Discussion :

[johnkhm]

Bonjour ,

Je dispose de courbes assez bruitées qui tracent l'evolution de la distance entre atomes au cours du temps. Je cherche a supprimer un bruit de haute frequence correspondant a la vibration des atomes. J'aimerais ainsi utiliser les transformées de fourier pour supprimer ce bruit.

J'ai cherché sur le net pour des programmes faisant cela , mais je tombe souvent sur des programmes WINDOWS et forcément payants, ou des programmes utilisant cette technique mais pour des images.

Je me suis donc mis a Scipy qui permet de faire les operations necessaires , mais je n'ai toujours réussi a éffectuer le filtre. En gros je filtre n'importe quoi

Voici ce que j'ai réussi a faire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
signal = fft(data) # Mes données
signal = signal[:-10] # Suppression des plus hautres frequences
signal = signal[10:] # suppression des plus hautes frequences négatives:w
 
# Je formatte le tableau pour n'avoir que les reels
plot (nouvelle_courbe)
show()

Est ce que quelqu'un pourrait m'expliquer ce que ce script fait , car au niveau des courbes ca ne supprime pas dutout le bruit , et si c'est possible , pourriez vous m'indiquer la démarche a suivre ?

Merci !



[/CODE]

[Matthieu Brucher]

Déjà, tu ne peux pas faire ça sur le spectre directement, tu vas au devant de gros problèmes de repliements si tu comptes utiliser cette solution en temps réel. Sinon, on ne peut pas savoir du tout pourquoi ça ne marche pas puisque tu ne donnes pas le code !

Je te conseille plutôt de passer par un filtre FIR, un butterworth ou autre, pour commencer.

[johnkhm]

Merci pour ta réponse,

Les distances que je mesure ne sont pâs en temps réel , je dispose de séries temporelles pré calculées.
Concernant le code , voici tout ce que j'ai scripté :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
f = open("tmp.dat","r")
line = file.readline()
data = []
while (len(line)> 0 ):
    line = line.split()
    data.append(line[1])
 
signal = fft(data)
signal = signal[:20]
signal = signal[20:]
smoothed = ifft(signal)
 
result = []
for i in smoothed :
    result.append(abs(real(i)))
plot(result)

Le but de mon script est la suppression des tres hautres fréquences pour mieux interpréter les variations de distances significatives. Je viens de regarder les filtres que tu m'as indiqué, penses tu qu'ils soient plus performants que les FFT pour mon étude ?

Merci

[Matthieu Brucher]

C'est quoi smoothed ? Et pourquoi il y a un abs() et un real() ? Si ton filtrage fonctionne (c'est possible, la seule chose, c'est que tu convolue ton signal avec un sinus cardinal, donc tu auras des signaux réels mais potentiellement négatifs), tu ne dois utiliser ni l'un ni l'autre.

[johnkhm]

Petiute erreur dans le copié collé , je corrige ...
Pour le real() , il sert a supprimer la composante imaginaire , en effet le résultat de ifft() donne un tableau contenant des chiffres complexes ou l'imaginaire est quasi nul : "0.81727678 +1.30890182e-15j"
Pour le abs() , c'est en m'inspirant des scripts google que j'ai pu trouver ... en effet ca sert a rien :p

Je suis en train de faire des tests , je vous tiens au courant , merci !!

[johnkhm]

D'accord .... Probleme suivant : comment passer d'un système complexe a un système réel sans perdre d'infos ? Et si je désire supprimer les hautes fréquences , comment dois-je réaliser mon filtre ? En effet je pensais que fft(signal) donnerai les signaux classés mais ce n'est pas le cas ....

[Matthieu Brucher]

Les signaux classés ??? C'est quoi ça ?

Comme indiqué dans mon premier message, effectue un filtrage passe-bas classique, et selon les résultats, essaie plusieurs techniques.

[johnkhm]

Signaux classés, j'entendais par la que les premieres données du tableau étaient les fréquences les plus basses , et les dernieres les plus hautes , mais ce n'est pas le cas ...

Pour le filtre passe bas , je suis en train de faire quelques recherches, ca n'as pas l'air évident ...
Sinon, je ne comprend pas les données de fft() obtenues , je ne sais pas quoi filtrer ... a quoi correspondent les données réelles et imaginaires ? Je suis en biologie, les transformées de fourrier et les équiations m'échappent un peu ..
Merci

[Matthieu Brucher]

Signaux classés, j'entendais par la que les premieres données du tableau étaient les fréquences les plus basses , et les dernieres les plus hautes , mais ce n'est pas le cas ...

C'est classé. Toujours. En revanche, le signal fourni est symétrique, c'est sans doute ça qui te cause des soucis, et à ce moment, je te conseille de te plonger dans un cours de traitement du signal

Pour le filtre passe bas , je suis en train de faire quelques recherches, ca n'as pas l'air évident ...
Sinon, je ne comprend pas les données de fft() obtenues , je ne sais pas quoi filtrer ... a quoi correspondent les données réelles et imaginaires ? Je suis en biologie, les transformées de fourrier et les équiations m'échappent un peu ..
Merci

Ce sont des données complexes qui correspondent à l'amplitude de chaque composante e^iwt. Tout ce genre de choses est expliqué dans un cours de TS.

[johnkhm]

Bon ca y est je suis sur la bonne voir mé un phénomène mystique est survenu , j'ai crée un nouveau post car c juste par rapport au FFT

j'essaierai de faire un petit tuto ... si ca peut aider ...