Vous êtes sur la page 1sur 36

Traitement de Signal Pour le diagnostic

Dr Amani RAAD

Traitement de Signal pour le diagnostic 1


Plan de la présentation

• Introduction
• Objectifs du traitement du signal
• Champs d’application

• Classification des signaux

• Exemples de signaux réels

Traitement de Signal 2
Objectifs du TS

• Analyser les caractéristiques des signaux réceptionnés : C’est


en particulier le cadre de l’analyse de Fourier aussi dite analyse
fréquentielle ou analyse de Fourier,
• Modifier les caractéristiques des signaux afin de supprimer les
perturbations, corriger les dégradations, etc. : C’est
essentiellement le rôle du filtrage,
• Conditionner le signal afin de mettre en forme l’information
extraite et éventuellement la transmettre vers au autre
destinataire : c’est le rôle de la numérisation, de la
compression, de la synthèse, de la modulation, etc.

Traitement de Signal 3
Champs d’applications du TS

• L’acoustique (signaux musicaux, signaux de parole, etc.),


• La géophysique (signaux sismiques),
• L’astrophysique (signaux électromagnétiques),
• Le domaine biomédical (signaux éléctromyographiques,
encéphalographiques, électrocardiographiques, etc.),
• La mécanique (signaux vibratoires, émission acoustique, etc.),
• La météorologie (relevés de température, indice de marées,
etc.),
• L’économie (indices boursiers, taux de change, etc.)
• La télécommunication.

Traitement de Signal 4
Classification des signaux
Signaux continus et Signaux discrets

• Signal continu : la variable indépendante prend ses valeurs sur


un ensemble continu.
• Signal discret: la variable indépendante prend ses valeurs sur
une grille de points (ensemble discret).
• L’origine du signal à temps discret est soit:
– naturelle, par exemple en économétrie (série temporelle)
– consécutive à une opération d’échantillonage qui consiste à
prélever les valeurs d’un signal continu en des instants
particuliers. (signal échantillonné).

Traitement de Signal 5
Classification des signaux
Signaux continus et Signaux discrets

Principe d’échantillonnage d’un signal continu

Traitement de Signal 6
Classification des signaux
Signaux continus et Signaux discrets
en amplitude

La distinction continu/discret s’applique aussi sur l’amplitude des


signaux
.

signal physique analogique

signal numérique

Traitement de Signal 7
Classification des signaux
Signaux continus/signaux discrets en amplitude
• La transfromation de l’amplitude continue à l’amplitude
discrète = quantification
• Un signal peut être soit:
– naturellement discret en amplitude : c’est en particulier le cas des
processus de comptage (nombre d’arrivées dans une file d’attente par
unité de temps).
– après une opération de quantification qui consiste à coder ses valeurs à
partir d’un alphabet fini (code binaire, code ASCII). La discrétisation en
amplitude d’un signal est une opération nécessaire pour pouvoir le
manipuler à l’aide des outils informatiques.

Traitement de Signal 8
Classification des signaux
Signaux déterministes/signaux aléatoires

• Signaux déterministes

• Définition: Un signal déterministe peut être décrit par une


équation explicite (formule analytique) ou implicite (par ex.
équation différentielle).
• Caractéristique: N’importe quelle valeur d’un signal
déterministe est parfaitement prédictible à partir d’une
connaissance partielle du signal (interpolation/extrapolation).

Traitement de Signal 9
Classification des signaux
Signaux déterministes/signaux aléatoires

• Signaux aléatoires

• Définition: Un signal aléatoire est un signal dont la réalisation


change à chaque expérience.
• Caractéristique: Un signal aléatoire n’est donc pas prévisible

Traitement de Signal 10
Classification des signaux
signaux sans référence à un modèle de génération

Système
entrée SIGNAL
(modèle de génération)

Déterministe Aléatoire

Périodique Non Périodique

Stationnaire Non Stationnaire

Presque Transitoire
Périodique Cyclostationnaire

Traitement de Signal 11
Classification des signaux
types de modèles de génération des signaux

Système
entrée Signal
(modèle de génération)

Paramètres Paramètres distribués

Linéaire, Linéaire, Non Linéaire,


Invariant dans le temps Variant dans le temps Invariant dans le temps

Traitement de Signal 12
Classification des signaux
signaux déterministes, périodiques: exemple

0. 8

0. 6

0. 4

0. 2

-0. 2

-0. 4

-0. 6

-0. 8

-1
0 20 40 60 80 100 120 140 160 180 200

0. 8

0. 6

0. 4

0. 2

-0. 2

-0. 4

-0. 6

-0. 8

-1
0 100 200 300 400 500 600 700 800

0. 8

0. 6

0. 4

0. 2

-0. 2

-0. 4

-0. 6

-0. 8

-1
0 50 100 150 200 250 300 350 400

Traitement de Signal 13
Classification des signaux
signaux déterministes périodiques : exemple
• Modulation d’amplitude et de phase

0. 8

0. 6

0. 4

0. 2

-0. 2

-0. 4

-0. 6

-0. 8

-1
0 50 100 150 200 250 300 350 400

0. 8

0. 6

0. 4

0. 2

-0. 2

-0. 4

-0. 6

-0. 8

-1
0 50 100 150 200 250 300 350 400

Traitement de Signal 14
Classification des signaux
signaux déterministes NON périodiques
• Réponse d’un système 1ddl à une impulsion

0 500 1000 1500


-1

-0.8

-0.6

-0.4
linéaire
-0.2

0.2

0.4

0.6

0.8

0. 8

0. 6
Non-linéaire
0. 4

0. 2

-0. 2

-0. 4

-0. 6

-0. 8
0 500 1000 1500

Traitement de Signal 15
Classification des signaux
déterministes, périodiques:descripteurs

descripteurs du signal temporel

valeurs pic, pic − pic, etc


1 1 N /2
Moyenne = ∫ = ∑ x ( n)
T /2
x(t )dt
N +1
−T / 2
T 0
n=− N / 2

1 
2
1
∑~
N /2
RMS =  ∫ x (t )dt  =
T /2 2 2
x ( n)
+
−T / 2
 T
0  N 1 n=− N / 2

Coefficients décomposition Série de Fourier

Traitement de Signal 16
Classification des signaux
signaux aléatoires : exemple
• Bruit blanc : 3 réalisations

2. 5

1. 5

0. 5

-0. 5

-1

-1. 5

-2

-2. 5
0 20 40 60 80 100 120 140

2. 5

1. 5

0. 5

-0. 5

-1

-1. 5

-2

-2. 5
0 20 40 60 80 100 120 140

-1

-2

-3
0 20 40 60 80 100 120 140

Traitement de Signal 17
Classification des signaux
signaux aléatoires : exemple
• Sortie d’un système excité par un bruit blanc

15

10

-5

-10
0 20 40 60 80 100 120 140

10

-5

-10

-15
0 20 40 60 80 100 120 140

10

-2

-4

-6

-8
0 20 40 60 80 100 120 140

Traitement de Signal 18
Classification des signaux
Signaux aleatoires: exemple

Vibrations de machines tournantes


0.4

0.3

0.2

0.1

-0.1

-0.2

-0.3

-0.4
0 100 200 300 400 500 600

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8
0 100 200 300 400 500 600

Traitement de Signal 19
Classification des signaux
variable aléatoire (1)
soit x une Variable Aléatoire (VA) continue x1

f la densité de probabilité mesure l ' occurrence que


x

x ≤ x ≤ x + ∆x
0 0

on définit :
+∞
x2
le moment d ' ordre 1 (moyenne) de x : E ( x ) = ∫ x. f ( x )dx x
−∞

+∞

le moment d ' ordre 2 : E ( x ) = ∫ x . f ( x)dx


2 2
x
−∞

+∞
xn
la Variance : E ([ x − E ( x)] ) = ∫ [ x − E ( x)] . f ( x)dx
2 2
x
−∞

moments d ' ordres sup érieurs


− skewness
[ x − E ( x)]

2 E(x)
− kurtosis k = ∫ x 2
dx 2
[ E ( x )]
−∞

Traitement de Signal 20
Classification des signaux
signal aléatoire :exemples
x(n)
bruit

x(n)
séquence binaire codée

x(n)
12V tension de batterie (Therrien)
11.75V

Traitement de Signal 21
Classification des signaux
signal aléatoire :définitions
soit x (n); n ∈ Z une suite de Variables aléatoires

pour chaque n ;
f densité de probabilité de x (n)
x (n)

moments E[ x (n)], E[ x (n)],


2

si n est le temps :
⇒ série temporelle , ie, signal aléatoire
le Modèle sous − jacent générant le signal aléatoire est appelé
⇒ processus aléatoire.
rem :
pour une Variable aléatoire ⇒ réalisation
pour un signal aléatoire ⇒ ensemble

Traitement de Signal 22
Classification des signaux
signal aléatoire :ensembles(ensembles)
x(n)
x1(-3) Bruit: ensemble1

x(n)
X2(-3) Bruit: ensemble2

E(x(n))
E[x(-3)] Bruit: moyenne d ’ensembles

Traitement de Signal 23
Classification des signaux
signal aléatoire : stationnarité/ergodicité(1/4)

E[ x (n)] = ∫ x (n) f [ x (n)]dx (n)


x(n)
−∞

(idem pour les moments d ' ordres Supérieurs )

on définit également les moments estimés sur un ensemble particulier


1 +N
m( x ) = lim ∑ x (n)
2N + 1
N →∞
−N

(idem pour les moments d ' ordres Supérieurs )

Supposons E ( x(n)) = cte = µ 1

question : quand peut − on ovoir m( x) = µ 1


??

Traitement de Signal 24
Classification des signaux
signal aléatoire :stationnarité/ergodicité(2/4)
x(n)
x1(-3) Bruit: ensemble1
moyenne temporelle
n

x(n)
X2(-3) Bruit: ensemble2
moyenne temporelle
n

E(x(n))
E[x(-3)] Bruit: moyenne d ’ensemble
moyenne temporelle
n

Traitement de Signal 25
Classification des signaux
signal aléatoire : stationnarité/ergodicité(3/4)
stationnarité : définition
les propriètés statistiques sont indépendantes du temps (n)
ie,
E[ x (n) x (n + k ) x (n + k )....x (n + k )] est indépendant de n
l0 l1
1
l2
2
lM
M

− autocorrelation E[ x (n) x (n + k )] = R (k )1 1
xx

x(n)

n
1 2 3 4 5 6 7 8

f x (1) x ( 3 ) x ( 6 )
=f x(2) x(4) x(7)
=f x (1) x (1) x ( 4 )
=
Traitement de Signal 26
Classification des signaux
signal aléatoire : stationnarité/ergodicité(4/4)

ergodicité : définition
un signal aléatoire Stationaire est ergodique si les moments calculés
temporellement ou par moyenne d ' ensemble sont égaux

si seulement m( x) = µ alors ergodicité d ' ordre1


1

1 ∞
si de plus E[ x(n) x(n + k ] = R (k ) = lim ∑ x ( n) x ( n + k )
2N + 1
→∞
n = −∞

alors ergodicité d ' ordre2

en général on se Limite à l ' ordre 2 ( processus gaussiens )


rem : pour être ergodique un signal doit être stationnaire

Traitement de Signal 27
Classification des signaux
signal aléatoire : estimateurs
• Ensemble fini de points n=[-N/2,N/2]

+N /2
1
estimateur de la moyenne mˆ ( x) = ∑ x ( n)
2 N + 1 n=− N / 2

+N /2
1
estimateurs de la Variance var( x) = ∑ ~
x 2 ( n) [ ~
2 N + 1 n=− N / 2
x (n) = x(n) − mˆ ( x)]

estimateurs de la fonction d ' autocorrélation


1 + N / 2− k
Rˆ (k ) = ∑ x(n + k )x(n)
2 N + 1 n=− N / 2
avec biais
+ N / 2− k
ˆ 1
Rˆ (k ) = ∑ x(n + k )x(n) asymptotiquement sans biais
2 N + 1 − k n=− N / 2

Traitement de Signal 28
Classification des signaux
signal aléatoire : estimateurs
• Moyenne, variance, écart type, histogramme

3 50

45
2
Écart type 40

35
1
30
moy 0 25

20
X1 -1
15

10
X2 -2
5

-3 0
0 500 1000 -4 -2 0 2 4

X1 X2

Traitement de Signal 29
Classification des signaux
Signaux réels de vibrations (1)
• Vibrations d’engrenages
• sans et avec défaut d’écaillage

-1

-2

-3
0 200 400 600 800 1000 1200

10

-2

-4

-6

-8
0 200 400 600 800 1000 1200

Traitement de Signal 30
Classification des signaux
signaux réels de vibrations(2)
• Vibrations machine-outil (Surveillance d’outil)
• avec défaut avant et après filtrage du signal

400

300

200

100

-100

-200

-300

-400
0 500 1000 1500 2000 2500

200

150

100

50

-50

-100

-150

-200
0 500 1000 1500 2000 2500

Traitement de Signal 31
Classification des signaux
signaux réels acoustiques
• Réponse d’une salle à une bruit impulsionnel

0.25

0.2

0.15

0.1

0.05

-0.05

-0.1
0 200 400 600 800 1000 1200 1400 1600 1800 2000

Traitement de Signal 32
Classification des signaux
signaux réels biomédicaux(1)
• Signaux Potentiels évoqués visuels(PEV)
• réponse cérébrale à des stimulis (flash)
• électrodes sur le scalp
100

80

60

40

20

-20

-40
0 50 100 150 200 250 300 350 400 450 500

25 20

20
15
15

10 10

5
5
0

-5 0

-10
-5
-15

-20 -10
0 5 10 15 20 25 30 35 40 45 50 0 10 20 30 40 50 60

Traitement de Signal 33
Classification des signaux
signaux réels biomédicaux(2)
• Electromyogramme (EMG)
• activités du muscle strié
• électrode sur la peau

4
x 10
3

-1

-2

-3
0 500 1000 1500 2000 2500 3000 3500 4000 4500

Traitement de Signal 34
Classification des signaux
signaux réels biomédicaux(3)
• Electromyogramme utérin (EMG Utérin)
• activités de l’utérus lors des contractions avant un accouchement
• électrode sur la peau

1500

1000

500

-500

-1000

-1500
0 500 1000 1500 2000 2500 3000 3500 4000 4500

Traitement de Signal 35
Classification des signaux
signaux réels biomédicaux (4)
• Electrocardiogramme (ECG)
• activités du cœur
• electrode sur la peau

9
x 10
2.5

1.5

0.5

-0.5

-1

-1.5

-2

-2.5
0 50 100 150 200 250 300 350 400 450 500

Traitement de Signal 36

Vous aimerez peut-être aussi