Spelling suggestions: "subject:"indicator off cyclostationary"" "subject:"indicator off stationarity""
1 |
Human locomotion analysis : exploitation of cyclostationarity properties of signals / Analyse de la locomotion humaine : exploitation des propriétés de cyclostationnarité des signauxZakaria, Firas 21 December 2015 (has links)
Les travaux présentés dans cette mémoire visent à développer de nouvelles méthodes qui exploitent les propriétés de cyclostationnarité pour traiter des signaux de force de réaction du sol enregistrées au cours de la marche et la course à pied. Nous nous intéressons à l’analyse de la locomotion humaine dans trois domaines d´études: une étude liée à la pathologie, une deuxième liée directement à l’âge et une troisième relative à la fatigue. En effet, la détection du risque de chute chez les personnes âgées pour fin de prévention contre la chute constitue un enjeu majeur, car cette chute entraine d’une part un nombre de décès important et d’autres part se traduit par un cout élevée de la santé publique. Par ailleurs, l’étude de la fatigue musculaire en particulier pour l’amélioration des performances des sportifs de haut niveau a fait l’objet de nombreux travaux de recherche & développement. La recherche et le développement de nouvelles méthodes et d’indicateurs dans le domaine de traitement de signal dans le but de caractériser la locomotive humaine, permettrait des avancées intéressantes dans les enjeux évoqués ci-dessus. La complexité des signaux GRF est définie par le système neuromusculaire qui génère ce signal. Une meilleure connaissance de ce système nécessite le développement des méthodes de séparation de sources et des outils avancés de traitement du signal pour mieux décrire le système considéré. En effet, nous montrons dans cette thèse que les signaux GRF peuvent être modélisés dans un cadre cyclostationnaire élargi. Les composantes de signal GRF (contribution active et passive) sont séparées par de nouvelles techniques de séparation de sources. Cette modélisation ouvre de nouvelles perspectives pour la décomposition et identification des sources individuelles. D'autre part, on exploite les caractères cyclostationnaire des signaux dans le cadre de la méthode d'analyse en composantes morphologique (MCA). Cet algorithme nous permet de séparer avec succès les composantes d’ordre 1 et d’ordre 2 des signaux considérés. Finalement, nous nous proposons un nouveau modèle utile pour l'étude et la caractérisation de cyclostationnarité. Il présente l'effet de la variation aléatoire de la pente sur le spectre du signal cyclique. Nous appelons ce modèle (modèle cyclostationnaire à pente aléatoire). Nous appliquons ce modèle pour l'étude des signaux biomécaniques où nous considérons la pente comme une mesure spécifique extraite des forces de réaction du sol. Les résultats montrent que la pente et les polynômes à coefficients aléatoires du pic passive peuvent jouer un rôle important et fournir des informations intéressantes concernant la fatigue et concernant la performance de marche et course à pied / The research work presented in this dissertation, involves the development of novel methodologies and methods, for the exploitation of cyclostationarity properties and for the treatment of ground reaction force signals, recorded during walking and running. We are especially interested in the analysis of human locomotion in three fields of interest: a study relating to pathology, a study directly related to age, and a study of muscle fatigue. Indeed, the detection of risk of falling among the elderly for the prevention of falls is of major concern. This is because falling on the one hand leads to a large number of deaths and secondly, resulting in higher costs of public health.Study the muscle fatigue in particular has occupied taken a big share out of this research due to the importance of such events like strenuous level of sports. Research and development of new methods and indicators in the field of signal processing for better characterizing the human locomotion, would allow interesting advances in the aforementioned issues. The complexity of GRF signals is defined by the neuromuscular system which generates this signal. Improved knowledge of this system requires developing source separation methods and advanced signal processing tools to better describe the system under consideration. Indeed, we will endeavor to show in this dissertation that GRF signals can be modeled within an enlarged cyclostationary framework. The GRF signal components (active and passive contribution) are separated by means of new source separation techniques. This modeling opens new perspectives for the decomposition and identification of individual sources. On the other hand, we exploit the cyclostationary characters of signals in the context of Morphological component analysis (MCA) method. Such algorithm enables us to successfully separate the first and second order components of the signals under consideration. Finally, we provide a new model useful for studying and characterizing cyclostationarity. It presents the impact of random slope variation on the cyclic spectrum of the signal. We call this model the random slope modulation (RSM). We apply this model for studying biomechanical signals where we consider the slope as a specic measure extracted from the vertical ground reaction forces. The results show that the slope and polynomial random coefficients of passive peaks can play important role and provide interesting information concerning fatigue and concerning running / walking performance
|
Page generated in 0.1379 seconds