Discussion :

[Hatorii]

Bonjour,

je cherche un/des algorithmes que je pourrais utiliser pour :
1. Débruiter des signaux avec un rapport signal sur bruit (très) faible, Mais au moins supérieur à 1.
2. Reconnaitre des motifs au seins de mes signaux.

Les signaux proviennent d'un accéléromètre posé sur une partie du corp, ils sont échantilloné à 200 Hz. Le mouvement que l'on cherche à identifier est relativement caractéristique et avec un emplitude réduite, d'ou le RSB faible.
Le problème est qu'il est additionné au autres mouvements du corps captés par l'accéléromètre qui, eux, possèdent des amplitudes très variées.
Globalement, tout les mouvements du corp sont centrés autoure de 10 Hz.

Jusque là j'ai :
- Débruité mes signaux avec une transformée en ondelettes et tenté une reconnaissance avec un réseaux de neuronnes tout simple (une couche d'entrée, un couche intermediaire, une couche de sortie).
- Débruité mes signaux par filtrage et tenté une reconnaisance avec un réseaux de neuronnes tout simple.
- Débruité mes signaux par filtrage et tenté une reconaissance par Analyse en composante principales (ACP) où chaque individu en entrée de l'ACP sont des vecteurs de données (mean, var, ...) constitué à partir des signaux.

Et donc mes résultats ne sont pas très probant. Ainsi, est-ce que j'utilise les bonnes méthodes et/ou est-ce qu'il existe des algorithmes plus performant que je puisse utiliser pour ce genre de problème ?

Je sais que l'analyse en composante indépendante (ACI) est assez performante pour démélanger des singaux, mais je n'ai qu'un seul capteur, alors qu'il en faut plusieurs pour l'ACI.

[mach1974]

Il faut utiliser les filtres de kalman non linéaires .

[Nebulix]

Des corrélations peut être ?
Avec des exemples, ce serait plus facile.

[Hatorii]

Voici deux exemples. j'ai entouré sur les deux courbes la partie concernant mon motif que je cherche à identifier.
La partie relativement plate avant, correspond à un temps sans bouger. La partie après, correspond à des mouvement residuel.
ces acquisition sont réalisé avec un minimum de mouvement du corps.



Le problème c'est que le motif a identifier a une forme assez "basique", il est très similaire au autre mouvement residuel et a des amplitude très faibles. Ainsi, voyez vous une méthode valables ?

De plus, l'idéal serait de pouvoir reconnaitre le motif lorsque la personne bouge normalement, mais le motif risque d'être completment noyé dans les amplitudes élevées.
bref, j'ai du mal à imaginer tout ceci comme faisable, mais j'essais quand même de trouver une solution.

[souviron34]

Une moyenne glissante sur 5 ou 7 points devrait arriver à te donner une courbe comportant un pic avec 2 ailes plus basses...

[Nebulix]

Si tu dispose de séries longues avec beaucoup d'événements, une autocorrélation te donnera la fonction de réponse impulsionnelle. Ensuite la corrélation d'un signal avec cette fonction de réponse te signalera les événements.

[Hatorii]

Re bonjour,

Je m'excuse, j'avais un peu oublié cette discussion, mais je suis toujours intéressé par vos solutions.

Nebulix, est-ce que tu pourrais éclaircir ce que tu veut dire dans ton dernier message ? l'autocorrelation d'un signal x(t) donne une réponse impulsionnelle Oo ?

Ce que je sais, c'est que, pour un signal x(t) que l'on passe dans un filtre de réponse impulsionnelle h(t), on obtient le signal y(t) = x(t) * h(t)

On démontre alors que :

autocorrelation(y(t)) = autocorrelation(x(t)) * autocorrelation(h(t))

Mais je ne saisie pas ce que tu veux dire ?

[Nebulix]

J'ai sans doute lu un peu trop vite.
Dans le cas d'un signal excité par un bruit blanc, l'autocorrélation de x est une Dirac et tu peux tirer h*h, mais ce n'est peut être pas le but.
Peut être une ondelette de Morlet ?