AM-FM signal Analysis by Teager Huang Transform: application to underwater acoustics
Analyse des signaux AM-FM par Transformation d'Huang Teager: application à l'acoustique sous marine
Résumé
The Empirical Mode Decomposition (EMD) is new data driven signal processing tool dedicated to the analysis of non-stationary signals derived or not from linear systems. In EMD, the core idea is the fitting splines to extrema in the process of extracting the oscillatory components, called Intrinsic Mode Functions (IMFs), and a residual in the decomposition of the input signal. In this thesis a new EMD is introduced where smoothing interpolation instead of exact interpolation is used to construct the upper and lower envelopes of the signal to be decomposed. The new EMD is more robustness against noise compared to conventional one and reduces the number of unwanted or insignificant IMFs (over-decomposition). Combining the new EMD and the Energy Separation Algorithm (ESA) based on the Teager-Kaiser Energy Operator (TKEO), a new approach for demodulating multi-component AM-FM noisy signals called EMD-ESA is presented. Different versions of the EMD-ESA are detailed and their performances analyzed. For Time-Frequency (TF) analysis, a mathematical formulation of the TF map of the EMD-ESA called Teager-Huang Transform (THT) is presented. This TF Representation (TFR) cross-terms free is compared to classical TFRs such as spectrogram, scalogram, Wigner-Ville Distribution (WVD), Pseudo-WVD and reassigned Pseudo-WVD. Combining the new formulation of the THT and the Hough transform (HT), a new tracking scheme (detection and estimation) of multi-component linear frequency modulation signals is introduced and compared to WVD-Hough transform. The introduced detection method is called Teager Huang Hough Transform (THHT) for short. Finally, a TF analysis by the THT and classical TFRs (WVD, Pseudo-WVD,\ldots) of real signals backscattered by a cylindrical shell of different dimensions and physical parameters is performed. The obtained results show the interest of the THT as a TF tool.
La Décomposition Modale Empirique (EMD) est un outil de traitement de signal piloté par les données et dédié aux signaux non-stationnaires issus ou non de systèmes linéaires. L'idée de base de l'EMD est l'interpolation des extrema par des splines pour extraire de composantes oscillantes appelées modes empiriques intrinsèques (IMFs) et un résidu. Dans cette thèse, un nouvel algorithme de l'EMD est introduit où au lieu d'une interpolation rigide, un lissage est utilisé pour la construction des enveloppes supérieures et inférieures du signal à décomposer. Ce nouvel algorithme est plus robuste au bruit que l'EMD conventionnelle et réduit le nombre d'IMFs "artificielles" (sur-décomposition). En combinant le nouvel algorithme et la méthode de séparation d'énergie (ESA) basée sur l'Opérateur d'Energie de Teager-Kaiser (OETK), un nouveau schéma de démodulation des signaux AM-FM multi-composante appelé EMD-ESA est introduit. Différentes versions de l'EMD-ESA sont analysées en terme de performance. Pour l'analyse Temps-Fréquence (TF), une nouvelle formulation de la carte TF de l'EMD-ESA appelée Transformation de Teager-Huang (THT) est présentée. Cette nouvelle Représentation TF (RTF) ne présentant pas de termes d'interférences est comparée aux RTF classiques telles que le spectrogramme, le scalogramme, la distribution de Wigner-Ville Distribution (WVD), la Pseudo-WVD et la réallocation de la Pseudo-WVD. En combinant la nouvelle formulation de la THT et la transformée de Hough, une nouvelle méthode de détection des signaux multi-composante à modulation linéaire de fréquence dans le plan TF est présentée. Cette méthode de détection est appelée transformation de Teager-Huang-Hough (THHT). Les résultats de la THHT sont comparés à ceux de la transformée WVD-Hough. Finalement, l'analyse TF par THT et par des RTF classiques (WVD, spectrogramme, etc.) de signaux réels de rétrodiffusion par des coques cylindriques de dimensions et de caractéristiques physiques différentes est présentée. Les résultats obtenus montrent l'apport de la THT comme un outil TF.
Loading...