Introduction sur la Reponse Impulsionnelle.

Echogramme, réponse temporelle, réponse aux transitoires, fonction de Green sont des synonymes de la réponse impulsionnelle (RI).

La réponse impulsionnelle est la seule mesure qui donne toute les caractéristiques du lieu en un point. C’est la seule représentation qui contient tous les critères acoustiques dont les valeurs seront déduites par traitement de signal.

Prise à l’état brut, elle montre les réflexions importantes. Une réponse impulsionnelle de transducteur qui accompagne parfois les mesures d’enceinte dans les magazines ne sert pas à grand chose. Elle est trop difficilement interprétable car elle est trop riche et parce que plusieurs phénomènes peuvent être la cause d’une variation. On utilisera des représentations graphiques beaucoup plus interprétables.

Intégrée,la RI. donne le taux de décroissance du local (réverbération).

Tronquée, elle fournie les indices de clarté.

Ramenée dans le domaine fréquentiel par une FFT (transformée de Fourier rapide), elle permet d’obtenir la réponse en fréquence, phase, vitesse de groupe...

Disséquée par FFT successive et représentée sous forme 3D (Waterfall), on visualisera la décroissance énergétique d’une salle en fonction du temps et de la fréquence ou encore l’amortissement d’un transducteur.

Ceci montre une chose très importante, c’est que la réponse en fréquence d’une enceinte tout comme le temps de réverbération du local en fonction de la fréquence ne sont pas des représentations exhaustives de la qualité du signal. Ceci explique pourquoi des enceintes ayant la même courbe de réponse sonnent différemment et pourquoi certaines salles ayant un même temps de réverbération peuvent être déclarées subjectivement totalement différentes. Par contre, des réponses temporelles similaires seront perçues comme des sensations sonores équivalentes.

La RI est pour cette raison utilisée pour les convolutions temporelles fonctionnant en temps réel. La convolution consiste à mixer le son brut avec une RI de salle particulière pour obtenir la réverbération réelle d’un lieu. Ce procédé est implémenté dans des logiciels comme CoolEdit ou dans des réverbérations haut de gamme Sony ou Yamaha.

On utilise aussi la convolution dans une version plus lourde prenant en compte les RI de toutes les destinations associées à l’oreille (HRTFs). Elles sont alors convoluées avec les sons en provenance de la direction associée. Ce traitement s’appelle l’auralisation, il simule une perception 3D au casque très réaliste.

Observons une RI de salle (figure 1).


Le premier pic débute à 24ms, c'est-à-dire qu’il a parcouru d = c x t = 8 m environ.

On observe ensuite une succession de pics compris entre 25ms et 80ms, c’est la signature acoustique de la salle. Ce sont ces pics qui déterminent principalement les qualités acoustiques du lieu. Ces réflexions sont nécessaires pour le musicien pour s’entendre et jouer juste. Elles permettent au spectateur, une écoute confortable mélangée par le son de l’artiste et la qualité acoustique de la salle. Ces remarques ne sont pas valables pour la musique amplifiée où l’on cherchera à obtenir une onde directe épurée de toute réflexion. Dans une cabine d’enregistrement stéréophonique on évitera au maximum ces réflexions marquées pour privilégier des réflexions plus nombreuses mais moins énergétiques (LEDE). Pour les cabines multicanales la norme précise qu’aucune réflexion ne doit être supérieure à -15dB dans les 20 premières millisecondes par rapport au champ direct.

Pour des pics d’amplitude importante parvenant à l’auditeur 50ms après l’arrivée du champ direct, le cerveau ne fusionne plus les sons et on ressent le phénomène d’écho nuisible à l’intelligibilité. On les visualisera plus facilement sur une courbe avec un axe des ordonnées en valeur logarithmique (figure 2).



On évitera dans tous les cas l’apparition de ces réflexions extrêmement gênantes en contrôlant la géométrie du local et l’absorption des parois.

De nombreux critères acoustiques prennent en compte le rapport d’énergie précoce par rapport à l’énergie tardive. Ce sont des indices de clarté, les plus utilisés sont le C50 pour la parole et le C80 pour la musique.

C’est un indice qui s’exprime en décibel donnant le rapport de l’énergie des 50 ou 80 premières millisecondes par rapport à l’énergie restante. On utilise le C50 pour la parole car la clarté est liée à l’intelligibilité du message et une énergie tardive trop prononcée tend à masquer le signal. La musique est moins sensible mais on veillera tout de même à ce que à ce que cette valeur ne franchisse pas le seuil de -3dB surtout si les timbres d’instruments sont riches en transitoires (percussions, pianos...) et si l’expression musicale est rapide.

Au-delà de 80ms environ, c’est la réverbération du lieu qui est perceptible. Elle est beaucoup plus lisible par intégration de Schroeder (figure 3).



Cette représentation nous fournit une droite décroissante quasiment linéaire, preuve que n’importe quelle salle réagit comme un réservoir d’énergie sonore fuyant à travers des parois absorbantes (analogie au temps que met une baignoire à se vider à travers le siphon). Si la décroissance n’est pas une droite, c’est qu’il y a d’autres réservoirs annexes couplés, ce sont des couplages nocifs qui se produisent lorsque la salle comporte des ouvertures donnant accès à d’autres locaux plus réverbérant (salle des artistes, lieu de stockage des instruments). Il faudra équiper ces issues par des portes ou traiter les lieux annexes.

Le TR60 ou décroissance énergétique sur les 60 premiers dB, est proche de celle réellement ressentie. Avec un peu d’habitude, en claquant dans ses mains, on peut estimer très précisément la valeur du temps de réverbération. La réverbération est donnée généralement pour des fréquences proches de 2kHz. En réalité, la réverbération d’une salle comporte généralement un plateau entre 500 et 4000Hz. Le TR60 décroît au dessus mais peut doubler pour les fréquences graves (figure 4).



Si les courbes sont représentées graphiquement en dB, c’est parce que notre sensation auditive y est quasiment similaire. Cette remarque est valable pour les réponses temporelles, fréquentielles ou polaires. De la manière, l’axe en fréquence des réponses se fera toujours en échelle logarithmique car notre perception auditive (bande critique) est très proche d’une représentation en tiers d’octave.

Réponse en fréquence

Avec la FFT et la FFT inverse, on passe successivement du domaine fréquentiel au domaine temporel. L’opération de la FFT s’accompagne d’un fenêtrage temporel qui sélectionne une durée de la RI. Cette opération n’est pas transparente car si l’on utilise une fenêtre courte de 20ms par exemple, seule l’onde directe et une partie des réflexions précoces seront prises en compte. Dans ce cas on s’affranchira énormément de l’influence du local. Si la fenêtre utilisée est de l’ordre de 500mS ou plus, toute l’énergie de la réponse impulsionnelle est incluse pour la détermination de la réponse fréquentielle. Sachant que la décroissance énergétique dans le grave est beaucoup plus longue que dans l’aigu, Une fenêtre longue aura une réponse dans le grave plus forte qu’avec une fenêtre courte (figure 5 et 6).





On comprend d’ores et déjà qu’un graphique représentant une réponse en fréquence de salle ne veut strictement rien dire si la fenêtre n’est pas spécifiée. Ceci entame la discussion sur les problèmes rencontrés pour égaliser de manière optimale une façade en sonorisation...