Académique Documents
Professionnel Documents
Culture Documents
K
X
s[n] = dk [n] + r[n], K ∈ N∗ .
k=1
L’interpolation spline utilisée dans la construction des enveloppes donne naissance à des
artefacts.
Le premier type d’artefacts sont des overshoots (resp. undershoots) qui correspondent
au cas où l’enveloppe des maxima (resp. minima) est plus grande (resp. petite) que le
maximum (resp.minimum) du signal.
Un deuxième problème posé par l’interpolation spline est son caractère global
(inversion d’un système linéaire). Ce problème devient crucial lorsque l’on passe en
dimension supérieure. D’autres méthodes du type interpolation d’Hermite ne présente
pas ce désavantage.
Un troisième problème provient de la régularité de l’enveloppe notamment si celle-ci
est trop régulière par rapport au signal (dans le cas des splines l’enveloppe est C 2 ).
Congrès SMAI 2007 – p. 6
15 12
10
10
8
amplitude
amplitude
5
6
4
0
2
−5
0
−10 −2
0 2 4 6 8 10 0 2 4 6 8 10
time time
Contraintes 1: On impose tout d’abord que e(tj ) ≤ s(tj ) (resp. e(tj ) ≥ s(tj )), si il y a un
maximum (resp. minimum) en tj pour s. Cela s’écrit sous la forme de contraintes de type
inégalité du type M Λ ≤ S, avec S = (1 s(t1 ), 0, 2 s(t2 ), 0, · · · , J s(tJ ), 0) et j = 1 si tj
est un maximum pour s et −1 dans le cas contraire. Avec cette convention,
M = diag(1 , 0, 2 , 0, · · · , J , 0).
Contraintes 2: Nous imposons des contraintes de symétrie sur les enveloppes des maxima
et des minima.
Supposons la séquence (s(tj−2 ), s(tj ), s(tj+2 )) monotone (ou constante) et que s a un
minimum en tj . Le symétrique Pj de (tj , s(tj )) par rapport à (tj , e(tj )) est
(tj , 2e(tj ) − s(tj )). L’enveloppe moyenne étant definie comme la moyenne de l’enveloppe
des maxima et de celle des minima Pj doit appartenir à l’enveloppe des maxima.
Comme (tj−1 , s(tj−1 )) et (tj+1 , s(tj+1 )) appartiennent à l’enveloppe des maxima, pour
préserver la monotonie des données on impose que :
On considère maintenant que (s(tj−2 ), s(tj ), s(tj+2 )) admet un extremum en tj . Selon les
cas, nous utiliserons la forme de l’enveloppe des maxima (resp. minima) pour en déduire
celle des minimas (resp. maxima).
Soit t̃j l’abscisse de l’intersection (quand elle existe) des droites L1 and L2 , definies par :
et
s(tj+2 ) − s(tj ) s(tj+1 )(tj+2 − tj ) − (s(tj+2 ) − s(tj ))tj+1
L2 : f2 (t) = t+ .
tj+2 − tj tj+2 − tj
1 1
Si t̃j > tj , on impose : 2
(f1 (tj ) + s(tj )) = e(tj ), et 2
(f2 (tj ) + s(tj )) = e(tj ), dans le cas
contraire. Ses conditions peuvent être écrites sous la forme QΛ = S3 .
Comme ej peut être vue comme l’interpolant de Hermite de e sur [tj , tj+1 ], il peut être écrit
de la manière suivante :
ej (t) = e(tj )hj,j (t) + e0 (tj )kj,j (t) + e(tj+1 )hj+1,j (t) + e0 (tj+1 )kj+1,j (t) (2)
“ ”
où hj,l (t) = 1 − 2(t − 0 (t )
tj )lj,l 2 (t) et k (t) = (t − t )l2 (t), et l
j lj,l j,l j j,l j,l est le polynôme
de Lagrange de degré 1 en tj sur l’intervalle [tl , tl+1 ], et l appartient à {j, j − 1}.
Comme on cherche une fonction qui soit globalement C 1 , il est naturel de considèrer la
fonction coût :
J−1
X Z tj+1
J(Λ) = e0j (t)2 dt
j=1 tj
J−1 „ « „ « „ «
X 6 1 1 12 1
J(Λ) = e2 (tj ) + + e(tj )e(tj+1 ) − + e(tj )e0 (tj+1 )
j=1
5 δtj δtj−1 5δtj 5
„ « „ « „ «
2 1 δt j
+e0 (tj )2 (δtj + δtj−1 ) + e0 (tj )e(tj+1 ) − + e0 (tj )e0 (tj+1 )
15 5 15
„ « „ « „ «
6 1 2
+e2 (tJ ) + e(tJ )e0 (tJ ) − + e0 (tJ )2 δtJ−1 . (3)
5δtJ−1 5 15
0.6 0.8
signal
0.6 MC (2 iterations)
0.4
M (15 iterations)
C
0.4
0.2 MO
0.2
amplitude
amplitude
0
0
−0.2
signal −0.2
MC (12 iterations)
−0.4
M (24 iterations) −0.4
C
−0.6 MO −0.6
−0.8 −0.8
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
time time
(A) (B)
Congrès SMAI 2007 – p. 14
Le cas stationnaire : On considère maintenant la famille de signaux
s(t) = cos(2πt) + a cos(2πf t), avec f ∈]0, 1[ et a > 0. Numériquement, on constate que
lorsque 0 < f ≤ 0.5 et 0 < a < 1, la séparation entre les deux modes est presque parfaite.
De plus, si la séparation est correcte pour un a donné, elle sera aussi efficace pour un a plus
petit. On compare donc les enveloppes données par l’approche EMD classique et par notre
méthode pour a = 1 et f variant, f étant plus petit que 0.5.
signal
2 2 low frequency tone 2
signal MO
low frequency tone
MO 1.5 MC (2 iterations) 1.5
1.5
MC (5 iterations)
1 1
1
0.5 0.5
amplitude
amplitude
amplitude
0.5
0 0
0
−0.5 −0.5
−0.5
−1 −1
signal
low frequency tone
−1 MO
−1.5 −1.5
M (2 iterations)
C
−1.5 −2 −2
2 4 6 8 10 12 14 16 18 2 4 6 8 10 12 14 16 18 0 2 4 6 8 10 12 14 16 18 20
time time time
L’approche proposée est performante lorsque les signaux etudiés n’ont qu’un seul
point d’inflexion entre chaque extremum. Dans ces cas, l’EMD produit un premier
mode dont le nombre d’extrema est égal à celui du signal.
Lorsque qu’il existe plus d’un point d’inflexion entre chaque extremum, le procédé de
sifting tend à rajouter des extrema (Huang 1999), ce qui n’est pas pris en compte par
l’algorithme d’optimisation proposé, on parle alors d’échelles cachées. Comment
l’EMD fonctionne dans de tel cas reste encore à étudier plus en détail.