Nous proposons deux méthodes de reformage spectral du bruit de quantification visant à masquer celui-ci [1,2] : l'une est fondée sur la réinjection, à l'entrée du quantificateur, de l'erreur de quantification filtrée ; la seconde méthode consiste à rechercher, selon un algorithme de type Viterbi, la séquence quantifiée maximisant un critère probabiliste de masquage.
Les résultats objectifs montrent une forte capacité de masquage, tandis que l'évaluation subjective témoigne de la gêne perceptive occasionnée par le bruit résiduel sporadiquement non masqué.
À partir du théorème de quantification de Widrow, nous avons montré un théorème de sous-quantification : la densité de probabilité d'un signal quantifié peut être reconstruite sans erreur à partir de celle de sa version sous-quantifiée d'un facteur K si la fonction caractéristique est à support borné, de fréquence maximale 1/2K [3]. Nous avons proposé un algorithme de dopage du signal permettant de vérifier cette condition [5].
Nous étudions actuellement l’extension de ce théorème à la densité de probabilité jointe de séquences d’échantillons et l’adaptation du dopage à ce cas.
Approcher un signal par une suite de combinaisons de codes correcteurs d'erreur permet de réduire le bruit lorsque ce signal est transmis via un canal bruité, en corrigeant les erreurs sur la représentation binaire du signal. Cette proposition a été développée dans la thèse de Fatimetou El-Jili, co-encadrée avec Mamadou Mboup [4,6]
Nos travaux actuels visent à améliorer le gain perceptif global de cette méthode, c’est-à-dire faire en sorte que le signal codé-bruité-décodé soit préférable au signal bruité. Cette amélioration passe à la fois par l’utilisation de critères perceptifs dans l’algorithme de matching pursuit utilisé pour l’approximation du signal selon le dictionnaire de codes, et par l’intégration des principes du codage de source vectoriel dans la conception des dictionnaires.