Quand les oreilles peuvent voir

Publié par Redbran le 02/09/2020 à 13:00
Source: Université de Sherbrooke

Maxime Bilodeau, gagnant du concours de vulgarisation scientifique 2020 de l'Université de SherbrookePhoto: UdeS - Michel Caron
Quand on est malade, afin de voir l'invisible, on a recours à différentes techniques d'imagerie (L’imagerie consiste d'abord en la fabrication et le commerce des images physiques qui représentent des êtres ou des choses. La...): échographie, IRM, rayons X, etc. Lorsqu'il s'agit de réduire le bruit (Dans son sens courant, le mot de bruit se rapproche de la signification principale du mot son. C'est-à-dire vibration de l'air pouvant donner lieu à la création d'une sensation...) et d'améliorer le confort acoustique (L’acoustique est une branche de la physique dont l’objet est l’étude des sons et des ondes mécaniques. Elle fait appel aux phénomènes...), on peut avoir recours à des techniques similaires. En effet, les acousticiens, ces scientifiques qui étudient le son, utilisent des méthodes d'imagerie pour voir et analyser ce qui est invisible à nos yeux: le son.

Un nouvel algorithme d'imagerie appelé TD-PCa[1], récemment publié dans le Journal of the Acoustical Society of America par l'équipe de Pr Masson et Pr Berry[2], permet de détecter des sources de bruits et de visualiser leurs variations dans le temps (Le temps est un concept développé par l'être humain pour appréhender le changement dans le monde.) sous la forme de vidéos. Ces vidéos s'avèrent plus faciles à interpréter par les acousticiens que les images typiquement obtenues.

[b]Qu'est-ce que l'imagerie acoustique ? [/b]


Figure 1 - Exemple d'image acoustique généralement obtenue (haut) et explication de l'algorithme TD-PCa (bas):
a) On divise la zone d'intérêt en sonels
b) À l'aide de mathématiques, on ne conserve que les sonels importants
c) On évalue le bruit sur tous les sonels conservés

En imagerie acoustique, les algorithmes - ces longues séquences de calculs - permettent d'obtenir une cartographie (La cartographie désigne la réalisation et l'étude des cartes géographiques. Le principe majeur de la cartographie est la...) de bruit: une photo du lieu inspecté sur laquelle on a superposé les niveaux de bruit (voir Figure 1). Afin d'obtenir ce type d'image, l'acousticien utilise généralement un ensemble (En théorie des ensembles, un ensemble désigne intuitivement une collection d’objets (les éléments de l'ensemble), « une multitude qui peut être...) de plusieurs microphones, qu'on nomme antenne (En radioélectricité, une antenne est un dispositif permettant de rayonner (émetteur) ou de capter (récepteur) les ondes électromagnétiques.). Cette antenne agit un peu comme les oreilles de l'acousticien et mesure très précisément le bruit. À partir de cette mesure, l'algorithme est utilisé pour construire la cartographie du bruit.

Malheureusement, pour obtenir une image claire, ces algorithmes nécessitent l'utilisation d'un grand nombre (La notion de nombre en linguistique est traitée à l’article « Nombre grammatical ».) de microphones. Obtenir une image est déjà compliqué, en avoir plusieurs pour observer les variations de bruit dans le temps est le réel défi. C'est exactement ce que permet le nouvel algorithme, TD-PCa.

En quoi l'algorithme TD-PCa est-il différent?

Tout (Le tout compris comme ensemble de ce qui existe est souvent interprété comme le monde ou l'univers.) comme une image de votre télévision (La télévision est la transmission, par câble ou par ondes radioélectriques, d'images ou de scènes animées et généralement sonorisées qui sont reproduites sur un poste récepteur appelé téléviseur (ou, par abus de langage,...) est constituée de millions de pixels[3], l'algorithme TD-PCa considère que la zone d'intérêt est divisée en plusieurs milliers de sources élémentaires de bruit que l'on appellera des sonels[4] (voir Figure 1). L'objectif de l'algorithme est donc de trouver comment chacun de ces sonels contribue au bruit mesuré par chacun des microphones. En mathématique (Les mathématiques constituent un domaine de connaissances abstraites construites à l'aide de raisonnements logiques sur des concepts tels que les nombres, les figures, les structures et les transformations. Les...), on dit que ces sonels sont les inconnues de l'équation (En mathématiques, une équation est une égalité qui lie différentes quantités, généralement pour poser le problème de leur identité. Résoudre l'équation consiste à déterminer toutes les façons de donner à certaines des...).

Par exemple, imaginons que la zone d'intérêt est divisée en 5 000 sonels, et que l'objectif est de faire une vidéo (La vidéo regroupe l'ensemble des techniques, technologie, permettant l'enregistrement ainsi que la restitution d'images animées, accompagnées ou non de son, sur un support adapté à l'électronique et non de type...) constituée de 100 images. Dans ce cas, l'algorithme doit réaliser un calcul composé de 500 000 inconnues (5 000 sonels x 100 images) ! Mathématiquement, ce type de problème est très compliqué à résoudre lorsque le nombre de sources (ici 500 000 sonels) est plus petit que le nombre de mesures (données recueillies par les microphones). TD-PCa, lui, utilise une méthode statistique (Une statistique est, au premier abord, un nombre calculé à propos d'un échantillon. D'une façon générale, c'est le...) pour identifier les sonels les plus susceptibles de contribuer au bruit. Cette première étape de calcul permet de réduire de 99% le nombre de sonels à considérer dans l'équation. Ainsi, le calcul peut être résolu avec un ordinateur portable (Un ordinateur portable, laptop (en Suisse) ou encore PC portable est un ordinateur personnel qui, grâce à un poids et un encombrement...) typique. De plus, étant donné que l'algorithme donne des images acoustiques plus claires, on peut diminuer le nombre de microphones nécessaire pour obtenir des images comparables à celles des algorithmes classiques.

Moins de bruit autour de nous

Ce qui est aussi démontré dans cet article2, c'est que TD-PCa permet de visualiser des phénomènes physiques non observables à l'aide des algorithmes d'imagerie typiques. Ainsi, les acousticiens peuvent mieux identifier les sources de bruit et concevoir des avions, des autos et des lave-vaisselles moins bruyants !

Avec la miniaturisation des microphones et la capacité de calcul croissante de nos ordinateurs, tablettes et cellulaires, on peut rêver pour le futur à des caméras acoustiques dans nos poches !

Notes:

[1] TD-PCa pour [i]Time Domain Phase (Le mot phase peut avoir plusieurs significations, il employé dans plusieurs domaines et principalement en physique :) Coherence algorithm

[2] Bilodeau M., Quaegebeur N., Robin O., O'Donoughue P., Masson P., Berry A., [i]Time domain imaging of extended transient noise sources using phase coherence, The Journal of the Acoustical Society of America,146, 4851 (2019)

[3] Pixel (Le pixel, souvent abrégé px, est une unité de surface permettant de mesurer une image numérique. Son nom provient de la locution anglaise picture element, qui...) est une contraction de: Picture element

[4] Sonel est une contraction de: Sound element
Cet article vous a plu ? Vous souhaitez nous soutenir ? Partagez-le sur les réseaux sociaux avec vos amis et/ou commentez-le, ceci nous encouragera à publier davantage de sujets similaires !
Page générée en 0.449 seconde(s) - site hébergé chez Amen
Ce site fait l'objet d'une déclaration à la CNIL sous le numéro de dossier 1037632
Ce site est édité par Techno-Science.net - A propos - Informations légales
Partenaire: HD-Numérique