Un des aspects importants de l’analyse de la parole est d’extraire les paramètres qui permettent de décrire ses principales caractéristiques : La fréquence fondamentale et l’enveloppe (ou Formants). Les statistiques d’ordre un et deux (cepstre, autocorrelation, densité spectrale de puissance…) ont prouvés leur efficacité pour la détection de ces paramètres pour des signaux non bruités. Mais ces performances diminuent pour des signaux noyés dans du bruit. Beaucoup de recherches ont été effectuées pour développer des méthodes qui peuvent résister au bruit et qui permettent de tirer plus d’information. Ces dernières années des nouveaux outils ont été développés appelés les statistiques d’ordre supérieur (Higher order statistics ). Ces Statistiques ont permis de résoudre des problèmes qui n'ont pas pu être résolus par les statistiques d'ordre un et deux et d'extraire plus d'information du signal. Dans cet article on utilise les statistiques d’ordre supérieur, en particulier l’analyse polycepstrale pour la détection de la fréquence fondamentale (pitch).

To streamline and strengthen the process of acquisition, representation and exploitation of scenarii of railroad accidents, it is necessary to harmonize and standardize the terminology used by domain experts. The research aims to significantly improve analytical activities and operations of the various safety studies, by tracking the error in system, hardware, software and human. This paper presents the contribution of ontology to modeling scenarii for railroad accidents through a knowledge model based on a generic ontology and domain ontology. After a detailed presentation of the state of the art material, this article presents the first results of the model developed.