – Ircam, 2008.

[3] P. S. Maybeck. Stochastic models, estimation, and control, volume 141 of Mathematics in Science and Engineering. Academic Press, 1979.

[4] A. T. Cemgil. Monte carlo methods for tempo tracking and rhythm quantization. Journal of Articial Intelligence Research, 18 :4581, 2003.

[5] K. P. Murphy. Dynamic bayesian networks : representation, inference and learning. PhD thesis, UC Berkeley, 2002.