Analyse

Temps-Fréquence
et Temps-Echelle

O. Rioul

Analyse Temps-Fréquence et Temps-Echelle Fréquence

Résolution
temps-fréquence

Pourquoi
Olivier Rioul l’analyse
temps-fréquence ?

T.F. Court Terme

Dept. Comelec Ondelettes
Télécom Paris
Institut Polytechnique de Paris Transformations
bilinéaires
[Link]@[Link]
[Link]/rioul/ Boîtes à outils

Bibliographie

Formation LIESSE
Fourier, temps et fréquence
2019
Plan

Analyse
Temps-Fréquence
et Temps-Echelle

1 Notion de fréquence O. Rioul

Fréquence

2 Notion de résolution (temps et fréquence) Résolution

temps-fréquence

Pourquoi
l’analyse
3 Pourquoi l’analyse temps-fréquence ? temps-fréquence ?

T.F. Court Terme

Ondelettes
4 Transformée de Fourier Court-Terme
Transformations
bilinéaires

Boîtes à outils
5 Transformée en Ondelettes
Bibliographie

6 Transformations bilinéaires

7 Boîtes à outils
Transformée de Fourier (T.F.)

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
Pour des signaux 1D : Transformée de
Fourier
Description temporelle : Signal vu comme une fonction x(t) de la Propriétés de la TF
Conservation de
variable temps t ∈ R l’énergie
Discrétisations
Description fréquentielle : Transformée de Fourier Résolution
temps-fréquence
Z Pourquoi

X(f ) = x(t)e−2jπf t dt l’analyse

temps-fréquence ?
R T.F. Court Terme

Ondelettes
fonction de la variable (duale) de fréquence f ∈ R Transformations
bilinéaires

Boîtes à outils

Bibliographie
Valeurs complexes

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

• Noter que X(f ) ∈ C, même pour un signal réel Transformée de

Fourier
Propriétés de la TF
• La T.F. d’un signal réel est à symétrie hermitienne : Conservation de
∗ l’énergie
X(−f ) = X (f ) Discrétisations

• On peut donc se limiter aux fréquences ≥ 0 pour un x(t) à Résolution

temps-fréquence
valeurs réelles Pourquoi
l’analyse
• Signal analytique : z(t) ∈ C tel que Z(f ) = 2X+ (f ) temps-fréquence ?

T.F. Court Terme

• Il est commode de supposer dans la suite que x(t) est déjà
Ondelettes
analytique : x(t) = z(t).
Transformations
bilinéaires

Boîtes à outils

Bibliographie
En mathématiques...

Analyse
Temps-Fréquence
Attention et Temps-Echelle

O. Rioul
L’intégrale
Z Fréquence

x(t)e−2jπf t dt Transformée de
Fourier

R Propriétés de la TF
Conservation de
l’énergie
n’a souvent « aucun sens ». Discrétisations

Résolution
• Signaux L1 « intégrables » :
R temps-fréquence
|x(t)| dt < ∞. La T.F. X(f )
Pourquoi
est continue et bornée. l’analyse
temps-fréquence ?
• Signaux L2 « de carré intégrable » (d’énergie finie) : T.F. Court Terme

Ondelettes
Z
2 2 Transformations
kxk = |x(t)| dt < ∞ bilinéaires

Boîtes à outils

Bibliographie
La T.F. X(f ) est elle-même L2 (cf. Parseval), passage à la
limite dans L2 de l’intégrale tronquée.
En mathématiques...

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Cadre général Fréquence

Transformée de
Fourier

Signaux S 0 (distribution tempérée) : x(t) = O(tα ). Propriétés de la TF

Conservation de
La T.F. X(f ) est elle même tempérée. l’énergie
Discrétisations

Résolution
Exemple : impulsion de Dirac temps-fréquence

Pourquoi
Z l’analyse
2jπf t temps-fréquence ?
e dt = δ(f )
T.F. Court Terme
Z Ondelettes

e2jπf t df = δ(t) Transformations

bilinéaires

Boîtes à outils

Bibliographie
Inversion

Analyse
Reconstruction du signal Temps-Fréquence
et Temps-Echelle

Z O. Rioul
2jπf t
x(t) = X(f )e df Fréquence
R Transformée de
Fourier
Propriétés de la TF
Conservation de

Démonstration. l’énergie
Discrétisations

Résolution
Z Z  Z Z  temps-fréquence

x(τ )e−2jπf τ dτ e2jπf t df = x(τ ) e2jπf (t−τ ) df dτ Pourquoi

l’analyse
temps-fréquence ?
Z
T.F. Court Terme
= x(τ )δ(t − τ )dτ Ondelettes

Transformations
= x(t) bilinéaires

Boîtes à outils

• Les TF directe et inverse ont des formes similaires (et donc Bibliographie

des propriétés similaires).

• « Dualité temps-fréquence » : t ⇐⇒ f
Translation/Modulation

Analyse
Temps-Fréquence
et Temps-Echelle
T.F.
Translation →
← Modulation O. Rioul

Fréquence
Transformée de
T.F. Fourier

x(t)e 2jπf0 t →
← X(f − f0 ) Propriétés de la TF
Conservation de
l’énergie
T.F.
x(t − t0 ) → −2jπf t0 Discrétisations
← X(f )e Résolution
temps-fréquence

Pourquoi
Démonstration. l’analyse
temps-fréquence ?
Z
T.F. Court Terme
X(f ) = x(t − t0 )e−2jπf (t+t0 ) dt Ondelettes
R
Transformations
Z bilinéaires
−2jπ(f −f0 )t
X(f − f0 ) = x(t)e dt Boîtes à outils

R Bibliographie
Impulsion/Onde pure

Analyse
Temps-Fréquence
et Temps-Echelle
T.F. O. Rioul
Impulsion (Dirac) →
← Onde pure (sinusoïde) Fréquence
Transformée de
Fourier
T.F. Propriétés de la TF

e2jπf0 t →
← δ(f − f0 ) Conservation de
l’énergie

T.F. Discrétisations

δ(t − t0 ) →
← e−2jπf t0 Résolution
temps-fréquence

Pourquoi
l’analyse
Démonstration. temps-fréquence ?

T.F. Court Terme

Par translation/modulation à partir de
Ondelettes
Z Transformations
e−2jπf t dt = δ(f ) bilinéaires

Boîtes à outils

Bibliographie
et de la formule duale.
Convolution

Analyse
Temps-Fréquence
et Temps-Echelle
T.F.
Convolution →
O. Rioul
← Produit
Fréquence
Z T.F. Transformée de

x(u)y(t − u)du →
← X(f )Y (f ) Fourier
Propriétés de la TF
Conservation de
l’énergie
Discrétisations

Démonstration. Résolution
temps-fréquence

Z Z  Pourquoi
l’analyse

x(u)y(t − u)du e−2jπf t dt temps-fréquence ?

T.F. Court Terme

Z Z Ondelettes
= x(u)e−2jπf u y(t − u)e−2jπf (t−u) dtdu Transformations
bilinéaires

= X(f )Y (f ) Boîtes à outils

Bibliographie

Translation : convolution par δ(t − t0 )

Dérivation

Analyse
Temps-Fréquence
T.F.
Dérivation →
et Temps-Echelle
← Produit par 2jπf O. Rioul

T.F.
x0 (t) →
Fréquence
← 2jπf X(f ) Transformée de
Fourier
Propriétés de la TF

Démonstration. Conservation de
l’énergie
Discrétisations
Intégration par parties : Résolution
temps-fréquence
Z Z
Pourquoi
x0 (t)e−2jπf t dt = −(−2jπf ) x(t)e−2jπf t dt l’analyse
temps-fréquence ?

T.F. Court Terme

• Dérivation : convolution par δ 0 Ondelettes

Transformations
• Dualité régularité/décroissance à l’∞ : bilinéaires

Boîtes à outils
• Th. de Bernstein : bande limitée =⇒ toutes dérivées bornées
Bibliographie
• Irrégularité =⇒ composantes de fréquences élevées.
Exemples : rectangle et sinus cardinal, triangle et (sinus
cardinal)2
Dilatation/Contraction

Analyse
Temps-Fréquence
T.F.
Dilatation →
et Temps-Echelle
← Contraction O. Rioul

La transformée de Fourier transforme dilatation en contraction et Fréquence

vice versa : Transformée de

√
  T.F. Fourier
1 t →
√ x ← aX(af ) Propriétés de la TF

a a Conservation de
l’énergie
Discrétisations

Résolution
• Paramètre a > 0 temps-fréquence

• En temps : dilatation (a > 1) ou contraction (a < 1) Pourquoi

l’analyse
temps-fréquence ?

T.F. Court Terme

Démonstration. Ondelettes

Changement de variable : Transformations

bilinéaires
Z   Z Boîtes à outils
1 t −2jπf t a
√ x e dt = √ x(t)e−2jπaf t dt Bibliographie
a a a
Conservation de l’énergie

Analyse
Temps-Fréquence
2 et Temps-Echelle
Relation de Parseval-Plancherel (dans L ) O. Rioul
Z Z
Fréquence
|x(t)|2 dt = |X(f )|2 df Transformée de
Fourier
Propriétés de la TF
Conservation de
l’énergie

Démonstration. Discrétisations

Résolution
temps-fréquence
Z Z Z Z Pourquoi
X(f )X ∗ (f ) df = x(t)x∗ (u)e2jπf (u−t) df dt du l’analyse
temps-fréquence ?

Z Z Z T.F. Court Terme

= x(t)x (u)δ(t − u) dt du = x(t)x∗ (t)dt

∗ Ondelettes

Transformations
bilinéaires

La transformée de Fourier conserve l’énergie (isométrie). Boîtes à outils

2
• |x(t)| : densité temporelle d’énergie (puissance instantanée) Bibliographie

• |X(f )|2 : densité fréquentielle (spectrale) d’énergie (dsp)

Produit scalaire temps ou fréquence

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
Généralisation : Relation de Parseval Transformée de
Fourier
Z Z Propriétés de la TF

x(t)y ∗ (t) dt = X(f )Y ∗ (f ) df Conservation de

l’énergie
Discrétisations

Résolution
temps-fréquence
Démonstration. Pourquoi
l’analyse
Similaire au cas de la norme (énergie kxk2 =< x|x >). temps-fréquence ?

N.B. Le produit scalaire découle de la norme : T.F. Court Terme

Ondelettes

4 < x|y >= kx + yk2 − kx − yk2 + jkx + jyk2 − jkx − jyk2 Transformations
bilinéaires

Boîtes à outils

Bibliographie
Temps discret

Analyse
Temps-Fréquence
Pour un signal à temps discret xn = x(nT ) : et Temps-Echelle

• transformée de Fourier O. Rioul

X Fréquence
X(f ) = xn e−2jπnf T Transformée de
Fourier
n Propriétés de la TF
Conservation de
l’énergie
• fréquence périodique (de période 1/T ) Discrétisations

Résolution
• reconstruction (série de Fourier) : temps-fréquence

Z Pourquoi
l’analyse
xn = T X(f )e2jπnf T df temps-fréquence ?

<1/T > T.F. Court Terme

Ondelettes
• énergie (Parseval) : Transformations
bilinéaires

X Z Boîtes à outils
|xn |2 = T |X(f )|2 df Bibliographie

n <1/T >
Temps et fréquence discrets

Pour un signal à durée limitée x0 , x1 , . . . , xN −1 : Analyse

Temps-Fréquence
et Temps-Echelle
• transformée de Fourier discrète
O. Rioul
N −1
Fréquence
X
Xk = xn e−2jπnk/N Transformée de
Fourier
n=0 Propriétés de la TF
Conservation de

• algorithmes rapides (FFT de toutes sortes) l’énergie

Discrétisations

• temps et fréquence périodiques (de longueur N ) Résolution

temps-fréquence
• reconstruction : Pourquoi
l’analyse
N −1 temps-fréquence ?
1 X
xn = Xk e2jπnk/N T.F. Court Terme
N Ondelettes
k=0
Transformations
• énergie (Parseval) : bilinéaires

Boîtes à outils
N −1 N −1 Bibliographie
X 1 X
|xn |2 = |Xk |2
n=0
N
k=0
Dans un corps fini

Analyse
Pour un signal q-aire x0 , x1 , . . . , xN −1 ∈ Fq (corps fini à q Temps-Fréquence
et Temps-Echelle
éléments) O. Rioul

• transformée de Fourier discrète dans un corps fini : Fréquence

Transformée de
Fourier
N −1
X Propriétés de la TF
Xk = xn αnk Conservation de
l’énergie
n=0 Discrétisations

Résolution
• α est d’ordre N (αN = 1 implique N |q m − 1) et Xk ∈ Fqm temps-fréquence

Pourquoi
(sur-corps localisateur) l’analyse
temps-fréquence ?
• reconstruction : T.F. Court Terme

Ondelettes
N
X −1
−1 nk Transformations
xn = N Xk α bilinéaires

k=0 Boîtes à outils

Bibliographie
• utile en algèbre (codes correcteurs d’erreurs, etc)
• généralisation : indicage sur un groupe de caractères {χ}
Autres discrétisations

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
Transformée de

Note Fourier
Propriétés de la TF

• Des discrétisations similaires sont possibles pour tout ce qui Conservation de

l’énergie

va suivre (analyse temps-fréquence, transformées bilinéaires, Discrétisations

Résolution
etc.) temps-fréquence

• c’est indispensable pour l’implantation (toolboxes) Pourquoi

l’analyse
temps-fréquence ?
• ce n’est pas trivial ! (plusieurs méthodes)
T.F. Court Terme
• [nous resterons discrets sur la discrétisation...] Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Résolution temporelle ou fréquentielle

Analyse
Temps-Fréquence
et Temps-Echelle
Z Z
Energie E = |x(t)|2 dt = |X(f )|2 df O. Rioul

Fréquence

Résolution
temps-fréquence
Définition Principe d’incertitude
Décomposition de
Centre temporel/fréquentiel d’énergie : espérance mathématique signaux

Pourquoi
Z Z l’analyse

< t >= E1 t|x(t)|2 dt < f >= E1 f |X(f )|2 dt

temps-fréquence ?

T.F. Court Terme

Ondelettes

Transformations
Définition bilinéaires

Boîtes à outils
Résolution temporelle/fréquentielle : dispertion d’énergie
Bibliographie
r Z r Z
1 1
∆t = E
(t− < t >)2 |x(t)|2 dt ∆f = E
(f − < f >)2 |X(f )|2 dt
Inégalité de Weyl-Heisenberg

Analyse
Temps-Fréquence
Théorème (Weyl, 1931) et Temps-Echelle

O. Rioul
Si x(t), tx(t), x0 (t) ∈ L2 alors
Fréquence

kx(t)k2 ≤ 2ktx(t)kkx0 (t)k Résolution

temps-fréquence
Principe d’incertitude

avec égalité ssi x(t) est une gaussienne. Décomposition de

signaux

Pourquoi
l’analyse
Démonstration. temps-fréquence ?

T.F. Court Terme

Z Z Ondelettes

2 0
x (t)dt = −2 tx(t)x (t)dt int. par parties Transformations
bilinéaires

Boîtes à outils
kx(t)k2 ≤ 2ktx(t)kkx0 (t)k Cauchy-Schwarz. Bibliographie

avec égalité ssi x0 (t)/x(t) ∝ t.

L’inégalité de Weyl est célèbre pour son application à la

mécanique quantique (principe d’incertitude d’Heisenberg).
Principe d’incertitude

Analyse
Temps-Fréquence
et Temps-Echelle
Principe d’incertitude temps-fréquence O. Rioul

Pour tout signal x(t) d’énergie finie avec ∆t et ∆f finis : Fréquence

Résolution
1 temps-fréquence
∆t · ∆f ≥ Principe d’incertitude
4π Décomposition de
signaux

Pourquoi
avec égalité ssi x(t) est une gaussienne. l’analyse
temps-fréquence ?

T.F. Court Terme

Démonstration. Ondelettes

Transformations
On se ramène à < t >= 0 par translation dans le temps, à bilinéaires

< f >= 0 par modulation fréquentielle. Boîtes à outils

On a E = kx(t)k2 = kX(f )k2 et par la formule de dérivation Bibliographie

kx0 (t)k2 = |2jπ|2 kf X(f )k2 . D’où Weyl : kx(t)k2 ≤ 2ktx(t)kkx0 (t)k
s’écrit
E ≤ 4πktx(t)kkf X(f )k = 4πE∆t∆f.
Principe d’incertitude : moralité

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
• Limitation fondamentale de la transformée de Fourier : On ne Résolution
temps-fréquence
peut pas être à la fois « précis » en temps et en fréquence Principe d’incertitude

• Bonne localisation temporelle ⇐⇒ mauvaise localisation Décomposition de

signaux

fréquentielle, et vice versa (il faudra faire un choix) Pourquoi

l’analyse
• La gaussienne a la meilleure localisation temps-fréquence temps-fréquence ?

T.F. Court Terme

1 −
(t−µ)2 Ondelettes
x(t) = √ e 2σ 2
Transformations
2πσ 2 bilinéaires

Boîtes à outils

Bibliographie
Décomposition temporelle

Analyse
Temps-Fréquence
et Temps-Echelle
On peut (toujours) écrire : O. Rioul
Z
Fréquence
x(t) = x(u)δ(t − u) du Résolution
temps-fréquence
Principe d’incertitude
Décomposition de
signaux
• δ(t) élément neutre pour la convolution Pourquoi
l’analyse
• C’est une décomposition de x(t) sur des « fonctions de base » temps-fréquence ?

translatées δ(t − u) : ∆t = 0 T.F. Court Terme

• Les fonctions de base δ(t − u) ont pour T.F. e−2jπf u :

Ondelettes

Transformations
∆f = ∞. bilinéaires

Boîtes à outils
Conclusion : Le principe d’incertitude est vérifié à la limite :
Bibliographie

∆t = 0 ∆f = ∞
Décomposition fréquentielle

Analyse
Temps-Fréquence
et Temps-Echelle

Synthèse spectrale par TF inverse : O. Rioul

Z Fréquence

x(t) = X(ν)e2jπνt dν Résolution

temps-fréquence
Principe d’incertitude
Décomposition de
signaux

• Décomposition sur des fonctions de base e2jπνt (ondes pures) Pourquoi

l’analyse
éternelles : ∆t = ∞ temps-fréquence ?

T.F. Court Terme

• Les fonctions de base ont pour T.F. δ(f − ν) : ∆f = 0 Ondelettes

Conclusion : Le principe d’incertitude est vérifié à la limite : Transformations

bilinéaires

Boîtes à outils
∆t = ∞ ∆f = 0 Bibliographie

La fréquence est globale : gomme l’aspect temporel

Note sur la décomposition spectrale

Analyse
Dans la décomposition : Temps-Fréquence
et Temps-Echelle
Z
O. Rioul
x(t) = X(f )e2jπf t df
Fréquence

Résolution
temps-fréquence
Principe d’incertitude
• Orthonormalité entre fonctions de base oscillant à des Décomposition de
signaux
fréquences différentes :
Pourquoi
l’analyse
2jπf t 2jπνt temps-fréquence ?
<e |e >= δ(f − ν)
T.F. Court Terme

Ondelettes
• La Transformée de Fourier est donc le produit scalaire :
Transformations
bilinéaires
2jπf t
X(f ) =< x(t)|e > Boîtes à outils

Bibliographie

coefficient de la décomposition de x(t). Indique la

« ressemblance » de x(t) contre une onde pure.
• Synthèse : somme (continue) des projections orthonormales
sur les fonctions de base.
Signaux stationnaires

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Définition Résolution
temps-fréquence
Signal stationnaire : dont les caractéristiques (spectrales) ne Pourquoi
l’analyse
varient pas dans le temps. temps-fréquence ?
Cas stationnaire

L’analyse spectrale (de Fourier) est bien adaptée. Cas non stationnaire
Fréquence dépendant
du temps

Exemples Besoin d’une

véritable analyse
temps-fréquence

• Onde pure T.F. Court Terme

Ondelettes
• Combinaison linéaire d’ondes pures (harmoniques)
Transformations
bilinéaires

Boîtes à outils

Bibliographie
Filtrage stationnaire

Analyse

Définition Temps-Fréquence
et Temps-Echelle

Filtre : Transformation linéaire F invariante dans le temps O. Rioul

R Fréquence
Puisque x(t) = x(t) ∗ δ(t) = x(u)δ(t − u) du : Résolution
temps-fréquence
Z
Pourquoi
F(x(t)) = x(u)F(δ)(t − u) du l’analyse
temps-fréquence ?
Cas stationnaire
Cas non stationnaire
Réponse impulsionnelle : h(t) = F(δ)(t). Fréquence dépendant
du temps
Besoin d’une
Z véritable analyse
temps-fréquence
F(x(t)) = x(u)h(t − u) du (Convolution) T.F. Court Terme

Ondelettes

Transformations
Sur la base de Fourier : Y (f ) = H(f )X(f ) . La TF diagonalise le bilinéaires

Boîtes à outils
filtre.
Bibliographie
• Vecteurs propres : les ondes pures e2jπf t .
• Valeurs propres : H(f ) (réponse fréquentielle)
Modélisation par filtrage linéaire

Analyse
Temps-Fréquence
et Temps-Echelle
Un exemple d’outil du stationnaire :
O. Rioul

Modélisation par filtrage linéaire Fréquence

Résolution
Le signal (aléatoire stationnaire) x(t) est modélisé comme sortie temps-fréquence

d’un filtre h(t) excité par un bruit blanc e(t) Pourquoi

l’analyse
temps-fréquence ?
La densité spectrale de puissance en sortie est donnée par la Cas stationnaire
Cas non stationnaire
formule de filtrage : Fréquence dépendant
du temps
Besoin d’une

Sxx (f ) = See (f )|H(f )|2 ∝ |H(f )|2 véritable analyse

temps-fréquence

T.F. Court Terme

Applications : Ondelettes

• analyse de signal par modèle linéaire AR, ARMA,... Transformations

bilinéaires

• codage par prédiction linéaire (parole, son) Boîtes à outils

Bibliographie
• ...
Signaux non-stationnaires

Analyse
Temps-Fréquence
et Temps-Echelle
Définition O. Rioul

Signal non stationnaire : dont les caractéristiques (spectrales) Fréquence

varient au cours du temps. Résolution
temps-fréquence

Pourquoi
Exemple l’analyse
temps-fréquence ?
Cas stationnaire
Morceau de musique : chaque note a un temps d’émission et une Cas non stationnaire

hauteur. Fréquence dépendant

du temps
Besoin d’une
véritable analyse
• L’essentiel de l’information est portée par les temps-fréquence

T.F. Court Terme

non-stationnarités : Début, fin, transitoires
Ondelettes
• L’analyse spectrale perd l’information temporelle puisqu’elle Transformations
moyenne sur tous les temps. bilinéaires

Boîtes à outils
• Approche par morceaux : adapter les outils du stationnaire Bibliographie
(TF, modèle linéaire) aux variations dans le temps.
Méthodes paramétriques

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
• Une solution : Modèles paramétriques sur tranches
Résolution
temporelles du signal (supposées localement stationnaires). temps-fréquence

Pourquoi
• Exemples de méthodes spectrales paramétriques : AR, l’analyse
temps-fréquence ?
ARMA, MUSIC Cas stationnaire
Cas non stationnaire
• Méthodes adaptatives/évolutives Fréquence dépendant
du temps

• Problème : Nécessité d’estimer l’ordre du modèle au fil de Besoin d’une

véritable analyse

l’eau temps-fréquence

T.F. Court Terme

• Connaissance a priori difficile à exploiter sur les Ondelettes
non-stationnarités. Transformations
bilinéaires

Boîtes à outils

Bibliographie
Méthodes non-paramétriques

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

• Alternative : analyse globale des caractéristiques spectrales Résolution

temps-fréquence
dépendantes du temps : analyse temps-fréquence.
Pourquoi
l’analyse
• Aucune connaissance a priori nécessaire : « universel » temps-fréquence ?
Cas stationnaire
• On évite le problème de l’estimation de l’ordre d’un modèle Cas non stationnaire
Fréquence dépendant
• Problème : Choix du type d’analyse. L’analyse peut jouer le du temps
Besoin d’une
rôle d’un « modèle ». véritable analyse
temps-fréquence

• Difficulté d’interprétation de l’analyse (principe d’incertitude, T.F. Court Terme

interférences). Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Fréquence instantanée

Analyse
Temps-Fréquence
Première idée (simple) : définir une fréquence locale (qui dépend et Temps-Echelle

du temps) O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?
Cas stationnaire
• Ecrire le signal modulé en amplitude et en phase (signal Cas non stationnaire
Fréquence dépendant
analytique à fréquences positives) du temps
Besoin d’une
véritable analyse

x(t) = a(t)ejφ(t) temps-fréquence

T.F. Court Terme

Ondelettes
• Les variations de la phase définissent la fréquence
Transformations
instantanée : bilinéaires

1 ∂φ Boîtes à outils
fx (t) = − Bibliographie
2π ∂t
Fréquence instantanée et retard de groupe

Analyse
Temps-Fréquence
et Temps-Echelle
Exemples O. Rioul

• La fréquence instantanée de cos(2πf0 t) est fx (t) = f0 Fréquence

(constante) Résolution
temps-fréquence
• Chirp (signal modulé linéairement en fréquence) : la
Pourquoi
fréquence instantanée de cos(2π(at2 + bt)) est fx (t) = 2at + b l’analyse
temps-fréquence ?
Cas stationnaire

Notion duale : les variations fréquentielles de phase de Cas non stationnaire

Fréquence dépendant
du temps
jΦ(f )
X(f ) = A(f )e Besoin d’une
véritable analyse
temps-fréquence

T.F. Court Terme

définissent le retard de groupe : temps dépendant de la fréquence
Ondelettes

Transformations
1 ∂Φ bilinéaires
tx (f ) = −
2π ∂f Boîtes à outils

Bibliographie

Exemple : δ(t − t0 ) a pour retard de groupe tx (f ) = t0

Limitations

Analyse
Temps-Fréquence
et Temps-Echelle
• La méthode f (t) ne convient qu’à des signaux de type VCO.
O. Rioul
• Pour deux chirps simultanés
Fréquence
cos(2π(at2 + bt)) + cos(2π(a0 t2 + b0 t)), les fréquences locales Résolution
sont moyennées : horrible ! temps-fréquence

Pourquoi
• Il faut donc disposer d’une dimension supplémentaire, i.e., l’analyse
temps-fréquence ?
définir une amplitude dépendant du temps et de la Cas stationnaire

fréquence : Ax (t, f ) (représentation 3D) Cas non stationnaire

Fréquence dépendant
du temps

Analogie : partition musicale Besoin d’une

véritable analyse
temps-fréquence

T.F. Court Terme

Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Fenêtre glissante sur la TF

Analyse
Temps-Fréquence
et Temps-Echelle

Idée O. Rioul

Analyse de Fourier sur tranches temporelles du signal (supposées Fréquence

localement stationnaires) : Résolution

temps-fréquence

Pourquoi
fenêtre glissante h(t − τ ) l’analyse
temps-fréquence ?

On obtient : T.F. Court Terme

Fenêtrage
Décomposition sur
Transformée de Fourier court-terme des fonctions de base
Groupe de
Z transformations
Résolution de
Sx (τ, f ) = x(t)h∗ (t − τ )e−2jπf t dt l’identité
Spectrogramme
Mono-résolution

Ondelettes
(STFT : Short-Time Fourier Transform)
Transformations
bilinéaires
Le paramètre τ permet d’analyser (spectralement) l’information à Boîtes à outils
tous les instants. Bibliographie
Choix de la fenêtre

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

• La notion de fréquence f dépend ici du choix de la fenêtre Fréquence

Résolution
analysante h(t) et de sa longueur. temps-fréquence

• h(t) = rectangle (mauvaise localisation fréquentielle), Pourquoi

l’analyse
gaussienne (meilleure localisation temps-fréquence : Gabor, temps-fréquence ?

T.F. Court Terme

1946), ... Fenêtrage

• en temps-discret : Bartlett, Hamming, Hanning, Blackman, Décomposition sur

des fonctions de base

Chebyshev, Kaiser Groupe de

transformations

(suivant critère de localisation fréquentielle : lobes Résolution de

l’identité

secondaires, equiripples, etc.) Spectrogramme

Mono-résolution
Ici la fenêtre est « sautante » (τ est discrétisé) Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Décomposition sur les fonctions de base

Analyse
Temps-Fréquence
et Temps-Echelle

• On peut interpréter la STFT comme des produits scalaires : O. Rioul

Fréquence
Sx (t, f ) =< x(t)|h(t − τ )e2jπf t > Résolution
temps-fréquence

contre des fonctions de base. Pourquoi

l’analyse
temps-fréquence ?
• Les fonctions de base sont des fenêtres modulées (ex :
T.F. Court Terme
Gabor). « Atomes temps-fréquence » Fenêtrage
Décomposition sur
• Par Parseval : des fonctions de base
Groupe de
transformations
−2jπ(ν−f )τ
Sx (t, f ) =< X(ν)|H(ν − f )e > Résolution de
l’identité
Spectrogramme
Mono-résolution
fonctions de base en fréquence Ondelettes

• L’analyse temps-fréquence est aussi une analyse Transformations

bilinéaires
fréquence-temps Boîtes à outils

Bibliographie
Illustration

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Fenêtrage
Décomposition sur
des fonctions de base
Groupe de
transformations
Résolution de
l’identité
Spectrogramme
Mono-résolution

Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Dualité ligne/colonne

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
• Sur les lignes (pour chaque f ) : Résolution
temps-fréquence
2jπf t
Sx (t, f ) =< x(t)|h(t − τ )e > Pourquoi
l’analyse
temps-fréquence ?

• Sur les colonnes (pour chaque t) : T.F. Court Terme

Fenêtrage
Décomposition sur

Sx (t, f ) = e2jπf · T.F.−1 de X(ν)H ∗ (ν − f ) des fonctions de base

Groupe de
transformations

Filtrage avec réponses fréquentielles H ∗ (ν − f )

Résolution de
l’identité
Spectrogramme
• Bancs de filtres uniforme (largeur de bande ∆f constante) Mono-résolution

Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Groupe de Weyl-Heisenberg

Analyse
Temps-Fréquence
et Temps-Echelle

• Groupe de translation/modulation de Weyl-Heisenberg : O. Rioul

Fréquence
(t, ν) 7→ (t − τ, ν − f ) Résolution
temps-fréquence

• Action (à gauche) sur la fenêtre analysante : Pourquoi

l’analyse
temps-fréquence ?

hτ,f (t) = h(t − τ )e2jπf t T.F. Court Terme

Fenêtrage
Décomposition sur
−2jπ(ν−f )τ des fonctions de base
Hτ,f (ν) = H(ν − f )e Groupe de
transformations

• Mesure (de Haar) invariante par le groupe : Résolution de

l’identité
Spectrogramme
Mono-résolution

d(t, f ) = dtdf Ondelettes

Transformations
bilinéaires
• Relation avec les états cohérents de la Mécanique Quantique...
Boîtes à outils

Bibliographie
Résolution de l’identité

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Orthonormalité temps-fréquence Fréquence

Z Z Résolution

ht,f (τ )h∗t,f (u)d(t, f ) = δ(u − τ )

temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?
On dit aussi « fermeture » ou « résolution de l’identité »
T.F. Court Terme
Fenêtrage

Démonstration. Décomposition sur

des fonctions de base
Z Z Groupe de
transformations
∗ −2jπf (u−τ )
h(τ − t)h (u − t)e dt df = Eh · δ(u − τ ) Résolution de
l’identité
Spectrogramme
Mono-résolution
OK pour une fenêtre admissible (d’énergie finie) normalisée
Ondelettes
(Eh = 1) Transformations
bilinéaires

Boîtes à outils

Bibliographie
Reconstruction du signal

Analyse
Temps-Fréquence
et Temps-Echelle
Par résolution de l’identité dans l’expression
O. Rioul
Z Z Z Z Z
x(u)h∗t,f (u)ht,f (τ )d(t, f )du
Fréquence
Sx (t, f )ht,f (τ )d(t, f ) =
Résolution
temps-fréquence

Pourquoi
on obtient Z Z l’analyse
temps-fréquence ?
x(τ ) = Sx (t, f )ht,f (τ )d(t, f ) T.F. Court Terme
Fenêtrage

(reconstruction du signal par sommation des projections) Décomposition sur

des fonctions de base
Groupe de
transformations

Inversibilité de la STFT Résolution de

l’identité
Z Z Spectrogramme

x(τ ) = Sx (t, f )h(t − τ )e−2jπf t dtdf Mono-résolution

Ondelettes

Transformations
Possibilité de modélisation temps-fréquence par STFT bilinéaires

Boîtes à outils
(squelette...)
Bibliographie
Noyau reproduisant

Analyse
Temps-Fréquence
et Temps-Echelle
• La résolution de l’identité s’écrit
O. Rioul
Z Z
ht,f (τ )h∗t,f (u)d(t, f ) = δ(u − τ ) Fréquence

Résolution
temps-fréquence

• Notion duale : Noyau reproduisant : Pourquoi

l’analyse
Z temps-fréquence ?

ht,f (τ )h∗u,ν (τ )dτ

T.F. Court Terme
K(t, f, u, ν) = Fenêtrage
Décomposition sur
des fonctions de base

• C’est la transformée de l’atome temps-fréquence analysé par Groupe de

transformations

lui-même Résolution de
l’identité
Spectrogramme
• Explication du terme « Noyau reproduisant » : Mono-résolution

Z Z Ondelettes

Transformations
Sx (u, ν) = K(t, f, u, ν)Sx (t, f )d(t, f ) bilinéaires

Boîtes à outils

Bibliographie
Spectrogramme

Analyse
Définition Temps-Fréquence
et Temps-Echelle

O. Rioul
Spectrogramme : |Sx (t, f )|2
Fréquence

C’est une distribution d’énergie temps-fréquence : Résolution

temps-fréquence

Conservation de l’énergie Pourquoi

l’analyse
Z Z temps-fréquence ?

E= |Sx (t, f )|2 dtdf T.F. Court Terme

Fenêtrage
Décomposition sur
des fonctions de base
Groupe de

Démonstration. transformations
Résolution de
l’identité
L’intégrale est Spectrogramme
Mono-résolution
Z Z Z Z
Ondelettes
x(τ ) x∗ (u) ht,f (τ )h∗t,f (u)d(t, f )dτ du Transformations
bilinéaires

Boîtes à outils
où par résolution de l’identité, l’intégrale en (t, f ) vaut Bibliographie
δ(u − τ ).
Généralisation au produit scalaire

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution

Formule de type Parseval : temps-fréquence

Pourquoi
l’analyse
Z Z
< x|y >= Sx (t, f )Sy∗ (t, f )dtdf temps-fréquence ?

T.F. Court Terme

Fenêtrage
Décomposition sur
des fonctions de base
Démonstration. Groupe de
transformations
2
Même preuve que pour < x|x >= kxk . Résolution de
l’identité
Spectrogramme
Mono-résolution

Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Analyse Mono-résolution

Analyse
Temps-Fréquence
et Temps-Echelle

Pourquoi Mono-résolution ? O. Rioul

Fréquence
Parce que les fonctions de base h(t − τ )e2jπf t sont toutes de même Résolution
résolutions ∆t, ∆f (vérifiant l’inégalité d’incertitude) temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?
Exemples T.F. Court Terme

• x(t) = δ(t − t0 ) donne |Sx (t, f )|2 = |h(t0 − t)|2 Fenêtrage

Décomposition sur
des fonctions de base
• x(t) = e2jπf0 t donne |Sx (t, f )|2 = |H(f0 − f )|2 Groupe de
transformations
Résolution de
l’identité
• Pour « voir » des zones oscillatoires (stationnaires), prendre Spectrogramme
Mono-résolution
une fenêtre longue.
Ondelettes
• Pour « voir » des zones transitoires (non stationnaires), Transformations
bilinéaires
recommencer toute l’analyse avec une fenêtre courte.
Boîtes à outils

Bibliographie
Illustration

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Fenêtrage
Décomposition sur
des fonctions de base
Groupe de
transformations
Résolution de
l’identité
Spectrogramme
Mono-résolution

Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
 Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence
• Pour une large classe de signaux réels, les zones d’énergie sont
Pourquoi
surtout « non stationnaires » sur des périodes courtes à haute l’analyse
temps-fréquence ?
fréquence. T.F. Court Terme
• D’où l’idée d’une analyse multirésolution : Fenêtrage
Décomposition sur
• ∆t petit (∆f grand) dans les fréquences hautes des fonctions de base
Groupe de
• ∆f petit (∆t grand) dans les fréquences basses transformations
Résolution de
l’identité
Spectrogramme
Mono-résolution

Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Groupe affine

Analyse
• On suit la même démarche que pour la STFT, mais pour un Temps-Fréquence
et Temps-Echelle
autre groupe de transformations : O. Rioul

• Groupe affine ax + b de translation/dilatation Fréquence

• Action sur un h(t) Résolution

temps-fréquence
  Pourquoi
1 t−τ l’analyse
hτ,a (t) = √ h temps-fréquence ?
a a T.F. Court Terme

√ Ondelettes
(le facteur 1/ a sert à normaliser l’énergie) Décomposition sur
des ondelettes
• Dilatation si a > 1 Multirésolution
Reconstruction
• Contraction si a < 1 Scalogramme
Echelle et fréquence
• Mesure invariante (à gauche) par le groupe : Exemples d’analyse
de signaux

Transformations
dtda bilinéaires
d(t, a) =
a2 Boîtes à outils

Bibliographie

• Relation avec les états cohérents affines de la MécaQ

Décomposition sur les ondelettes

Analyse
Temps-Fréquence
et Temps-Echelle
Les hτ,a (t) sont utilisées comme fonctions de base, appelées O. Rioul
« Ondelettes »
Fréquence

Transformée en ondelettes Résolution

temps-fréquence
 
t−τ
Z
1 Pourquoi
Cx (τ, a) = √ x(t)h∗ dt l’analyse
temps-fréquence ?
a a
T.F. Court Terme

(CWT : continuous wavelet transform) Ondelettes

Décomposition sur
des ondelettes

• La CWT forme des produits scalaires contre les fonctions de Multirésolution

Reconstruction

base ondelettes Scalogramme

Echelle et fréquence
Exemples d’analyse

Cx (τ, a) =< x(t)|hτ,a (t) > de signaux

Transformations
bilinéaires
• Les ondelettes sont les « Atomes temps-échelle » (τ, a) Boîtes à outils

Bibliographie
Analyse Multi-résolution

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
Pourquoi multi-résolution ? Résolution
temps-fréquence
Parce que les ondelettes sont de résolutions différentes ∆t, ∆f Pourquoi
(avec inégalité d’incertitude) : l’analyse
temps-fréquence ?

T.F. Court Terme

√
 
1 t − τ T.F.
→
√ h ← aH(af )e−2jπf τ Ondelettes

a a Décomposition sur
des ondelettes
Multirésolution
Reconstruction
• ∆t petit (∆f grand) dans les échelles a faibles, et Scalogramme
Echelle et fréquence

• ∆f petit (∆t grand) dans les échelles a hautes. Exemples d’analyse

de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Illustration

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Calcul en colonnes

Analyse
Par Parseval : Temps-Fréquence
et Temps-Echelle

√ O. Rioul
Cx (τ, a) =< X(ν)|Hτ,a (ν) >= aT.F.−1 de X(ν)H ∗ (aν)
Fréquence

∗ Résolution
Bancs de filtres à Q-constant (réponses fréquentielles H (aν)) temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Résolution de l’identité

Analyse
Temps-Fréquence
et Temps-Echelle

Orthonormalité temps-échelle O. Rioul

Z Z Fréquence
ht,a (τ )h∗t,a (u)d(t, a) = δ(u − τ ) Résolution
temps-fréquence

Pourquoi
l’analyse
Démonstration. temps-fréquence ?

T.F. Court Terme

    Ondelettes
τ −t ∗ u−t
Z Z
1 dt da Décomposition sur
h h des ondelettes

a a a a2 Multirésolution

Z Z Reconstruction

∗ −2jπν(τ −u) da Scalogramme

=a H(aν)H (aν)e dν 2 Echelle et fréquence
a Exemples d’analyse
de signaux

= Ah · δ(u − τ ) Transformations
bilinéaires

OK si l’ondelette est « admissible » : Ah = 1 Boîtes à outils

Bibliographie
Ondelette admissible

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Ondelette admissible Fréquence

Résolution
|H(ν)|2
Z temps-fréquence

Ah = dν < +∞ Pourquoi
|ν| l’analyse
temps-fréquence ?

(normalisée à Ah = 1). T.F. Court Terme

Ondelettes
Décomposition sur
• Une ondelette admissible doit être « passe-bande » : des ondelettes

R Multirésolution

• de valeur moyenne nulle h(t) dt = 0 (d’où le terme Reconstruction

Scalogramme
« ondelette ») Echelle et fréquence
Exemples d’analyse
• de densité spectrale d’énergie  1
|ν| à l’infini. de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Ondelette admissible (suite)

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Exemples d’ondelettes (admissibles) Fréquence

Résolution
• Ondelette de Morlet-Gabor : gaussienne modulée temps-fréquence

Pourquoi
l’analyse
1 2
t
− 2σ 2 −2jπf0 t
temps-fréquence ?
h(t) = √ e e
2πσ 2 T.F. Court Terme

Ondelettes

• « Chapeau mexicain » (dérivée seconde de gaussienne) Décomposition sur

des ondelettes
Multirésolution
Reconstruction
2
1 t t2
− 2σ Scalogramme
h(t) = √ (1 − )e 2
Echelle et fréquence
2πσ 2 σ2 Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Reconstruction du signal

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Grâce à la résolution de l’identité : Fréquence

Reconstruction par sommation des projections : Résolution
temps-fréquence
Z Z
Pourquoi
x(τ ) = Cx (t, a)ht,a (τ )d(t, a) l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
Inversibilité de la CWT des ondelettes
Multirésolution
 
t−τ
Z Z
1 dtda Reconstruction

x(τ ) = Cx (t, a) √ h Scalogramme

a a a2 Echelle et fréquence
Exemples d’analyse
de signaux

Possibilité de modélisation temps-échelle par CWT (squelette...) Transformations

bilinéaires

Boîtes à outils

Bibliographie
Noyau reproduisant

Analyse
Temps-Fréquence
et Temps-Echelle
• La résolution de l’identité s’écrit
O. Rioul
Z Z
ht,a (τ )h∗t,a (u)d(t, a) = δ(u − τ ) Fréquence

Résolution
temps-fréquence

• Notion duale : Noyau reproduisant : Pourquoi

l’analyse
Z temps-fréquence ?

ht,a (τ )h∗u,α (τ )dτ

T.F. Court Terme
K(t, a, u, α) =
Ondelettes
Décomposition sur
des ondelettes
• C’est la transformée de l’atome temps-échelle analysé par Multirésolution
Reconstruction
lui-même Scalogramme
Echelle et fréquence
• Explication du terme « Noyau reproduisant » : Exemples d’analyse
de signaux
Z Z Transformations
Cx (u, α) = K(t, a, u, α)Cx (t, a)d(t, a) bilinéaires

Boîtes à outils

Bibliographie
Scalogramme

Analyse
Définition Temps-Fréquence
et Temps-Echelle

O. Rioul
Scalogramme : |Cx (t, a)|2
Fréquence

C’est une distribution d’énergie temps-échelle : Résolution

temps-fréquence

Conservation de l’énergie Pourquoi

l’analyse
Z Z temps-fréquence ?
dtda
E= |Cx (t, a)|2 T.F. Court Terme

a2 Ondelettes
Décomposition sur
des ondelettes

Démonstration. Multirésolution
Reconstruction
Scalogramme
L’intégrale est Echelle et fréquence
Exemples d’analyse
Z Z Z Z de signaux

x(τ ) x∗ (u) ht,a (τ )h∗t,a (u)d(t, a)dτ du Transformations

bilinéaires

Boîtes à outils

où par résolution de l’identité, l’intégrale en (t, a) vaut Bibliographie

δ(u − τ ).
Généralisation au produit scalaire

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution

Formule de type Parseval : temps-fréquence

Pourquoi
l’analyse
Z Z
dt da
< x|y >= Cx (t, a)Cy∗ (t, a) 2 temps-fréquence ?

a T.F. Court Terme

Ondelettes
Décomposition sur

Démonstration. des ondelettes

Multirésolution

Même preuve que pour < x|x >= kxk2 .

Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Quel lien entre échelle et fréquence ?

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
• Soit f0 la fréquence caractéristique de l’« ondelette-mère » Résolution
temps-fréquence
h(t) (ex : ondelette de Morlet)
Pourquoi
√1 h t−τ


• Les autres ondelettes a a oscillent à la fréquence l’analyse
temps-fréquence ?
f = f0 /a T.F. Court Terme

• D’où l’identification Ondelettes

Décomposition sur
f0 des ondelettes

a≈ Multirésolution

f Reconstruction
Scalogramme
Echelle et fréquence
• Axe (logarithmique) des échelles pointant vers le bas Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Calcul par colonne (suite)

Analyse
√ Temps-Fréquence
Rappel Cx (τ, a) = a · T.F.−1 de X(ν)H ∗ (aν) et Temps-Echelle

(filtrage avec réponses fréquentielles H ∗ (aν)) O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
Par dilatation (paramètre a), ∆f
f est constant :
bilinéaires

« Filtrage à Q constant » : Q est la surtension (fréquence centrale Boîtes à outils

Bibliographie
rapportée à la largeur de bande)
Comparaison STFT-CWT

Analyse
Une impulsion / 3 sinusoïdes Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Comparaison STFT-CWT (module et phase)

Analyse
Deux impulsions et deux sinusoïdes (ensemble) Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Comparaison STFT-CWT (module et phase)

Analyse
Trois sinusoïdes d’instants d’émission décalés Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Comparaison STFT-CWT (module et phase)

Analyse
Un chirp (signal linéairement modulé en fréquence) Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Scalo-phasagramme

Analyse
Temps-Fréquence
et Temps-Echelle
Le même en scalo-phasagramme : O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Scalo-phasagramme

Analyse
Temps-Fréquence
et Temps-Echelle
Un signal “triangle” : O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Scalo-phasagramme

O. Rioul and M. Vetterli. Wavelets and Signal Processing. IEEE Analyse

Temps-Fréquence
Signal Processing Magazine, Oct. 1991, pp. 14–38. et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Comparaison STFT-CWT (module et phase)

Analyse
Un signal de parole : Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes
Décomposition sur
des ondelettes
Multirésolution
Reconstruction
Scalogramme
Echelle et fréquence
Exemples d’analyse
de signaux

Transformations
bilinéaires

Boîtes à outils

Bibliographie
Distributions énergétiques

Analyse
Temps-Fréquence
• Généralisation de la notion de distribution énergétique du et Temps-Echelle

signal dans le plan temps-fréquence (ou temps-échelle). O. Rioul

• Temps-fréquence : Définir Tx (t, f ) tel que Fréquence

Résolution
Z Z Z temps-fréquence

Tx (t, f )d(t, f ) = Ex = |x(t)|2 dt = |X(f )|2 df Pourquoi

l’analyse
temps-fréquence ?

T.F. Court Terme

(de même en temps-échelle avec la mesure d(t, a)) Ondelettes

• Cas particuliers : Transformations

bilinéaires
2
• Spectrogramme Tx (t, f ) = |Sx (t, f )| Covariance
Classes générales
• Scalogramme Tx (t, a) = |Cx (t, a)|2 Autres propriétés
attendues
• Généralisation : produit scalaire (propriété de Moyal) Distribution de
Wigner-Ville
Choix de noyaux
Z Z Z 2
Boîtes à outils
Tx (t, f )Ty (t, f ) dt df = x(t)y ∗ (t) dt Bibliographie
Transformées bilinéaires

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul
• On cherche naturellement une forme quadratique (bilinéaire)
Fréquence
du signal :
Résolution
Z Z temps-fréquence

Tx (t, f ) = k(u, v, t, f )x(u)x∗ (v) du dv Pourquoi

l’analyse
temps-fréquence ?

T.F. Court Terme

ou Z Z Ondelettes
Tx (t, f ) = K(ν, µ, t, f )X(ν)X ∗ (µ) dν dµ Transformations
bilinéaires
Covariance
avec un noyau k (ou K). Classes générales
Autres propriétés
∗
• Noter que x(u)x (v) est invariante par transformation de attendues
Distribution de
phase : x(t) 7→ x(t)ejφ . On ne peut pas ici exploiter Wigner-Ville
Choix de noyaux
l’information sur la phase. Boîtes à outils

Bibliographie
Covariance par le groupe

Analyse
Temps-Fréquence
Principe fondamental : et Temps-Echelle

O. Rioul
Covariance par rapport au groupe
Fréquence

Le principe de convariance impose une forme particulière du Résolution

temps-fréquence
noyau.
Pourquoi
l’analyse
Exemples temps-fréquence ?

T.F. Court Terme

• Groupe de Weyl-Heisenberg (de translation Ondelettes

temps-fréquence) : Transformations
bilinéaires
Covariance
y(t) = x(t − t0 )e−2jπf0 t =⇒ Ty (t, f ) = Tx (t − t0 ; f − f0 ) Classes générales
Autres propriétés
attendues

• Groupe affine (de translation-dilatation) Distribution de

Wigner-Ville
Choix de noyaux
   
1 t − t0 t − t0 a Boîtes à outils
y(t) = √ x =⇒ Ty (t, a) = Tx ; Bibliographie
a0 a0 a0 a0
Classe de Cohen

Analyse
• Par covariance temps-fréquence on obtient la forme générale Temps-Fréquence
et Temps-Echelle
de la Classe de Cohen (1966) : O. Rioul

Z Z Fréquence

Tx (t, f ) = N (τ − t, ν − f )Wx (τ, ν)dτ dν Résolution

temps-fréquence

Pourquoi
l’analyse
• C’est une convolution temps-fréquence (2D) d’un noyau N temps-fréquence ?

avec la distribution de Wigner-Ville : T.F. Court Terme

Ondelettes
Z
τ ∗ τ Transformations
Wx (t, f ) = x(t + )x (t − )e−2jπf τ dτ bilinéaires

2 2 Covariance
Classes générales
Autres propriétés
attendues
• Note : on retrouve le spectrogramme en prenant N = Wh En Distribution de
Wigner-Ville
effet, par la formule de Moyal : Choix de noyaux

Z Z Z Boîtes à outils

Wx (t, f )Wh (t − τ, f − ν) dt df = | x(t)h∗τ,ν (t) dt|2 . Bibliographie

Classe de Rioul-Flandrin

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence
• Par covariance temps-échelle on obtient la forme générale de Résolution
temps-fréquence
la Classe affine (Rioul-Flandrin, 1992) :
Pourquoi
l’analyse
  temps-fréquence ?
τ −t
Z Z
Tx (t, a) = N , aν Wx (τ, ν)dτ dν T.F. Court Terme
a Ondelettes

Transformations
bilinéaires
• C’est une convolution temps-échelle (2D) d’un noyau N avec Covariance

la même distribution de Wigner-Ville Classes générales

Autres propriétés
attendues
• Note : on retrouve le scalogramme en prenant N = Wh Distribution de
Wigner-Ville
Choix de noyaux

Boîtes à outils

Bibliographie
Propriété attendue : Marginales

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

On retrouve les densités temporelle et spectrale d’énergie par Résolution

temps-fréquence
marginalisation temps ou fréquence : Pourquoi
l’analyse
Z temps-fréquence ?

Tx (t, f )df = |x(t)|2 T.F. Court Terme

Ondelettes

Z Transformations
bilinéaires
2
Tx (t, f )dt = |X(f )| Covariance
Classes générales
Autres propriétés
attendues
Distribution de
Wigner-Ville
Choix de noyaux

Boîtes à outils

Bibliographie
Propriété attendue : Moments

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul
On retrouve la fréquence instantanée et le retard de groupe Fréquence
comme les moments d’ordre 1 (temps ou fréquence) : Fréquence Résolution
temps-fréquence

instantanée : R Pourquoi
l’analyse
f Tx (t, f ) df temps-fréquence ?
fx (t) = R
Tx (t, f ) df T.F. Court Terme

Ondelettes
Retard de groupe : Transformations
bilinéaires
Covariance
R
tTx (t, f ) dt Classes générales
tx (f ) = R Autres propriétés
Tx (t, f ) dt attendues
Distribution de
Wigner-Ville

(se généralise aux moments d’ordre supérieur) Choix de noyaux

Boîtes à outils

Bibliographie
Propriété attendue : Supports

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence
• Pour une signal de durée finie T , sa représentation bilinéaire
Pourquoi
a le même support temporel. l’analyse
temps-fréquence ?
• Pour une signal de bande limitée B, sa représentation T.F. Court Terme

bilinéaire a le même support fréquentiel. Ondelettes

Transformations
• (en contradiction apparente avec le principe d’incertitude : bilinéaires

voir interférences plus loin) Covariance

Classes générales
Autres propriétés
attendues
Distribution de
Wigner-Ville
Choix de noyaux

Boîtes à outils

Bibliographie
La solution : Distribution de Wigner-Ville

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul
Bonne nouvelle [Wigner (1932) et Ville (1948)] :
Fréquence
La distribution de Wigner-Ville : Résolution
temps-fréquence

Pourquoi
Z
τ ∗ τ
Wx (t, f ) = x(t + )x (t − )e−2jπf τ dτ l’analyse
temps-fréquence ?
2 2
T.F. Court Terme

Ondelettes
a toutes les propriétés ci-dessus ! Transformations
bilinéaires
En plus, elle est inversible à une amplitude/phase près : Covariance
Classes générales

Z   Autres propriétés

1 t attendues

x(t) = ∗ Wx , f e2jπf t df Distribution de

Wigner-Ville
x (0) 2 Choix de noyaux

Boîtes à outils
Preuve : TF inverse pour τ = t/2. Bibliographie
Fonction d’ambiguïté

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
• Transformée duale de Wigner-Ville : Fonction d’ambiguïté temps-fréquence

Z Pourquoi
τ τ l’analyse
Ax (f, τ ) = x(t + )x∗ (t − )e2jπf t dt temps-fréquence ?

2 2 T.F. Court Terme

Ondelettes
• Utile pour la discrimination/séparation temps-fréquence. Transformations
bilinéaires
• Exemple : Radar pour des cibles proches en distance (retard) Covariance

et en vitesse (fréquence Doppler) Classes générales

Autres propriétés
attendues
Distribution de
Wigner-Ville
Choix de noyaux

Boîtes à outils

Bibliographie
Interférences

Analyse
Temps-Fréquence
et Temps-Echelle
Mauvaise nouvelle : O. Rioul

La distribution énergétique temps-fréquence Wx (t, f ) est réelle Fréquence

mais pas toujours positive ! ! Résolution

temps-fréquence

Pourquoi
Très mauvaise nouvelle : l’analyse
temps-fréquence ?

Si x(t) = x1 (t) + x2 (t), alors (termes d’interférence) T.F. Court Terme

Ondelettes

Wx (t, f ) = Wx1 (t, f ) + Wx2 (t, f ) + Wx1 ,x2 (t, f ) + Wx2 ,x1 (t, f ) Transformations
bilinéaires
Covariance
Classes générales
• Très gênant pour l’interprétation (explique la non-positivité) Autres propriétés
attendues

• N composantes donne une représentation temps-fréquence de Distribution de

Wigner-Ville

N termes + N (N − 1)/2 termes d’interférences ! Choix de noyaux

Boîtes à outils
• D’où l’idée de lisser Wigner-Wille (par convolution) pour
Bibliographie
réduire les interférences :
Wigner-Ville lissée

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?

T.F. Court Terme

Ondelettes

Transformations
bilinéaires
Covariance
Classes générales
Autres propriétés
attendues
Distribution de
Wigner-Ville
Choix de noyaux

Boîtes à outils

Bibliographie
Noyaux de lissage

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul
• Wigner-Ville pseudo-lissée (pseudo signifie lissage séparable
Fréquence
t :f ou t :a)
Résolution
• Exemple de lissage non séparable temps-fréquence pour temps-fréquence

réduire les interférences : Choi-Williams (1989) : Pourquoi

l’analyse
• Noyau gaussien en le produit des variables temps-fréquence : temps-fréquence ?

T.F. Court Terme

2
N (t, f ) = (TF2D)−1 de e−(πντ /σ) /2 Ondelettes

Transformations
bilinéaires
• Intérêt : Réduction d’interférence en conservant les propriétés Covariance

de marginales et de moments. Classes générales

Autres propriétés

• Méthodes de lissage calculées en fonction du signal (méthodes attendues

Distribution de

adaptatives non-paramétriques) Wigner-Ville

Choix de noyaux
Exemple : OK distribution (Optimal Kernel, Baraniuk, 1993) Boîtes à outils

Bibliographie
Autres choix de noyaux

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

• Principe : On fait de l’analyse sur l’outil d’analyse ! Fréquence

• Chaque propriété voulue se traduit sur le noyau N Résolution

temps-fréquence

• Un ensemble de propriétés définit une classe de solutions Pourquoi

l’analyse
Tx (t, f ) (si elle existe !) temps-fréquence ?

T.F. Court Terme

Ondelettes
Impossibilités Transformations
bilinéaires
• Il est impossible de vérifier à la fois positivité et marginales Covariance

(ex : STFT) Classes générales

Autres propriétés
attendues
• Il est impossible de vérifier à la fois positivité et Moyal (ex : Distribution de
Wigner-Ville
Wigner-Ville) Choix de noyaux

Boîtes à outils

Bibliographie
Exemple de distribution temps-fréquence :
Rihaczek
Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul
• Distribution de Rihaczek (1968)
Fréquence

Résolution
Tx (t, f ) = x(t)X ∗ (f )e−2jπf t temps-fréquence

Pourquoi
l’analyse
temps-fréquence ?
• Intérêt : très simple. On en prend souvent la partie réelle
T.F. Court Terme
(Ackroyd)
Ondelettes
• Distribution s-Wigner : Transition douce entre Wigner-Ville Transformations

et Rihaczek par un paramètre |s| < 12 : bilinéaires

Covariance
Classes générales
Z
1 1 Autres propriétés

Tx (t, f ) = x(t + (s − )τ )x∗ (t − (s + )τ )e−2jπf τ dτ

attendues
Distribution de
2 2 Wigner-Ville
Choix de noyaux

Boîtes à outils

Bibliographie
Exemple de distribution temps-fréquence : Page

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

• Distribution de Page-Levin (1950) Résolution

temps-fréquence

Pourquoi
Z t 2 l’analyse
∂ temps-fréquence ?
Tx (t, f ) = x(τ )e−2jπf τ dτ T.F. Court Terme
∂t −∞
Ondelettes

Transformations
• Intérêt : Causalité bilinéaires
Covariance

Ce ne sont que quelques exemples ! Classes générales

Autres propriétés
cf. [Flandrin93] pour une liste exhaustive de distributions attendues
Distribution de
Wigner-Ville
Choix de noyaux

Boîtes à outils

Bibliographie
Outils standard MATLAB

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

• Signal Processing Toolbox : specgram (spectrogram) Pourquoi

l’analyse
• Wavelet Toolbox : temps-fréquence ?

T.F. Court Terme

• Centrale Lyon, Marne-la-Vallée, Paris V et Paris Sud
Ondelettes
• 1D and 2D orthogonal wavelets, paquets, denoising...
Transformations
• cwt (continuous wavelet transform) bilinéaires

Boîtes à outils

Bibliographie
Outils standford WaveLab

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
• Wavelab : [Link]/˜wavelab (Donoho, temps-fréquence

Pourquoi
Williams, Mallat) l’analyse
temps-fréquence ?
• Très varié (pointu) sur l’analyse par ondelettes. T.F. Court Terme

• Squelettes, maxima, packets, interpolation, etc. Ondelettes

Transformations
• Continuous tools : CWT bilinéaires

• Wigner tools : Spectrogram, WVDist, TFDist Boîtes à outils

Bibliographie
Outils SIMPA

Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul
• Bibliothèque SIMPA du GDR-PRC ISIS
Fréquence
[Link]/Applications/
Résolution
• Boîte à Outils Temps-Echelle (O. Rioul Télécom ParisTech, J. temps-fréquence

C. Pesquet LSS, H. Krim MIT) Pourquoi

l’analyse
• Ondelettes (bi)-orthogonales, FWT, régularité temps-fréquence ?

• Paquets d’ondelettes T.F. Court Terme

Ondelettes
• Boîte à Outils Temps-Fréquence (P. Flandrin ENS Lyon etc.)
Transformations
• [Link] 1996 bilinéaires

• Très complet sur les transformations bilinéaires. Boîtes à outils

• Fréquence instantanée, retard de groupe, Mellin,. . . Bibliographie

• Classe de Cohen : Spectrogramme, Wigner-Ville,

Choi-Williams, Rihaczek, etc, etc !
• Classe affine : Wigner-Ville lissé affine, scalogramme, etc.
Un peu de lecture...

Analyse
Temps-Fréquence
P. Flandrin. et Temps-Echelle

Temps-fréquence. O. Rioul

Hermès, 1993. Fréquence

Résolution
M. Akay, ed. temps-fréquence

Time-Fréquency and Wavelets in Biomedical Signal Pourquoi

l’analyse
Processing. temps-fréquence ?

IEEE Press, 1998. T.F. Court Terme

Ondelettes

O. Rioul and M. Vetterli. Transformations

bilinéaires
Wavelets and Signal Processing.
Boîtes à outils
IEEE Signal Processing Magazine, Oct. 1991, pp. 14–38. Bibliographie

O. Rioul and P. Flandrin.

Time-Scale Energy Distributions : A General Class Extending
Wavelet Transforms.
IEEE Trans. on Signal Processin, July 1992,
40(7) :1746–1757.
 Analyse
Temps-Fréquence
et Temps-Echelle

O. Rioul

Fréquence

Résolution
temps-fréquence

Mes articles « ondelettes et temps-échelle » sont disponibles en Pourquoi

l’analyse
format PDF sur ma page Web : temps-fréquence ?

T.F. Court Terme

[Link] Ondelettes

Transformations
bilinéaires

Boîtes à outils

Bibliographie