Analyse TF

Analyse Temps-Frquence et Temps-Echelle O.
Rioul
Analyse Temps-Frquence et Temps-Echelle

Olivier Rioul
Dept. COMELEC GET/ENST olivier.rioul@enst.fr perso.enst.fr/rioul/
Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires Botes outils Bibliographie
Formation Continue Temps-frquence & Temps-chelle 2005-2007
Plan
Notion de frquence Notion de rsolution (temps et frquence) Pourquoi lanalyse temps-frquence ? Transforme de Fourier Court-Terme Transforme en Ondelettes Transformations bilinaires Botes outils
O. Rioul Frquence
Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme
Ondelettes Transformations bilinaires
Botes outils Bibliographie
Transforme de Fourier (T.F.)

Analyse Temps-Frquence et Temps-Echelle O. Rioul
Pour des signaux 1D : Description temporelle : Signal vu comme une fonction x(t) de la variable temps t R Description frquentielle : Transforme de Fourier X (f ) =
R
Frquence
Transforme de Fourier Proprits de la TF Conservation de lnergie Discrtisations
Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires Botes outils Bibliographie
x(t)e 2jft dt
fonction de la variable (duale) de frquence f R
Valeurs complexes
Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence
Noter que X (f ) C, mme pour un signal rel La T.F. dun signal rel est symtrie hermitienne :
X (f ) = X (f ) On peut donc se limiter aux frquences 0 pour un x(t) valeurs relles Signal analytique : z(t) C tel que Z (f ) = 2X+ (f ) Il est commode de supposer dans la suite que x(t) est dj analytique : x(t) = z(t).
En mathmatiques...
Attention
Lintgrale x(t)e 2jft dt
R
na souvent aucun sens .

Signaux L1 intgrables :
|x(t)| dt < . La T.F. X (f ) est continue et borne. Signaux L2 de carr intgrable (dnergie nie) : x
2
Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes
|x(t)| dt <
Transformations bilinaires Botes outils Bibliographie
La T.F. X (f ) est elle-mme L2 (cf. Parseval), passage la limite dans L2 de lintgrale tronque.
En mathmatiques...
Cadre gnral
Signaux S (distribution tempre) : x(t) = O(t ). La T.F. X (f ) est elle mme tempre.
Frquence
Exemple : impulsion de Dirac

e
2jft
dt = (f )
e 2jft df = (t)
Inversion
Reconstruction du signal
x(t) =
R
X (f )e
2jft
df
Frquence
Transforme de Fourier Proprits de la TF
Dmonstration.
x( )e 2jf d e 2jft df = = x( ) e 2jf (t ) df d
Conservation de lnergie Discrtisations
Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires Botes outils
x( )(t )d
= x(t)
Les TF directe et inverse ont des formes similaires (et donc
Bibliographie
des proprits similaires). Dualit temps-frquence : t f
Translation/Modulation
Translation Modulation
x(t)e
2jf0 t
T.F.
T.F.
O. Rioul Frquence
X (f f0 )
x(t t0 ) X (f )e 2jft0
T.F.
Rsolution temps-frquence Pourquoi lanalyse temps-frquence ?
Dmonstration.
X (f ) =
R
x(t t0 )e 2jf (t+t0 ) dt x(t)e

R 2j(f f0 )t
T.F. Court Terme Ondelettes Transformations bilinaires
X (f f0 ) =
dt
Impulsion/Onde pure
Impulsion (Dirac) Onde pure (sinusode)

e 2jf0 t (f f0 ) (t t0 ) e 2jft0
T.F. T.F.
T.F.
O. Rioul Frquence
Dmonstration.
Par translation/modulation partir de e 2jft dt = (f ) et de la formule duale.
Convolution
Convolution Produit
x(u)y(t u)du X (f )Y (f )
T.F.
T.F.
O. Rioul Frquence
Dmonstration.
x(u)y(t u)du e
2jft
dt y(t u)e 2jf (tu) dtdu
x(u)e 2jfu
Ondelettes Transformations bilinaires Botes outils Bibliographie
= X (f )Y (f ) Translation : convolution par (t t0 )
Drivation
Drivation Produit par 2jf
x (t) 2jfX (f )
T.F.
T.F.

Dmonstration.
Intgration par parties : x (t)e 2jft dt = (2jf ) x(t)e 2jft dt
Drivation : convolution par Dualit rgularit/dcroissance l : Th. de Bernstein : bande limite = toutes drives bornes Irrgularit = composantes de frquences leves. Exemples : rectangle et sinus cardinal, triangle et (sinus cardinal)2
Dilatation/Contraction
Dilatation Contraction
La transforme de Fourier transforme dilatation en contraction et vice versa : t T.F. 1 aX (af ) x a a
Paramtre a > 0 En temps : dilatation (a > 1) ou contraction (a < 1)
T.F.
Dmonstration.
Changement de variable : 1 a x t a a e 2jft dt = a x(t)e 2jaft dt
Bibliographie
Conservation de lnergie
Transforme de Fourier Proprits de la TF Conservation de lnergie
Relation de Parseval-Plancherel (dans L )

|x(t)|2 dt = |X (f )|2 df
Dmonstration.
X (f )X (f ) df = = x(t)x (u)e 2jf (ut) df dt du x(t)x (u)(t u) dt du =
Discrtisations
x(t)x (t)dt
La transforme de Fourier conserve lnergie (isomtrie). |x(t)|2 : densit temporelle dnergie (puissance instantane) |X (f )|2 : densit frquentielle (spectrale) dnergie (dsp)
Produit scalaire temps ou frquence

Gnralisation : Relation de Parseval

x(t)y (t) dt = X (f )Y (f ) df
Dmonstration.
Similaire au cas de la norme (nergie x 2 =< x|x >). N.B. Le produit scalaire dcoule de la norme : 4 < x|y >= x + y
2
x y
+ j x + jy
j x jy
Temps discret
Pour un signal temps discret xn = x(nT ) : transforme de Fourier X (f ) =
n
xn e 2jnfT
frquence priodique (de priode 1/T ) reconstruction (srie de Fourier) :
xn = T
<1/T>
X (f )e 2jnfT df
nergie (Parseval) :
Transformations bilinaires
|xn |2 = T
n <1/T>
|X (f )|2 df
Temps et frquence discrets

Pour un signal dure limite x0 , x1 , . . . , xN 1 : transforme de Fourier discrte
N 1
Xk =
n=0
xn e 2jnk/N
Frquence
algorithmes rapides (FFT de toutes sortes) temps et frquence priodiques (de longueur N ) reconstruction :
xn =
nergie (Parseval) :
N 1
1 N
N 1
Xk e 2jnk/N
k=0
|xn |2 =
n=0
1 N
N 1
Bibliographie
|Xk |2
k=0
Dans un corps ni
Pour un signal q-aire x0 , x1 , . . . , xN 1 Fq (corps ni q lments) transforme de Fourier discrte dans un corps ni :
N 1
Xk =
n=0
xn nk
est dordre N (N = 1 implique N |q m 1) et Xk Fq m
(sur-corps localisateur) reconstruction : xn = N 1
N 1
Ondelettes
Xk nk
k=0
utile en algbre (codes correcteurs derreurs, etc) gnralisation : indicage sur un groupe de caractres {}
Autres discrtisations
Note
Des discrtisations similaires sont possibles pour tout ce qui
va suivre (analyse temps-frquence, transformes bilinaires, etc.) cest indispensable pour limplantation (toolboxes) ce nest pas trivial ! (plusieurs mthodes) [nous resterons discrets sur la discrtisation...]
Rsolution temporelle ou frquentielle

Energie E =
|x(t)|2 dt =
|X (f )|2 df
O. Rioul Frquence
Dnition
Centre temporel/frquentiel dnergie : esprance mathmatique < t >=
1 E
Rsolution temps-frquence
Principe dincertitude Dcomposition de signaux
t|x(t)| dt
< f >=
1 E
f |X (f )| dt
Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes
Dnition
Rsolution temporelle/frquentielle : dispertion dnergie
s t =
1 E
Z (t < t >)2 |x(t)|2 dt f =
s
1 E
Z (f < f >)2 |X (f )|2 dt
Ingalit de Weyl-Heisenberg
Thorme (Weyl, 1931)
Si x(t), tx(t), x (t) L2 alors x(t)
2
2 tx(t) x (t)
avec galit ssi x(t) est une gaussienne.
Dmonstration.
x (t)dt = 2 x(t)
2 2
tx(t)x (t)dt
int. par parties Cauchy-Schwarz.
2 tx(t) x (t)
avec galit ssi x (t)/x(t) t. Lingalit de Weyl est clbre pour son application la mcanique quantique (principe dincertitude dHeisenberg).
Principe dincertitude
Principe dincertitude temps-frquence

Pour tout signal x(t) dnergie nie avec t et f nis : t f 1 4
Frquence Rsolution temps-frquence

avec galit ssi x(t) est une gaussienne.
Pourquoi lanalyse temps-frquence ? T.F. Court Terme
Dmonstration.
On se ramne < t >= 0 par translation dans le temps, < f >= 0 par modulation frquentielle. On a E = x(t) 2 = X (f ) 2 et par la formule de drivation x (t) 2 = |2j|2 fX (f ) 2 . Do Weyl : x(t) 2 2 tx(t) x (t) scrit E 4 tx(t) fX (f ) = 4Etf .
Principe dincertitude : moralit

Limitation fondamentale de la transforme de Fourier : On ne
peut pas tre la fois prcis en temps et en frquence Bonne localisation temporelle mauvaise localisation frquentielle, et vice versa (il faudra faire un choix) La gaussienne a la meilleure localisation temps-frquence x(t) = 1 2 2 e
(t)2 2 2
Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires Botes outils Bibliographie
Dcomposition temporelle
On peut (toujours) crire : x(t) = x(u)(t u) du

(t) lment neutre pour la convolution Cest une dcomposition de x(t) sur des fonctions de base
translates (t u) : t = 0 Les fonctions de base (t u) ont pour T.F. e 2jfu : f = . Conclusion : Le principe dincertitude est vri la limite : t = 0 f =
Dcomposition frquentielle
Synthse spectrale par TF inverse : x(t) = X ()e 2jt d
O. Rioul Frquence Rsolution temps-frquence

Dcomposition sur des fonctions de base e 2jt (ondes pures)
ternelles : t =
Les fonctions de base ont pour T.F. (f ) : f = 0
Conclusion : Le principe dincertitude est vri la limite : t = f = 0
La frquence est globale : gomme laspect temporel
Note sur la dcomposition spectrale

Dans la dcomposition : x(t) = X (f )e 2jft df
Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence Rsolution temps-frquence
Orthonormalit entre fonctions de base oscillant des
frquences direntes : <e

2jft
|e
2jt
>= (f )
La Transforme de Fourier est donc le produit scalaire :
X (f ) =< x(t)|e
2jft
>
coecient de la dcomposition de x(t). Indique la ressemblance de x(t) contre une onde pure. Synthse : somme (continue) des projections orthonormales sur les fonctions de base.
Signaux stationnaires
Dnition
Signal stationnaire : dont les caractristiques (spectrales) ne varient pas dans le temps. Lanalyse spectrale (de Fourier) est bien adapte.

Cas stationnaire Cas non stationnaire Frquence dpendant du temps
Exemples
Onde pure Combinaison linaire dondes pures (harmoniques)
Besoin dune vritable analyse temps-frquence
T.F. Court Terme Ondelettes Transformations bilinaires Botes outils Bibliographie
Filtrage stationnaire
Dnition
Filtre : Transformation linaire F invariante dans le temps Puisque x(t) = x(t) (t) = F(x(t)) = x(u)(t u) du : x(u)F()(t u) du
Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ?
Cas stationnaire Cas non stationnaire Frquence dpendant du temps Besoin dune vritable analyse temps-frquence
Rponse impulsionnelle : h(t) = F()(t). F(x(t)) = x(u)h(t u) du (Convolution)
T.F. Court Terme Ondelettes
Sur la base de Fourier : Y (f ) = H (f )X (f ) . La TF diagonalise le ltre. Vecteurs propres : les ondes pures e 2jft . Valeurs propres : H (f ) (rponse frquentielle)
Modlisation par ltrage linaire

Un exemple doutil du stationnaire :
Modlisation par ltrage linaire

Le signal (alatoire stationnaire) x(t) est modlis comme sortie dun ltre h(t) excit par un bruit blanc e(t) La densit spectrale de puissance en sortie est donne par la formule de ltrage : Sxx (f ) = See (f )|H (f )|2 |H (f )|2 Applications : analyse de signal par modle linaire AR, ARMA,... codage par prdiction linaire (parole, son) ...
Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ?

Signaux non-stationnaires
Dnition
Signal non stationnaire : dont les caractristiques (spectrales) varient au cours du temps.
Exemple
Morceau de musique : chaque note a un temps dmission et une hauteur.
Lessentiel de linformation est porte par les
non-stationnarits : Dbut, n, transitoires Lanalyse spectrale perd linformation temporelle puisquelle moyenne sur tous les temps. Approche par morceaux : adapter les outils du stationnaire (TF, modle linaire) aux variations dans le temps.
Mthodes paramtriques
Une solution : Modles paramtriques sur tranches
temporelles du signal (supposes localement stationnaires). Exemples de mthodes spectrales paramtriques : AR, ARMA, MUSIC Mthodes adaptatives/volutives Problme : Ncessit destimer lordre du modle au l de leau Connaissance a priori dicile exploiter sur les non-stationnarits.
Mthodes non-paramtriques
Alternative : analyse globale des caractristiques spectrales
dpendantes du temps : analyse temps-frquence. Aucune connaissance a priori ncessaire : universel On vite le problme de lestimation de lordre dun modle Problme : Choix du type danalyse. Lanalyse peut jouer le rle dun modle . Dicult dinterprtation de lanalyse (principe dincertitude, interfrences).

Frquence instantane
Premire ide (simple) : dnir une frquence locale (qui dpend du temps)
Ecrire le signal modul en amplitude et en phase (signal
analytique frquences positives) x(t) = a(t)e j(t)

Les variations de la phase dnissent la frquence
T.F. Court Terme Ondelettes Transformations bilinaires
instantane : fx (t) = 1 2 t
Frquence instantane et retard de groupe

Cas stationnaire Cas non stationnaire Frquence dpendant du temps
Exemples
La frquence instantane de cos(2f0 t) est fx (t) = f0
(constante) Chirp (signal modul linairement en frquence) : la frquence instantane de cos(2(at 2 + bt)) est fx (t) = 2at + b Notion duale : les variations frquentielles de phase de X (f ) = A(f )e j(f ) dnissent le retard de groupe : temps dpendant de la frquence tx (f ) = 1 2 f
Besoin dune vritable analyse temps-frquence
Exemple : (t t0 ) a pour retard de groupe tx (f ) = t0
Limitations
La mthode f (t) ne convient qu des signaux de type VCO. Pour deux chirps simultans
cos(2(at 2 + bt)) + cos(2(a t 2 + b t)), les frquences locales sont moyennes : horrible ! Il faut donc disposer dune dimension supplmentaire, i.e., dnir une amplitude dpendant du temps et de la frquence : Ax (t, f ) (reprsentation 3D) Analogie : partition musicale
Fentre glissante sur la TF

Ide
Analyse de Fourier sur tranches temporelles du signal (supposes localement stationnaires) : fentre glissante h(t ) On obtient :
O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme
Fentrage Dcomposition sur des fonctions de base Groupe de transformations
Transforme de Fourier court-terme

Sx (, f ) = x(t)h (t )e 2jft dt
Rsolution de lidentit Spectrogramme Mono-rsolution
(STFT : Short-Time Fourier Transform) Le paramtre permet danalyser (spectralement) linformation tous les instants.
Choix de la fentre
La notion de frquence f dpend ici du choix de la fentre
Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme

Fentrage Dcomposition sur des fonctions de base Groupe de transformations Rsolution de lidentit Spectrogramme Mono-rsolution
analysante h(t) et de sa longueur. h(t) = rectangle (mauvaise localisation frquentielle), gaussienne (meilleure localisation temps-frquence : Gabor, 1946), ... en temps-discret : Bartlett, Hamming, Hanning, Blackman, Chebyshev, Kaiser (suivant critre de localisation frquentielle : lobes secondaires, equiripples, etc.) Ici la fentre est sautante ( est discrtis)
Dcomposition sur les fonctions de base

On peut interprter la STFT comme des produits scalaires :
Sx (t, f ) =< x(t)|h(t )e 2jft > contre des fonctions de base. Les fonctions de base sont des fentres modules (ex : Gabor). Atomes temps-frquence Par Parseval : Sx (t, f ) =< X ()|H ( f )e
2j(f )
>
Rsolution de lidentit Spectrogramme
fonctions de base en frquence Lanalyse temps-frquence est aussi une analyse frquence-temps
Mono-rsolution
Illustration
Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme
Dualit ligne/colonne
Sur les lignes (pour chaque f ) :
Sx (t, f ) =< x(t)|h(t )e

Sur les colonnes (pour chaque t) :
2jft
>

Sx (t, f ) = e 2jf T.F.1 de X ()H ( f ) Filtrage avec rponses frquentielles H ( f ) Bancs de ltres uniforme (largeur de bande f constante)
Groupe de Weyl-Heisenberg
Groupe de translation/modulation de Weyl-Heisenberg :
O. Rioul Frquence
(t, ) (t , f )
Action ( gauche) sur la fentre analysante :

h,f (t) = h(t )e 2jft H,f () = H ( f )e

2j(f )
Mesure (de Haar) invariante par le groupe :
d(t, f ) = dtdf
Relation avec les tats cohrents de la Mcanique Quantique...
Rsolution de lidentit
Orthonormalit temps-frquence
ht,f ( )ht,f (u)d(t, f ) = (u )

Fentrage
On dit aussi fermeture ou rsolution de lidentit
Dmonstration.
h( t)h (u t)e
2jf (u )
Dcomposition sur des fonctions de base Groupe de transformations
dt df = Eh (u )
Rsolution de lidentit Spectrogramme
OK pour une fentre admissible (dnergie nie) normalise (Eh = 1)
Mono-rsolution
Par rsolution de lidentit dans lexpression Sx (t, f )ht,f ( )d(t, f ) = on obtient x( ) = Sx (t, f )ht,f ( )d(t, f )
x(u)ht,f (u)ht,f ( )d(t, f )du

Fentrage Dcomposition sur des fonctions de base Groupe de transformations Rsolution de lidentit Spectrogramme
(reconstruction du signal par sommation des projections)
Inversibilit de la STFT
x( ) = Sx (t, f )h(t )e 2jft dtdf
Mono-rsolution
Ondelettes
Possibilit de modlisation temps-frquence par STFT (squelette...)
Noyau reproduisant
La rsolution de lidentit scrit

ht,f ( )ht,f (u)d(t, f ) = (u )
Notion duale : Noyau reproduisant :

Fentrage Dcomposition sur des fonctions de base
K (t, f , u, ) =
ht,f ( )hu, ( )d
Cest la transforme de latome temps-frquence analys par
Groupe de transformations Rsolution de lidentit Spectrogramme Mono-rsolution
lui-mme Explication du terme Noyau reproduisant : Sx (u, ) = K (t, f , u, )Sx (t, f )d(t, f )
Spectrogramme
Dnition
Spectrogramme : |Sx (t, f )|2 Cest une distribution dnergie temps-frquence :
E= |Sx (t, f )|2 dtdf
T.F. Court Terme

Fentrage Dcomposition sur des fonctions de base
Dmonstration.
Lintgrale est x( ) x (u)
ht,f ( )ht,f (u)d(t, f )d du
Groupe de transformations Rsolution de lidentit Spectrogramme Mono-rsolution
o par rsolution de lidentit, lintgrale en (t, f ) vaut (u ).
Gnralisation au produit scalaire

Formule de type Parseval :

< x|y >=
Sx (t, f )Sy (t, f )dtdf

Dmonstration.
Mme preuve que pour < x|x >= x
2
Rsolution de lidentit Spectrogramme Mono-rsolution
Analyse Mono-rsolution
Pourquoi Mono-rsolution ?
Parce que les fonctions de base h(t )e 2jft sont toutes de mme rsolutions t, f (vriant lingalit dincertitude)
Exemples
x(t) = (t t0 ) donne |Sx (t, f )|2 = |h(t0 t)|2 x(t) = e 2jf0 t donne |Sx (t, f )|2 = |H (f0 f )|2 Pour voir des zones oscillatoires (stationnaires), prendre
une fentre longue. Pour voir des zones transitoires (non stationnaires), recommencer toute lanalyse avec une fentre courte.
Illustration
Pour une large classe de signaux rels, les zones dnergie sont
surtout non stationnaires sur des priodes courtes haute frquence. Do lide dune analyse multirsolution :
t petit (f grand) dans les frquences hautes f petit (t grand) dans les frquences basses
Groupe ane
On suit la mme dmarche que pour la STFT, mais pour un
autre groupe de transformations :

Groupe ane ax + b de translation/dilatation Action sur un h(t)
1 h,a (t) = h a
t a

Dcomposition sur des ondelettes Multirsolution Reconstruction Scalogramme Echelle et frquence Exemples danalyse de signaux
(le facteur 1/ a sert normaliser lnergie)

Dilatation si a > 1 Contraction si a < 1
Mesure invariante ( gauche) par le groupe :
d(t, a) =
dtda a2
Relation avec les tats cohrents anes de la McaQ
Dcomposition sur les ondelettes

Les h,a (t) sont utilises comme fonctions de base, appeles Ondelettes
O. Rioul Frquence
Transforme en ondelettes
1 Cx (, a) = a x(t)h t a dt
(CWT : continuous wavelet transform)

La CWT forme des produits scalaires contre les fonctions de
Ondelettes
Dcomposition sur des ondelettes Multirsolution Reconstruction Scalogramme Echelle et frquence
base ondelettes Cx (, a) =< x(t)|h,a (t) >

Les ondelettes sont les Atomes temps-chelle (, a)
Exemples danalyse de signaux
Analyse Multi-rsolution
Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes
Dcomposition sur des ondelettes Multirsolution
Pourquoi multi-rsolution ?
Parce que les ondelettes sont de rsolutions direntes t, f (avec ingalit dincertitude) : 1 h a t a
T.F.
aH (af )e 2jf
t petit (f grand) dans les chelles a faibles, et f petit (t grand) dans les chelles a hautes.
Reconstruction Scalogramme Echelle et frquence Exemples danalyse de signaux
Illustration
Calcul en colonnes
Par Parseval : Cx (, a) =< X ()|H,a () >= aT.F.1 de X ()H (a)
Bancs de ltres Q-constant (rponses frquentielles H (a))

Rsolution de lidentit
Orthonormalit temps-chelle
ht,a ( )ht,a (u)d(t, a) = (u )
Dmonstration.
1 a h t h a =a ut a dt da a2 H (a)H (a)e
2j( u)
Ondelettes
Dcomposition sur des ondelettes Multirsolution Reconstruction
da d 2 a
Scalogramme Echelle et frquence Exemples danalyse de signaux
= Ah (u ) OK si londelette est admissible : Ah = 1
Ondelette admissible
Ondelette admissible
Ah = (normalise Ah = 1).
Une ondelette admissible doit tre passe-bande : de valeur moyenne nulle
Frquence
|H ()|2 d < + ||

h(t) dt = 0 (do le terme

1 ||
Reconstruction Scalogramme Echelle et frquence
ondelette ) de densit spectrale dnergie
linni.
Exemples danalyse de signaux
Ondelette admissible (suite)

Exemples dondelettes (admissibles)

Ondelette de Morlet-Gabor : gaussienne module
Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes
h(t) =
1 2 2
t2 2 2
2jf0 t
Chapeau mexicain (drive seconde de gaussienne)
h(t) =
t (1 2 )e 2 2
2 t 2 2
Grce la rsolution de lidentit : Reconstruction par sommation des projections : x( ) = Cx (t, a)ht,a ( )d(t, a)
Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes
Inversibilit de la CWT
x( ) = 1 Cx (t, a) h a t a dtda a2
Possibilit de modlisation temps-chelle par CWT (squelette...)
Noyau reproduisant
La rsolution de lidentit scrit

ht,a ( )ht,a (u)d(t, a) = (u )
Notion duale : Noyau reproduisant :

K (t, a, u, ) =
ht,a ( )hu, ( )d
Cest la transforme de latome temps-chelle analys par
lui-mme Explication du terme Noyau reproduisant : Cx (u, ) = K (t, a, u, )Cx (t, a)d(t, a)
Scalogramme
Dnition
Scalogramme : |Cx (t, a)|2 Cest une distribution dnergie temps-chelle :
E= |Cx (t, a)|2 dtda a2
T.F. Court Terme Ondelettes

Dcomposition sur des ondelettes
Dmonstration.
Lintgrale est x( ) x (u)
ht,a ( )ht,a (u)d(t, a)d du
Multirsolution Reconstruction Scalogramme Echelle et frquence Exemples danalyse de signaux
Transformations bilinaires Botes outils
o par rsolution de lidentit, lintgrale en (t, a) vaut (u ).
Bibliographie
Gnralisation au produit scalaire

Formule de type Parseval :

< x|y >= dt da Cx (t, a)Cy (t, a) 2 a
Dmonstration.
Mme preuve que pour < x|x >= x
2
Quel lien entre chelle et frquence ?

Soit f0 la frquence caractristique de l ondelette-mre
h(t) (ex : ondelette de Morlet) 1 Les autres ondelettes a h t oscillent la frquence a f = f0 /a Do lidentication f0 a f
Axe (logarithmique) des chelles pointant vers le bas

Calcul par colonne (suite)

Rappel Cx (, a) = a T.F.1 de X ()H (a) (ltrage avec rponses frquentielles H (a))
Par dilatation (paramtre a), f est constant : f Filtrage Q constant : Q est la surtension (frquence centrale rapporte la largeur de bande)
Comparaison STFT-CWT
Une impulsion / 3 sinusodes
Comparaison STFT-CWT (module et phase)

Deux impulsions et deux sinusodes (ensemble)

Trois sinusodes dinstants dmission dcals

Un chirp (signal linairement modul en frquence)

Un signal de parole :
Distributions nergtiques
Gnralisation de la notion de distribution nergtique du
signal dans le plan temps-frquence (ou temps-chelle). Temps-frquence : Dnir Tx (t, f ) tel que Tx (t, f )d(t, f ) = Ex = |x(t)| dt =
2
|X (f )| df
(de mme en temps-chelle avec la mesure d(t, a)) Cas particuliers :

Spectrogramme Tx (t, f ) = |Sx (t, f )| Scalogramme Tx (t, a) = |Cx (t, a)|2
2

Covariance Classes gnrales Autres proprits attendues Distribution de Wigner-Ville Choix de noyaux
Gnralisation : produit scalaire (proprit de Moyal)

2
Tx (t, f )Ty (t, f ) dt df =
x(t)y (t) dt
Transformes bilinaires
On cherche naturellement une forme quadratique (bilinaire)
du signal : Tx (t, f ) = ou Tx (t, f ) = K (, , t, f )X ()X () d d k(u, v, t, f )x(u)x (v) du dv
Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires
avec un noyau k (ou K ). Noter que x(u)x (v) est invariante par transformation de phase : x(t) x(t)e j . On ne peut pas ici exploiter linformation sur la phase.
Covariance par le groupe

Principe fondamental :
Covariance par rapport au groupe Le principe de convariance impose une forme particulire du noyau.
Exemples
Groupe de Weyl-Heisenberg (de translation

Covariance Classes gnrales Autres proprits attendues
temps-frquence) : y(t) = x(t t0 )e 2jf0 t = Ty (t, f ) = Tx (t t0 ; f f0 )

Groupe ane (de translation-dilatation)
Distribution de Wigner-Ville Choix de noyaux
1 y(t) = x a0
t t0 a0
= Ty (t, a) = Tx
t t0 a ; a0 a0
Classe de Cohen
Par covariance temps-frquence on obtient la forme gnrale
de la Classe de Cohen (1966) : Tx (t, f ) = N ( t, f )Wx (, )d d
Cest une convolution temps-frquence (2D) dun noyau N
avec la distribution de Wigner-Ville : Wx (t, f ) = x(t + )x (t )e 2jf d 2 2
Note : on retrouve le spectrogramme en prenant N = Wh En
eet, par la formule de Moyal : Wx (t, f )Wh (t , f ) dt df = |

x(t)h, (t) dt|2 .
Classe de Rioul-Flandrin
Par covariance temps-chelle on obtient la forme gnrale de
la Classe ane (Rioul-Flandrin, 1992) : Tx (t, a) = N t , a Wx (, )d d a
Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires
Cest une convolution temps-chelle (2D) dun noyau N avec
la mme distribution de Wigner-Ville Note : on retrouve le scalogramme en prenant N = Wh
Proprit attendue : Marginales

On retrouve les densits temporelle et spectrale dnergie par marginalisation temps ou frquence : Tx (t, f )df = |x(t)|2
2
Tx (t, f )dt = |X (f )|
Proprit attendue : Moments

On retrouve la frquence instantane et le retard de groupe comme les moments dordre 1 (temps ou frquence) : Frquence instantane : fx (t) = Retard de groupe : tx (f ) = tTx (t, f ) dt Tx (t, f ) dt fTx (t, f ) df Tx (t, f ) df
Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires
Covariance Classes gnrales Autres proprits attendues Distribution de Wigner-Ville
(se gnralise aux moments dordre suprieur)
Choix de noyaux
Proprit attendue : Supports

Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires
Pour une signal de dure nie T , sa reprsentation bilinaire
a le mme support temporel. Pour une signal de bande limite B, sa reprsentation bilinaire a le mme support frquentiel. (en contradiction apparente avec le principe dincertitude : voir interfrences plus loin)
La solution : Distribution de Wigner-Ville

Bonne nouvelle [Wigner (1932) et Ville (1948)] :

La distribution de Wigner-Ville : Wx (t, f ) = x(t + )x (t )e 2jf d 2 2
a toutes les proprits ci-dessus ! En plus, elle est inversible une amplitude/phase prs : 1 x(t) = x (0) Wx t ,f 2 e
2jft

Covariance Classes gnrales Autres proprits attendues
df
Distribution de Wigner-Ville Choix de noyaux
Preuve : TF inverse pour = t/2.
Fonction dambigut
Transforme duale de Wigner-Ville : Fonction dambigut
Ax (f , ) =
x(t +
)x (t )e 2jft dt 2 2
Utile pour la discrimination/sparation temps-frquence. Exemple : Radar pour des cibles proches en distance (retard)

et en vitesse (frquence Doppler) cf. Jean-Philippe Ovarlez (ONERA/DES)
Interfrences
Mauvaise nouvelle :
La distribution nergtique temps-frquence Wx (t, f ) est relle mais pas toujours positive ! !
Trs mauvaise nouvelle :

Si x(t) = x1 (t) + x2 (t), alors (termes dinterfrence) Wx (t, f ) = Wx1 (t, f ) + Wx2 (t, f ) + Wx1 ,x2 (t, f ) + Wx2 ,x1 (t, f )
Trs gnant pour linterprtation (explique la non-positivit) N composantes donne une reprsentation temps-frquence de
N termes + N (N 1)/2 termes dinterfrences ! Do lide de lisser Wigner-Wille (par convolution) pour rduire les interfrences :
Wigner-Ville lisse
Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires
Noyaux de lissage
Wigner-Ville pseudo-lisse (pseudo signie lissage sparable
t :f ou t :a) Exemple de lissage non sparable temps-frquence pour rduire les interfrences : Choi-Williams (1989) :
Noyau gaussien en le produit des variables temps-frquence :
N (t, f ) = (TF2D)1 de e ( /)
/2

Intrt : Rduction dinterfrence en conservant les proprits
de marginales et de moments. Mthodes de lissage calcules en fonction du signal (mthodes
adaptatives non-paramtriques) Exemple : OK distribution (Optimal Kernel, Baraniuk, 1993)
Autres choix de noyaux

Principe : On fait de lanalyse sur loutil danalyse ! Chaque proprit voulue se traduit sur le noyau N Un ensemble de proprits dnit une classe de solutions
Tx (t, f ) (si elle existe !)
Impossibilits
Il est impossible de vrier la fois positivit et marginales

(ex : STFT) Il est impossible de vrier la fois positivit et Moyal (ex : Wigner-Ville)
Exemple de distribution temps-frquence : Rihaczek

Distribution de Rihaczek (1968)

Frquence
Tx (t, f ) = x(t)X (f )e 2jft

Intrt : trs simple. On en prend souvent la partie relle
Covariance Classes gnrales
(Ackroyd) Distribution s-Wigner : Transition douce entre Wigner-Ville et Rihaczek par un paramtre |s| < 1 : 2 Tx (t, f ) = 1 1 x(t + (s ) )x (t (s + ) )e 2jf d 2 2
Autres proprits attendues Distribution de Wigner-Ville Choix de noyaux
Exemple de distribution temps-frquence : Page

Distribution de Page-Levin (1950)
Tx (t, f ) = t
Intrt : Causalit
x( )e 2jf d
Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires

Ce ne sont que quelques exemples ! cf. [Flandrin93] pour une liste exhaustive de distributions
Outils standard MATLAB

Signal Processing Toolbox : specgram (spectrogram) Wavelet Toolbox : Centrale Lyon, Marne-la-Valle, Paris V et Paris Sud 1D and 2D orthogonal wavelets, paquets, denoising... cwt (continuous wavelet transform)
Outils standford WaveLab

Wavelab : www-stat.standford.edu/wavelab (Donoho,
Williams, Mallat) Trs vari (pointu) sur lanalyse par ondelettes. Squelettes, maxima, packets, interpolation, etc. Continuous tools : CWT Wigner tools : Spectrogram, WVDist, TFDist
Outils SIMPA
Bibliothque SIMPA du GDR-PRC ISIS
O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires Botes outils Bibliographie
gdr-isis.org/Applications/ Bote Outils Temps-Echelle (O. Rioul ENST, J. C. Pesquet LSS, H. Krim MIT)
Ondelettes (bi)-orthogonales, FWT, rgularit Paquets dondelettes
Bote Outils Temps-Frquence (P. Flandrin ENS Lyon etc.) tftb.nongnu.org 1996 Trs complet sur les transformations bilinaires. Frquence instantane, retard de groupe, Mellin,. . . Classe de Cohen : Spectrogramme, Wigner-Ville, Choi-Williams, Rihaczek, etc, etc ! Classe ane : Wigner-Ville liss ane, scalogramme, etc.
Un peu de lecture...
P. Flandrin. Temps-frquence. Herms, 1993. M. Akay, ed. Time-Frquency and Wavelets in Biomedical Signal Processing. IEEE Press, 1998. O. Rioul and M. Vetterli. Wavelets and Signal Processing. IEEE Signal Processing Magazine, Oct. 1991, pp. 1438. O. Rioul and P. Flandrin. Time-Scale Energy Distributions : A General Class Extending Wavelet Transforms. IEEE Trans. on Signal Processin, July 1992, 40(7) :17461757.
Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes Transformations bilinaires Botes outils Bibliographie
Mes articles ondelettes et temps-chelle sont disponibles en format PDF sur ma page Web : http://perso.enst.fr/rioul/research_old.html

Analyse TF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Analyse TF

Hochgeladen von

Copyright:

Verfügbare Formate

Analyse Temps-Frquence et Temps-Echelle O.

Analyse Temps-Frquence et Temps-Echelle

Formation Continue Temps-frquence & Temps-chelle 2005-2007

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme

Ondelettes Transformations bilinaires

Botes outils Bibliographie

Transforme de Fourier (T.F.)

fonction de la variable (duale) de frquence f R

Transforme de Fourier Proprits de la TF Conservation de lnergie Discrtisations

na souvent aucun sens .

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes

Transformations bilinaires Botes outils Bibliographie

Exemple : impulsion de Dirac

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes

Transformations bilinaires Botes outils Bibliographie

Conservation de lnergie Discrtisations

des proprits similaires). Dualit temps-frquence : t f

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ?

x(t t0 )e 2jf (t+t0 ) dt x(t)e

T.F. Court Terme Ondelettes Transformations bilinaires

Botes outils Bibliographie

Impulsion (Dirac) Onde pure (sinusode)

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes

Transformations bilinaires Botes outils Bibliographie

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme

dt y(t u)e 2jf (tu) dtdu

Ondelettes Transformations bilinaires Botes outils Bibliographie

= X (f )Y (f ) Translation : convolution par (t t0 )

Analyse Temps-Frquence et Temps-Echelle O. Rioul Frquence

Conservation de lnergie Discrtisations

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme

Ondelettes Transformations bilinaires Botes outils Bibliographie

Relation de Parseval-Plancherel (dans L )

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme

Ondelettes Transformations bilinaires

Botes outils Bibliographie

Produit scalaire temps ou frquence

Gnralisation : Relation de Parseval

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes

Transformations bilinaires Botes outils Bibliographie

frquence priodique (de priode 1/T ) reconstruction (srie de Fourier) :

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes

Botes outils Bibliographie

Temps et frquence discrets

Conservation de lnergie Discrtisations

est dordre N (N = 1 implique N |q m 1) et Xk Fq m

Rsolution temps-frquence Pourquoi lanalyse temps-frquence ? T.F. Court Terme

(sur-corps localisateur) reconstruction : xn = N 1

Transformations bilinaires Botes outils Bibliographie

Transforme de Fourier Proprits de la TF Conservation de lnergie Discrtisations

Rsolution temporelle ou frquentielle

Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes

Transformations bilinaires Botes outils Bibliographie

Z (t < t >)2 |x(t)|2 dt f =

Z (f < f >)2 |X (f )|2 dt

avec galit ssi x(t) est une gaussienne.

Pourquoi lanalyse temps-frquence ? T.F. Court Terme Ondelettes

int. par parties Cauchy-Schwarz.

Transformations bilinaires Botes outils Bibliographie

Principe dincertitude temps-frquence

Frquence Rsolution temps-frquence

avec galit ssi x(t) est une gaussienne.

Pourquoi lanalyse temps-frquence ? T.F. Court Terme