Annonce en lien avec l’Action/le Réseau : aucun
Laboratoire/Entreprise : BEA (le Bourget) ou LISIC (Calais)
Durée : 6 mois
Contact : matthieu.puigt@univ-littoral.fr
Date limite de publication : 2020-04-01
Contexte :
Ce stage s’intègre dans les activités de R&D du Laboratoire Audio CVR du Département Technique du Bureau d’Enquêtes et d’Analyses (BEA) [1]. Le BEA est l’organisme officiel en charge de la conduite des enquêtes de sécurité à la suite d’accidents ou d’incidents aériens. De renommée internationale le BEA et en particulier son département technique, a la responsabilité d’analyser les données issues des enregistreurs phoniques ou CVR (pour Cockpit Voice Recorder) plus communément appelées les “boîtes noires” contenant les échanges vocaux et les alarmes émises dans le poste de pilotage.
Sujet :
Enjeux :
Les CVR sont des équipements renforcés protégeant une information importante pour la détermination des facteurs contributifs à la survenue d’un accident ou d’un incident aérien. Pour cette raison la qualité audio des enregistrements, l’audibilité des alarmes du cockpit et l’intelligibilité des échanges vocaux sont cruciales pour les enquêteurs du BEA.
Les limitations de conception des CVR contraignent les constructeurs d’avion à mélanger les sources sonores audibles dans le cockpit et dans les casques des pilotes (émissions et réceptions radio, échanges sur l’intercom, annonces aux passagers, alarmes sonores, etc) en un unique canal audio envoyé vers le CVR [2], qui en fait une acquisition numérique et protège cette donnée en cas d’accident. Ainsi l’activation simultanée de plusieurs sources sonores peut conduire à une réduction significative de l’intelligibilité des échanges vocaux, voire un masquage complet d’une ou de plusieurs sources audio.
L’extraction d’informations dans les données CVR s’appuie sur l’expérience des analystes audio du BEA et sur leur capacité à détecter des sources sonores enfouies dans des mélanges audio difficiles [3]. Le laboratoire audio du BEA souhaite dans un futur proche explorer les approches de Séparation Aveugle de Sources pour supporter ces travaux très complexes.
Structure et objectifs du stage :
1. Réaliser une étude bibliographique des méthodes de Séparation Aveugle de Sources applicable à des mélanges audio;
2. Développer ou acquérir les licences et les codes informatiques des méthodes les plus pertinentes et prometteuses;
3. Évaluer ces méthodes sur un corpus d’enregistrements audio non-sensibles;
4. Analyser les résultats obtenus, critiquer les méthodes disponibles et caractériser le fossé technologique;
5. Communiquer sur les résultats obtenus et rédiger la documentation finale du stage.
Encadrement du stage et points de contact :
Ce stage sera encadré conjointement par un enquêteur du Laboratoire audio CVR du BEA et par un enseignant-chercheur de l’équipe SPeciFI du LISIC de l’ULCO, spécialiste du domaine. Le stagiaire travaillera avec ces deux équipes, depuis le site de son choix, i.e. dans les locaux du BEA au Bourget, ou ceux du LISIC à Calais.
Les candidats exprimeront dans un premier temps leur intérêt pour ce stage par un courriel auquel ils annexeront les documents pouvant supporter leur candidature (lettre(s) de recommandation, relevés de notes, rapport de projet).
Contact BEA :
Dr. Benjamin Bigot
Enquêteur de sécurité – Analyste CVR
benjamin.bigot [at] bea.aero
Contact ULCO :
Dr. Matthieu Puigt
Maître de Conférences
matthieu.puigt [at] univ-littoral.fr
Références :
[1] Aeronews.tv, Comment le BEA répare les boîtes noires, https://www.youtube.com/watch?v=SIejrcrQboQ
[2] Captain Joe, BLACK BOX/Flight Data Recorder/COCKPIT VOICE RECORDER explained by Captain Joe, https://youtu.be/lPiWlBG16Wo
[3] Guide sur la vérification des enregistrements CVR, https://www.bea.aero/fileadmin/user_upload/Guidance_on_CVR_recording_Inspection__1_.pdf
Profil du candidat :
Curieux et très à l’aise en programmation (Matlab, Python), vous êtes inscrits en deuxième année de Master ou troisième année d’école d’ingénieurs en sciences de données (traitement du signal et des images, machine learning, intelligence artificielle), informatique ou mathématiques appliquées.
Formation et compétences requises :
Curieux et très à l’aise en programmation (Matlab, Python), vous êtes inscrits en deuxième année de Master ou troisième année d’école d’ingénieurs en sciences de données (traitement du signal et des images, machine learning, intelligence artificielle), informatique ou mathématiques appliquées.
Adresse d’emploi :
BEA, 10 Rue de Paris Bâtiment 153, 93350 Le Bourget
OU
LISIC, 50 rue F. Buisson, BP 719, 62228 Calais Cedex