Détection et classification par ondelettes des signaux non stationnaires : application à l'électromyographie utérine

par Marwa Chendeb

Thèse de doctorat en Optimisation et sûreté des systèmes

Sous la direction de Jacques Duchêne et de Mohamad Khalil.

Soutenue en 2006

à Troyes .


  • Résumé

    L’objectif de ce travail est de contribuer au développement de méthodes de choix de la meilleure base à partir d’une décomposition en paquets d’ondelettes pour la détection et la classification. Le cadre applicatif global est le choix de la meilleure base pour la détection d’événements dans le signal EMG utérin, utilisé pour la prévention des accouchements prématurés. Le chapitre 1 est consacré à la description de l’objectif global de l’étude, à la présentation du signal EMG utérin, de son contenu et de son origine. Dans le chapitre 2, deux approches de modélisation sont utilisées pour mettre en évidence le contenu fréquentiel des événements. La première est fondée sur la décomposition en paquets d’ondelettes. La distance de Kullback Leibler est utilisée comme un critère du choix de la meilleure base pour la détection, ce qui est présenté au chapitre 3. Dans le chapitre 4, la détection est effectuée sur les coefficients des paquets sélectionnés. Un décalage est généré différemment sur chaque paquet d’où la nécessité de redéfinir les vraies valeurs des instants de changement et d’appliquer une procédure de fusion pour avoir ensuite un seul instant de détection correspondant au signal original. Le chapitre 5 présente le choix des paquets les plus discriminants pour la classification. Les événements détectés sont identifiés « physiologiquement » en utilisant les méthodes de K Plus Proches Voisins, la distance de Mahalanobis, les réseaux de neurones et les Machines à Vecteurs Support. Plus de 85% des événements ont été bien classifiés

  • Titre traduit

    Detection and classification of non stationary signals by using wavelets : application to uterine electromyography


  • Résumé

    The global aim of this work was to develop methods of selection of the best basis from wavelet packet decomposition for detection and classification purposes. These methods were applied to uterine EMG in order to detect useful events for pre-term birth prevention. Chapter 1 presents the global objective of the study, and a presentation of uterine EMG, including its main features, the various events contained in the signal, as well as its content and its origin. In chapter 2, two modelling approaches are described to identify the frequency content of the events. The first one was based on the discrete wavelet transform, and the other was based on the wavelet packet transform. The Kullback Leibler distance is used as a criterion for choosing the most efficient packets (or best basis) for further detection of significant events in the original recordings. This is presented in chapter 3. In chapter 4, the detection is performed on the selected wavelet packets coefficients. The time position at which detection occurs is generated differently depending on the wavelet packet coefficients. Correction and fusion procedures are proposed to remove this delay in order to get the right event location during the detection step, and to have only one change time, corresponding to the original signal. Chapter 5 presents the selection of the most discriminative packets for the classification. Detected events where “physiologically” identified using the methods of K Nearest Neighbors, Mahalanobis distance, neural networks, and Support Vector Machines. More than 85% of events were well classified

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (202 p.)
  • Annexes : Bibliogr. p. 191-202

Où se trouve cette thèse ?

  • Bibliothèque : Université de Technologie. Service commun de la documentation.
  • Disponible pour le PEB
  • Cote : THE 06 CHE
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.