CHAPITRE : Filtres à ondelettes

INTRODUCTION

Les signaux n'existent jamais sans bruit. La suppression de bruit est nécessaire à partir des
données afin de procéder à d'autres analyse. Dans la littérature, de nombreuses méthodes sont
mentionnées pour l'élimination du bruit. Ces méthodes sont généralement classées en deux
catégories qui sont le débruitage dans le domaine de signal d'origine (par exemple, temps ou
espace) et débruitage dans le domaine de transformée (par exemple, Fourier, Ondelettes).
Pour les signaux non stationnaires, il est très important d'obtenir les caractéristiques temps-
fréquence des signaux et les filtres à Ondelettes sont très adaptés pour ce type de signaux.
Dans ce chapitre, on va définir les ondelettes et on verra comment elles seront combinées aux
filtres dans l’objectif de la suppression de bruits dans les signaux.

NOTION D’ONDELETTE

Les ondelettes sont des fonctions à partir desquelles il est possible d’analyser un signal (extraire
des éléments remarquables, caractéristiques) et de représenter un signal (décomposition dans
une base).
Une ondelette est une fonction ψ : R −→ R, ψ ∈ L2, vérifiant la condition d’admissibilité :

(A) Ondelette de Haar ; (B) Ondelette dérivée première de Gaussienne ; (C)

Ondelette Sombrero, égale à −∆G (dérivée seconde de Gaussienne) ; (D) Ondelette de Meyer.

L’analyse en ondelettes permet une localisation à la fois spatiale (ou temporelle) et fréquentielle.
Alors que l’analyse de Fourier est adaptée à l’étude de signaux stationnaires, l’analyse par ondelettes
est adaptée aux signaux non-stationnaires. Citons quelques exemples d’ondelettes :

 Ondelette de Haar, utilisée en compression

  Dérivée première de Gaussienne, utilisée pour la détection de contours

 Dérivée seconde de Gaussienne, dont nous verrons plus loin l’utilisation pour la détection
d´éléments caractéristiques

NOTION DE FILTRE

Le filtrage est une opération fondamentale en traitement du signal, qui, à partir d’un signal à
analyser f, fournit un signal plus simple à interpréter Lf, certaines fréquences étant
généralement privilégiées. Dans le domaine discret, cette opération revient à effectuer une
convolution entre le signal à analyser f (donnée par (f[n])n∈Z) et un signal connu h (donnée
par (h[n])n∈Z), appelé filtre

L’utilisation de filtres permet notamment d’isoler certaines bandes de fréquences

Etant donné un filtre h ∈ l1(Z) (∑k∈Z |h(k)| < +∞), sa fonction de transfert est définie
comme :

ĥ(ω) = ∑p∈Z h[p]e−i ω p. Cette fonction de transfert caractérise ce filtre, et donne également
les fréquences sélectionnées.

Certaines ondelettes étant définies par un filtre, dans un certain cadre, une transformée en
ondelette peut s’exprimer comme un banc de filtres ; un algorithme rapide permet alors de
décomposer un signal discret dans une base d’ondelettes

TRANSFORMEE EN ONDELETTE CONTINUE

C’est la transformée qu’on utilisera dans le cadre de cette thèse, elle est définie comme suit :
Etant donné un signal, la transformée en ondelettes continue (TOC) normalisée Lp (p > 0) utilisant
l’ondelette ψ est définie comme :

Remarque

 u est un paramètre de position, s un paramètre d’échelle, l’ensemble des points (u, s) ∈

R × R∗+ est appelé plan espace-échelle.
 pour (u, s) donné, Wf(u, s) est appelé coefficient d’ondelette,