A Residual Neural Network Framework for Rotating Sound Source Localization

Imaginez essayer d'entendre une seule voix dans une pièce bondée où tout le monde tourne autour de vous. Les ondes sonores atteignant vos oreilles changent constamment de hauteur et de rythme, créant un désordre chaotique qui rend presque impossible de localiser précisément qui parle. C'est le défi fondamental auquel les ingénieurs sont confrontés lorsqu'ils tentent de localiser la source d'un bruit provenant de machines rotatives, telles que les pales d'une éolienne ou les ventilateurs à l'intérieur d'un moteur de jet. Pendant des décennies, les scientifiques ont utilisé des réseaux de microphones pour capturer ces sons et cartographier leur provenance. Cependant, lorsque la source sonore est en rotation, le mouvement crée un phénomène connu sous le nom d'effet Doppler, qui déforme les ondes sonores de la même manière que la hauteur d'une sirène change lorsqu'une ambulance passe à toute vitesse. Les méthodes traditionnelles pour démêler cette distorsion sont souvent lentes, gourmandes en calculs et sujettes à la création de « signaux fantômes » — de fausses alertes suggérant qu'une source de bruit existe là où il n'y a en réalité rien.

Une équipe de chercheurs de l'Université Jiao Tong de Shanghai et d'AECC Commercial Aircraft Engine Co., Ltd. a développé une nouvelle approche pour résoudre ce problème en apprenant à un ordinateur à reconnaître directement les motifs du bruit de rotation. Au lieu de s'appuyer sur des formules mathématiques complexes pour corriger manuellement le mouvement de rotation, ils ont entraîné un type d'intelligence artificielle appelé Réseau de Neurones Résiduels, ou ResNet, pour qu'il analyse les données brutes des microphones et identifie instantanément l'emplacement réel du son. Dans une série de simulations informatiques détaillées, ce nouveau système s'est révélé remarquablement efficace. Il a réussi à localiser des sources sonores rotatives avec une précision allant jusqu'à 98,83 %, même lorsque le bruit provenait de plusieurs points de rotation simultanés. Plus impressionnant encore, le système a pris ces décisions en moins de 50 millisecondes, une vitesse qui est de plusieurs ordres de grandeur supérieure aux méthodes conventionnelles actuellement en usage, lesquelles peuvent prendre plusieurs secondes pour traiter la même information.

Le cœur de cette innovation réside dans la manière dont les chercheurs ont préparé les données pour l'apprentissage de l'ordinateur. Dans l'analyse sonore standard, les scientifiques utilisent souvent un outil mathématique appelé matrice de demi-spectre (cross-spectral matrix), qui agit comme une carte de la relation entre les ondes sonores provenant de différents microphones. Pour les objets stationnaires, cette carte est claire et facile à lire. Mais pour les objets en rotation, la carte est brouillée par l'effet Doppler, ce qui rend difficile pour les algorithmes traditionnels de distinguer les sources réelles du bruit. Les chercheurs ont réalisé qu'une technique spécifique, connue sous le nom de formation de faisceaux par composition de modes (mode composition beamforming), pouvait réorganiser ces données brouillées dans un format qui préserve l'information spatiale essentielle tout en tenant compte de la rotation. Ils ont injecté ces données réorganisées dans leur réseau neuronal, lequel est conçu avec une structure spéciale lui permettant d'apprendre des motifs profonds et complexes sans s'embrouiller ou se perdre, un problème courant lors de l'entraînement de modèles informatiques très vastes.

Pour tester leur système, l'équipe a créé des milliers de scénarios simulés impliquant des sources sonores rotatives avec des vitesses, des fréquences et des intensités variables. Ils ont utilisé un réseau de microphones composé de 16 microphones disposés en cercle, une configuration qui imite l'équipement utilisé dans les diagnostics industriels du monde réel. Les simulations couvraient un large éventail de conditions, notamment des sources tournant à des vitesses comprises entre 500 et 2500 tours par minute et émettant des sons dans la plage de hautes fréquences de 4500 à 5000 Hertz. Les chercheurs ont également testé le système sous différentes configurations géométriques, plaçant le réseau de microphones de manière parallèle et perpendiculaire au plan de la source rotative. Dans chaque cas, le réseau neuronal a été capable d'identifier le nombre correct de sources sonores ainsi que leurs emplacements précis, filtrant efficacement les faux signaux qui affectent les anciennes méthodes.

L'une des découvertes les plus significatives fut la capacité du système à éliminer les contributions « fantômes ». Dans la formation de faisceaux (beamforming) traditionnelle, la distorsion causée par la rotation crée souvent des images fantômes de sources sonores à des fréquences qui n'existent pas réellement. Ces fantômes peuvent induire les ingénieurs en erreur, leur faisant croire qu'il existe plusieurs problèmes de bruit alors qu'il n'y en a qu'un seul, ou ils peuvent masquer l'emplacement réel d'une défaillance critique. Le nouveau cadre basé sur ResNet, cependant, a appris à ignorer totalement ces artefacts. Lors de tests où le système était confronté à jusqu'à six sources rotatives distinctes, il a identifié correctement toutes les sources sans générer le moindre faux positif. Ce niveau de précision est crucial pour des applications telles que le diagnostic de défaillances dans les moteurs d'avions, où l'identification de la source exacte d'un bruit peut prévenir des catastrophes.

La rapidité de la nouvelle méthode offre un autre avantage majeur pour l'ingénierie pratique. Alors que la méthode traditionnelle dans le domaine temporel appelée ROSI peut prendre plus de quatre secondes pour analyser un seul cas, et que la méthode MCB dans le domaine fréquentiel prend plus de 800 millisecondes, le réseau neuronal fournit sa réponse en moins de 50 millisecondes. Cette réduction spectaculaire du temps de traitement signifie que le système pourrait éventuellement être utilisé pour une surveillance en temps réel, permettant aux ingénieurs de surveiller l'état de santé d'une machine pendant qu'elle fonctionne, plutôt que d'attendre une analyse différée. Les chercheurs ont noté que le système fonctionne de manière optimale lorsque la configuration des microphones correspond à celle pour laquelle il a été entraîné, et que la génération de la quantité massive de données d'entraînement requise pour les simulations a nécessité un temps et une puissance de calcul considérables. Cependant, une fois le modèle entraîné, il opère avec une constance et une vitesse qu'un calcul manuel ne peut égaler.

L'étude a également mis en lumière les limites des approches actuelles et les forces spécifiques de ce nouveau cadre. Les chercheurs ont constaté que le simple fait de rendre le réseau neuronal plus profond ou plus complexe ne garantissait pas toujours de meilleurs résultats ; en fait, avec des données d'entraînement insuffisantes, un modèle plus complexe performait moins bien qu'un modèle plus simple. Cela suggère que la qualité et la quantité des données d'entraînement sont tout aussi importantes que l'architecture du réseau lui-même. De plus, bien que le système excelle dans les environnements simulés testés, les chercheurs ont reconnu que les conditions du monde réel, telles que le bruit de fond imprévisible ou des configurations physiques différentes, nécessiteraient une adaptation supplémentaire. Ils ont proposé que les travaux futurs puissent consister à combiner des données simulées avec des données expérimentales réelles pour rendre le système plus robuste et adaptable à la réalité complexe des environnements industriels.

En fin de compte, cette recherche représente un changement de paradigme dans la manière dont les ingénieurs abordent le problème du son rotatif. En s'éloignant des corrections mathématiques rigides pour se tourner vers une approche d'apprentissage basée sur les données, l'équipe a démontré qu'il est possible de voir à travers la distorsion des machines tournantes avec une clarté sans précédent. La capacité de localiser les sources sonores avec une fidélité quasi parfaite, en utilisant un réseau standard de 16 microphones et sans avoir besoin de connaître les propriétés physiques exactes du trajet du son, ouvre de nouvelles portes pour le contrôle du bruit et le diagnostic mécanique. À mesure que cette technologie mûrira, elle promet de transformer la façon dont nous écoutons les machines qui alimentent notre monde, transformant un tourbillon chaotique de sons en une carte claire et exploitable de l'origine du bruit.