Les ondelettes

Introduction

 Signal : représentation temps/amplitude

 Dans certains cas, une interprétation de la
fréquence serait plus parlante
 Exemple avec l’électro-cardiographie :
• Électro-cardiogramme = signal du domaine
temporel
• Pour repérer une pathologie : observer les
différentes fréquences du signal
 But : représenter un signal par rapport aux
différentes fréquences qui le compose
 Solution de départ : Transformée de Fourier
(fréquence/amplitude)
Sommaire

 L’étude des fréquences

 La transformée de Fourier
 La transformée de Fourier fenêtrée

 Une meilleure résolution

 La transformée en ondelettes continue
 La transformée en ondelettes discrète
La transformée de Fourier
La transformée de Fourier
 On peut connaître quelles fréquences constituent le signal

Signal du domaine temporel (50 Hz)

Transformée de Fourier du signal

 TF : explication détaillée
 Décompose le signal en fonctions exponentielles complexes
de différentes fréquences


 x( t )  e
2 j ft
X( f )  dt (1) Transformée de Fourier de x(t)


x( t )  

X ( f )  e 2 j ft df (2) Transformée de Fourier
inverse de X(f) = recomposition
du signal dans le temps
x : signal temporel
X : signal dans le domaine fréquenciel
t : temps
f : fréquence
TF : interprétation

 L’intégrale est calculée pour chacune

des valeurs de f
 Si l’équation (1) a une valeur élevée
> Une grande partie du signal est
constituée de la fréquence f et
inversement…
TF : remarque

 L’intégrale s’effectue sur toutes les

valeurs du temps (-inf à +inf)
> peu importe l’instant où la
composante f (fréquence) apparaît, le
résultat n’en sera pas affecté
TF : inconvénient

 Inconvénient : on ne peut pas situer

dans le temps les fréquences
mesurées
 Correspondance temps-fréquence
inexistante
 Transformée de Fourier efficace pour
des signaux stationnaires*
* Signaux dont le contenu en fréquence ne change pas
au cours du temps (ne dépend pas du temps)
 TF : inconvénient – suite…

Signal stationnaire +
Transformée de Fourier

Signal non stationnaire +

Transformée de Fourier
 TF : inconvénient – suite…

Signal 1

Transformée de Fourier des signaux 1 et 2

Signal 2
La seule façon de différencier ces 2 signaux est de conserver l’information du temps
inexistante dans la transformée de Fourier
La transfomée de Fourier fenêtrée
La Transformée de Fourier
fenêtrée

 Problème de la TF : pas idéale pour

étudier un signal non-stationnaire
 L’idée : découper le signal non-
stationnaire pour récupérer des
morceaux de signal « stationnaire »
 morceaux = fenêtre
TFF : c’est quoi ?

 Consiste à appliquer la TF pour

chaque morceau du signal contenu
dans la fenêtre
 Décaler la fenêtre tout le long du
signal
 L’emplacement de la fenêtre sur le
signal nous donnera l’information de
temps qui manquait à la TF
 TFF : mais encore ?

 Fenêtre représentée par une fonction de

fenêtrage w
! TFF = STFT


STFTX( w ) ( t', f )  [ x( t )  w* ( t  t')].e  j 2 ft dt
t
(4)

 Calcul pour chaque valeur de f et t’ = on

calcule une TF à différents instants du
signal
> représentation temps-fréquence du signal
 TFF : ça ressemble à quoi ?
Chaque fenêtre peut être située en temps
entre 0 et 250 ms : 300 Hz = information temps - fréquence
entre 250 et 500 ms : 200 Hz
entre 500 et 750 ms : 100 Hz
entre 750 et 1000 ms : 30 Hz

Représentation d’un signal non-stationnaire Transformée de Fourier fenêtrée du signal

TFF : faut pas rêver…

 On constate un problème de
résolution
= problème au niveau de la largeur de
la fenêtre
TFF : moi pas avoir compris
problème…
 Choisir une fenêtre suffisamment étroite pour
considérer le signal stationnaire
 + la fenêtre est étroite + la résolution en
temps est bonne + la résolution en
fréquence est mauvaise et inversement…
 Faire le bon choix de fenêtrage par rapport à
l’allure du signal car la TFF s’effectue avec
une fenêtre de taille fixe
 TFF : moi pas avoir compris
problème…

En augmentant la largeur de la fenêtre, on perd de la précision (résolution) au niveau du temps

mais on en gagne pour les fréquences
La transformée en ondelettes continue
La transformée en ondelettes continue

 Même principe que la TFF

 Différence majeure : on utilise une
fenêtre (dans notre cas une ondelette
mère) dont la largeur est variable
 But : obtenir plus de précisions dans
les résultats en fonction du type de
fréquences (hautes ou basses)
= résoudre le problème de résolution
 Les ondelettes en détails

1  t  
CWTx (  ,s )  x (  ,s ) 
s
 x( t ) * 
 s
 dt

( 3.1 )

(t) = ondelette mère (fonction de fenêtrage qui possède 2 coefficients)

S = échelle (coefficient de dilatation de l’ondelette) = 1/f
 = coefficient de translation (déplacement de la fenêtre le long du signal)
> utilité : récupérer l’information de temps en fonction de la position de la
fenêtre sur le signal comme pour la TFF
 L’ondelette mère et son échelle

 Grâce au coefficient d’échelle on obtient des versions

différentes (dilatées ou compressées) de fenêtre à
partir d’une même ondelette mère

Ondelette (mère) de Haar

Autres versions de l’ondelette mère après compression ou dilatation

(à partir de l’ondelette de Morlet)

Ondelette (mère) de Morlet

La multirésolution
 La fenêtre sélectionne les fréquences à la seule condition
quelles correspondent à l’échelle choisie
 L’idée : étudier le signal avec des échelles différentes
 But : utilisation d’une fenêtre appropriée pour chaque
fréquence du signal (basses, hautes)
 Fenêtre étroite pour les hautes fréquences = bonne
résolution temporelle, moins bonne résolution en
fréquence
 Fenêtre large pour les basses fréquences = bonne
résolution en fréquence, moins bonne pour le temps
 efficace pour la plupart des applications pratiques
(hautes fréquences sur courtes durées et basses
fréquences sur longues durées)
Les différentes étapes de la
transformée
 Choix du type d’ondelette mère
 initialisation de l’échelle et du paramètre de
décalage
 Étude des fréquences de la portion de
signal contenue dans la fenêtre (ondelette
mère) qui correspondent à l’échelle
 Décalage de l’ondelette le long du signal
par rapport à 
 Choix d’une nouvelle valeur pour l’échelle
 interprétation
 Si une composante du signal = valeur courante de S le
résultat est élevé sinon il est faible voire nulle

Si S est faible : résultat élevé Si S est élevé : résultat élevé

vers 100 ms et faible ailleurs pour pratiquement tout le signal
(beaucoup de basses fréquences)
La transformée en ondelettes discrète
La transformée en ondelettes discrète

 Principe > séparer le signal en deux

composantes représentant :
 l'allure générale du signal (basses
fréquences)
 les détails du signal (hautes
fréquences)
La transformée en ondelettes discrète

 Pour séparer le signal, on utilise deux

filtres complémentaires :
 un filtre passe-bas (allure générale =
approximation)
 un filtre passe-haut (détails)

* Filtres complémentaires = paire de

filtres miroirs en quadrature
La transformée en ondelettes discrète

 filtre = ondelette avec une échelle

adaptée aux fréquences à récupérer
 Un filtre agit comme l’ondelette mère
sur le signal
 Bien choisir l ’échelle
 La transformée en ondelettes discrète

 Une fois filtré (on obtient 2 signaux de

taille N), le signal est échantillonné

Filtrage sous-échantillonnage

> permet de transformer un signal de longueur N (détails + approximation)

en deux signaux de longueur N/2
La transformée en ondelettes discrète

 Grâce à la multirésolution
(changement d’échelle) et aux
capacités des deux filtres, on peut
recommencer à filtrer et
échantillonner l’approximation
 On peut donc identifier les différentes
résolutions
 A chaque itération, on divise la
résolution par 2
La transformée inverse

 = reconstruction (ou synthèse) du signal à partir des

coefficients d’ondelettes
 Coefficients d’ondelettes = approximation + détails
 Inutile de conserver tous les signaux d’approximation
car : « A(n) = A(n+1)+D(n+1) »

 On peut conserver seulement la dernière

approximation pour faire une bonne reconstruction
La transformée inverse

 On sur-échantillonne les coefficients d'un

facteur 2 à chaque itération
 Les coefficients n’ont pas la même taille
(N/2, N/4, N/8, N/16, etc.) que le signal de
base (N)
 doubler à chaque pas la longueur de
l'approximation et du détail en introduisant
un zéro entre chaque échantillon
 On recombine l’approximation et les détails
Conclusion : nouvelles applications

 Compression d’images (fingerprint

database FBI)
 Débruitage

 Étude de la turbulence

 Analyse d’images (satellites)