Analyse des signaux non-stationnaires à l’aide d’une nouvelle démarche de classification : application à l’identification de l’endommagement de matériaux composites par émission acoustique et à la détection de la crise d’épilepsie par EEG - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2018

Analysis of non-stationary signals using a new classification approach: application to the identification of damage in composite materials by acoustic emission and to the detection of epilepsy by EEG

Analyse des signaux non-stationnaires à l’aide d’une nouvelle démarche de classification : application à l’identification de l’endommagement de matériaux composites par émission acoustique et à la détection de la crise d’épilepsie par EEG

Résumé

The first part of this thesis aims at developing a new clustering method of acoustic emission (AE) signals, called incremental method (IC), induced by damage mechanisms of glass and flax fibre-reinforced composite materials. The advantage of this method is the capability to identify the signals carrying information and to provide the types of damage mechanisms without using additional expertise. Experimental results showed that the IM based feature presented more advantages to successfully classify the AE signals and build a labelled learning database. Moreover, the use of the learning database and a supervised classifier has proven effective for detecting damage mechanisms of hybrid composite materials. However, traditional feature-based representation approach may be ineffective in some cases to solve a classification problem. We propose to use the dissimilarity-based approach for signals classification. Traditional signal processing approaches assume the stationarity of signals, which in practice is not often satisfied. Hence, time or frequency descriptions alone are insufficient to provide comprehensive information about such signals. On the contrary, time–frequency analysis (TFA) is more suitable for nonstationary signals. Thus, we have the idea to combine the classification-based dissimilarity approach and TFA. This idea is the main purpose of the second part of this thesis. We conducted experimental tests to validate the proposed classification approach using real signals. We are especially interested in the classification of EEG epileptic signals. The proposed approach leads to a significant improvement of the classifier performances compared to the feature-based approach.
La première partie de cette étude doctorale vise à développer une nouvelle méthode de classification de signaux d'émission acoustique (EA), appelée méthode incrémentale (MI), provoqués par les mécanismes d'endommagement des matériaux composites à fibres végétales et à fibres de verre. L'avantage de cette méthode est sa capacité d'identifier les signaux porteurs d'informations et de fournir les types de mécanismes d’endommagement sans avoir recours à une expertise supplémentaire. Les résultats expérimentaux ont montré que la MI basée sur les caractéristiques des signaux d’EA présente plus d'avantages pour les classifier et construire une base de données d'apprentissage. De plus, l'utilisation de la base de données d’apprentissage et un classifieur supervisé s’est avérée efficace pour détecter tous les types d'endommagement de matériaux composites hybrides. Étant donné que la représentation basée sur les caractéristiques peut s’avérer inefficace dans certains cas pour résoudre un problème de classification, c’est vers l’approche de classification basée sur une mesure de dissimilarité que notre étude s’est orientée pour mieux classifier les signaux. De plus, l'analyse temps-fréquence (ATF) est plus appropriée aux signaux non-stationnaires. Ainsi, le principe de combiner l’approche de classification basée sur une mesure de dissimilarité et l’ATF a été retenue, ce qui a constitué l’objectif principal de la deuxième partie de cette thèse. Afin de valider l’approche, des applications à des signaux EEG d’épilepsie de la littérature sont finalement considérées. Les résultats expérimentaux montrent que cette approche conduit à une amélioration notable des performances d’un classifieur comparée à l’approche basée sur les caractéristiques.
Fichier principal
Vignette du fichier
63537_ECH-CHOUDANY_2018_archivage.pdf (9.41 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-02883219 , version 1 (28-06-2020)

Identifiants

  • HAL Id : tel-02883219 , version 1

Citer

Youssef Ech-Choudany. Analyse des signaux non-stationnaires à l’aide d’une nouvelle démarche de classification : application à l’identification de l’endommagement de matériaux composites par émission acoustique et à la détection de la crise d’épilepsie par EEG. Traitement du signal et de l'image [eess.SP]. Université de Reims Champagne-Ardenne, 2018. Français. ⟨NNT : ⟩. ⟨tel-02883219⟩

Collections

URCA CRESTIC
130 Consultations
14 Téléchargements

Partager

Gmail Facebook X LinkedIn More