REPRESENTATIONS TEMPS -

FREQUENCES

1
I – ANALYSE DES SIGNAUX NON-STATIONNAIRES

 SIGNAL : représentation d’un phénomène évoluant dans le

temps, l’espace et ayant pour vocation de transporter
l’information

 TRAITEMENT DU SIGNAL: étude, conception et réalisation

des systèmes d’exploitation des signaux

 DIFFERENTS TYPES DE SIGNAUX: synthétiseur de parole,

antennes radar et sonar, émetteur de télévision, capteur à
l’interface d’un milieu physique et d’un système de mesure,
cotation boursière des actions

2
I- ANALYSE DES SIGNAUX NON -STATIONNAIRES

 DEUX APPROCHES: paramétrique et non paramétrique

 APPROCHE PARAMETRIQUE : estimateur de maximum de

vraisemblance, méthode utilisant une modélisation ARMA ou AR

 APPROCHE NON PARAMETRIQUE : représentations temps

fréquences

 Ces méthodes développées sous l’hypothèse

stationnaire, ou stationnaire par fenêtre sont adaptés
pour les signaux non stationnaires

3
 I-1-REPRESENTATION TEMPORELLE D’UN SIGNAL
MONO -COMPOSANTE
 SIGNAUX: signaux mono composante et multi composante
 SIGNAUX MONO COMPOSANTE: (mono onde)
Deux exemples : t 2
x1 (t )  exp(t ) cos 2 (
2
 0t ) x 2 (t )  TFI ( X 1 ( ) )
2

Représentation temporelle de deux signaux .

4
I-1- REPRESENTATION FREQUENTIELLE D’UN SIGNAL
 Représentation Fréquentielle : fournit des informations sur les
composantes fréquentielles, leurs amplitudes et leurs phases

 Transformée de Fourier : repose projection du signal sur une

base de fonction mono- chromatiques à support infini.

 T.F est défini par


X ( )   x(t ) exp( j 2t )dt


X ( )  X ( ) exp j ( )

X ( )  ( )
Le module La phase

5
I-1- REPRESENTATION FREQUENTIELLE D’UN SIGNAL
MONO COMPOSANTE

» Module des deux spectres x1 (t) et x2 (t)

 perte d’information quant à la localisation temporelle des
fréquences
 Ce phénomène s'explique par le fait que l'information
temporelle du signal n'est pas portée par son module en
fréquence mais par sa phase en fréquence.

6
 I-1- REPRESENTATION FREQUENTIELLE D’UN
SIGNAL MONO COMPOSANTE
 Pour connaître l’instant d’arrivée de la fréquence certaines
grandeurs locales combinant des informations de nature
temporelle et fréquentielle ont été dérivées:
 La fréquence instantanée: montre l’évolution de la fréquence dans le
temps
 Le retard de groupe: mesure le temps moyen de l’arrivée de la
fréquence.

» retard de groupe et fréquence instantanée

7
 I-1- REPRESENTATION TEMPORELLE ET
FREQUENTIELLE D’UN SIGNAL MULTI -COMPOSANTE
 No > 1.(nombre d ‘onde)

No
x (t )  w
p 1
p (t )

Exemple : signal analytique d’une somme de deux sinusoïdes

x(t )  A1 cos 21t  A2 cos 22t

Z x (t )  A1 exp( j 21t )  A2 exp( j 22t )

A1 sin( 21t )  A2 sin( 22t )

 (t )  arctan
A1 cos( 21t )  A2 cos(22t )

2
Z x (t )  A12  A22  2 A1 A2 cos 2 ( 2  1 )t

1 A22  A12
 x (t )  ((1   2 )  ( 2  1) )
2 2 8
Z x (t )
I-1- REPRESENTATION TEMPORELLE ET FREQUENTIELLE
D’UN SIGNAL MULTI -COMPOSANTE
fréquence instantanée
signal 0.46
1 retard du groupe
0.5
0.8
0.45 0.44
0.6 0.4

0.4 0.42
0.35

fréquence normalisée

fréquence normalisée
0.2 0.3
partie réelle

0.4
0 0.25

-0.2 0.2 0.38

-0.4 0.15

0.1 0.36
-0.6

-0.8 0.05
0.34
0 0 20 40 60 80 100 120 140
-1 0 10 20 30 40 50 60 70 80
0 20 40 60 80 100 120 140 temps
temps
temps

la partie réelle du signal en fonction du temps, retard de groupe d'un signal constitué de composante à modulation de fréquence sinusoïdale, la fréquence instantanée sinusoïdale,

9
I-1- REPRESENTATION TEMPORELLE ET FREQUENTIELLE
D’UN SIGNAL MULTI -COMPOSANTE

 Ces méthodes ne sont pas adéquates aux

signaux multi - composantes
D’OÙ
 LA NECESSITE DE REPRESENTER
CONJOINTEMENT LE DOMAINE TEMPOREL ET
FREQUENTIEL AFIN DE CARACTERISER
L’EVOLUTION SPECTRALE AU COURS DU TEMPS

 NOTRE TRAVAIL EST BASE

SUR LES RTF pour analyser des signaux multi
composantes
10
 I -3- CONCLUSION

On a présenté la caractérisation des signaux mono-

composante et multi composante. Les deux approches
non paramétriques et paramétriques sont possibles afin
d’étudier ces signaux non stationnaires.

Nous avons montré aussi que l’approche 1D des

signaux non stationnaires multi composantes est
inefficace. Les représentations temps fréquences
peuvent être une solution pour ces signaux

11
 II – ÉLEMENTS D’ANALYSE TEMPS FREQUENCE

 RTF: consiste à la décomposition du signal sur des familles de

fonctions élémentaires bien localisées en temps et en
fréquence

 Les représentations linéaires ( TFCT et Gabor )

 Classe de Cohen ( Représentation quadratique)

 Classe Affine (T.O.)

12
 INTRODUCTION

• Nous avons déjà vu certaines méthodes pour l’étude

des phénomènes non-stationnaires, en particulier la
prédiction adaptative. Cette dernière permet d’ailleurs
en mode linéaire d’obtenir une estimée de la densité
spectrale instantanée.
• · Toutefois, des théories beaucoup plus puissantes ont
été développées depuis quelques années, à savoir
l’analyse par ondelettes (temps-échelle) et l’analyse
temps-fréquence. Nous allons présenter brièvement
ces deux approches.

13
 CONCEPTS DE BASE DE L’ANALYSE TF

• Les techniques d’analyse temps-fréquence ont

tout d’abord été élaborées en temps continu, et
leurs implantations numériques ont suivi. Nous
allons ici suivre le même cheminement.
· Rappelons qu’en temps continu, la transformée
de Fourier d’un signal d’énergie finie s’écrit:

X ( )   x(t ) exp( j 2t )dt

Ce qui suppose implicitement que le contenu
fréquentiel de x(t) ne change pas au cours du
temps.
14
 II-1- LES REPRESENTATION LINEAIRES
 T.F. suppose implicitement que le contenu fréquentiel du
signal ne change pas
 TFCT: on remplace l'analyse spectrale globale par une
succession d'analyses locales du signal observé au travers
d'une fenêtre glissante h (i).

TFCTx (t , ; h))   x( )h * (  t ) exp( j 2 )d

15
 LA TRANSFORMEE DE FOURIER A COURT TERME

• c’est à dire qu’on multiplie le signal étudié

x(t) par la fonction fenêtre h(t) centrée en
t. A chaque instant t on obtient un spectre
de puissance |Xt (f)|2 et l’ensemble des
spectres de puissance est appelé
spectrogramme, ou spectre de Fourier à
court terme (short term Fourier transform,
STFT).

16
 II-1- LES REPRESENTATIONS LINEAIRES

REPRESENTATION DE LA TFCT

 Le principal inconvénient de la TFCT est le mauvais compromis réalisé

entre résolutions temporelle et fréquentielle. ( on réduit la largeur
17
de la fenêtre on augmente la résolution temporelle et inversement)
 II-1- LES REPRESENTATIONS LINEAIRES
REPRESENTATION DE GABOR

 Coefficients , Fx (nt0 , m0 ; h) appelés coefficients de Gabor

 g(t) est généralement une fonction gaussienne.
 Peu utilisées : difficulté théorique

x (t )  F
n ,m
x ( nt0 , m 0 ; h ) g n ,m (t )

18
 II-2- REPRESENTATIONS QUADRATIQUES

 Représentation quadratique: Distribuer énergie conjointement

dans les domaines temporel et fréquentiel
 Classe de Cohen: principe d’invariance par translation en temps et
en fréquence

y (t )  x (t  t0 ) exp(  j 2t )  RTFy (t , )  RTFx (t  t0 ,   0 )

 Classe de Cohen s’exprime par :

 
C x (t , ;  )   TR ( s  t , ) x ( s  2
) x* (s 
2
) exp(  j 2t )dsd

TR est la fonction de paramétrisation exprimée dans le domaine temps

retard

19
 II-2- REPRESENTATIONS QUADRATIQUES

 La Classe Cohen s’exprime comme la TF Bidimensionnelle de la

fonction d’ambiguïté à bande étroite, pondérée par la
fonction de paramétrisation exprimée dans le domaine
Doppler Retard (DR)

C x (t , ;  )   DR ( , ) Ax ( , ) exp( j 2 (t   ))dd

 
Ax ( , )   x( s 
2
) x* ( s 
2
) exp( j 2s ) ds

20
 II-2- REPRESENTATIONS QUADRATIQUES
SPECTROGRAMME et WIGNER-VILLE

 Spectrogramme: module au carré de TFCT, distribue

l’énergie du signal dans le plan TF
2
SPx (t , ; h )   x( )h (  t ) exp(  j 2 )d
*

 Distribution de Wigner Ville:

 
TW x (t , )   x (t  ) x * (t  ) exp( j 2 ) d
2 2

DR ( , )  1
 avec

21
LA DISTRIBUTION DE WIGNER-VILLE

22
 II-2- REPRESENTATIONS QUADRATIQUES
SPECTROGRAMME et WIGNER-VILLE

 SP d’un signal à 2 fréquences variant linéairement et TWV

signal à modulation de fréquence sinusoïdale
Wigner -Ville
0.5

0.45

fréquence normalisée en [Hz]

0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
20 40 60 80 100 120 140
temps[s]

 Apparition des termes d’interférence:

 Bonne localisation en temps et en fréquence
23
LA DISTRIBUTION DE WIGNER-VILLE

24
 II-2- REPRESENTATIONS QUADRATIQUES
SOLUTION AUX INTERFERENCES
 Ne représenter que le signal analytique: éliminer les
interactions entre les composantes portées par les fréquences
positives et négatives

 Lissage dans le plan TF: lissage fixe et adapté

 Lissage fixe: un filtre passe bas bidimensionnel indépendant du

signal: ( Born Jordan, choi -williams, Zhao- atlas, PWV )

 Lissage adapté: une fonction de lissage à optimiser au

sens d’un critère donné dépendant du signal à analyser (Baraniuk,
Goncalves, PWVL )

 Méthode de réallocation: Changer le point d’affectation en

attribuant l’énergie moyenne au centre de gravité des
contributions énergétiques.
25
II-2-LA DISTRIBUTION DE WIGNER-VILLE

26
II-2-LA DISTRIBUTION DE WIGNER-VILLE

27
II-2-LA DISTRIBUTION DE WIGNER-VILLE

28
 II-2- REPRESENTATIONS QUADRATIQUES
Méthode de réallocation

 La méthode de réallocation est un outil complémentaire pour

l'analyse temps-fréquence.
 Le principe: changer de point d'affectation en attribuant
cette énergie moyenne au centre de gravité G des
contributions énergétiques, G a pour coordonnées

tˆ(t , ; x )  t 
 sW (t  s,   )W ( s,  )dsd
h x

 W (t  s,   )W ( s,  )dsd
h x

ˆ (t , , x )     W (t  s,   )W ( s,  )dsd
h x

 W (t  s,   )W ( s,  )dsd
h x

29
 II-3- SIMULATION ET CONCLUSION
REALLOCATION DU SPECTROGRAMME

 Résultats satisfaisant en terme de lisibilité et facilité d’interprétation

 Les termes d’interférences sont éliminés.

30
 II-3- SIMULATION ET CONCLUSION
FILTRAGE DE LA TRANSFORMATION DE WV

 TWV: est difficile à interpréter ( Signal 2 fréquences: sinusoïdal,

hyperbolique) (termes d’interférence assez importants, la localisation
est bonne).
 Lissage: les termes d’interférence diminuent mais perte en
concentration

31
 II-3- SIMULATION ET CONCLUSION
REALLOCATION DE LA TRANSFORMATION DE WV

 La réallocation: combine entre la réduction des termes

d’interférence et la concentration du signal

32
 II-3- SIMULATION ET CONCLUSION
 RTF: Décomposition sur une famille de fonctions élémentaires
bien localisées en temps et en fréquence.
 TFCT: Problème de choix de la fenêtre
 GABOR: Même résultat que TFCT: avec une théorie complexe
(nombre de calcul plus important)
 Classe de Cohen: réunit les distributions d’énergie par
translation dans le domaine TF

 Problème d’interférence: signal analytique, Lissage et la

réallocation

Problème pratique est le volume de

Calcul d’un signal long (réel)
33
II-3-LA CLASSE DE COHEN
CONCLUSION

34
II-3-LA CLASSE DE COHEN

CONCLUSION

35
CONCLUSION

36
III – LES REPRESENTATIONS TEMPS FREQUENCE PAR LES
ONDELETTES

 L’intérêt: Ces ondelettes sont à durée finie contrairement

aux exponentielles. On peut donc appliquer cette
transformation à des signaux non stationnaires. Ainsi, le
signal étudié sera représenté dans le plan temps-échelles
(temps-fréquences).

 Définition: Elle peut être définie comme la projection d’un

signal sur une base d’ondelettes

 La famille d’ondelettes: constituant la base de projection est

obtenue à partir d’une ondelette mère. Toutes les ondelettes
de cette base sont une translation et une dilatation
temporelle de l’ondelette mère

37
III-1- DEFINITION D’ONDELETTES ET PROPRIETES

 Si  est l’ondelette mère, la famille  

 a,b a0,b des
ondelettes est obtenue par translation et dilatation de la
fonction de base .
 Définie par :
t b
 
1
 a ,b  
a  a 

 Le paramètre a est appelé paramètre d’échelle.

 Le paramètre b est un paramètre de position de l’ondelette.

 La TO d’une fonction f est définie par:

TO(a,b)

f(t) a*,b(t)dt


38
III-1- DEFINITION D’ONDELETTES ET PROPRIETES

 • Ainsi pour b donné, plus a est grand (plus la fréquence est

petite) et plus la résolution fréquentielle est meilleure au
détriment de la résolution temporelle

a.0

0
0
a

b
temps

Boites d’Heisenberg à différentes échelles

39
 III-1- DEFINITION D’ONDELETTES ET PROPRIETES

 T.O : décompose le signal dans le plan T.F. avec beaucoup de

redondance et donc une bonne robustesse vis à vis du bruit

 Ondelette dilatée : est plus diffuse en temps et a un spectre

concentré autour de la fréquence centrale

 T.O : favorise la résolution temporelle en haute fréquence et

la résolution fréquentielle en basse fréquence

40
III-2-ANALYSE PAR ONDELETTES –PRINCIPES

41
III-2-ANALYSE PAR ONDELETTES –PRINCIPES

42
 III-3- DIFFERENTS TYPES D’ONDELETTES

 Ondelette: chapeau mexicain Elle est définie par la formule suivante

elle n’est pas utilisée car décroît exponentiellement
 (t )  (1  t 2 ) exp(t 2 )

43
III-3-ANALYSE PAR ONDELETTES –PRINCIPES

44
III-3-ANALYSE PAR ONDELETTES –PRINCIPES

45
 III-4- DIFFERENTS TYPES D’ONDELETTES
 Ondelette de Morlet: L’ondelette de Morlet est obtenue par
modulation d’une gaussienne. Elle offre un bon compromis entre la
résolution temporelle et fréquentielle, très utilisée : Est définie par
l’équation
1  1 t 
2

 t    t 0 

4 exp     2i 0 t 
 2  t 0  

fréquence

Partie réelle de Morlet Spectre de Morlet 46

 III-5- SIMULATION ET CONCLUSION
COMPARAISON ENTRE T.O.( MORLET) ET TFCT
 Signal: 2 fréquences, sinusoïdale et linéaire
 Nous obtenons un bon résultat, similaire à celui de TFCT
(Absence de termes d’interférence, lissage interne les valeurs +
et – se compensent) (Perte en localisation)

T.O. ondelette de Morlet 2

|[Link]| ,
0.5 0.5
0.45 0.45

0.4 0.4

0.35 0.35

0.3 0.3

fréquence
fréquence

0.25 0.25

0.2 0.2

0.15
0.15
0.1
0.1
0.05
0.05
0
0 20 40 60 80 100 120 140
20 40 60 80 100 120 140 temps
temps

47
III-5-LE SCALOGRAMME

48
 III-5- SIMULATION ET CONCLUSION
REALLOCATION DE SCALOGRAME
 Scalogramme (spectrogramme):
  2
S x ( a, b)  TO x ( a, b)
 Perte en localisation : à cause du lissage
 Solution: est la réallocation ( Déplace au centre de masse les
contributions en un point plus représentatif du comportement
énergétique)

49
 III-5- SIMULATION ET CONCLUSION
 T.O nouveau outil: pour le traitement des signaux non stationnaires

 T.O : est bien localisée en temps et en fréquence

 T.O: robuste au bruit à cause de sa redondance

 Le filtrage par T.O: précis et efficace

 Une comparaison faite entre toutes les méthodes, nous

a permis de connaître les avantages et les inconvénients
de chacune d’entre elles . Et surtout laquelle choisir pour
l’extraction de l’information voulue

50
 IV-6-CONCLUSION

 T.O. Bien localiser en temps et en fréquence

 T.O. Filtrer et rejeter les pointés incertains

 T.O. séparer les ondes réfractés riches en

information du bruit

 La résolution de la T.O. est supérieure aux

méthodes classiques.

 Le traitement à 2 D est plus performant

51