Vous êtes sur la page 1sur 7

Nicolas TERMOZ, PhD @2006

Termoz @ 2006

Traitement des signaux biomé


biomédicaux
Nicolas Termoz,
Termoz, Ph.D

Instruments de mesure
Lissage et Filtrage des signaux
Introduction à Matlab

Lundi 8 mai 2006

Termoz @ 2006

Les instruments de mesure des signaux

Termoz @ 2006

Processus d’
d’acquisition et traitement de signaux

Qualité de l’observation d’un phénomène Qualité du signal

2 étapes importantes

- Acquisition, discré
discrétisation
- Conversion analogue/digitale
- Choix de la fréquence d’échantillonnage (Théorème de Shannon)

- Traitement
- Lissage
- Filtrage

8 Mai 2006 1
Nicolas TERMOZ, PhD @2006

Termoz @ 2006

Acquisition, discré
discrétisation
Capteur

Principes de la numérisation
Le signal électrique issu du capteur fait Conversion
l'objet d'un traitement analogique Analogique/Digitale
(amplification, filtrage...) puis subit une
conversion analogique->digitale qui
consiste à échantillonner à fréquence
fixe le signal pour en donner une
valeur comprise entre un minimum et
un maximum avec un nombre de
valeurs possibles fini (256 si on utilise Ordinateur
une conversion A/D sur 8 bits, 8 pour 3
bits)

Traitement Numérique

La transformation A/N est imparfaite.


La perte d'information due à la transformation peut être contrôlée par le choix de la
fréquence d'échantillonnage (FE) et par le nombre de bits affecté à chaque mesure.

Termoz @ 2006

Acquisition, discré
discrétisation
Question fondamentale: Quelle FE doit-on prendre pour avoir assez d’information pour
reconstruire le signal original sans surcharger le système?

Winter et Patla, 1997

L’échantillonnage
’échantillonnage et le thé
théorè
orème de Shannon

Le signal étudié doit être échantillonné à une fréquence au moins deux fois
supérieure à la fréquence maximale contenue dans le signal.

Termoz @ 2006

Bruit du signal
Les signaux biomédicaux sont porteurs d’erreurs qui proviennent:
•Imprécision des systèmes
•Décharges électrostatiques, les fluctuations de la tension d’alimentation
•Placement de marqueurs sur la peau ou les vêtements
•Aberrations des lentilles => distorsion du signal.
•…

Tous ces signaux viennent interférer et viennent polluer le signal utile.

!d =x −x
Amplification avec les dérivations

v = d /t
1
2 1 donc Δv = ⋅ 2Δx
d + Δd = x2 ± Δx2 − x1 ± Δx1 t
a=
( v2 − v1 ) et
1
Δa = ⋅ 2Δv
Δd = Δx2 + Δx1 t
t
or Δx2 = Δx1 1 ⎛1 ⎞ 1
Δa = ⋅ 2 ⎜ ⋅ 2Δx ⎟ d’où Δa = 2 ⋅ 4Δx
donc Δd = 2Δx t ⎝t ⎠ t

8 Mai 2006 2
Nicolas TERMOZ, PhD @2006

Termoz @ 2006

Bruit du signal
1 1
Δv = ⋅ 2Δx Δa = ⋅ 4Δx
t t2
Plus on réduit les intervalles de temps, plus l’erreur est importante! Donc plus
la fréquence est grande, plus l’erreur est grande!

Winter et Patla, 1997

Termoz @ 2006

Traitement du signal
Objectif:
Améliorer le ratio signal/bruit pour obtenir un signal proche du signal original

Conserver l’allure de la courbe Intervention sur le contenu du signal

Lissage Filtrage

Utilisation de polynômes, Utilisation de filtres


splines… digitaux passe-bas,
passe-hauts, passe-
bande…

Termoz @ 2006

Lissage
Les polynômes:
Consiste à trouver une fonction mathématique qui représente le mieux sa relation
avec les données prélevées

x(t ) = a0 + a1 x ( t ) + a2 x ( t ) + a3 x ( t ) + ...an x n
1 2 3

La courbe devient plus complexe avec l’augmentation du degré du polynôme


Problèmes: Difficile de suivre avec un écart négligeable toutes les variations du signal
Détermination du signal / bruit @

Allard et Blanchi, 2000

8 Mai 2006 3
Nicolas TERMOZ, PhD @2006

Termoz @ 2006

Lissage
Les splines:
Les fonctions splines sont des polynômes discrets appliqués séquentiellement sur des
segments délimités par des points d’inflexion. La courbe est donc représentée par une
série de polynômes.

La qualité du lissage repose sur le choix judicieux des points d’inflexion.


!! Ces points sont déterminés à partir de données qui sont entachées d’erreurs.

Allard et Blanchi, 2000

Utilisation des Bsplines qui assurent une continuité entre les intervalles successifs (au
niveau des points d’inflexion) qui se traduit par une continuité sur les dérivées secondes.

Termoz @ 2006

Le Filtrage
Description d’un signal
Peut être apparenté à une onde caractérisée par une fréquence et une amplitude.
La période correspond à sa durée alors que sa fréquence correspond au nombre de
cycle par unité de temps.
La fonction mathématique d‘un sinus est exprimée de manière générale par:
y = A sin nω0t

Winter et Patla, 1997

Termoz @ 2006

Le Filtrage
Description d’un signal

Les signaux n’ont pas nécessairement la


forme d’un sinus et d’un cosinus et leur
composante fréquentielle est complexe.

Possibilité de construire des signaux


complexes à partir de plusieurs signaux
simples de forme sinusoïdale.

Sommation de termes composés de


sinus et de cosinus dont l’amplitude et la
fréquence varient
Série de Fourier
Allard et Blanchi, 2000
N
f ( t ) = A0 + ∑ ( ak cos kω0t + bk sin kω0t ) @
k =1

8 Mai 2006 4
Nicolas TERMOZ, PhD @2006

Termoz @ 2006

Le Filtrage
Détermination du spectre de fréquence

Une algorithme rapide (Transformée rapide de


Fourier: FFT) permet de déterminer les séries, à
partir des données brutes. Ces séries permettent
de calculer la densité spectrale du signal, mettant
en valeur la contribution relative des différentes
harmoniques.

Winter et Patla, 1997

Termoz @ 2006

Le Filtrage
Les mouvements humains ont des fréquences relativement faibles, inférieurs à 10Hz
Fréquences plus hautes sont généralement attribuées au bruit

Winter et Patla, 1997


Filtrage: éliminer la composante fréquentielle
du bruit sur la base de son spectre de
fréquences

!! Déterminer Fréquence de coupure (Fc)

X(f)

signal

bruit

Termoz @ 2006

Le Filtrage
Types de filtres:
• Passe-bas
• Passe-haut
• Passe-bande

Ordre du filtre
Réponse du filtre

Filtre Butterworth:
Filtre linéaire qui possède un gain aussi constant que possible
dans la bande passante.

X i' = a0 X i + a1 X i −1 + a2 X i − 2 + b1 X i'−1 + b2 X i'− 2


La donnée filtrée représente une somme pondérée de la valeur
immédiate au temps i et des données brutes précédentes.
Entraîne un déphasage temporel du signal.
Application dans les deux sens temporels + ajustement de la Fc
Fc*1.247
Winter et Patla, 1997

8 Mai 2006 5
Nicolas TERMOZ, PhD @2006

Termoz @ 2006

Traitement des signaux biomé


biomédicaux
Nicolas Termoz,
Termoz, Ph.D

Instruments de mesure
Lissage et Filtrage des signaux
Introduction à Matlab

Lundi 8 mai 2006

Termoz @ 2006

Plateforme de forces

Termoz @ 2006

Systè
Systèmes optiques

8 Mai 2006 6
Nicolas TERMOZ, PhD @2006

Termoz @ 2006

Electromyographie

Termoz @ 2006

Lissage
Les polynômes:

Allard et Blanchi, 2000

Termoz @ 2006

Le Filtrage
Description d’un signal

k: nombre de signaux additionnés


permettant de retrouver le signal
original.
k=1: signal composé d’une fréquence
fondamentale
k=5: signal sinusoïdal d’harmonique
5 (5 fois la fréquence fondamentale).

8 Mai 2006 7