Discussion :

[Newenda]

Bonjour,

Ce n'est pas plus une question matlab, qu'une question de traitement du signal.

J'ai plusieurs types de signaux, en gros : les bons et les pas bons
Les pas bons semblent être des signaux d'origine électrique (je bosse sur des signaux hydro-acoustiques basse fréquence)
Après un FFT, on remarque que ces signaux (pas bons) ne possèdent que des harmoniques: des pics importants tous les 100 Hz entre 100 et 500 Hz diminuant après 1kHz. Les bons signaux hydro-acoustique sont quant à eux bourrés de fréquence entre 100 et 1500 Hz évidemment...

Bref j'aimerais pouvoir me débarrasser de ces pas bons signaux en utilisant cette différence mais je n'arrive pas à voir comment la contraindre.

Merci d'avance


signaux a enlever (bruit électronique) :


Bons signaux


------------------------------------
notes : signal en haut, spectre en bas
-------------------------------------

[pseudocode]

Bref j'aimerais pouvoir me débarrasser de ces pas bons signaux en utilisant cette différence mais je n'arrive pas à voir comment la contraindre.

Tu peux essayer de calculer la cross-corrélation entre ton signal et un modèle de ton "signal pas bon".

Ou sinon, tu peux calculer l'auto-correlation de tes signaux et regarder s'ils ont un pic d'auto-correlation à 100Hz.

[Newenda]

L'auto corrélation m'a l'air d être une bonne solution mais je dois discriminer de façon numérique (pas en regardant les graphes)..j'ai plus de 2 millions de fichiers à traiter comme ceux là... et c'est là ou je bloque..

Merci

[pseudocode]

je dois discriminer de façon numérique (pas en regardant les graphes).

Tu peux expliquer ce que veux dire par "discriminer de façon numérique" ?

[Newenda]

Juste que je dois trouver une discrimination numérique simple afin d'éliminer tous les fichiers qui contiennent ce type de mauvais signaux.

[pseudocode]

Juste que je dois trouver une discrimination numérique simple afin d'éliminer tous les fichiers qui contiennent ce type de mauvais signaux.

Et pourquoi le calcul de l'auto-correlation n'est pas possible ?

[Newenda]

Non c'est vrai, je parle trop vite, faut que je regarde ça un peu mieux..

Merci, on se reverra peut être

a+

[Newenda]

En faite, je cherche une sorte de facteur de corrélation ou quelque chose comme ça pour pouvoir comparer... je ne sais pas trop comment avoir ça.

Voici mes deux auto corrélation (en haut celui d'un bon signal, en bas celui du bruit)



Comment discriminer les deux??
Je pourrais sans doute faire un truc du genre : si la somme entre 4800 et 5200 > somme entre 0 et 4800 alors OK sinon PAS OK. Mais je cherche un truc un peu plus propre mais n'y arrive pas (d'ailleurs je sais pas si c'est correct ce que je dit). Un vrai coefficient mathématique qui pourrait bien définir ces deux types de signaux

Merci

[pseudocode]

tu pourrais normaliser ton calcul d'auto-corrélation ? Ca serait bien de voir ce que ca donne avec une corrélation entre -1 et +1.

[Loïc B.]

Discriminer deux signaux au spectre vraiment différents...

On va peut être me reprocher de sortir l'artillerie lourde mais pourquoi pas :

- tu effectue une décomposition série de Fourier de chacun de tes signaux
- tu considère chaque signal par son vecteur de coefficients de Fourier (tu en garde suffisamment pour avoir suffisamment de précision, c'est ce nombre là que tu viendras modifier plus tard si les résultats ne te semblent pas bons).
- tu prends une partie des signaux des deux types que tu classes à la main (ta base d'apprentissage)
- tu construis un SVM (Support Vector Machines) à partir de cette base, en donnant à manger tes vecteurs de coeff, pas tes signaux, ainsi tu réduis la dimension de ton espace et tu seras plus performant, au prix d'une approximation...

Enfin :

- Lorsque tu as un nouveau signal, tu le décompose en série de Fourier, tu le donnes à manger à ton SVM et tu regardes le résultat : le SVM classe tes données.

Si tu as toutes les boîtes (série de Fourier, SVM), c'est pas trop compliqué, sinon ça va demander un peu de boulot !