Principe général

 
Figure 3.1: schéma global d'un algorithme 

Un algorithme d'extraction de la fréquence fondamentale peut en général se décomposer en trois phases successives (cf. figure 3.1) :

1. un prétraitement et un changement de représentation,
2. l'extraction du fondamental,
3. un post-traitement visant à corriger les erreurs.

Le prétraitement vise à optimiser les caractéristiques du signal en vue de l'extraction en utilisant, par exemple, un filtrage passe-bas, une pré-accentuation ou un filtrage non linéaire. Ensuite des transformations sont appliquées pour adapter la représentation du signal au domaine (temporel, temporel à court terme, fréquentiel....) du traitement fondamental.

La deuxième phase consiste à extraire la fréquence fondamentale et dépend donc de l'algorithme utilisé. Généralement cela revient à optimiser une fonction de la fréquence fondamentale (fonction de coût, résultat d'une transformation, densité de probabilité).

La phase de post-traitement a pour but de diminuer les erreurs qui sont de plusieurs types :

- les erreurs de voisement : lorsqu'une valeur de F0 a été trouvée sur une zone non-voisée, ou lorsqu'aucune n'a été trouvée sur une zone voisée

- les erreurs grossières (``gross-errors'') : la fréquence fondamentale correspond a une harmonique ou une sous-harmonique. Ce type d'erreur peut facilement être corrigé en tenant compte du voisinage ou en effectuant un lissage.

- les erreurs fines : la valeur trouvée est située à plus ou moins 10% de la valeur réelle.

Nous allons maintenant présenter plusieurs familles d'algorithmes : l'autocorrélation, l'AMDF et le SRPD sont des méthodes qui travaillent sur une représentation temporelle à court terme alors que la méthode du peigne spectral travaille sur une représentation fréquentielle à court terme. Ensuite nous aborderons une méthode qui privilégie la phase de post-traitement et enfin nous décrirons le principe de fonctionnement des méthodes combinatoires.