Maître de Conférences en Acoustique

Habilité à Diriger des Recherches

logo_cnam_losange Laboratoire de Mécanique des Structures et des Systèmes Couplés

Avatar

Éric Bavu

Maître de Conférences HDR

LMSSC

Cnam Paris

Je suis Maître de Conférences au Cnam Paris depuis Septembre 2009, au sein de l'équipe d’acoustique du Laboratoire de Mécanique des Structures et des Systèmes Couplés .

À ce jour, j’ai co-encadré 6 thèses officiellement (4 soutenues, 2 en cours depuis Décembre 2021), et je pilote depuis début 2019 l’ANR Deeplomatics jusqu'à Juin 2022.

J’ai soutenu ma HDR en Décembre 2019. Mon mémoire d’habilitation a été déposé sur HAL , et je laisse à disposition une vidéo chapitrée de la soutenance ainsi que les transparents en html.

Mes activités de recherche sont centrées sur les problèmes inverses en acoustique, le traitement du signal associé aux antennes microphoniques, et les méthodes de Deep Learning pour l’acoustique.

Domaines de Recherche

  • Problèmes inverses dans le domaine temporel
  • Deep Learning appliqué à l’acoustique
  • Localisation de sources
  • Milieux réverbérants et bruités
  • Audio 3D
  • Élastographie transitoire (post-doctorat)

Formation

  • Thèse d'Habilitation à Diriger des Recherches, Spécialité Acoustique, 2019

    Conservatoire National des Arts et Métiers (FR)

  • Thèse de doctorat en Génie Mécanique, Spécialité Acoustique, 2008

    Cotutelle Université de Sherbrooke (Qc, CA) et Université Paris 6 Pierre et Marie Curie (FR)

  • Master Acoustique, Traitement du signal, Informatique, Appliqués à la Musique, 2005

    Université Pierre et Marie Curie (FR)

  • Agrégation externe de Sciences Physiques, 2004

    École Normale Supérieure de Cachan (FR)

  • Licence et Maîtrise de Physique Fondamentale, 2002-2003

    École Normale Supérieure de Cachan / Université d'Orsay (FR)

Conférences et communications récentes et à venir

Deeplomatics - A deep-learning based multimodal approach for aerial drone detection and localization

Identification et géolocalisation de drones en temps réel.

Deep Learning pour l’amélioration de signaux vocaux captés avec des transducteurs intra-auriculaires

Améliorer l’intelligibilité de la parole captée avec les transducteurs intra-auriculaires

Publications récentes

(2022). Deeplomatics project: Multimodal UAV detection, localisation and identification for site surveillance. 8th Workshop on Battelfield Acoustics, ISL.

PDF

(2022). Deeplomatics: A deep-learning based multimodal approach for aerial drone detection and localization. QUIET DRONES Second International e-Symposium on UAV/UAS Noise.

PDF Projet Slides

(2022). Deep Learning pour l’amélioration de signaux vocaux captés avec des transducteurs intra-auriculaires. CFA2022 - 16E CONGRÈS FRANÇAIS D’ACOUSTIQUE DE LA SFA.

PDF Projet Slides

(2022). Deeplomatics : Localisation et reconnaissance acoustique de drones. CFA2022 - 16E CONGRÈS FRANÇAIS D’ACOUSTIQUE DE LA SFA.

PDF Projet

(2022). Localisation 3D de sources acoustiques par Deep Learning et entrainement de réseaux par spatialisation ambisonique d’ordres élevés.. CFA2022 - 16E CONGRÈS FRANÇAIS D’ACOUSTIQUE DE LA SFA.

PDF Projet Projet

Parcours Pro

 
 
 
 
 

Maître de Conférences HDR

Laboratoire de Mécanique des Structures et des Systèmes Couplés

Sep 2009 – Actuellement Cnam Paris

Activités de Recherche centrées sur le traitement d’antennes microphoniques, les problèmes inverses en acoustique en temporel, le déconfinement, la localisation de sources en mouvement, et l’utilisation du Deep Learning en acoustique pour la localisation de sources et la reconnaissance de sources sonores.

  • HDR depuis 2019
  • 6 thèses de doctorat co-encadrées depuis 2011
  • 1 post-doctorat supervisé (2020-2022)
  • Participation à 6 projets de recherches depuis 2008 (3 ANR dont 2 en cours, 2 FUI, 1 projet région)
  • Porteur et coordinateur d’un projet ANR ASTRID (Deeplomatics 2019-2022)

Enseignements dispensés en acoustique et traitement du signal pour des formations initiales, des diplômes en apprentissage, et des formations d’Ingénieur Cnam en cours du soir, en présentiel et en formation à distance. Publics de Bac+1 à Bac+5.

 
 
 
 
 

Post-doc CNRS

Institut Langevin, Équipe Physique des Ondes pour la Médecine

Dec 2008 – Aug 2009 ESPCI Paris
Élastographie transitoire et large bande par méthode d’imagerie ultrasonore Supersonic Shear Imaging pour la détection de fibrose hépatique
 
 
 
 
 

Thèse de doctorat en cotutelle

Institut Jean le Rond d’Alembert / Groupe d’Acoustique de l’Université de Sherbrooke

Sep 2005 – Oct 2008 Paris / Sherbrooke
Focalisation et d’imagerie à haute résolution par retournement temporel dans le domaine audible. Développement de l’utilisation du puits à retournement temporel numérique pour l’imagerie, avec applications à la localisation et la caractérisation de sources instationnaires.

Projets de Recherche

Contrats en cours et thèses encadrées

*

Extension de bande passante de signaux vocaux

Thèse de doctorat de Julien Hauret (2021- 2024)

Localisation de sources par Deep Learning

Thèse de doctorat d’Hadrien Pujol (2017-2020)

Reconnaissance sonore par Deep Learning

TimeScaleNet, une architecture multirésolution dans le domaine temporel pour la reconnaissance vocale et de sons environnementaux

Projet ANR ASTRID ‘Deeplomatics’

Porteur de projet - Financement DGA 2019-2022

Localisation et détection acoustique de drones

Thèse de doctorat d’Aro Ramamonjy (2015-2018)

Sources acoustiques en mouvement supersonique

Thèse de doctorat de Guillaume Mahenc (2014-2017)

Imagerie acoustique instationnaire en milieu défavorable

Thèse de doctorat de Stéphanie Lobréau (2011-2015)

Contact

  • +33 1 40 27 21 66
  • Cnam, 2, rue Conté, Paris, 75003
  • Laboratoire de Mécanique des Structures et des Systèmes Couplés, Accès 31, Bureau 31.0E.02