Dossier délivré pour

SECTION SCIENCES
04/12/2008

Analyse temps-fréquence. Ondelettes

Applications
par José MARTINEZ
Docteur en sciences
Ingénieur de recherche, Transiciel
Pierre GAJAN
Docteur en sciences
Ingénieur de recherche, Office national d’études et de recherches aérospatiales (ONERA)
et Alain STRZELECKI
Docteur en sciences
Ingénieur de recherche, ONERA

1. Domaines d’application ......................................................................... AF 4 511 – 2

1.1 Exemples pédagogiques............................................................................. — 2
1.1.1 Représentations et paramètres de l’analyse .................................... — 2
1.1.2 Premier exemple................................................................................. — 2
1.1.3 Deuxième exemple............................................................................. — 3
1.1.4 Un peu de musique ............................................................................ — 4
1.2 Bilan .............................................................................................................. — 5
1.2.1 TO et FFG............................................................................................. — 5
1.2.2 Arête et squelette................................................................................ — 5
1.2.3 Matching pursuit................................................................................. — 5
1.3 Conclusion.................................................................................................... — 6
2. Exemples d’applications ........................................................................ — 6
2.1 Détection d’intermittence............................................................................ — 6
2.1.1 Analyse de la transition laminaire/turbulente
sur un disque tournant....................................................................... — 6
2.1.2 Analyse du signal à l’aval d’un barreau prismatique ...................... — 7
2.1.3 Conclusion .......................................................................................... — 9
2.2 Analyse de l’évolution de structures tourbillonnaires
à l’aval d’obstacles ...................................................................................... — 10
2.2.1 Analyse de l’écoulement à l’aval d’une marche descendante....... — 10
2.2.2 Analyse des structures tourbillonnaires à l’aval d’un jet ................ — 10
2.2.3 Analyse de l’écoulement dans un débitmètre à diaphragme ......... — 10
Références bibliographiques ......................................................................... — 11

’analyse de signaux non stationnaires nécessite une extension des méthodes

L stationnaires – et notamment de la transformée de Fourier (TF) –, uniquement
fréquentielles, en y introduisant un aspect temporel. La théorie de ces méthodes
– analyse de Fourier à fenêtre glissante (FFG) et transformée en ondelettes (TO)
– est exposée dans une première partie [AF 4 510]. Les applications expérimen-
tales présentées ici sont issues de la mécanique des fluides. Elles mettent
concrètement en évidence les potentialités de ces outils d’analyse.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Sciences fondamentales AF 4 511 − 1

Dossier délivré pour

SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
ANALYSE TEMPS-FRÉQUENCE. ONDELETTES ________________________________________________________________________________________________

Par rapport à la formulation de Morlet, cette ondelette est centrée

Notations et symboles sur 1 Hz ( ω 0 = 2π ) et le paramètre k 0 permet de fixer la largeur de
Symbole Unité Définition bande du filtre dans l’espace fréquentiel.
a s échelle
1.1.2 Premier exemple
As ( t ) amplitude instantanée
b s position Le premier exemple choisi est volontairement didactique et sim-
ple, et sert à définir le type de représentation et les différences entre
C s ( b, ν ) coefficient d’ondelette à l’instant b et la les décompositions évoquées :
fréquence ν
3
g(t) s ( t ) = A 0 ( t ) sin [ 2π ν 0 t ] Π t ( t ) + A 1 ( t ) sin [ 2π ν 1 t + φ 1 ( t ) ]
enveloppe 0 , T0 (2)
+ A2 δ ( t – t2 )
h m hauteur
I coefficient d’intermittence Les valeurs numériques sont extraites de [1] :
k0 paramètre de l’enveloppe gaussienne A 0 ( t ) = 1, 0 + 0,25 sin [ 2π ν 2 t ] t0 = 3 s
L norme A 1 ( t ) = 1, 0 t1 = 8 s
Q qualité du signal A 2 ( t ) = 2, 0 t 2 = 12 s
Re nombre de Reynolds
ν 0 = 18 Hz T0 = 4 s
s(t) signal
ν 1 = 0, 05 Hz T 1 = 16 s
Sr nombre de Strouhal
ν 2 = 0, 60 Hz T éch = 16 s
t s temps
N = 2 048
U0 m/s vitesse d’écoulement  0 si t < t 1
φ1 ( b ) =  ν éch = 128 Hz
ν, ξ Hz fréquence  π si t  t 1 N = 2 048
νd Hz fréquence de détachement Ce signal est constitué de plusieurs composantes :
Πt porte de durée T, centrée sur t 0 — une composante sinusoïdale, de fréquence ν 0 fixe, mais
0, T
σ écart-type d’amplitude variable A 0 ( t ) existant sur un support fini matérialisé
par la porte Π t0, T0 ( t ) ;
Ω intensité de rotation
— une composante d’amplitude A 1 fixe, mais de fréquence ν ( t )
ψ (t) ondelette évoluant de manière parabolique. Elle existe durant tout le signal et
se trouve perturbée par un saut de phase, à l’abscisse t 1 ;
— une impulsion de Dirac, centrée à l’instant t 2 , d’amplitude A 2 .
Il est représenté figure 1 avec les lois de modulations de chaque
1. Domaines d’application composante.
Les représentations temps-fréquence sont présentées figure 2.
Elles amènent quelques remarques.
Les méthodes évoquées dans [AF 4 510], bien que toutes issues ● Quel que soit le type d’analyse mis en œuvre, l’information est
d’une décomposition en atomes temps-fréquence du signal, n’ont toujours la même, seule la manière de la voir change. La lisibilité
pas les mêmes domaines d’application. Pour illustrer cela, nous dépend de la décomposition, qui se concentre plus ou moins sur les
allons donner trois applications de ces méthodes d’analyse à partir composantes du signal.
d’exemples pédagogiques constitués de signaux synthétiques.
● L’analyse par ondelettes se fait à ∆ ν ⁄ ν constant. La largeur des
Ensuite, nous ferons un bilan des observations réalisées.
composantes mises en relief augmente donc avec la fréquence. La
loi de modulation ν ( t ) est représentée par une surface de plus en
plus large quand la fréquence augmente.
1.1 Exemples pédagogiques ● La normalisation L 2 (figure 2c) pour les ondelettes privilégie
les bases fréquences, pour lesquelles le facteur a amplifie le
niveau à l’échelle a. L’énergie mise en avant est la même (l’intégra-
1.1.1 Représentations et paramètres de l’analyse tion de cette densité d’énergie redonne bien celle de la structure)
mais son support fréquentiel est réduit en largeur. Au contraire, si
les fréquences augmentent, le maximum du filtre ψ̂a( ν ) diminue
La transformation continue fait passer d’un signal monodimen-
(l’énergie de l’ondelette reste constante), ce qui tend à minimiser les
sionnel à une image décrivant le coefficient C s ( b, ν ) en fonction du
temps et de la fréquence. Afin de visualiser le résultat de l’analyse, niveaux d’énergie. Cette remarque est directement liée au fait que
les représentations bidimensionnelles obtenues portent le temps en ∆ ν ⁄ ν est constant et que le gain des filtres représentant les atomes
abscisse et la fréquence en ordonnée. Les basses fréquences sont suit une loi en 1 ⁄ ν (voir figure 3 de [AF 4 510]).
dans la partie inférieure des figures, les hautes fréquences dans la ● Le rôle du facteur k 0 (paramètre de l’enveloppe gaussienne)
partie supérieure. Les niveaux d’énergie (ou d’amplitude) sont est clairement montré sur les comparaisons (figures 2a et 2b). Il
représentés en couleurs. permet d’affiner la précision en temps ou en fréquence, et donne
des graphes où les lois de modulation sont plus ou moins étalées.
Pour cette analyse, nous considérons des atomes de décomposi-
● Le matching pursuit (figure 2d) (linéaire par extension de TO et
tion comparables à ceux utilisés par Gabor ou Morlet faisant inter-
venir une enveloppe gaussienne définie par : FFG ou dyadique) « suit » les lois de modulation de fréquence de
manière discrète. Il ne parvient pas en revanche à retrouver la
π
2
2
modulation d’amplitude de la première composante, pour laquelle il
– ------ ⋅ t retourne une valeur d’énergie correspondant à l’amplitude
k0 2iπt
ψ(t ) = e e (1) moyenne de la composante.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
AF 4 511 − 2 © Techniques de l’Ingénieur, traité Sciences fondamentales

Dossier délivré pour

SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
________________________________________________________________________________________________ ANALYSE TEMPS-FRÉQUENCE. ONDELETTES

s (t ) 2,5
ν (Hz)
1,5

0,5

– 0,5

– 1,5

– 2,5
0 2 4 6 8 10 12 14 16 t (s )
a signal s (t )
0,0625
0 16 t (s )
1,50 50,0 a TO, norme L1, k0 = 10

1,25 40,0
ν (Hz)
32
1,00 30,0
ν (Hz)
A

0,75 20,0

0,50 10,0

0,25 0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16
t (s ) t (s )
première composante
deuxième composante 0,0625
b modulation c modulation 0 16 t (s )
b d'amplitude c de fréquence b TO, norme L1, k0 = 50

Figure 1 – Premier exemple

ν (Hz)
32

1.1.3 Deuxième exemple

Le deuxième exemple comporte deux lois de modulations, à la

fois en amplitude et en fréquence :
s ( t ) = A 1 ( t ) sin [ φ 1 ( t ) ] + A 2 ( t ) sin [ φ 2 ( t ) ] (3)
Nota : la fréquence instantanée est déduite de la fonction φ ( t ) par la relation :

1 ∂φ
ν ( t ) = ------- -------
2π ∂t
0,0625
La première composante se caractérise par : 0 16 t (s )
2 c TO, norme L2, k0 = 50
A 1 ( t ) = 1 + 0, 33 sin 0, 78πt (4)

φ 1 ( t ) = 2πt ( 29,0 – 1, 31t ) (5) ν (Hz)

32
ν 1 ( t ) = 29, 0 – 2, 62t (6)
La deuxième composante se caractérise par :
A 2 ( t ) = 0, 92 + 0, 27 sin [ 0, 42πt + 0, 965 ] (7)

3
φ 2 ( t ) = 2π ( 0, 06t + 0, 168 t sin ( 1, 5πt ) ) (8)

2 0, 084 sin ( 1, 5πt )

ν 2 ( t ) = 0, 18t + --------------------------------------------- + 0, 252π t cos ( 1, 5πt ) (9)
t
0
Le signal et les différentes lois sont représentés figure 3. La trans- 0 16 t (s )
formée en ondelettes du signal est représentée figure 4a.
d Matching pursuit issu de FFG et TO, 120 itérations
L’utilisation d’une norme L 1 est impérative pour retrouver direc-
tement les lois d’amplitude. La figure 3 permet de visualiser les lois
de modulation à la fois en amplitude et en fréquence. Elle fait de
plus apparaître certains phénomènes d’interférences : Figure 2 – Représentations temps-fréquence du premier exemple

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Sciences fondamentales AF 4 511 − 3

Dossier délivré pour

SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
ANALYSE TEMPS-FRÉQUENCE. ONDELETTES ________________________________________________________________________________________________

s (t ) 2,5 ν (Hz)
32
1,5

0,5

– 0,5

– 1,5

– 2,5
0 2 4 6 8 10 12 14 16 t (s )
0,0625
a signal s (t ) 0 16 t (s )
a TO, norme L1, k0 = 25
1,5 50

1,2 40 ν (Hz)
32
1,0 30

ν (Hz)
A
0,8 20

0,5 10

0,2 0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16
t (s ) t (s )
première composante 0,0625
deuxième composante
0 16 t (s )
b modulation c modulation b Matching pursuit issu de FFG et TO, 182 itérations
b d'amplitude c de fréquence

Figure 3 – Deuxième exemple Figure 4 – Représentations temps-fréquence du deuxième exemple

de nouvelles pseudo-lois, mieux marquées au voisinage du lieu de

— d’une part, entre les modulations d’amplitude et de fréquence
de la première composante, représentées par les deux lignes partant
en haut à gauche et encadrant la modulation de fréquence ν 1 ( t ) ;
— d’autre part, le « rebond » des modulations (et des interféren-
ces) de la première composante sur l’axe des abscisses, correspond
à l’émergence de la partie symétrique (fréquences négatives), mas-
quée jusque-là par l’aspect progressif des atomes ;
— au croisement entre les composantes, le module et les repré-
sentations des lois de la transformée sont perturbés.
Une décomposition à l’aide du matching pursuit (figure 4b) est
donnée afin d’illustrer et comparer son comportement vis-à-vis des
lois de modulation et de ces interférences.
Les lois de modulation obtenues à partir de l’algorithme d’extrac-
tion de l’arête du signal sont regroupées figure 5. Seules les compo-
santes attendues sont représentées. Les lois « parasites », que l’on
retrouve aussi, sont volontairement omises.
Les lois trouvées ne sont pas aussi nettes que celles, qualitatives,
issues des représentations du module. Ces différences sont liées
aux perturbations volontairement introduites :
— le croisement des lois « perturbe » l’algorithme de recherche
qui ne sait quelle arête suivre. De plus, à proximité du lieu de croise-
ment, l’estimation de l’amplitude est biaisée. La représentation en
module-phase suppose que l’on effectue une mesure quadratique
de la somme des composantes, différente de la somme des carrés.
Cela fait perdre la linéarité de la transformée et introduit des interfé-
rences correspondant aux termes croisés ;
— les interférences entre la modulation d’amplitude et de fré-
quence de la première composante (lignes supplémentaires volon-
tairement non représentées dans la figure 5) gênent en introduisant
croisement que ν 2 ( t ) , et sur lesquelles l’algorithme préfère s’accro-
cher ;
— les modulations d’amplitude sont mal restituées, surtout
A 1 ( t ) , ce que l’on pouvait prévoir puisque le signal n’est pas
asymptotique par rapport à l’outil de mesure. L’amplitude varie trop
vite pour que l’algorithme puisse correctement l’estimer.
L’analyse par ondelettes est désavantagée aux basses fréquences,
où la précision en temps et la phase sont mal estimées.
1.1.4 Un peu de musique
Finalement, un exemple musical permet de conclure. Le signal,
simulé et créé numériquement, est une approximation d’une vérita-
ble partition. L’attaque, le timbre, les harmoniques ne sont pas
reproduits, ce qui limite la validation des résultats, mais l’aspect
pédagogique désiré est conservé. La partition jouée est donnée
figure 6.
La transformée en ondelettes est donnée figure 7. Cette représen-
tation permet d’identifier les notes (hauteur et durée) (une décom-
position logarithmique en fréquence permet de retrouver
directement la partition).
Le matching pursuit et sa représentation associée permettent
d’obtenir la densité d’énergie du plan temps-fréquence, ainsi que
l’énergie et les caractéristiques de chaque structure composant le
signal. Il est intéressant de noter que cette énergie est reliée, par le
biais de a et donc de g γ m ( t ) de l’étape n, à l’amplitude de manière
univoque. Sa représentation dans ce plan permet de retrouver la
notion de signature temps-fréquence. Celle-ci, continue pour la
décomposition, se représente par des structures discrètes, puisque

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
AF 4 511 − 4 © Techniques de l’Ingénieur, traité Sciences fondamentales

Dossier délivré pour

SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
________________________________________________________________________________________________ ANALYSE TEMPS-FRÉQUENCE. ONDELETTES

l’algorithme isole des composantes localisées, de taille limitée. Il ne

donne pas comme pour le cas précédent, des lois de modulation
continues, mais un ensemble de petits segments sur lesquels la fré-
quence ξ est fixe. Une analyse plus complète, à l’aide des harmoni-
ques et de l’introduction de fonctions particulières g ( t ) , correspon-
dant aux diverses attaques possibles de notes peut s’imaginer.
Celle-ci autoriserait la caractérisation complète des instruments
joués, puis de l’orchestre.

1,50 1,50

1,25 1,25
t (s) en abscisse (0 à 4 s)
1,00 1,00 ν(Hz) en ordonnée, échelle logarithmique (0,0625 à 1 050 Hz)

0,75 0,75
A

Figure 7 – Transformée en ondelettes du morceau de musique

(norme L 1, k 0 = 250 )
0,50 0,50

0,25 0,25 1.2 Bilan

0 0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16 1.2.1 TO et FFG
t (s ) t (s )
a TO, lois d'amplitude
La première qualité que l’on doit attribuer à la transformée en
b FFG, lois d'amplitude
ondelettes (TO) et à l’analyse de Fourier à fenêtre glissante (FFG) est
première composante la description qualitative qu’elles donnent du signal, même si elle
deuxième composante semble parfois peu lisible. Celle-ci permet de déduire le contenu ou
les événements traduits par ce signal.
50 50
Cet aspect pédagogique est non négligeable. Il constitue une
40 40 base dans la sélection des moyens ultérieurs à mettre en œuvre
pour caractériser complètement le signal.
30 30
Si le signal est suffisamment « propre », les composantes bien
ν (Hz)

ν (Hz)

marquées et isolées permettent de déterminer directement et quan-

20 20 titativement les fréquences présentes, les amplitudes associées et
leurs évolutions (voir l’exemple du débitmètre à vortex, § 2.1.2).
10 10
1.2.2 Arête et squelette
0 0 Sous réserve des hypothèses énoncées plus haut, les transfor-
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16 mées en ondelettes et gaborettes permettent d’accéder aux lois de
t (s ) t (s ) modulation d’un signal, d’isoler séparément chacune des diverses
c TO, lois de fréquence d FFG, lois de fréquence lois et de suivre leur évolution. La notion de signature temps-fré-
quence [AF 4 510] autorise à utiliser cette approche et à distinguer
ces lois, même si elles se croisent. Elle isole de plus la partie la plus
Figure 5 – Lois de modulation du deuxième exemple significative du signal.

Cette approche est très intéressante pour décrire un signal

comme une somme de fonctions continues du temps, elles-
mêmes composées de deux lois de modulation : la fréquence
ξ ( t ) et l’amplitude A ( t ) :

s(t ) = ∑ An ( t ) sin [ 2π ξn ( t ) ] , An ∈  (10)

n

1.2.3 Matching pursuit

Les décompositions et représentations obtenues fournissent une

liste non exhaustive et quantitative du signal. Si ces composantes
Figure 6 – Partition sont discrètes, il est représenté par une somme de structures locali-

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Sciences fondamentales AF 4 511 − 5

Dossier délivré pour

SECTION SCIENCES
04/12/2008

ANALYSE TEMPS-FRÉQUENCE. ONDELETTES ________________________________________________________________________________________________
sées. Il est possible d’affiner la sélection de la forme des composan-
tes par le biais de l’enveloppe. Cette décomposition permet de
réaliser des mesures statistiques sur le signal, comme des histo-
grammes, et de trouver des lois entre les paramètres. Elle offre de
plus la possibilité de filtrer proprement et de manière sélective, non
plus par rapport à une gamme de fréquences ou à un seuil arbi-
traire, mais par rapport à l’énergie de chaque structure.
Cette méthode atteint vite ses limites pour retrouver des lois de
modulation, on sort alors de la définition initiale de somme de struc-
tures localisées discrètes.
Cette approche est très intéressante pour décrire un signal
s ( t ) comme une somme de composantes discrètes, pouvant
être très différentes, dépendant de quatre paramètres fixes : le
temps b, la fréquence ξ , l’échelle a et l’enveloppe g ( t ) :
1  t – bj 
∑ Aj --------
2iπ i j t
s(t ) = - g j  -------------  e
j a  aj 
j
1.3 Conclusion
La classification des méthodes n’a pas de frontière rigide. Il est
clair qu’un phénomène physique peut être composé de structures
continues et discrètes, et qu’une loi discrète peut se voir comme une
loi continue particulière (et vice versa). Néanmoins, elle fixe un
cadre général, qui aide dans le choix des outils à appliquer.
Quelle que soit la transformation effectuée, elle ne peut remplacer
l’information perdue lors de l’acquisition du signal, ni valider la
méthode de mesure. Bien que les figures puissent être distinctes,
l’information mise en avant est toujours la même, mais visualisée
d’une manière différente.
Les diverses méthodes décrites peuvent maintenant être appli-
quées à des cas concrets. Il est important de penser à interpréter les
résultats comme de la physique, sous-jacente derrière le signal,
et non comme des formules mathématiques. De même, il faut
essayer de bien extraire l’information pertinente, sans se laisser
« influencer » par l’outil.
2. Exemples d’applications
Depuis les années 1980, il est possible de trouver dans la littéra-
ture un grand nombre d’exemples d’utilisations pratiques de la
transformée en ondelettes. Il est possible de diviser ces applications
en deux catégories différentes suivant que l’outil « ondelettes » sert
à compresser l’information contenue dans le signal ou à l’analyser.
L’action de compresser consiste à traduire dans un langage donné
le signal initial avec un nombre de mots réduit. On peut discerner
dans ce cas deux types de compression, celle qui consiste à conser-
ver toute l’information initiale et celle qui ne retient que la partie la
plus énergétique. Dans cet objectif, l’utilisation de la transformée en
ondelettes permet dans de nombreux cas, de déceler dans le signal
initial les événements utiles pour sa compréhension (continuité,
gradient) et de ne conserver in fine que les coefficients associés.
Parmi les applications, il est possible de citer les travaux de Tzannes
[2] sur la transmission à haut débit d’information dans des fils
de cuivre, de Mallat [3][4], Rioul [5], Wisnoe [6] sur le traitement
d’images, de Coifman et Wickerhauser [7][8] sur la compression
d’empreintes digitales pour le FBI.
L’autre catégorie de travaux utilisant la transformée en ondelettes
consiste à déployer le signal afin d’accroître sa lisibilité. Une pre-
mière opération peut consister à nettoyer ce dernier en éliminant sa
composante bruit afin de mettre en évidence le signal utile. C’est ce
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
AF 4 511 − 6 © Techniques de l’Ingénieur, traité Sciences fondamentales
Dossier délivré pour
SECTION SCIENCES
04/12/2008
que nomme plus poétiquement Barbara Burke Hubbard [9] « couper
les mauvaises herbes en épargnant les marguerites ». En traitement
d’image, cette opération a pour effet de rendre plus nette une
image. Au-delà de ce travail de nettoyage, la transformée en onde-
lettes doit être vue comme un outil d’analyse performant d’aide à la
compréhension des phénomènes physiques. Parmi les nombreuses
applications, on peut citer des travaux allant de l’étude de l’effet du
courant marin El Niño sur la vitesse de rotation de la Terre en géo-
physique, la détection et la reconnaissance de la signature d’un héli-
coptère en traitement de signaux radar, la reconnaissance vocale en
automatique, l’analyse de signaux turbulents en mécanique des flui-
des ou encore l’identification de sous-amas en astrophysique [10].
Une autre application de la transformée en ondelettes à la fron-
tière entre la compression et l’analyse concerne l’utilisation de ces
techniques pour améliorer les simulations. Un exemple de cette
approche peut être les travaux de Marie Farge sur la turbulence
[11][12]. Dans cette application, Farge utilise la transformée en
ondelettes, d’une part comme outil d’analyse afin de détecter des
, Aj ∈  (11)
structures cohérentes, d’identifier les chemins de transfert d’énergie
entre les échelles, et d’autre part pour déterminer les zones où il est
nécessaire d’investir sur le plan des calculs et les zones où il est pos-
sible de faire des économies.
Pour illustrer ces différentes applications, nous nous focalisons
volontairement sur des applications orientées vers l’analyse de
signaux turbulents en mécanique des fluides puisque c’est là que se
situe notre compétence. Néanmoins, nous essayons, à partir des
exemples choisis, de fournir au lecteur des informations sur le type
d’informations pouvant être obtenu à partir de la transformée en
ondelettes. Ces informations peuvent être extrapolées à d’autres
domaines de la physique.
2.1 Détection d’intermittence
2.1.1 Analyse de la transition
laminaire/turbulente sur un disque tournant
Une première application de la transformée en ondelettes
concerne la détection de transition correspondant à l’apparition
d’intermittence dans le signal. Un premier exemple est donné par
Liandrat [13] qui utilise cet outil pour détecter la transition laminaire/
turbulent à proximité de la paroi d’un disque en rotation. Les diffé-
rentes études menées sur ce projet montrent que le point de transi-
tion dépend d’un nombre adimensionnel appelé nombre de
Reynolds défini d’une façon générale par :
UL
Re = -------- (12)
ν
avec U une vitesse,
L une longeur,
ν une viscosité.
L’expérience réalisée consiste à analyser des signaux de vitesse
obtenus au voisinage de la paroi du disque à différentes positions
radiales. Au fur et à mesure que l’on s’éloigne de l’axe, la vitesse
ainsi que le nombre de Reynolds augmentent. Sur les signaux de
vitesse, on voit tout d’abord apparaître une oscillation harmonique
correspondant à une instabilité hydrodynamique puis, pour de plus
grandes valeurs, des spots turbulents tout d’abord de façon spora-
dique puis quasi continue.
L’analyse développée par Liandrat consiste à définir à partir d’une
transformée en ondelettes, une fonction d’intermittence caractéri-
sant la présence des spots turbulents. Cette fonction F ( t ) , basée sur
une mesure d’écart-type de la fluctuation de la fréquence instanta-
née, vaut 1 lorsque le signal est turbulent, 0 sinon. À partir de cette
fonction, Liandrat calcule pour chaque signal un facteur d’intermit-
tence qui consiste à comparer le temps global pour lequel la fonction
Dossier délivré pour
SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
________________________________________________________________________________________________ ANALYSE TEMPS-FRÉQUENCE. ONDELETTES
F ( t ) est égale à 1 par rapport au temps total du signal. Ce facteur Γ
est compris entre 0 (aucun spot) et 1 (écoulement totalement turbu-
lent). La valeur du rayon, et donc du nombre de Reynolds, pour
lequel Γ est égal à 0,5 correspond au point de transition.
2.1.2 Analyse du signal à l’aval d’un barreau
prismatique
Une approche similaire a été suivie par Martinez pour l’analyse de
signaux de vitesse à l’aval d’un obstacle [1]. Si l’étude de l’écoule-
ment derrière un obstacle est courante dans de nombreux domai-
nes (profil d’aile, voitures de course, débitmétrie…), le cas
expérimental choisi est un débitmètre à tourbillons, dont on essaie
d’améliorer la précision face à des perturbations amont.
Le principe du débitmètre à tourbillons (ou vortex) [R 2 285] con-
siste à placer dans la conduite, normalement à l’écoulement, un
obstacle de forme géométrique donnée. Il provoque l’apparition
d’une double rangée de tourbillons alternés en aval.
Pour une gamme étendue du nombre de Reynolds Re , on
observe que la fréquence adimensionnelle Sr (encore appelée
nombre de Strouhal) reste constante :
h d’appréhender de manière visuelle les phénomènes existants. Pour
Sr = ------- ν d
U0
avec h (m) la hauteur du barreau,
U 0 (m/s) la vitesse amont,
ν d (Hz) la fréquence de détachement.
Cette relation permet de déterminer la vitesse de l’écoulement et
donc le débit à partir d’une mesure de fréquence.
Nota : dans ce cas, Re est calculé à partir d’une vitesse de référence, telle que la vitesse
amont U0 , et de la hauteur du barreau h.
Dans des configurations industrielles, ce débitmètre peut être
situé à l’aval de divers éléments de conduite (coude, vanne, té…) qui
viennent modifier la nature de l’écoulement à l’amont du barreau et
perturber le détachement tourbillonnaire à l’aval du barreau. Dans
ce cadre, Martinez a utilisé la transformée en ondelettes pour analy-
ser la répercussion d’une rotation d’ensemble du fluide à l’amont du
barreau sur la qualité du signal mesuré à l’aval.
2.1.2.1 Résultats
Le travail réalisé consiste à déterminer l’influence de l’intensité de
la rotation caractérisée par un index Ω variant de 0 à 1, sur la fré-
quence de détachement et sur le rapport signal/bruit. L’analyse est
réalisée sur des signaux de vitesse obtenus à l’aval du barreau.
Les premiers résultats, issus de transformées de Fourier [14],
montrent qualitativement que l’augmentation de l’intensité de rota-
tion génère une diminution du niveau du pic autour de la fréquence
de détachement ν d ainsi qu’un élargissement de celui-ci. Ces deux
modifications peuvent provenir :
— d’une disparition temporaire du phénomène (intermittence), et
donc d’un temps d’existence réduit ;
— d’un « affaiblissement » du phénomène (énergie plus faible à
la fréquence caractéristique) ;
— d’une fluctuation de la fréquence de détachement, introduisant
une bande de fréquences de détachement.
Les précédentes conclusions amènent à introduire la qualité du
signal Q [14] comme grandeur physique caractérisant l’évolution du
détachement tourbillonnaire lors de l’apparition de la rotation. La
qualité Q correspond à la variance du signal, calculée dans une
bande de fréquence ∆ ν centrée sur la fréquence de détachement
ν d , à laquelle on enlève le bruit contenu dans cette plage de fré-
quences, en le supposant identique à l’extérieur. Enfin, pour adi-
mensionnaliser le résultat, on le divise par la variance globale du
signal. Cette grandeur peut être vue comme un pourcentage d’éner-
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Sciences fondamentales
Dossier délivré pour
SECTION SCIENCES
04/12/2008
gie dans une bande encadrant la fréquence de détachement rame-
née à l’énergie totale du spectre. Afin de comparer les valeurs
obtenues pour différentes intensités de rotation, les résultats sont
ensuite normalisés par le cas sans perturbation (giration nulle)
Q(0).
On utilise le nombre adimensionnel Ω rattaché à l’expérimenta-
tion. Ω est le rapport du débit tangentiel sur le débit total dans la
conduite. Il varie de 0 (pas de rotation) à 1 (rotation maximale).
L’évolution de Q en fonction de Ω présente trois parties distinctes
(figure 8) :
— pour les faibles intensités de rotation ( Ω variant de 0 à 0,2), Q
est proche de Q ( 0 ) : il semble que la giration n’ait aucune influence
sur le phénomène de détachement tourbillonnaire ;
— pour les valeurs proches de 0,25, le rapport devient supérieur
à 1. Il y a augmentation du niveau d’énergie du signal pour la fré-
quence de Strouhal. Il semble que le phénomène de détachement
soit amélioré ;
— pour les intensités supérieures à 0,3, la courbe décroît puis
tend vers 0. La fréquence de détachement tourbillonnaire disparaît.
L’échappement périodique est détruit, le signal n’a plus de compo-
sante caractéristique.
Les représentations temps-fréquence (densités d’énergie) obte-
nues à partir des transformées en ondelettes (figure 9) permettent
(13) Ω = 0, 13 (figure 9a), la fréquence de détachement est stable, légè-
rement fluctuante, sans intermittence. Pour Ω = 0, 25 (figure 9b),
la fréquence de détachement est stable, pratiquement fixe et sans
intermittence. Pour Ω = 0, 42 (figure 9c), la fréquence de détache-
ment est moins nette et surtout disparaît régulièrement.
Les conclusions suivantes peuvent être déduites :
— l’intermittence est plus marquée pour les fortes valeurs de
l’intensité de rotation ;
— la fréquence de détachement a tendance à fluctuer dans une
bande de plus en plus large, pour finalement disparaître à mesure
que la giration augmente.
À partir des outils d’analyse détaillés dans [AF 4 510] (§ 2), Marti-
nez détermine pour les différents signaux, l’évolution des lois de
modulation en fréquence (figure 10) et en amplitude à partir des
méthodes suivantes :
— squelette ;
— signature ;
— enveloppe du signal (amplitude instantanée du signal analyti-
que associé). Elle s’obtient par reconstruction à partir des coeffi-
cients les plus importants autour de la fréquence de détachement de
la transformée en ondelettes ;
— évolution des maxima de la transformée (en supposant que le
bruit extérieur ne perturbe pas la représentation).
1,25
1,00
Q (Ω )/Q (O)
0,75
0,50
0,25
0
0 0,10 0,20 0,30 0,40 0,50 0,60 0,70
Ω
Figure 8 – Évolution de la qualité du signal Q adimensionnalisé
par sa valeur dans le cas non perturbé, en fonction de l’intensité
de rotation Ω
AF 4 511 − 7
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
ANALYSE TEMPS-FRÉQUENCE. ONDELETTES ________________________________________________________________________________________________

ν (Hr)

r (σ )
a Ω = 0,13

b Ω = 0,25 c Ω = 0,42

Figure 9 – Signatures temps-fréquence suivant le swirl (giration)

La corrélation entre les résultats est bonne aux instants d’exis-
tence du phénomène. Lorsque celui-ci disparaît (intermittence), on
observe, pour les diverses méthodes, des hausses ou chutes bruta-
les de la fréquence instantanée, vers des valeurs quelconques liées
au bruit.
Pour mieux représenter les mesures de modulation de fréquence,
l’écart-type σ ( Ω ) , associé à la fluctuation de fréquence autour de la
fréquence moyenne pour une densité de rotation Ω est calculé. Sa
valeur est renormalisée par le cas sans perturbation (intensité de
rotation nulle) σ ( 0 ) . Cela amène à tracer l’évolution du rapport
σ(Ω = 0) ⁄ σ(Ω) .
Nota : l’évolution du rapport σ ( Ω ) ⁄ σ ( 0 ) diverge pour les fortes valeurs de Ω et donne
les graphes moins lisibles que pour la normalisation choisie ici.
Il présente une allure semblable à celle de la qualité Q du signal
(figure 11). En particulier, pour des intensités de rotation proches de
0,15 à 0,25, la fluctuation de la fréquence de détachement s’atténue
et donne un phénomène plus stable du point de vue de la périodicité
d’émission.
Nota : ces calculs ne prennent pas en compte l’intermittence existant dans le signal.
L’écart-type est mal estimé, car la disparition de l’événement donne des fréquences très dif-
férentes de la valeur moyenne, ce qui augmente sa valeur.
Afin de caractériser l’amplitude du phénomène et par là même
son existence, un coefficient d’intermittence a été introduit. L’inter-
mittence est caractéristique de la disparition du phénomène dans le
signal, soit ici du détachement tourbillonnaire. Le coefficient d’inter-
mittence I, permettant de quantifier cette influence, est défini
comme le rapport :
temps de non existence du phénomène
I = ---------------------------------------------------------------------------------------------------------------- (14)
temps total du signal
C’est un nombre sans dimension, compris entre 0 et 1 : nul pour un
détachement tourbillonnaire présent de manière continue (pas d’inter-
mittence) et égal à 1 lorsque ce phénomène disparaît complètement.
Pour calculer le coefficient d’intermittence I, le signal original est
transformé en une fonction tout ou rien caractérisant l’existence du
détachement tourbillonnaire à un instant donné à l’aide d’un seuillage

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
AF 4 511 − 8 © Techniques de l’Ingénieur, traité Sciences fondamentales

Dossier délivré pour

SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
________________________________________________________________________________________________ ANALYSE TEMPS-FRÉQUENCE. ONDELETTES

ν (Hz) 17 0,60

16 Préseuillage
15
0,50
14

13

12 0,40

11 I
10
0,30
9 Enveloppe

8
maxima (TO, k0 = 5) 0,20
7 Maxima
arête (TO, k0 = 5)
6
Squelette
5 0,10
8 9 10 11 12 13 14 15
0 0,10 0,20 0,30 0,40 0,50 0,60 Ω
t (s)

Figure 10 – Modulation de fréquence Figure 12 – Coefficient d’intermittence

intensités de rotation supérieure à 0,3, l’intermittence augmente, le

arête signal est détruit ;
1,2 maxima — l’utilisation d’un seuillage global [1] donne des résultats en
général plus intermittents que ceux obtenus ici.
Une fois l’intermittence des signaux quantifiée, il est possible de
1,0 séparer l’influence de cette disparition sur la fluctuation de fré-
quence. Pour cela, le signal de modulation de fréquence est multi-
plié par les fonctions tout ou rien représentant l’existence du
0,8 phénomène de détachement. L’écart-type est ensuite calculé hors
des plages nulles, là où le phénomène existe. Les résultats obtenus
σ (0)/σ (Ω)

montrent un comportement semblable au cas précédent (sans l’arti-

0,6 fice de calcul consistant à utiliser les fonctions tout ou rien), avec
toujours une amélioration de la stabilité de la fréquence de détache-
ment pour des valeurs de Ω proches de 0,25, puis une dégradation
0,4 pour les intensités de rotation importantes.

0,2 2.1.3 Conclusion

L’analyse menée permet, de manière simple et facilement exploi-

0 table, d’expliquer les premiers résultats obtenus (TF – transformée
0 0,1 0,2 0,3 0,4 0,5
Figure 11 – Modulation d’amplitude
des courbes. Il en est de même pour l’instant de disparition. Si les
variations du signal sont suffisamment lentes (asymptotisme), il est
possible de le discrétiser comme une suite de fonctions portes Π ( t ) ,
donnant une loi de modulation d’amplitude en escalier, qui permet
d’accéder aux instants d’apparition et de disparition des phénomènes.
La figure 12 montre l’évolution du coefficient d’intermittence
obtenu à partir soit de l’enveloppe, soit des maxima des coeffi-
cients, ou encore du squelette de la TO, en utilisant un seuillage
local. On peut conclure et remarquer que :
— les résultats issus de l’enveloppe et du squelette sont pratique-
ment identiques : le bruit extérieur reste faible et la fluctuation de
fréquence est toujours « énergétique », même si la fréquence est
loin de celle attendue, ce qui assure une bonne extraction des lois ;
— comme pour la fluctuation de fréquence, les valeurs Ω voisi-
nes de 0,15 à 0,25 paraissent plus stables, du point de vue de l’inter-
mittence et de la stabilité du détachement tourbillonnaire. Pour les
0,6 Ω de Fourier – et qualité Q du signal), ainsi que l’évolution temporelle
de la fréquence de détachement tourbillonnaire et la modulation
d’amplitude associée. Elle permet de conclure pour chaque type de
perturbation identifié.
Pour les intensités de rotation inférieures à 0,2, le taux d’intermit-
tence est constant et faible, proche de 10 %. La fluctuation de fré-
quence est constante elle aussi. Ces valeurs sont liées à la turbulence
en amont. L’écoulement est identique au cas sans giration. La giration
ne produit aucune perturbation dans l’écoulement tourbillonnaire.
Pour les intensités de rotation proches de 0,25, l’intermittence
diminue, ce qui traduit une amélioration du détachement : il dispa-
raît moins souvent. La fréquence de détachement est plus marquée,
pratiquement constante comme le suppose la théorie. La giration a
un effet bénéfique sur l’écoulement en terme de stabilité et de régu-
larité de l’émission des structures.
Pour des valeurs plus importantes, la fluctuation de fréquence aug-
mente. La fréquence de détachement prend des valeurs de plus en
plus éloignées de celle attendue. L’intermittence augmente. La mise
en rotation détruit le détachement tourbillonnaire en le rendant de
plus en plus aléatoire, pour finalement faire disparaître le phénomène.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Sciences fondamentales AF 4 511 − 9

Dossier délivré pour

SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
ANALYSE TEMPS-FRÉQUENCE. ONDELETTES ________________________________________________________________________________________________

2.2 Analyse de l’évolution de structures
tourbillonnaires à l’aval d’obstacles
Une autre application de la transformée en ondelettes consiste à
détecter dans un signal de vitesse ou de pression, la présence de
structures tourbillonnaires et de suivre à l’aide de l’analyse de plu-
sieurs signaux enregistrés simultanément, l’évolution de ces struc-
tures dans le temps, l’espace et les échelles. Plusieurs applications
de ce type d’approche peuvent être trouvées dans la littérature mais
pour illustrer notre propos, nous présentons trois travaux utilisant
différentes techniques détaillées dans [AF 4 510].
2.2.1 Analyse de l’écoulement
à l’aval d’une marche descendante
Le premier travail concerne l’analyse de l’écoulement à l’aval d’une
marche descendante caractérisée par un décollement du fluide sur
une arête vive à 90°, par la formation d’une zone de cisaillement à
l’aval du point de ce dernier et par la présence d’une zone de recircu-
lation localisée entre cette zone cisaillée et la paroi. Cette configura-
tion d’écoulement, représentative de nombreuses géométries
industrielles (déversoir, chambre de combustion, élargissement brus-
que…), provoque la formation de nombreuses structures tourbillon-
naires, de battement pouvant jouer un rôle important dans les
phénomènes de mélange, de vibration ou de combustion.
Dans leur étude, Lee et Sung [15] appliquent les méthodes d’ana-
lyse par ondelettes pour détecter et analyser l’origine des fluctua-
tions de pression mesurées à l’aide de trente-deux microphones
placés en paroi à l’aval de la marche. Pour cela, ils réalisent une
décomposition continue des signaux à l’aide de l’ondelette
« chapeau mexicain ». Une comparaison entre ces différentes trans-
formées en ondelettes permet à ces auteurs de différencier les fluc-
tuations de pression liées à la convection de grosses structures
(caractérisées par un décalage temporel entre différentes abscisses)
de celles ayant pour origine un battement d’ensemble de la zone
cisaillée (mouvement d’ensemble). Ce dernier correspond à une res-
piration de la zone recirculée. L’analyse simultanée des évolutions
temporelles des deux phénomènes apparaissant à deux fréquences
distinctes, permet de définir la relation de phase existant entre eux.
À partir de ces résultats, Lee et Sung établissent un scénario sur les
interactions entre les différentes zones de l’écoulement présentes à
l’aval de la marche. L’obtention de ces informations, nécessaire à la
compréhension des processus instationnaires de mélange, est ici
fortement facilitée par l’utilisation d’une méthode de décomposition
temps-fréquence.
plan de sortie, les fluctuations de vitesse sont en phase sur les deux
signaux et ceci, quelles que soient les fréquences détectées (mouve-
ment symétrique du jet). Par contre, pour des distances plus éloi-
gnées, l’interTO met en évidence pour une fréquence, des
fluctuations en opposition de phase caractéristiques d’un mouve-
ment dissymétrique du jet. Ce mouvement correspond à un batte-
ment du jet déjà observé par d’autres auteurs.
Comme pour l’exemple précédent, l’utilisation de l’interTO per-
met ici de différencier différents comportements instationnaires de
l’écoulement étudié. Ceux-ci n’auraient pu être mis en évidence par
des analyses classiques dans l’espace physique ou dans l’espace de
Fourier (intercorrélations, interspectres).
2.2.3 Analyse de l’écoulement dans un débitmètre
à diaphragme
Un autre exemple peut être trouvé dans la thèse de Martinez [1].
Dans ce cas, les méthodes de traitement temps-fréquence sont
appliquées à l’analyse de signaux de pression pariétale mesurés à
l’aval d’un débitmètre à diaphragme. Ce dispositif utilisé pour
mesurer le débit d’un fluide dans une canalisation comprend un ori-
fice circulaire centré sur l’axe de la conduite. Au passage de cet obs-
tacle, le fluide est accéléré, ce qui provoque une chute de pression
entre l’amont et l’aval du diaphragme. L’amplitude de la pression
différentielle est alors proportionnelle au carré du débit. L’écoule-
ment en aval se caractérise par un jet central, entouré d’une zone de
recirculation. Entre ces deux zones prend naissance une zone
cisaillée formée de structures tourbillonnaires. Martinez a étudié la
signature de ces structures sur les signaux de pression pariétale afin
de suivre leur évolution dans le temps et l’espace.
1,37D 3,22D
paroi
axe

2.2.2 Analyse des structures tourbillonnaires

à l’aval d’un jet
Une application de la méthode InterTO peut être trouvée dans le
travail de Li [16]. Cet auteur s’intéresse à la caractérisation des struc-
tures tourbillonnaires à l’aval d’un jet libre rectangulaire. Pour son
analyse, Li utilise l’ondelette de Morlet centrée sur 1 Hz. Les traite-
ments présentés sont réalisés à partir de signaux de vitesse obtenus
simultanément en différents points du jet. L’analyse réalisée à partir
de la transformée en ondelettes de l’autocorrélation d’un signal
mesuré en dehors de l’axe du jet, met en évidence la présence de
plusieurs fréquences caractéristiques.
Nota : on pourrait dénommer le résultat de ce traitement « autoTO » par analogie avec
les définitions données au paragraphe 3 de [AF 4 510].

À partir de l’interTO de deux signaux obtenus à une même dis-

tance de l’axe du jet mais à deux positions longitudinales différen-
tes, Li met en évidence un décalage temporel lié à un phénomène
convectif. À noter que l’auteur affirme, à partir de ses résultats, que
la vitesse de convection dépend de la fréquence du phénomène.
À partir d’une analyse équivalente faite sur deux signaux mesurés
à une même distance du plan de sortie du jet mais en deux posi-
tions symétriques vis-à-vis de l’axe, l’auteur montre que, proche du Figure 13 – Structures à l’aval d’un diaphragme (LES)

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
AF 4 511 − 10 © Techniques de l’Ingénieur, traité Sciences fondamentales

Dossier délivré pour

SECTION SCIENCES
04/12/2008
 Dossier délivré pour
SECTION SCIENCES
04/12/2008
________________________________________________________________________________________________ ANALYSE TEMPS-FRÉQUENCE. ONDELETTES

Dans un premier temps, des tests ont été réalisés à partir de

500 signaux issus de simulations numériques obtenues à l’aide d’une
450 méthode instationnaire (large-eddy simulation : LES). Elle consiste à
400 résoudre les équations de conservation de masse, de quantité de
350 mouvement et d’énergie pour les grandes échelles de turbulence,
300 tout en appliquant des modèles pour les petites échelles (figure 13).
ξ (Hz)

250 L’application de la méthode d’interTO permet de calculer la

200 vitesse de convection des structures tourbillonnaires en fonction
150 des échelles. Dans le cas présent, cette vitesse semble constante.
100 point plus en amont (1,2 D ) Un autre point important concerne le résultat d’un traitement de
point plus en aval (1,7 D ) type matching pursuit. En comparant le résultat de ce traitement
50
pour deux signaux de pression enregistrés simultanément en deux
0 positions distantes d’un demi-diamètre de conduite, cette méthode
– 0,005 0,000 0,005 0,010 0,015 0,020 0,025 0,030 permet de suivre l’évolution de ces structures dans l’espace. En par-
t (s) ticulier, elle permet de détecter la fusion de deux structures consé-
Les cercles positionnent le centre théorique (abscisse) en fonction de cutives, phénomène connu sous le nom de pairing (figure 14).
leur fréquence caractéristique (ordonnée). Les tourbillons peuvent ainsi
être regroupés facilement. L’extension de ces résultats sur des mesures permet d’étudier
l’influence de l’acoustique de la veine sur la signature des signaux.
Figure 14 – Représentation temps fréquence des signatures Néanmoins, le suivi des structures dans l’espace devient moins aisé
des tourbillons pour 1,2 D et 1,7 D et nécessiterait un complément d’étude.

Références bibliographiques
[1] MARTINEZ (J.). – Méthodes temps-fréquence
appliquées à l’analyse des signaux issus
d’écoulements turbulents. Thèse de doctorat,
École nationale supérieure de l’aéronautique
et de l’espace (Sup’Aéro), 1994.
[2] TZANNES (M.A.), TZANNES (M.C.), PROAKIS
(J.) et HELLER (P.N.). – DMT systems, DWMT
systems and digital filter banks. Conférence
Proceedings of ICC’94, New Orleans, IEEE,
New York, 1994.
[3] MALLAT (S.). – Multiresolution representa-
tions and wavelets. PhD Thesis, School of
engineering and applied science, university of
Pennsylvania, 1988.
[4] MALLAT (S.). – A wavelet tour of signal pro-
cessing. 2e éd., Academic Press, 1998.
[5] RIOUL (O.). – Ondelettes régulières : applica-
tion à la compression d’images fixes. Thèse
de doctorat, École nationale supérieure des
télécommunications, 1993.
[6] WISNOE (W.). – Utilisation de la méthode de
la transformée en ondelettes 2D pour l’ana-
lyse de visualisations d’écoulement. Thèse de
doctorat, École nationale supérieure de
l’aéronautique et de l’espace (Sup’Aéro),
1993.
[7] WICKERHAUSER (M.V.). – High-resolution still
picture compression. Digital Signal Proces-
sing, 2, 4, 1992.
[8] COIFMAN (R.R) et WICKERHAUSER (M.V.). –
Entropy based algorithms for best basis
selection. IEEE Transactions on Information
Theory, 32, 712-718, 1992.
[9] BURKE-HUBBARD (B.). – Ondes et ondelettes,
la saga à un outil mathématique. Pour la
Science, 1995.
[10] BIJAOUI (A.). – Astronotical image inventory
by wavelet transform. Dans MEYER (Y.),
ROQUES (S.) Progress in wavelet analysis
and applications. Frontières, 1993.
[11] FARGE (M.) et RABREAU (G.). – Transformée
en ondelettes pour détecter et analyser les
structures cohérentes dans les écoulements
turbulents bidimensionnelles. C.R. Académie
des sciences, 307, série II, p. 1 479-1 486,
1988.
[12] FARGE (M.). – Wavelet transform and their
applications to turbulence. Annual Review on
Fluid Mechanics, 24, p. 395-457, 1992.
[13] LIANDRAT (J.). – Some wavelet algorithms
for turbulence analysis and modeling. Dans
ERLEBACHER (G.), HUSSAINI (Y.), JAMESON
(L.M.) Wavelet : Theory and applications.
Oxford University Press, 1996.
[14] LANEVILLE (A.). – Signal quality of a vortex
flowmeter exposed to swirling flows. Flow
Measurement and Instrumentation, 4, 3,
p. 151-154, 1993.
[15] LEE (I.) et SUNG (H.J.). – Characteristics of
wall pressure fluctuations in separated flows
over backward-facing step : Part II. Unsteady
wavelet analysis. Experiments in Fluids, 30,
p. 273-282, 2001.
[16] LI (H.). – Identification of coherent structure in
turbulent shear flow with wavelet correlation
analysis. Journal of Fluid Engineering, Trans.
of ASME, 120, p. 778-785, 1998.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Sciences fondamentales AF 4 511 − 11

Dossier délivré pour

SECTION SCIENCES
04/12/2008