1 / 38

Corinne Mailhes 16 Juillet 2003

Présentation pour obtenir L’Habilitation à Diriger des Recherches. Corinne Mailhes 16 Juillet 2003. 1 /38. Plan de la présentation. Curriculum Vitae L’enseignement Les responsabilités collectives La recherche Conclusions et perspectives. 2 /38. Née en 1965.

julius
Télécharger la présentation

Corinne Mailhes 16 Juillet 2003

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Présentation pour obtenir L’Habilitation à Diriger des Recherches Corinne Mailhes 16 Juillet 2003 1/38

  2. Plan de la présentation • Curriculum Vitae • L’enseignement • Les responsabilités collectives • La recherche • Conclusions et perspectives 2/38

  3. Née en 1965 1986 : Ingénieur Electronique 1986 : DEA AIITS – option Traitement du Signal 1990 : Docteur de l’INPT Modélisation et Compression d’interférogrammes 1991 : Maître de Conférences 1.Curriculum Vitae Qui suis-je ? 3/38

  4. Enseigner les bases du TS jusqu’au TS plus spécialisé 1991 : création de la formation spécialisée en TSI à l’N7. En-TS TR In GE Hy DEA SIA & TR Formation Continue 2.L’enseignement • Probabilités et Statistique • Bases du Traitement du Signal • Programmation d’un DSP • Théorie de l’Information • Compression des données • Compression Parole & Musique 4/38

  5. Impliquée dans les responsabilités collectives • Responsable Formation Spécialisée TSI, • Responsable stages Formation Continue (N7 et Supaéro), • Jurys diplômes ingénieur, DEA, • Jury Agrégation Interne Génie Electrique, • Jurys de thèse, • Commissions de spécialistes, • Conseil de Département En-TS • GRETSI 2001 • EUSIPCO 2002 3.Les responsabilités collectives 5/38

  6. 4.La recherche Autour de l’Analyse Spectrale … • L’Analyse Spectrale et ses applications • Collaborations industrielles – universitaires • Co-encadrements de thèses • Analyse Spectrale et Echantillonnage 6/38

  7. Collaborations ou le colimaçon de l’Analyse Spectrale ASPECT, ASTRID et TeTRAS M.Durnerin Oct 97 – Sep 99 7/38

  8. Entrée : Alarmes Signal temporel PRE-ANALYSE Mesures temps ANALYSE SPECTRALE Analyse Primaire Sortie : Les Composantes Spectrales • Fréquence pure • Bande étroite • Bande large • Bruit de fond • (blanc ou • coloré) CRITERES D ’INTERPRETATION détection, caractérisation POINT CHARNIERE décisions 2eme estimation 8/38

  9. Collaborations I.E.T. Project : The 9/38

  10. Capteur ECG Project : The Détection des QRS Rythme cardiaque Déclenchement d’Alarmes Reconnaissance de pathologies Medical data server Post-traitement des ECG Restauration d’échantillons perdus • Coordinatrice scientifique • Organisation d’un « Concertation Meeting » • Responsable du WP « Signal Processing » 10/38

  11. T.Robert, Oct 91 – Jan 96 S.Yvetot, Oct 91 – Nov 96 Encadrement de thèses Oct 1991 Oct 1993 Oct 1997 Oct 1999 Oct 1995 Oct 2001 A.Ducasse, Oct 93 – Jan 97 A.Prieto Guerrero Oct 95 – Nov 99 D.Bonacci Oct 00 – Dec 03 M.Durnerin Oct 97 – Sep 99 P.Goupil Oct 97 – Nov 02 11/38

  12. Modélisation de Signaux à ruptures brutales Pb : comportement des techniques de classification paramétrique en présence d’une rupture brutale dans le signal ? i.e. évolution des paramètres AR estimés le long d’une rupture ? 3 2 1 0 -1 -2 Fenêtre d’analyse Fenêtre d’analyse Fenêtre d’analyse -3 -4 0 50 100 150 200 250 300 350 400 Thierry Robert, oct91-janv96 L’analyse spectrale et ses applications 12/38

  13. Modélisation de signaux à ruptures brutales Modèle ARE avec fonctions de Walsh (AREW) Modèle AREW p=3 (ordre) M=8 (nbre fonctions de base) 0.5 -3.83 dB 0.4 -0.21 dB 0.3 3.43 dB Fréquences normalisées 7.06 dB 0.2 10.7 dB 0.1 14.3 dB 0. 20 40 60 80 100 120 Temps (échantillons) 96 80 112 Modèle AR évolutif (ARE) 13/38

  14. Modélisation de signaux à ruptures brutales Conclusion Fonction d’appartenance à une classe Analyse en Composantes Principales AR glissant AREW AREW AR glissant Publications : 4 congrès internationaux, 1 journal Application à la classification continue de signaux à rupture brutale 14/38

  15. Analyse de Prony multi-modèle de signaux transitoires Pb : analyse modale de signaux électriques induits sur les câbles de liaisons d’un système soumis à une agression électromagnétique (IEMN) 0.8 0.4 0 -0.4 -0.8 Temps (µsec.) Analyse Multi-impulsionnelle 0 0.5 1 1.5 2 Stéphane Yvetot, oct91-nov96 L’analyse spectrale et ses applications Signaux : Non stationnaires, Nature impulsionnelle, Large bande, Apparition à différents instants de différentes composantes oscillantes. 15/38

  16. Analyse de Prony multi-modèle de signaux transitoires 16/38

  17. Analyse de Prony multi-modèle de signaux transitoires conclusion Signal réel Résultats en termes de paramètres modaux (fréquences, amplitudes, facteurs de qualité) validés par les experts du CEG sur signaux réels. Modèle Multi-Prony Multi-Date (MPMD) RSB = 13.53 dB 0 0.2 0.4 0.6 0.8 1 1.2 Temps (µs) Multi-Prony Multi-Date (MPMD) : détection des instants de départ par Transformée en Ondelettes Publications : 2 congrès nationaux et internationaux 17/38

  18. Alain Ducasse, oct93-janv97 Spectre Blackman-Tukey du signal vitesse 0 10 basses fréquences -1 10 -2 10 -3 10 -4 10 0 0.1 0.2 0.3 0.4 0.5 f L’analyse spectrale et ses applications Estimation de sous-harmoniques à l’aide de modèles paramétriques Pb : comment estimer des sous-harmoniques basses fréquences et de faible puissance ? Etude des signaux courants et vitesse issus d'un moteur asynchrone Objectif : Apporter des outils d'analyse spectrale performants 18/38

  19. Estimation de sous-harmoniques à l’aide de modèles paramétriques Modèle de Prony Nombre optimal d'équations de Vandermonde qui minimise les erreurs d'estimation de bk : • Estimation ARpôles • Résolution de Vandermonde  Amplitudes complexes 19/38

  20. Estimation de sous-harmoniques à l’aide de modèles paramétriques • soustraction de la composante Zk • la plus proche du cercle unité Calcul de la puissance résiduelle Estimation de sous-harmoniques : « Prony-déflation » • modélisation de Prony du signal y(n) • modélisation de Prony du signal z(n) • et éventuellement réitération du procédé… • Technique de déflation reprise dans ASPECT • et thèse P.Goupil 20/38

  21. Estimation de sous-harmoniques à l’aide de modèles paramétriques Conclusion Erreurs relatives sur les fréquences Erreurs sur les amortissements -2 10 - 2 10 -3 10 - 3 10 -4 10 - 4 10 -5 10 - 5 10 -6 10 -7 10 - 6 10 0.16 0.18 0.2 0.22 0.24 0.26 0.28 0.3 0.32 0.16 0.18 0.2 0.22 0.24 0.26 0.28 0.3 0.32 Publications : 1 congrès international, 1 journal Influence de l’échantillonnage sur l’estimation des pôles et amplitudes Minimum d'erreur sur les fréquences et les amortissements lorsque la fréquence barycentre est autour de 0.25 21/38

  22. Philippe Goupil, oct97-nov02 Radio Acoustic Sounding System Ajustement de gaussienne 1.4 1.2 1 0.8 DSP 0.6 0.4 0.2 0 -103 -102 -101 -100 -99 -98 -97 -96 -95 -94 Hz L’analyse spectrale et ses applications Mesure des profils de température virtuelle par analyse spectrale Pb : comment améliorer l’estimation de la température virtuelle obtenue par analyse spectrale des signaux RASS ? 22/38

  23. Mesure des profils de température virtuelle par analyse spectrale Fréquence Doppler Température virtuelle Nombre d’échos Amplitude du kème écho, fonction de T, fémise, démis Phase du kème écho Enveloppe de l’écho Bruit blanc gaussien Modélisation du signal RASS • Bornes de Rao-Cramer des paramètres • Estimateur du maximum de vraisemblance de T ? 23/38

  24. Mesure des profils de température virtuelle par analyse spectrale conclusion Publications : 5 congrès nationaux et internationaux, 1 journal Mesure de la température : comparaison des méthodes AR > Cor./NLS > Périodogramme 24/38

  25. Alfonso Prieto, oct95-nov99 EMG piqué EMG surface EEG Rythme d Rythme q D1 D2 aVR aVL V1 V2 Rythme a V3 V4 V5 V6 Y Z L’analyse spectrale et ses applications Compression de signaux biomédicaux 25/38

  26. Compression de signaux biomédicaux 40 Compression ECG, dérivation I 35 30 TOD TCD RSB en dB 25 DPCM 20 CELP 15 SAPA AZTEC MMI CORTES 10 2 4 6 8 10 12 14 16 18 TAUX DE COMPRESSION Méthodes de compression : comparaison des méthodes 26/38

  27. Compression de signaux biomédicaux Modélisation et compression des ECG avec une ondelette spécifique R T P Q S Modèle 27/38

  28. Compression de signaux biomédicaux Conclusion 45 40 TCD 2D 35 Identification Multi-Dérivation IDEN+ erreur codée par TCD 30 RSB en dB 25 DPCM Multi-canal 20 15 TAUX DE COMPRESSION Publications : 6 congrès nationaux et internationaux 10 2 4 6 8 10 12 14 Compression des ECG et multidérivation 28/38

  29. Autour de l’Analyse Spectrale … • L’Analyse Spectrale et ses applications • Analyse Spectrale et Echantillonnage 29/38

  30. « Changement d’horloge » : • théorie de l’échantillonnage irrégulier (jitter) Analyse spectrale et Echantillonnage Fonction aléatoire stationnaire, réelle ou complexe, centrée et continue Fonction aléatoire réelle, indépendante de Z, centrée, continue et stationnaire (fonctions caractéristiques de A(t) et A(t+t) – A(t) indépendantes de t) • modélisation des phénomènes de multi-trajets • ou de retard de propagation • brouillage en télécommunications 30/38

  31. Changements d’horloge et multi-trajets Z(t) Retards aléatoires indépendants 1 DSP originale Modèle proposé 0.8 Réflexion d’ondes sur la surface de la mer à des angles d’incidence faibles 0.6 DSP normalisée 0.4 0.2 0 100 150 50 0 200 Fréquence Doppler, Hz intérêt dans la modélisation de phénomènes de propagation 31/38

  32. 1 0.5 0 0 50 100 150 200 250 300 350 400 3 multi-trajets, jitter Gaussien, RSB = 10dB |R(f)| 2 1 0 -1 -2 f 0 50 100 150 200 250 300 350 400 1 0.5 0 U(n) ZMS( t ) R( t,w ) 0 50 100 150 200 250 300 350 400 Seuillage 1 0.5 0 0 50 100 150 200 250 300 350 400 Changements d’horloge et multi-trajets : Reconstruction du processus original 32/38

  33. Les problèmes de l’échantillonnage : Influence du procédé d’échantillonnage un z(t) ZLMSE( t ) Un H( t,w ) Dn Reconstruction deZ(t) À partir des échantillons observésUn Échantillonnage périodique à largeur d’intégration aléatoire 33/38

  34. écart-type de Dn = 5% de sa moyenne Filtre optimal écart-type de Dn = 20% de sa moyenne Interpolateur de Shannon un Interpolateur de Shannon z(t) Reconstruction deZ(t) à partir deUn Dn Filtre optimal 50 40 30 Rapport Signal à Bruit (dB) 20 10 0 Dn : une séquence gaussienne corrélée -10 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 moyenne de Dn 34/38

  35. Les problèmes de l’échantillonnage : Échantillonnage entrelacé bruité Reconstruction de Z(t) À partir des observations bruitées { Ukn } n t (n+2) (n+1) n+a1 Formule de Yen Filtre ^ n+a2 Ukn V(t) Z(t) n+a3 Signal de parole original Échantillonné entrelacé, K=2, un seul bruité Reconstruit 35/38

  36. Conclusions et perspectives Autour de l’Analyse Spectrale … • L’Analyse Spectrale et ses applications Modélisation paramétrique, Compression thèse en cours, à venir • Analyse Spectrale et Echantillonnage 36/38

  37. Séditec – Groupe Aéroconseil Que sont-ils devenus ?

  38. Merci à tous !

More Related