Vous êtes sur la page 1sur 26

Dossier délivré pour DOCUMENTATION

27/09/2008

Analyses temps-fréquence linéaires et quadratiques

par Nadège THIRION-MOREAU

et

Maître de Conférences à l’ISITV, Université deToulon et du Var

Pierre-Yves ARQUÈS

Professeur à l’ISITV, Université deToulon et du Var

1.

Outils de description temporelle et fréquentielle d’un signal

TE 5 250 - 3

2.

Les représentations temps-fréquence

3

2.1

Introduction

3

2.2

Différents types de représentations temps-fréquence

7

3.

Transformation de Fourier à court terme et transformation en ondelettes

12

3.1

Définitions et propriétés

12

3.2

Avantages et inconvénients. Applications

12

4.

Transformation de Wigner et fonction d’ambiguïté

14

4.1

Définitions et propriétés

14

4.2

Avantages et inconvénients. Applications

14

4.3

Transformation de Wigner-Ville

15

5.

Représentations temps-fréquence quadratiques particulières

— 15

5.1

Spectrogramme et scalogramme

16

5.2

Transformation pseudo-Wigner lissée et transformation Wigner lissée affine

— 17

5.3

Transformation de Choï-Williams

— 18

6.

Comment choisir et mettre en œuvre une RTF ?

18

6.1

Application à des signaux de modulation

18

6.2

Application à l’étude de signaux musicaux

23

Références bibliographiques

26

L ’objet du traitement du signal est l’étude, la conception et la réalisation de systèmes d’exploitation des signaux, un signal étant un modèle de repré-

sentation d’un phénomène évoluant dans le temps, l’espace

vocation de transporter de l’information. La théorie du signal, quant à elle, concerne l’élaboration de ces modèles et y adjoint l’étude des différents outils d’analyse qui leur sont applicables. Un grand nombre de phénomènes ou de dispositifs physiques produisent des signaux : synthétiseur de parole, antennes radar et sonar, appareil photographique, émetteur de télévision, capteur à l’interface d’un milieu physique et d’un système de mesure, cotation boursière des actions Les grandes catégories de signaux sont définies par des caractères liés au sup- port (domaine de variation des variables), à l’ensemble de valeurs et au mode de génération du signal. Dans tout cet article, on se limite à l’étude des signaux déterministes, à temps continu (ou permanents), scalaires réels ou complexes, univariables, temporels ; les versions discrètes et échantillonnées des différen- tes transformées présentées sont fournies à titre d’information et en vue d’une éventuelle implantation sur ordinateur.

et ayant pour

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. ©Techniques de l’Ingénieur, traité Télécoms

TE 5 240 1

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

Dossier délivré pour DOCUMENTATION

27/09/2008

Une méthode classique d’analyse d’un signal déterministe consiste à lui asso- cier une transformée particulière de sa représentation initiale. On utilise habi- tuellement, pour les quantités satisfaisant au principe de superposition, et selon le besoin ou la nature du signal, une des diverses formes des transformations fonctionnelles de Fourier, de Laplace, ou en z. La représentation obtenue est constituée par les coefficients complexes d’une combinaison linéaire de quan- tités de base reconstruisant la quantité de départ. Si l’analyse fréquentielle de Fourier met en œuvre deux représentations conjuguées et globales, l’une de type temporel, l’autre de type fréquentiel, la nature est cependant riche en signaux pour lesquels l’information utile est véhi- culée non seulement par les fréquences émises mais aussi par la structure tem- porelle même du signal ; l’exemple de la musique est en cela caractéristique (une partition musicale rend compte à la fois de la fréquence des notes mais également de l’ordre dans lequel elles doivent être jouées). Une représentation du signal comme fonction du temps uniquement donne peu d’indications sur le comportement en fréquence, tandis que son analyse de Fourier masque l’ins- tant d’émission et la durée de chacun des éléments composites du signal. Pour les besoins du traitement du signal, on a donc cherché à associer, à un signal temporel ou fréquentiel, des représentations dépendant des deux variables temps et fréquence et possédant donc simultanément les deux caractères tem- porel et fréquentiel. Ces transformées sont qualifiées de représentations temps- fréquence (RTF), elles ne doivent surtout pas être confondues avec des repré- sentations fréquentielles partielles, d’un signal bivariable spatio-temporel (dépendant alors du temps et de la fréquence associée à la variable spatiale). Il convient de voir le passage par RTF au domaine temps-fréquence, non pas comme un gain d’information, mais plutôt comme une redistribution de l’infor- mation contenue dans le signal analysé de façon à en faciliter l’interprétation. Les RTF ont en effet l’avantage de mettre en évidence des comportements locaux non stationnaires : la liaison existant entre représentation temps- fréquence et représentation fréquentielle d’un signal peut se comparer à la rela- tion entre une suite de notes musicales et l’histogramme de ces notes. Diverses méthodes engendrent des RTF de propriétés et performances variées. Elles se regroupent au sein d’ensembles cohérents, basés soit sur le type (paramétrique ou non) de modélisation, soit sur le caractère (linéaire, quadratique ou autre) de la transformation engendrant la représentation.

 

Notations et symboles

 

Symbole

Définition

 

Corps des réels

Corps des complexes

Ensemble des entiers algébriques

i

Imaginaire pur (de module 1 et d’argument π/2 )

t, ν

Respectivement temps, fréquence

ou

Sommation pour i ou j

i j

 

N

Sommation pour j {j 0 ,

,

j 0 + N – 1},

avec j 0 quelconque

j

δ (t – a)

Distribution de Dirac en t = a

 
 

Notations et symboles

 

Symbole

 

Définition

 

(F G) (u)

 

Produit de convolution de F (u ) et G (u )

F {X (t) ; ν} ou F{X(.) ; ν}

Transformée de Fourier (temps t fréquence ν )

ou

F

: t → ν

 

F ñ1

{x (ν) ; t }

Transformée de Fourier inverse (fréquence ν temps t )

ou

F 1 {x(.) ; t}

 

ou

F ñ1

: ν → t

 
 

F

E

,

F

D

Transformées de Fourier échantillonnée,

 

de Fourier discrète

,

TX TX

E

,

TX

D

Versions permanente, échantillonnée et

 

discrète de la transformée TX (ainsi, pour la transformée de Fourier à court terme, TX est remplacé par T.FCT).

TE 5 240 2

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. ©Techniques de l’Ingénieur, traité Télécoms

Dossier délivré pour DOCUMENTATION

27/09/2008

1. Outils de description temporelle et fréquentielle d’un signal

Le lecteur pourra se reporter aux références ([4] [5] [6] [10] [18] [25] [33] [40] [42] [47] [49]) de la bibliographie.

La représentation fréquentielle x ( ν ) du signal X ( t ), réel ou

, est la transformée de

complexe à temps continu de support

Fourier (en un sens quelconque) de la représentation temporelle :

F{X(.) ; ν}

=

x(ν)

=

X(t )e

–2 π i ν t

dt

(1)

Inversement, la représentation temporelle s’en déduit par la relation :

F 1 {x(.) ; t}

=

X(t )

=

x(ν)e

2 π i ν t

dν

(2)

Nota : les problèmes de convergence des intégrales suscitent des développements dans des contextes divers : fonctions sommables, fonctions de carré sommable,

distributions

[47].

Les versions échantillonnée et discrète sont rappelées au niveau du tableau 1 . On réservera ici le terme « spectre » pour le module de la représentation fréquentielle. Le signal X ayant E X pour énergie, on rappelle que (théorème de Parseval) :

E X

=

X(t ) 2 dt = x(ν)
X(t )
2 dt
=
x(ν)

2 dν

(3)

Pour décrire le signal dans le temps , on peut introduire :

— le temps ou instant moyen ( µ t ) du signal :

µ t

déf

=

t X(t )
t
X(t )

2 dt

(4)

— la durée ( σ ) du signal quantifiant son étalement autour du t temps
— la durée
(
σ
)
du signal quantifiant son étalement autour du
t
temps moyen :
2 déf
1
=
-------
X(t )
σ t
(
t
ñ
µ
) 2
2 dt
t
E X
(5)

Pour décrire le signal en fréquence , on peut introduire :

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

— la fréquence moyenne ( µ ν ) du signal :

µ ν

— la largeur de bande

déf

=

ν

x (ν)
x (ν)

2 dν

(6)

(

σ ν

)

quantifiant l’étalement en fréquence

du signal autour de sa fréquence moyenne :

2 déf

σ ν

=

1

---------

E X

(

ν ñ

µ ν

) 2

x (ν)
x (ν)

2 dν

(7)

D’une manière générale, on peut montrer que les représenta- tions temporelle et fréquentielle d’un signal sont soumises au principe d’incertitude d’Heisenberg-Gabor lequel se traduit par l’inégalité suivante :

(8)

1

---------

4π

σ t σ ν

L’égalité est atteinte pour un signal gaussien de la forme :

X(t )

=

α

-----

π

1

-----

4

e αt 2 2

avec α constante arbitraire.

Au sens des définitions choisies pour les résolutions temporelle

et fréquentielle, le produit « durée-bande »

borné inférieurement, induisant un inévitable compromis entre résolution temporelle et résolution fréquentielle, lesquelles ne

pourront être simultanément arbitrairement petites.

de tout signal est

σ t σ ν

2. Les représentations temps-fréquence

2.1 Introduction

La représentation temporelle et la représentation fréquentielle bien que contenant toute l’information relative au signal ne met-

tent pas toujours en évidence toutes les caractéristiques fines de ce

signal. L’objet de ce paragraphe est de montrer l’intérêt de dispo- ser d’autres types de représentation combinant à la fois le temps et la fréquence.

 

Tableau 1 – Transformations univariables de Fourier

 
 

Notation

   

Transformation

   

Inversion

 

Fourier

X

( t ) : t

;

x

( ν ) : ν

;

 

F

X(t) ↔ x(ν)

 

x(ν)

=

X(t )e

–2πiνt

dt

X(t )

 

=

x(ν)e

2πiνt

dν

Fourier échantillonnée

 

X

( t k ) : k

, t k = t 0 + k λ ;

x E ( ν ) : ν

;

 

F

E

 

x

E (ν)

=

 

X (

t k

)e –2πiνt k

1 / λ

 

2πiνt

 

X

(

t

k

)

x

E

(ν)

 

k Z

 

X

(

t

k

)

=

λ

x

E

(ν)e

k

dν

Fourier discrète

 

X k : k {0,

,

N – 1} ;

x m : m {0,

 

,

N – 1} ;

 

F

D

   

N

ñ 1

 

k

= 0

X k e –2πimk/N

   

N

ñ

1

x m e 2 π i mk / N

 
 

X k

x m

 

x

m

=

X

k

=

 

1/N

     

m

=

0

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. ©Techniques de l’Ingénieur, traité Télécoms

TE 5 240 3

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

Dossier délivré pour DOCUMENTATION

27/09/2008

2.1.1 Fréquence instantanée

Une première méthode pour traduire le comportement en fré- quence au cours du temps d’un signal est de chercher à lui asso- cier une fréquence instantanée, celle attribuée à un signal sinusoïdal étant bien évidemment constante.

Une méthode classique de définition d’une fréquence instanta- née d’un signal réel X (t ) est de la définir à partir du signal analy- tique X A (t ) associé à ce signal :

avec

H {.}

VP

X A (t ) = X (t) + iX Q (t )

X Q (t )

=

H{X(t )}

=

-----VP -------------- dθ

π

1

X(θ)

t ñ θ

transformation de Hilbert,

valeur principale de l’intégrale.

(9)

(10)

Le signal analytique s’exprime aussi sous forme polaire (A X et arg X A sont l’amplitude et la phase instantanées) :

) X A (t ) = A X (t )e i arg X A (t
)
X A (t )
= A X (t )e i arg X A (t
déf
2
A X (t )
=
(t )
=
X
2 (t )
+
X
Q (t )
X A
(
t )
X Q
arg X A (t )
= arctan
------------------
X
(
t
)



(11)

La représentation fréquentielle du signal analytique s’écrit :

x A (ν)

F

= {

X

A

(t

); ν} = x (ν) + i(i sgn(ν))x(ν)

=

2 x

0

(

ν

)

si

si

ν

ν

>

<

0

0

(12)

(sgn(.) représente la fonction signe).

La fréquence instantanée du signal X (t ), à l’instant t, est alors :

ν X (t )

déf

=

1

---------

2π

arg X A (t ) ---------------------------------- t

=

1

---------

2π

X Q (t )

X(t ) --------------------- ñ X Q (t ) -----------------

t

t

X(t )

--------------------------------------------------------------------------------

X 2 (t )

+ X

2

Q

(t )

(13)

On remarque par ailleurs que le passage au signal analytique ne

préserve pas l’énergie car

E X A

=

2E X .

Le retard de groupe instantanée :

est la quantité duale de la fréquence

T X (ν)

déf

=

1

arg x A (ν)

ñ ---------

---------------------------------

2π

ν

(14)

On peut associer à cette définition la notion de stationnarité d’un signal déterministe (à ne pas confondre avec la stationnarité des signaux aléatoires), liée intuitivement à l’idée de régime perma- nent, tant en amplitude qu’en fréquence. Un signal X (t ) certain est

stationnaire s’il s’écrit comme une somme de composantes

A Y j (t ) ) et une fréquence

instantanée (

Toutefois, le retard de groupe et la fréquence instantanée ne per- mettent de rendre correctement compte de la localisation tempo- relle des différentes composantes spectrales d’un signal que pour une classe très restreinte de signaux. Ainsi, la fréquence instanta- née représente-t-elle la fréquence comme une fonction explicite du

pos-

sédant toutes une amplitude instantanée (

Y j

ν Y j (t )

) constantes.

temps : elle revient donc à supposer qu’à chaque instant une seule fréquence est présente dans le signal. Est-ce satisfaisant si le signal est une somme à chaque instant de composantes de fréquences différentes ? Aussi, d’un point de vue pratique, préfère-t-on à ces grandeurs des représentations bidimensionnelles susceptibles de combiner à la fois le temps et la fréquence et appelées pour cette raison « représentations temps-fréquence ».

L’ exemple suivant illustre sur un cas simple les limites de cette ana- lyse. On considère le signal analytique d’un mélange de deux sinusoïdes :

S A (t )

=

A

1

e

2iπν

1

t

+

A

2

e

2iπν

2

t

=

A(t )e iϕ(t )

(les amplitudes A 1 et A 2 sont supposées constantes et les fréquen- ces ν 1 et ν 2 positives). Il a pour transformée de Fourier :

s ( ν ) = A 1 δ ( ν ν 1 ) + A 2 δ ( ν ν 2 )

et pour phase :

ϕ (t )

=

et amplitude :

A(t )

arctan

+

---------------------------------------------------------------------------------------

A

+

A

1

sin (

1

cos (

2πν

2πν

1

1

t )

t )

A

2

sin (

A

2

cos (

2πν

2

t )

2πν

2

t )

=

2 2 A + + 2A 1 A 2 cos ( 2π ν ( ν
2
2
A
+
+ 2A 1 A 2 cos
(
2π ν
(
ν 1 )t )
1
A 2
2 ñ

La fréquence instantanée est alors :

ν S (t )

=

ν 1

-------------------- + ------ (

+

2

ν 2

1

2

2 2 ñ A A 2 1 ν ν 1 ) ----------------------- 2 ñ A
2
2
ñ A
A 2
1
ν
ν 1 )
-----------------------
2 ñ
A 2 (t )
+ ν 2
ν 1
= --------------------
quand les sinusoïdes
2

avec comme cas particulier

sont de même amplitude. Les figures 1 et 2 permettent de comparer fréquence instantanée (figure 1 b ou 2 b ) et représentation temps- fréquence (figure 1 a ou 2 a ) – ici le spectrogramme (cf. § 5.1) –, dans les deux cas suivants :

— le signal de 1 024 points étudié est constitué d’une somme de

deux sinusoïdes d’amplitudes A 1 = A 2 = 1 et de fréquences réduites ν 1 = 0,1 et ν 2 = 0,3 (figure 1 ) ;

— le signal de 1 024 points étudié est constitué d’une somme de

deux sinusoïdes d’amplitudes A 1 = 1 et A 2 = 1,2 et de fréquences

réduites ν 1 = 0,1 et ν 2 = 0,3 (figure 2 ).

Dans les deux cas, sur les 341 premiers points, seule la sinusoïde de plus basse fréquence réduite est présente ; sur les 341 points suivants les deux sinusoïdes sont présentes ; enfin, sur les 342 derniers points,

seule la sinusoïde de plus haute fréquence réduite est présente. On vérifie bien que lorsqu’une seule sinusoïde est présente la fréquence instantanée coïncide avec la fréquence de la sinusoïde tandis qu’elle oscille entre deux valeurs ou s’ajuste sur la fréquence moyenne (ici 0,2 cf. figure 1 b ) lorsque deux sinusoïdes sont présentes.

ν S (t)

2.1.2 Représentations bivariables

On montre dans ce paragraphe – sans pour autant entrer dans le principe de construction de telles représentations, qui fait l’objet des paragraphes ultérieurs – au moyen d’exemples synthétiques ou expérimentaux, l’intérêt descriptif d’une représentation bivaria- ble dépendant à la fois du temps et de la fréquence.

TE 5 240 4

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. ©Techniques de l’Ingénieur, traité Télécoms

Dossier délivré pour DOCUMENTATION

27/09/2008

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

Signal in time SP, Lh=46, Nf=512, lin. scale, imagesc, Threshold=5%
Signal in time
SP, Lh=46, Nf=512, lin. scale, imagesc, Threshold=5%
1 0 – 1 – 2 Linear scale 0.5 0.45 0.45 0.4 0.4 0.35 0.35
1
0
– 1
– 2
Linear scale
0.5
0.45
0.45
0.4
0.4
0.35
0.35
0.3
0.3
0.25
0.25
0.2
0.2
0.15
0.15
0.1
0.1
0.05
0.05
0
0
4.3771 2.1886 0
100
200
300
400
500
600
700
800
900 1000
0
100
200
300
400
500
600
700
800
900 1000
x 10 5
Time [s]
a
RTF d'un mélange de deux sinusoïdes de même amplitude
b
fréquence instantanée calculée sur le même signal
Energy spectral density
Frequency [Hz]
Real part

Figure 1 – Signal composé d’un mélange de deux sinusoïdes de même amplitude : RTF et fréquence instantanée

de même amplitude : RTF et fréquence instantanée Signal in time 2 1 0 – 1
Signal in time 2 1 0 – 1 – 2 Linear scale SP, Lh=46, Nf=512,
Signal in time
2
1
0
– 1
– 2
Linear scale
SP, Lh=46, Nf=512, lin. scale, imagesc, Threshold=5%
0.5
0.45
0.45
0.4
0.4
0.35
0.35
0.3
0.3
0.25
0.25
0.2
0.2
0.15
0.15
0.1
0.1
0.05
0.05
0
0
6.3072
3.1536 0
100
200
300
400
500
600
700
800
900 1000
0
100 200
300 400
500
600 700
800 900 1000
x 10 5
Time [s]
a
RTF d'un mélange de deux sinusoïdes d'amplitudes différentes
b
fréquence instantanée calculée sur le même signal
Energy spectral density
Frequency [Hz]
Real part

Figure 2 – Signal composé d’un mélange de deux sinusoïdes d’amplitudes différentes : RTF et fréquence instantanée

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite. ©Techniques de l’Ingénieur, traité Télécoms

TE 5 240 5

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

Dossier délivré pour DOCUMENTATION

27/09/2008

Exemples

Un signal de type modulation linéaire de fréquence (encore

=

e

c

2πi ---- t 2

2

) est représenté sur la

figure 3 ; on constate que son analyse de Fourier conduit à un spectre en apparence large bande alors qu’une analyse plus fine réalisée au moyen d’une RTF type montre qu’à un instant donné, seule une fré- quence est présente (la fréquence instantanée ν i ( t ) de ce signal valant ct , elle croît donc linéairement avec le temps) (cf. § 2.1.1 ).

Des exemples de signaux constitués de sinusoïdes de durées

finies et de fréquence f 1 et f 2 apparaissent sur les figures 4 et 5 puis

sur les figures 6 et 7 . La durée totale des signaux étudiés est de 512 points. Sur les figures 4 et 5 : les deux sinusoïdes qui constituent le signal analysé ont une durée de 384 points ; dans le premier cas (figure 4), la sinusoïde basse fréquence commence au temps t = 1 et s’achève en t = 384 tandis que la sinusoïde haute fréquence commence au temps t = 128 et s’achève au temps t = 512 ; sur la figure 5, c’est l’inverse. Alors que ces deux exemples conduisent à un même spectre (module de la représentation fréquentielle), l’analyse temps-fréquence fait clairement ressortir les différences qui existent entre ces deux signaux. Sur les figures 6 et 7 : les deux fréquences coexistent aux mêmes instants (figure 6) ou sont en alternance (figure 7) et conduisent à une conclusion analogue.

Un signal de parole, en l’occurrence le mot caillou, apparaît sous

appelé chirp et de la forme :

x(t )

forme RTF, d’une part, figure 8, synthétisé par un filtre passe-bande excité par une dent de scie ; il apparaît d’autre part, figure 9, pro- noncé par un locuteur (l’analyse des signaux de parole est à l’origine du développement des analyses temps-fréquence dans le courant des années 1940). Ce mot présente un maximum d’évolution forman-

tique (les formants sont des zones où l’énergie est concentrée : ils caractérisent les voyelles et correspondent aux fréquences de réso- nance du conduit buccal). Le traitement temps-fréquence permet de retrouver un certain nombre d’éléments propres aux signaux de parole (les trois résonances ou formants ainsi que la valeur de la période fondamentale ou pitch), inaccessibles avec l’analyse tempo- relle ou fréquentielle.

Des cliquetis de dauphin sont présentés figure 10 : l’analyse

temps-fréquence permet d’affiner la connaissance du signal étudié.

Un signal sismologique provenant de l’enregistrement d’un

séisme superficiel localisé à la verticale des îles Andreanof (archipel des Aléoutiennes) est présenté figure
séisme superficiel localisé à la verticale des îles Andreanof (archipel
des Aléoutiennes) est présenté figure 11 : l’analyse temps-fréquence
permet de rendre compte du caractère dispersif de l’onde propagée.
Signal in time
1
0.5
0
– 0.5
Linear scale
SP, Lh=22, Nf=128, lin. scale, imagesc, Threshold=5%
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
Energy spectral density
Frequency [Hz]
Real part
2408 1204 0 50 100 150 200 250 300 350 400 450 500 Time [s]
2408
1204
0
50
100
150
200
250
300
350
400
450
500
Time [s]

Figure 3 – RTF d’une modulation linéaire de fréquence

Sur ces courbes ( gures 3 à 11 ), on trouve :

au centre, la représentation temps-fréquence (ici le spec-

trogramme) avec, en abscisse, l’échelle des temps, et en ordon- née, l’échelle des fréquences (limitée en tenant compte de la symétrie hermitienne, au segment [0, 0,5[ de variation des fré- quences réduites). Les échelles damplitude sont linéaires ou logarithmiques ;

en haut, la représentation temporelle du signal étudié ;

— à gauche, son spectre en échelle linéaire.

Signal in time SP, Lh=36, Nf=128, lin. scale, imagesc, Threshold=5%
Signal in time
SP, Lh=36, Nf=128, lin. scale, imagesc, Threshold=5%
1 0
1
0
– 1 – 2 Linear scale 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05
– 1
– 2
Linear scale
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
7.2394 3.6197
0
50
100
150
200
250
300
350
400
450
500
Time [s]
x
10 4
Energy spectral density
Frequency [Hz]
Real part

Figure 4 – RTF d’une somme de deux sinusoïdes décalées dans le temps (basse puis haute fréquence)

Signal in time 1 0 – 1 Linear scale SP, Lh=36, Nf=128, lin. scale, imagesc,
Signal in time
1
0
– 1
Linear scale
SP, Lh=36, Nf=128, lin. scale, imagesc, Threshold=5%
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
7.2892
3.6446
0
50
100
150
200
250
300
350
400
450
500
Time [s]
x
10 4
Energy spectral density
Frequency [Hz]
Real part

Figure 5 – RTF d’une somme de deux sinusoïdes décalées dans le temps (haute puis basse fréquence)

TE 5 240 6

Toute reproduction sans autorisation du Centre français dexploitation du droit de copie est strictement interdite. ©Techniques de lIngénieur, traité Télécoms

Dossier délivré pour DOCUMENTATION

27/09/2008

Dossier délivré pour DOCUMENTATION 27/09/2008 Signal in time 1 0 – 1 – 2 Linear scale
Signal in time 1 0 – 1 – 2 Linear scale SP, Lh=36, Nf=128, lin.
Signal in time
1
0
– 1
– 2
Linear scale
SP, Lh=36, Nf=128, lin. scale, imagesc, Threshold=5%
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
2.9012
1.4506
0
50
100
150
200
250
300
350
400
450
500
Time [s]
x
10 4
Energy spectral density
Frequency [Hz]
Real part

Figure 6 – RTF d’une somme de sinusoïdes haute et basse fréquences présentes simultanément

haute et basse fréquences présentes simultanément Signal in time 0.5 0 – 0.5 – 1 Linear
Signal in time 0.5 0 – 0.5 – 1 Linear scale SP, Lh=36, Nf=128, lin.
Signal in time
0.5
0
– 0.5
– 1
Linear scale
SP, Lh=36, Nf=128, lin. scale, imagesc, Threshold=5%
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
3.3473
1.6737
0
50
100
150
200
250
300
350
400
450
500
Time [s]
x
10 4
Energy spectral density
Real part
Frequency [Hz]

Figure 7 – RTF d’une somme de sinusoïdes haute et basse fréquences présentes alternativement

2.2 Différents types de représentations temps-fréquence

Un grand nombre de méthodes sont susceptibles de répondre au problème posé par le temps-fréquence à savoir de pouvoir dis- poser de représentations dépendant à la fois du temps et de la fré- quence. Toutefois, si lon retarde (ou lon avance) un signal dune quantité α , il semble assez légitime de chercher à ce que la signa- ture de ce signal soit translatée de cette même quantité au niveau du plan temps-fréquence. Ainsi, en imposant des contraintes sup- plémentaires telles que des propriétés dinvariance par translations en temps et/ou fréquence et/ou changement d’échelle, etc., on en

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES Signal in time 0,5 0 – 0,5 Linear scale SP,
ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES
Signal in time
0,5
0
0,5
Linear scale
SP, Lh=31, Nf=255, log. scale, imagesc, Threshold=0.1%
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
3.1936
1.5968 0
x 10 4
200
400
600
800 1000 1200 1400 1600 1800 2000
Time [s]
Figure 8 – RTF d’un signal de parole synthétique : mot caillou
[prélevé dans la bibliothèque du GDR PRC ISIS, CNRS]
Signal in time
0.2
0
0.2
Linear scale
SP, Lh=31, Nf=437.5, log. scale, imagesc, Threshold=0.001%
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
7914
3957
0
500
1000
1500
2000
2500
3000
3500
Time [s]
Figure 9 – RTF d’un signal de parole enregistré : mot caillou
limite considérablement le nombre. Les méthodes satisfaisant à
toutes ces exigences ont permis d’engendrer un certain nombre de
transformations aux propriétés et aux performances variables. Tou-
tes ces méthodes peuvent être regroupées au sein d’ensembles
cohérents, la classification utilisée pouvant être basée :
Energy spectral density
Energy spectral density
Frequency [Hz]
Frequency [Hz]
Real part
Real part

sur le type de modélisation utilisé (paramétrique ou non paramétrique) ;

sur le caractère de la transformation utilisée (linéaire, quadra-

tique ou autre

En outre, les besoins, en analyse du signal, peuvent conduire à distinguer diverses versions dune représentation temps-fréquence (RTF), selon que les trois variables intervenantes sont continues ou discrètes et à support borné ou non.

).

Toute reproduction sans autorisation du Centre français dexploitation du droit de copie est strictement interdite. ©Techniques de lIngénieur, traité Télécoms

TE 5 240 7

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

Signal in time SP, Lh=31, Nf=512, log. scale, imagesc, Threshold=0.1%
Signal in time
SP, Lh=31, Nf=512, log. scale, imagesc, Threshold=0.1%
0.5 0 – 0.5 Linear scale 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05
0.5
0
– 0.5
Linear scale
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
1983
991
0
500
1000
1500
2000
2500
3000
3500
4000
Time [s]
Energy spectral density
Frequency [Hz]
Real part

Figure 10 – RTF d’un signal biologique : enregistrement de cri de dauphin

On se limite au cas classique permanent (variables continues à supports non bornés). On peut étendre avec des modalités diver- ses, que nous ne détaillerons pas ici, au cas discret. Notons cepen- dant que toutes les courbes présentées dans cet article ont été obtenues au moyen des versions discrètes utilisées dans le calcul sur ordinateur.

On présente ici les grandes classes de RTF, en utilisant la classi- cation basée sur le caractère linéaire, quadratique ou autre de la transformation et leurs principaux représentants. On se limite au principe des transformations, à leurs principales propriétés, avan- tages et inconvénients. On développe ensuite quelques exemples dapplications.

2.2.1 RTF linéaires

Diverses transformations linéaires permettent dengendrer une première catégorie de représentations temps-fréquence (RTF), qua- lifiées de linéaires.

Dans le cas dun signal X (t ) à temps continu, toute RTF linéaire c LX (t, ν ; A) lui étant associée, peut s’écrire :

X(t )

RTFLin

c LX (t, ν ; A) = A(θ ; t, ν)X(θ)dθ

(15)

La propriété de linéarité est « souhaitable » pour des signaux physiques satisfaisant au principe de superposition et en parti- culier pour des signaux « multicomposantes » (combinaisons de

Elle se traduit

signaux ou signaux complexes tels que la parole

par le fait que toute RTF linéaire dune combinaison linéaire de signaux est égale à la même combinaison linéaire des RTF de ces signaux :

).

i

X i (t )

RTF Lin

c L X , i (t , ν ; A)

a i X i

RTF Lin

i i

a i c L X , i (t , ν ; A)

(16)

Le noyau A (θ ; t, ν) de la transformation permet de pourvoir la RTF de propriétés spéciques.

Dossier délivré pour DOCUMENTATION

27/09/2008

Signal in time x 10 5 2 0 – 2 Linear scale SP, Lh=31, Nf=128,
Signal in time
x 10 5
2
0
– 2
Linear scale
SP, Lh=31, Nf=128, log. scale, imagesc, Threshold=1%
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
8.9109
4.4555
0
100
200
300
400
500
600
700
800
900 1000
Time [s]
x 10 13
Energy spectral density
Frequency [Hz]
Real part

Figure 11 – RTF d’un signal sismologique [provenance LIS INPG et LGIT Grenoble]

Les deux RTF linéaires les plus utilisées et par conséquent les plus connues sont la transformée de Fourier à court terme (T.FCT) et la transformée en ondelettes (T.Ond) (§ 3).

2.2.2 RTF quadratiques

Diverses transformations quadratiques permettent dengendrer une seconde catégorie de RTF dites quadratiques (cf. tableau 4) et susceptibles dinterprétations en terme de quantités « physiques »

telles que corrélation ou, de façon duale, énergie. Une RTF quadra- tique, que lon qualie encore de RTF bilinéaire, peut être

dune transformation bili-

considérée comme la restriction à X i =

néaire applicable à un couple de signaux (X i , X j ) :

X j

RTF–Q RTF–B = telle que X i , ( ) (17) X i c QX,
RTF–Q
RTF–B
=
telle que X i ,
(
)
(17)
X i
c QX, i
c BX, i, i
X j
c B X,i,j
Une telle transformation bilinéaire peut s’exprimer sous la forme
(X * est le complexe conjugué de X ) :
RTF–B
(t ) ,
(t ))
(
t , ν ; R)
( X i
X j
c B X , i, j

= 2 X i (θ)X j * (θ′ )R(θ, θ; t, ν)dθ dθ

(18)

À nouveau, le noyau permet de déterminer des classes parti- culières de solutions (classes caractérisées par la possession de certaines propriétés ou par des solutions pourvues de propriétés spéciques). Une RTF quadratique dune combinaison linéaire de signaux est égale à une combinaison linéaire des RTF quadratiques de ces différents signaux, à laquelle sajoutent des termes dinter- férences entre signaux, selon le schéma :

i

a i X i

RTF–Q X i c QX, i   ⇒ RTF–B ( , X j )
RTF–Q
X i
c QX, i
RTF–B
(
, X j
)
X i
c B X , i, j 
RTF–Q
∑ a i
+ ∑
2 c Q X , i
a i a j
* c BX, i, j
i i , j, i ≠ j
        

intertermes

(19)

TE 5 240 8

Toute reproduction sans autorisation du Centre français dexploitation du droit de copie est strictement interdite. ©Techniques de lIngénieur, traité Télécoms

Dossier délivré pour DOCUMENTATION

27/09/2008

On cherche des RTF quadratiques munies, dans la mesure du possible, de diverses propriétés mathématiques choisies par réfé- rence à celles des représentations temporelles et fréquentielles :

les principales que possède par exemple la transformation de Wigner , apparaissent dans le tableau 13 . On distingue ainsi, au sein de la catégorie des RTF quadratiques, des classes particuliè- res, non forcément disjointes, définies par la possession de pro- priétés intéressantes, et constituant des cadres unicateurs. La classe de Cohen (ou classe des RTF quadratiques énergétiques invariantes par translations temporelles et fréquentielles ) et la classe afne (ou classe des RTF quadratiques énergétiques inva- riantes par translations temporelles et changements d’échelle ) sont deux classes particulières de RTF énergétiques (§ 2.2.4). La classe par corrélation est une troisième classe, duale de la classe de Cohen par transformation de Fourier bivariable (§ 2.2.4). Notons, enn, que dautres types de contraintes ont été suggérés (invariance par changements d’échelle et par translations hyperbo- liques des temps ; invariance par changements d’échelle et par translations en temps généralisées (et potentiellement dispersi- ves)) conduisant à de nouvelles classes [31] dont la classe hyper- bolique [32] [39] que nous ne détaillerons pas ici.

Alors que les éléments des classes de Cohen et afne sont des distributions d’énergie, fonctions de deux variables temps et fré- quence notées t et ν , les éléments de la classe par corrélation, transformées de Fourier des éléments de la classe de Cohen, dépendent de deux variables temps et fréquence notées τ et µ , se comportant comme des « variations » des variables t et ν ; les cou- ples de variables τ et µ , dune part, t et ν , dautre part, sont duaux en ce sens quils se correspondent par transformation de Fourier . Une transformation ζ X ( µ , τ ), duale par double transformation de Fourier dune RTF quadratique c Q X ( t , ν ), satisfera lensemble des propriétés duales de celles de c Q X .

Ces trois classes peuvent être caractérisées de manières diverses : par exemple, elles se construisent simplement à partir dune RTF particulière, la transformation de Wigner , ou de sa transformée de Fourier bivariable, RTF appelée fonction dambi- guïté . La RTF de Wigner et la fonction dambiguïté jouent donc un rôle central au sein des RTF quadratiques (voir § 4).

Quelques caractéristiques et propriétés de ces RTF apparaissent dans le tableau 2 .

Par ailleurs, on constate que le choix dune RTF quadratique résulte dun compromis : soit les termes dinterférences (interter- mes) sont importants au prot dune meilleure localisation dans le plan temps-fréquence (tel est le cas avec la transformée de Wigner-

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

Ville), soit les termes dinterférences sont réduits au détriment de la localisation dans le plan temps-fréquence (tel est le cas avec le scalogramme ou le spectrogramme).

est dite

énergétique si elle peut être considérée comme une distribution d’énergie : son intégration dans tout le plan temps-fréquence redonne l’énergie du signal ; son noyau satisfait alors la condition dénergéticité . Elle peut de plus satisfaire les propriétés margina- les. Cependant la possession des propriétés précédentes nimpli- que pas que c Q X ( t , ν ) soit une densité, car elle peut posséder des valeurs négatives.

Une RTF quadratique c Q X ( t ν ) associée à

X(t)

F

x(ν)

2.2.3 Répartition en classes des RTF quadratiques

On montre que toute RTF de lune des trois classes de Cohen ,

afne et par corrélation , associée à

de quatre manières équivalentes et deux à deux duales par trans- formations de Fourier. Ces expressions, dont les structures sont déterminées par la classe, dépendent des quatre mêmes fonctions génératrices dépendant du signal X ( t ) à analyser et de quatre noyaux spéciques de la RTF (noyaux bivariables en raison des propriétés dinvariance (tableau 3 ) ; les noyaux des trois classes sont désignés par les mêmes appellations, ceux de la classe afne se distinguant via ladjonction dun ( ) (cf. tableau 4 ). Les fonctions génératrices dépendant du signal P X ( t , τ ), w X ( t , ν ), p X (µ, ν) et

x(ν) , peut sexprimer

X(t)

F

α X (µ, τ) et les noyaux K (t, τ), Q (t, ν), k (µ, ν) et q (µ, τ), sont liés

par

(tableau 3).

de Fourier univariables ou bivariables

transformations

2.2.4 Classes particulières de Cohen, affine et par corrélation

La classe de Cohen rassemble des RTF énergétiques invariantes par translations temporelles et fréquentielles ; la classe afne rassemble des RTF énergétiques invariantes par translations tem-

porelles et changements d’échelle. Leurs éléments, associés à X (t )

et dénommés respectivement ψ X et

condition de définition de la classe qui permet de spécier les quatre formes équivalentes des éléments de la classe, et, dautre part, la condition dénergéticité qui se traduit par des conditions à satisfaire par les noyaux des formes représentant les éléments de la classe (tableau 4).

, satisfont, dune part, la

ω X

Tableau 2 – Propriétés des RTF quadratiques RTF énergétique : Dualité de la distribution d’énergie
Tableau 2 – Propriétés des RTF quadratiques
RTF énergétique :
Dualité de la distribution d’énergie :
∀X,
ζ X (0, 0)
== E X
X
(
t
)
2
d t
=
x ν
(
)
2
d ν
∀X,
2 c QX (t, ν)dtdν
== E X
X
(
t
)
2
d t
=
x (ν)
2
d ν
Condition d’énergéticité du noyau :
2 R(θ, θ′ ; t, ν)dtdν = δθ(
ñ θ′ )
Propriétés marginales d’une RTF :
Duales des propriétés marginales :
τ
τ
∀X,
2
(t , ν) d t
=
x ν
(
)
∀X,
(0, τ)
=
X
  t + -----
X*
  t ñ -----
dt
c QX
ζ X
2
2
µ
µ
 
2
∀X,
(t , ν) d ν
=
X
(
t
)
∀X,
(µ, 0)
= ν + -----
x
x*
  ν ñ -----
c QX
ζ X
2
2

Toute reproduction sans autorisation du Centre français dexploitation du droit de copie est strictement interdite. ©Techniques de lIngénieur, traité Télécoms

TE 5 240 9

ANALYSES TEMPS-FRÉQUENCE LINÉAIRES ET QUADRATIQUES

Dossier délivré pour DOCUMENTATION

27/09/2008

 

(0)

Tableau 3 Fonctions génératrices et noyaux des trois classes

 

Transformations de Fourier liant fonctions génératrices et noyaux :

 

transformations de Fourier monovariables :

 
P ( t , τ ) X K ( t , τ )
P
(
t
, τ )
X
K
(
t
, τ )
F : τ → ν
F : τ
ν
F ñ 1 : ν → τ
F
ñ 1
: ν
τ
( t , ν ) w X Q ( t , ν )
(
t
, ν )
w X
Q
(
t
, ν )

F : t

µ

F

ñ 1

: ν

τ

 
F ñ 1 : µ → t
F
ñ 1
: µ
t
p X (µ, ν) k ( µ , ν)
p X (µ, ν)
k
(
µ
, ν)
F : τ → ν
F : τ
ν
( µ , τ ) α X q ( µ , τ )
(
µ
, τ )
α X
q
(
µ
, τ )

transformations de Fourier bivariables :

 
P ( t , τ ) X K ( t , τ )
P
(
t
, τ )
X
K
(
t
, τ )

F : t

µ

F: τ ν

F ñ 1 : µ → t F ñ 1 : ν → τ
F
ñ 1
: µ
t
F
ñ 1
: ν → τ
p X (µ, ν) k ( µ , ν)
p X (µ, ν)
k
(
µ
, ν)
 
w X (t, ν ) Q ( t , ν )
w X (t, ν )
Q
(
t
, ν )
 
F : t → µ F ñ 1 : ν → τ F ñ 1
F : t
µ
F
ñ 1
: ν
→ τ
F
ñ 1
: µ
t
F: τ → ν
( µ , τ ) α X q ( µ , τ )
(
µ
, τ )
α X
q
(
µ
, τ )
 

Fonctions génératrices dépendant du signal :

 

P

w

p

X

(

t

, τ )

X (t, ν )

X

(

µ

, ν )

= X t + ----- X* t ñ -----

τ

2

τ

2

=

P X

(t, τ )e

ñ 2 π i ντ

dτ

= x ν + ------ x* ν ñ ------

µ

2

µ

2

=

ñ 2 π i

(

µ t

ñ

ντ

)

(RTF de Wigner de X )

dtdν

 

α X

(

µ

, τ )

2

w X

(t, ν )e

(fonction dambiguïté de X )

Noyaux spécifiques de RTF :

K

(t, τ )

==

2

π i µ t

Q

(t, ν )e

2

π i ντ

dν

2

k

(µ, ν )e

2

2

π i

π i

(

µ t

(

µ t

+

ñ

ντ

ντ

)

)

dµdν

=

q

(µ, τ )e

2

π i µ t

ñ 2 π i ντ

dµ