Transparents du cours temps-fréquence - CREATIS
Transcription
Transparents du cours temps-fréquence - CREATIS
Analyse temps fréquence des signaux P. DELACHARTRE D. VRAY CREATIS INSA-LYON Plan I - SIGNAL ANALYTIQUE FREQUENCE INSTANTANEE • GRANDEURS LOCALES : AMPLITUDE ET FREQUENCE INSTANTANEES • TRANSFORMEE DE HILBERT • SIGNAL ANALYTIQUE • REPRESENTATION D’UN SIGNAL PAR SON ENVELOPPE ET SA PHASE • EXEMPLES II - TRANSFORMEE DE FOURIER A COURT TERME ET SPECTROGRAMME • • • • LE PLAN TEMPS-FREQUENCE REPRESENTATIONS TEMPS-FREQUENCE LINEAIRES REPRESENTATIONS TEMPS-FREQUENCE BILINEAIRES EXEMPLES 2 Exemple introductif • Signal 1 : somme de deux sinus f1=0,1 et f2=0,2 • Signal 2 : sinus avec rupture de fréquence f1=0,1 et f2=0,2 SIGNAL 1 SIGNAL 2 TEMPS FREQUENCE 3 Introduction Espace de représentation Evolution temporelle Regarder sous un autre angle Choix de l'espace de représentation Signaux stationnaires décision la détection l'estimation la classification la reconnaissance analyse spectrale Signaux non-stationnaires ou localement stationnaires domaine temporel ------------- domaine fréquentiel méthodes temps-fréquence 4 Classification des méthodes temps fréquence • Représentations linéaires – Transformée de Fourier à court terme – Décomposition de Gabor – Transformées en ondelettes • Représentations quadratiques – Spectrogramme – Fonction d’ambiguïté – Distribution de Wigner-Ville 5 Autre classification des méthodes temps fréquence • Méthodes instantanées – Notion d’amplitude et de fréquence instantanées – Signal analytique • Méthodes glissantes – Issues de l’analyse de Fourier – Transformée de Fourier à court terme • Méthodes conjointes – Aucune hypothèse concernant la stationarité – Transformation de Wigner-Ville 6 Grandeurs locales : amplitude et fréquence instantanées • Notion de « spectre instantané » ou de fréquence localisée dans le temps • Exemple de la portée en musique – Le temps est indiqué horizontalement – La fréquence est indiquée verticalement • Toutefois, l’axe des temps et des fréquences ont une résolution fixée • Analogie limitée : – Dans le cas de la portée musicale, il s’agit de synthèse : • RTF Production du signal sonore – Analyse : • Signal RTF 7 Signal analytique et transformée de Hilbert pour un signal monochromatique • Signal réel : [ ] x ( t ) = a cos 2πf 0 t = Re ae j2πf 0 t = Re[z x ( t )] – Amplitude de x(t) – Fréquence de x(t) module de zx(t) dérivée de la phase de zx (t) • Signal analytique : z x ( t ) = ae j2πf 0 t = a cos 2πf 0 t + ja sin 2πf 0 t ∨ z x (t ) = x (t) + j x (t ) • Partie réelle et imaginaire sont en quadrature (déphasée de π/2) • Transformée de Fourier : ∨ Z x (f ) = X(f ) + j X (f ) = aδ (f − f 0 ) • Spectre unilatéral a f0 8 Signal analytique et transformée de Hilbert pour un signal monochromatique (suite) • Remarque : a [δ (f + f 0 ) + δ (f − f 0 )] et 2 ∨ ja X(f ) = [δ (f + f 0 ) − δ (f − f 0 )] = − jsgn (f )X(f ) 2 X (f ) = Z x (f ) = X (f ) + j( − jsgn (f ))X (f ) = 2 U (f )X (f ) Sgn(f) +1 +1 +2 = + f -1 U(f) : échelon de Heaviside. Le filtrage linéaire de gain complexe –j sgn(f) transforme la⌣partie réelle en partie imaginaire de zx(t) et réciproquement X(f) = jsgn(f)X(f) ( ) Transformée de Hilbert ⌣ x(t) = H {x(t )} 9 Exemple d’une onde monochromatique x ( t ) = A cos 2πf 0 t = Re{ Ae j2 πf 0t } a) signal cosinus b) TF du signal cosinus (reelle) amplitude amplitude 1 0 -1 0 10 20 20 0 -20 -40 -0.5 30 0 0.5 frequence reduite d) TF du signal sinus (imaginaire) temps c) signal sinus amplitude amplitude 1 0 -1 0 10 20 20 0 -20 -40 -0.5 30 0 0.5 frequence reduite f) TF de l'exponentielle complexe amplitude amplitude temps e) exponentielle complexe (reel et imag) 1 0 -1 0 10 20 temps 30 20 0 -20 -40 -0.5 0 frequence reduite 0.5 10 Extension à d’autres types de signaux • On peut associer à tout signal réel x(t) le signal analytique (complexe) correspondant : z x (t) = x(t) + jH{x(t)} • H désigne la transformée de Hilbert. Par référence au cas monochromatique, on peut définir une amplitude instantanée (enveloppe) et une fréquence instantanée f x ( t ) : 1 d (arg z x ) (t ) rx ( t ) = z x ( t ) et f x ( t ) = 2π dt • En fréquence la TF du signal analytique est la forme unilatérale de celle du signal réel : rx ( t ) Z x (f ) = X(f ) + j(− jsgn (f ))X(f ) = 2U(f )X(f ) 11 Transformée de Hilbert ∨ La TH associe à un signal x(t), le signal x ( t ) défini par : ∞ 1 ∞ x (τ) x(t) = ∫ dτ = ∫ g ( t − τ) x (τ)dτ = g ( t ) * x ( t ) π −∞ t − τ −∞ ∨ C'est une opération de filtrage du signal x(t) par un système 1 linéaire de réponse impulsionnelle g(t) = ∨ πt ∨ 1 X (f ) = Fx ( t ) = F * F{x ( t )} = − jsgn (f ) X (f ) πt Signal analytique : ∨ z x (t ) = x(t ) + j x (t ) On a donc bien∨: Z x (f ) = X(f ) + j X(f ) = (1 + jsgn (f ))X(f ) = 2 U (f )X(f ) Le signal analytique ne possède pas de fréquences négatives 12 Propriétés de la transformée de Hilbert • Linéarité – La transformée de Hilbert est une opération linéaire puisque définit comme un produit de convolution • Produit de convolution ∨ ∨ ∨ z ( t ) = x ( t ) * y ( t ) = x ( t ) * y( t ) • Déphasage ∨ et ∨ x ( t ) * y( t ) = − x ( t ) * y( t ) ∨ – Les signaux x ( t ) et x ( t ) sont en quadratures et ∨ X (f ) = − jsgn (f )X (f ) donne : ∨ ∨ X(f ) = X(f ) et Arg[X (f )] = Arg[X (f )] − π sgn (f ) 2 La TH se comporte donc comme un déphaseur pur de ±π/2 ±π 13 Représentation d’un signal par son enveloppe et sa phase Signal analytique associé à x(t) : z x ( t ) = rx ( t ) exp[ jΦ x ( t )] Et donc naturellement : Re[z x ( t )] = rx ( t ) cos[Φ x ( t )] Hypothèses, limitations spectre de rx(t) basse fréquence et spectre de cos[Φ x ( t )] haute fréquence et disjoint signaux bande étroite à faible modulation Enveloppe : rx ( t ) = z x ( t ) Phase instantanée : Φ x ( t ) = arg[z x ( t )] 1 dΦ x ( t ) Fréquence instantanée : f x ( t ) = 2π dt 1 d arg[Z x (f )] t ( f ) = − Retard de groupe : x 2π df 14 Exemple d’un signal sinusoïdal x ( t ) = A sin(2πf 0 t ) Signal analytique : z x ( t ) = A[sin(2πf 0 t ) + j sin(2πf 0 t − π / 2)] z x ( t ) = A[sin(2πf 0 t ) − j cos(2πf 0 t )] z x ( t ) = A exp( j2πf 0 t ) exp(− jπ / 2) Enveloppe : rx ( t ) = z x ( t ) = A Phase instantanée : Φ x ( t ) = arg[z x ( t )] = 2πf 0 t − π / 2 Fréquence instantanée : 1 dΦ x ( t ) f x (t) = = f0 2π dt fx f0 t 15 Exemple d’un signal sinusoïdal x ( t ) = A sin(2πf 0 t ) signal sinusoidal reel, f=0.05 module de la TF du signal reel 200 amplitude amplitude 1 0 -1 0 100 100 0 -0.5 200 0 -1 0 1 0.5 100 0 0 200 phase instantanee deroulee 200 0.1 frequence phase 100 frequence instantanee 100 50 0 0 0.5 enveloppe du signal reel amplitude amplitude partie reelle et imaginaire du signal analytique 1 0 0.05 100 200 0 0 100 200 16 Exemple d’un signal module linéairement en fréquence B t ]t ) 2T B Signal analytique : z x (t ) = A exp( j2π [f 0 + t ]t ) exp(− jπ / 2) 2T Enveloppe : rx ( t ) = z x ( t ) = A x ( t ) = A sin(2π [f 0 + B Phase instantanée : Φ x ( t ) = arg[z x ( t )] = 2π (f 0 + t ) t − π / 2 2T Fréquence instantanée : f x ( t ) = 1 dΦ x ( t ) = f 0 + B t 2π dt T fx f0+B f0 0 T t Loi de modulation linéaire 17 Exemple d’un signal module linéairement en fréquence B x ( t ) = A sin(2π [f 0 + t ]t ) 2T amplitude amplitude signal reel modulation linéaire de fréquence, f0=0.1, a=0.0025 1 10 0 -1 0 20 40 5 0 -0.5 60 0 -1 0 20 40 0.5 1 0.5 0 0 60 phase instantanee deroulee 20 40 60 frequence instantanee 0.4 frequence 100 50 0 0 0 enveloppe du signal reel amplitude amplitude partie reelle et imaginaire du signal analytique 1 phase TF du signal reel 20 40 60 0.2 0 0 18 20 40 60 Exemple d’un signal module linéairement en fréquence : Comparaison B x ( t ) = A sin(2π [f 0 + t ]t ) 2T SIGNAL 1 : Signal analytique théorique B z x ( t ) = exp( j2π [f 0 + t ]t ) exp(− jπ / 2) 2T SIGNAL 2 : Signal analytique calculé par TH B B z x ( t ) = sin(2π [f 0 + t ]t ) + jHsin(2π [f 0 + t ]t ) 2T 2T 19 Exemple d’un signal module linéairement en fréquence : Comparaison (suite) Re[z x ( t )], Im[z x ( t )] fx(t) SIGNAL 1 SIGNAL 2 20 Exemple d’un signal expérimental • Les signaux expérimentaux sont des signaux ultrasonores. Une onde ultrasonore est émise en direction de cibles en mouvement dans un liquide. Les ondes réfléchies par les cibles sont sensibles à la vitesse de ces cibles à cause de l’effet Doppler. L’effet Doppler provoque un changement de la fréquence de l’onde émise. Les signaux analysés ici sont démodulés par la fréquence de l’onde émise, ainsi, la fréquence du signal est directement proportionnelle à la vitesse de la cible. Les signaux présentés ici permettent de connaître la vitesse de bulles microscopiques (diamètre de quelques microns) qui se déplacent vers la surface d’un liquide. • L’onde ultrasonore est à la fréquence de 2 MHz. Après démodulation, le signal Doppler est échantillonné à la fréquence de 500 Hz. 21 Exemple d’un signal expérimental (suite) 2 v cos θ fd = f0 c f0 = 2 MHz c =1540 m/s θ = 45° Exemple : fd = 65 Hz cf d v= = 0.035m / s 2f 0 cos θ 22 Exemple d’un signal expérimental (suite) fd = 65 Hz 23 Limitations : Exemple 1 x ( t ) = exp( j2πf1t ) + exp( j2πf 2 t ) f 2 = f1 + ∆f x ( t ) = exp( j2πf1t )(1 + exp( j2π∆ft ) ) x ( t ) = 2 exp( j2πf1t ) exp( jπ∆ft ) cos(π∆ft ) Enveloppe : rx ( t ) = x ( t ) = 2 Phase instantanée : Φ x ( t ) = arg[x ( t )] = 2π (f1 + ∆f ) t + arg[cos(π∆ft )] 2 1 dΦ x ( t ) ∆f f 1 + f 2 = f1 + = Fréquence instantanée : f x ( t ) = 2π dt 2 2 fx f2 (f1+f2)/2 f1 t 24 Limitations : Exemple 1 (suite) x ( t ) = exp( j2πf1t ) + exp( j2πf 2 t ) 0 -1 0 module de la TF du signal reel 100 amplitude amplitude signal sinusoidal reel, f0=0.07, f1=0.02 1 100 50 0 -0.5 200 0 -1 0 1 0.5 100 0 0 200 phase instantanee deroulee 100 200 frequence instantanee 0.2 frequence phase 100 50 0 0 0.5 enveloppe du signal reel amplitude amplitude partie reelle et imaginaire du signal analytique 1 0 0.1 100 200 0 0 100 200 25 Limitations : Exemple 2 x ( t ) = δ ( t − t1 ) + δ ( t − t 2 ) X (f ) = exp( − j2πft1 ) + exp( − j2πft 2 ) t 2 = t 1 + ∆t X (f ) = exp( − j2πft1 )(1 + exp( − j2πf∆t ) ) X (f ) = 2 exp( − j2πft1 ) exp( − jπf∆t ) cos(πf∆t ) ∆t Phase : arg[X (f )] = −2πf ( t 1 + ) + arg[cos(πf∆t )] 2 1 d arg[X (f )] ∆t t1 + t 2 Retard de groupe : t x (f ) = − = t1 + = 2π df 2 2 tx t2 (t1+t2)/2 t1 f 26 Représentation temps-fréquence • Vers une représentation temps-fréquence RTF Tx ( t , f ) • Représentation schématique de ce qui est souhaitable f f δ(t-t0) f0 exp(j2πf0t) t t t0 f f Exp(j2πt²α/2) exp(-αt²) α t t 27 Le plan temps-fréquence • Domaine temporel ------------ domaine fréquentiel • Dans le spectre : information délocalisée en temps • Signal à durée limitée et signal à bande limitée • Inégalité d'Heisenberg-Gabor : 1 ∆t . ∆f ≥ 4π • Pour une gaussienne BT ≥1/2 28 Analyse temps-fréquence SIGNAL 1 - Les méthodes : Méthodes temps-fréquence IMAGE TEMPS-FREQUENCE 2 - Quoi extraire ? Traitement d’images, pré-traitement, Segmentation IMAGE TEMPS-FREQUENCE EPUREE 3 - Comment paramétrer ? Reconnaissance de formes, codage, modélisation DESCRIPTEURS 4 - Quelle décision ? DECISION Classification, identification 29 Représentations temps-fréquence linéaires • Décomposition du signal sur une famille de signaux élémentaires – Transformée de Fourier à court terme – Décomposition de Gabor – Transformée en ondelettes • Propriété de linéarité x(t ) = c1x1 (t ) + c2 x2 (t ) ⇒ Tx (t , f ) = c1Tx (t , f ) + c2Tx (t , f ) 1 2 30 Transformée de Fourier à Court Terme (TFCT) • TFCT du signal x(t) définie par : +∞ TFCTx(t,f;h)= ∫ x(τ)h*(τ−t)e − j2πfτdτ −∞ • Interprétation : x t(τ)=x(τ)h*(τ−t) +∞ TFCTx(t,f;h)=Xt(f)= ∫ x t(τ)e − j2πfτdτ −∞ TF locale au voisinage de t. • Autre définition : +∞ − j2πft X t(f)=X(f)⊗H*(−f)e = ∫ X(ξ)H*(ξ−f)e j2π(ξ−f)tdξ −∞ TFCTx(t,f;h)=e − j2πtf +∞ j2πξt X ( ξ ) H * ( ξ − f ) e dξ ∫ −∞ TFCT obtenue en filtrant x(t) par un filtre passebande de réponse fréquentielle H*(ξ ξ-f) centré sur f 31 Transformée de Fourier à Court Terme (TFCT) • Résolution en temps et en fréquence x1(t)=δ(t−t0) +∞ TFCTx 1 (t,f;h)= ∫ δ(τ−t0)h*(τ−t)e− j2πfτdτ=e− j2πt 0f h*(t0 −t) −∞ f h(t) t0 t 32 Transformée de Fourier à Court Terme (TFCT) x2(t)=e j2πf0t +∞ TFCTx 2 (t,f;h)= ∫δ(ξ−f0)H*(ξ−f)e j2π(ξ−f)tdξ=e j2π(f0 −f)t H*(f0 −f) −∞ f f0 H(f) t Compromis entre résolution en temps et en fréquence exprimé par l’inégalité d'Heisenberg-Gabor. 33 Décomposition de GABOR Notion « d’atomes temps-fréquence » Définition +∞ +∞ x ( t ) = ∑ ∑ Gx n , k gnk ( t ) avec gnk ( t ) = g ( t − nT ) e j 2 πkFt n =−∞ k =−∞ Gx n , k : coefficients de Gabor Les fonctions g nk ( t ) sont appelées logon Limitations : maillage rectangulaire f t 34 Transformée en ondelettes Représentation temps-échelle continue : +∞ Tx(t,a)= ∫ x(s)h*ta(s)ds avec h*ta(s)= 1 h(s−t ) a −∞ a Représentation Temps-Fréquence pour a = f / f0 Pavage dyadique Interprétation : filtres à Q-constant (Q = f0 / B) f t 35 Représentations temps-fréquence bilinéaires Distribution d’énergie +∞ +∞ • Energie de x(t) : Ex = ∫ x(t) dt= ∫ X(f) df 2 −∞ 2 2 −∞ x ( t ) et X ( f ) 2 : densités d’énergie respectivement temporelle et spectrale. Rechercher une grandeur mixte Tx ( t , une densité conjointe telle que : f) qui sera +∞+∞ Ex = ∫ ∫Tx(t,f)dtdf −∞−∞ Le « spectre instantané » Tx ( t , f ) est censé « déployer » l’énergie du signal Deux contraintes naturelles : +∞ ∫Tx(t,f)dt= X(f) =Px(f) et −∞ 2 +∞ ∫Tx(t,f)df = x(t) =px(t) −∞ 2 36 Représentations temps-fréquence bilinéaires Principe de superposition quadratique x(t ) = c1 x1 (t ) + c2 x2 (t ) ⇒ Tx (t , f ) = c1 Tx (t , f ) + c2 Tx (t , f ) + c1c2*Tx ,x (t , f ) + c2c1*Tx ,x (t , f ) 2 2 1 2 1 2 2 1 Théorème de Wigner : Il n'existe pas de représentation temps-fréquence qui soit à la fois bilinéaire, à distributions marginales correctes, et partout non négative. 37 Spectrogramme Le Sonagraphe Le principe peut être modélisé ainsi : 2 +∞ Sx(t,f;h)= ∫ X(ξ)H*(ξ−f)e j2πξt dξ −∞ Spectrogramme ou sonagramme donc aussi : +∞ Sx(t,f;h)= ∫ x(τ)h*(τ−t)e− j2πfτdτ 2 −∞ non négatif et à valeur réelle Choix de la fenêtre d’analyse Le spectrogramme est le module carré de la TFCT 38 Effet de la longueur de la fenêtre 39 Distribution de Wigner-Ville (DWV) Définition +∞ τ * τ − j2 πfτ Wx , y ( t , f ) = ∫ x ( t + ) y ( t − )e dτ 2 2 −∞ Propriétés Structure des interférences Soit : x ( t ) = x 1 ( t ) + x 2 ( t ) avec et x 1 ( t ) = x 0 ( t − t 1 )e j2 πf1t x 2 ( t ) = x 0 ( t − t 2 )e j2 πf 2 t Les termes d’interférences sont localisées autour du temps t 12 t1 + t 2 f1 + f 2 = et de la fréquence f12 = 2 2 40 Distribution de Wigner-Ville (DWV) (suite) La fréquence des oscillations est f1 − f 2 dans la direction du temps et la fréquence des oscillations est t 1 − t 2 dans la direction de la fréquence f direction des oscillations Ix1,x2(t,f) 1/(f1-f2) Wx2(t,f) (t2,f2) Wx1(t,f) 1/(t1-t2) (t1,f1) t 41 Distribution de Wigner-Ville (DWV) (suite) 42 Distribution de Wigner-Ville (DWV) (suite) 43 Fonction d’Ambiguïté (FA) Définition +∞ τ ∗ τ − j2 πξt A x , y (τ, ξ) = ∫ x ( t + ) y ( t − )e dt 2 2 −∞ +∞ ξ ∗ ξ − j2 πξτ = ∫ X (f + ) Y ( f − )e df 2 2 −∞ Fonction corrélative temps-fréquence La DWV et la FA sont duales A x , y (τ, ξ) = +∞ +∞ ∫ − j 2 π ( ξt − τf ) W ( t , f ) e dtdf ∫ x,y − ∞− ∞ Réduction des interférences 44 Lissage des distributions de Wigner-Ville Classe des DWV lissées (classe de Cohen) : Px ( t , f , Φ ) = Ou +∞ +∞ +∞ τ * τ − j2 πfτ j2 πξ ( s − t ) e Φ ( τ , ξ ) x ( s + ) x ( s − )e dξdsdτ ∫−∞ −∫∞ −∫∞ 2 2 Px ( t , f , Φ ) = Wx ( t, f ) ∗ ∗ϕ( t , f ) ϕ( t , f ) est la fonction de lissage de la DWV Caractérisation dans le domaine des corrélations dualité domaine des corrélations et domaine des distributions d’énergie : Wx ( t , f , ϕ) = Wx ( t , f ) ∗ ∗ϕ( t , f ) վ 2D TF վ 2D TF վ 2D TF A x (τ, ξ, Φ ) = A x (τ, ξ) x Φ (τ, ξ) 45 Lissage des distributions de Wigner-Ville (suite) La Distribution de Pseudo Wigner Ville (DPWV) est une WignerVille à court terme. On introduit une fenêtre temporelle h d'observation τ = T τ ∗ τ 2 τ − j2 πfτ PWx ( t , f ) = ∫ x ( t + ) x ( t − )h ( )e dτ 2 2 2 τ = − Th h La DPWV réalise un lissage dans la direction des fréquences uniquement Les interférences ne seront pas atténuées dans la direction du temps Le lissage "fréquentiel" sera important pour une fenêtre h(t) courte La Distribution de Pseudo Wigner Ville lissée (DPWV lissée) est une Pseudo-Wigner-Ville sur laquelle a été introduit une fenêtre fréquentielle g et donc un lissage temporel. Le lissage temporel est indépendant du lissage fréquentiel. 46 Distribution de Choï-Williams La distribution de Choï-Williams (CW) est une des nombreuses distributions qui proposent de réduire les termes d'interférences La fonction noyau est une gaussienne paramétrée par une variance s On retrouve la DWV pour s qui tend vers l'infini +∞ +∞ 2 σ − 2σ 2 (s − t ) 2 / τ 2 τ ∗ τ − j2 πfτ CWx ( t, f ) = e x (s + ) x (s − )e dsdτ ∫ ∫ π − ∞− ∞ τ 2 2 47 Exemples • Analyse de signaux Sonar – Signaux du fond sous-marin – Signaux de cibles acoustiques 48 Bibliographie • P. Flandrin, Temps-fréquence, Hermès, Paris, 1993 • F. Hlawatsch et G.F. Boudreaux-Bartels, "Linear and Quadratic Time-Frequency Representations", IEEE Signal Processing Magazine, Vol. 9, N°2, April 1992 • F. Hlawatsch, "Time-Frequency Methods For Signal Processing", Traitement du signal - développements récents, Ecole pré-doctorale de physique, Session VI, Septembre 1993 • O. Rioul et M. Vetterli, "Wavelets and Signal Processing", IEEE Signal Processing Magazine, Vol. 8, N°4, Octob er 1991 • M. Basseville, P. Flandrin, N. Martin, "Méthodes TempsFréquence", Traitement du Signal, Vol. 9, Supplément au N°1 49