Julien Hauret
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Julien Hauret has a total of 6 co-authors. Here are the top co-authors by number of shared publications:
- Thomas Joubaud
Department of Acoustics and Soldier Protection, French-German Research Institute of Saint-Louis, Saint-Louis, France
2 shared publications - Véronique Zimpfer
Acoustics and Protection of the Soldier French-German Research Institute of Saint-Louis France
2 shared publications - Éric Bavu
LMSSC Conservatoire national des arts et métiers Paris France
2 shared publications Christophe Langrenne
1 shared publication- Malo Olivier1 shared publication
Sarah Poirée
1 shared publication
Latest Publications
- 24 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Deep learning pour l'amélioration de signaux vocaux dans un contexte de radio-communications avec des dispositifs de captation sonore non conventionnels
Enregistrer un signal vocal propre dans un environnement extrêmement bruyant est une problématique de recherche non résolue. Lorsque les microphones traditionnels ne parviennent pas à atteindre un rapport signal à bruit suffisant, ceux à conduction corporelle offrent une alternative en atténuant de manière significative le bruit externe. Cependant, cela se fait au prix d'une réduction de la bande passante audio. Ces dispositifs de captation sonore non conventionnels, qui comprennent des capteurs à vibrations osseuses, des accéléromètres cutanés, des microphones intra-auriculaires et des laryngophones, enregistrent les vibrations internes du corps, ce qui les rend très résistants au bruit. Cependant, comme le corps agit comme un filtre passe-bas, les composantes haute fréquence de la parole ne peuvent pas être transmises aux capteurs audio. En outre, les bruits physiologiques, tels que les battements du cœur, la respiration et la déglutition, sont également enregistrés, ce qui peut nuire à la clarté de la parole. Il est donc nécessaire de disposer d'un algorithme de réhaussement de la parole en post-traitement.Cette thèse de doctorat, fondée sur l'apprentissage profond, vise à développer un tel algorithme pour les systèmes de radio-communications en temps réel, avec déploiement sur architecture matérielle légère en périphérie du réseau. Étant donné que les microphones à conduction corporelle ne sont pas courants et que l'apprentissage profond repose fortement sur les données, il a été nécessaire de construire un jeu de données dédié pour un entraînement efficace et des tests pertinents pour l'application cible, tout en le mettant à la disposition de la communauté, s'inscrivant dans la démarche de science ouverte. Nous nous concentrons ensuite sur la conception d'un algorithme de rehaussement de la parole adapté aux caractéristiques uniques de ces capteurs. Notre approche s'appuie sur un réseau de neurones profond qui traite le signal directement dans la gamme de fréquences pertinente tout en restant dans le domaine temporel, en réalisant conjointement une extension de bande passante et un débruitage par le biais d'un apprentissage adversarial. Les performances d'amélioration sont évaluées sous plusieurs angles, notamment la qualité de la parole, l'intelligibilité et la préservation de l'identité du locuteur. En outre, les contraintes de calcul telles que la latence et la consommation de mémoire sont prises en compte pour garantir l'adéquation avec le déploiement léger. Enfin, les avancées récentes en matière de codecs neuronaux sont étudiées en tant que modèles de fondation potentiels pour la tâche de rehaussement de la parole appliqué aux signaux vocaux captés par conduction corporelle. Leur architecture s'aligne avec celle du réseau précédemment proposé et ils offrent aussi des représentations hautement compressées adaptées aux communications radio.
- 24 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Deep learning pour l'amélioration de signaux vocaux dans un contexte de radio-communications avec des dispositifs de captation sonore non conventionnels
Enregistrer un signal vocal propre dans un environnement extrêmement bruyant est une problématique de recherche non résolue. Lorsque les microphones traditionnels ne parviennent pas à atteindre un rapport signal à bruit suffisant, ceux à conduction corporelle offrent une alternative en atténuant de manière significative le bruit externe. Cependant, cela se fait au prix d'une réduction de la bande passante audio. Ces dispositifs de captation sonore non conventionnels, qui comprennent des capteurs à vibrations osseuses, des accéléromètres cutanés, des microphones intra-auriculaires et des laryngophones, enregistrent les vibrations internes du corps, ce qui les rend très résistants au bruit. Cependant, comme le corps agit comme un filtre passe-bas, les composantes haute fréquence de la parole ne peuvent pas être transmises aux capteurs audio. En outre, les bruits physiologiques, tels que les battements du cœur, la respiration et la déglutition, sont également enregistrés, ce qui peut nuire à la clarté de la parole. Il est donc nécessaire de disposer d'un algorithme de réhaussement de la parole en post-traitement.Cette thèse de doctorat, fondée sur l'apprentissage profond, vise à développer un tel algorithme pour les systèmes de radio-communications en temps réel, avec déploiement sur architecture matérielle légère en périphérie du réseau. Étant donné que les microphones à conduction corporelle ne sont pas courants et que l'apprentissage profond repose fortement sur les données, il a été nécessaire de construire un jeu de données dédié pour un entraînement efficace et des tests pertinents pour l'application cible, tout en le mettant à la disposition de la communauté, s'inscrivant dans la démarche de science ouverte. Nous nous concentrons ensuite sur la conception d'un algorithme de rehaussement de la parole adapté aux caractéristiques uniques de ces capteurs. Notre approche s'appuie sur un réseau de neurones profond qui traite le signal directement dans la gamme de fréquences pertinente tout en restant dans le domaine temporel, en réalisant conjointement une extension de bande passante et un débruitage par le biais d'un apprentissage adversarial. Les performances d'amélioration sont évaluées sous plusieurs angles, notamment la qualité de la parole, l'intelligibilité et la préservation de l'identité du locuteur. En outre, les contraintes de calcul telles que la latence et la consommation de mémoire sont prises en compte pour garantir l'adéquation avec le déploiement léger. Enfin, les avancées récentes en matière de codecs neuronaux sont étudiées en tant que modèles de fondation potentiels pour la tâche de rehaussement de la parole appliqué aux signaux vocaux captés par conduction corporelle. Leur architecture s'aligne avec celle du réseau précédemment proposé et ils offrent aussi des représentations hautement compressées adaptées aux communications radio.
- Top Cited PapersOpen Access
- 19 April 2025
- Published by Elsevier in Speech Communication
- Vol. 172
Vibravox: A dataset of french speech captured with body-conduction audio sensors
- 19 April 2025
- Published by Elsevier in Speech Communication
- Vol. 172
Top Cited PapersOpen AccessVibravox: A dataset of french speech captured with body-conduction audio sensors
- 8 September 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE/ACM Transactions on Audio, Speech, and Language Processing
- Vol. 31 (23299290) , 3499-3512
Configurable EBEN: Extreme Bandwidth Extension Network to Enhance Body-Conducted Speech Capture
This paper presents a configurable version of Extreme Bandwidth Extension Network (EBEN), a Generative Adversarial Network (GAN) designed to improve audio captured with body-conduction microphones. We show that although these microphones significantly reduce environmental noise, this insensitivity to ambient noise happens at the expense of the bandwidth of the speech signal acquired by the wearer of the devices. The obtained captured signals therefore require the use of signal enhancement techniques to recover the full-bandwidth speech. EBEN leverages a configurable multiband decomposition of the raw captured signal. This decomposition allows the data time domain dimensions to be reduced and the full band signal to be better controlled. The multiband representation of the captured signal is processed through a U-Net-like model, which combines feature and adversarial losses to generate an enhanced speech signal. We also benefit from this original representation in the proposed configurable discriminators architecture. The configurable EBEN approach can achieve state-of-the-art enhancement results on synthetic data with a lightweight generator that allows real-time processing.
- 8 September 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE/ACM Transactions on Audio, Speech, and Language Processing
- Vol. 31 (23299290) , 3499-3512
Configurable EBEN: Extreme Bandwidth Extension Network to Enhance Body-Conducted Speech Capture
This paper presents a configurable version of Extreme Bandwidth Extension Network (EBEN), a Generative Adversarial Network (GAN) designed to improve audio captured with body-conduction microphones. We show that although these microphones significantly reduce environmental noise, this insensitivity to ambient noise happens at the expense of the bandwidth of the speech signal acquired by the wearer of the devices. The obtained captured signals therefore require the use of signal enhancement techniques to recover the full-bandwidth speech. EBEN leverages a configurable multiband decomposition of the raw captured signal. This decomposition allows the data time domain dimensions to be reduced and the full band signal to be better controlled. The multiband representation of the captured signal is processed through a U-Net-like model, which combines feature and adversarial losses to generate an enhanced speech signal. We also benefit from this original representation in the proposed configurable discriminators architecture. The configurable EBEN approach can achieve state-of-the-art enhancement results on synthetic data with a lightweight generator that allows real-time processing.