In this semestral thesis, realizations of chosen linear filters for baseline wander are described. These filters are then used on artificial ECG signals from CSE database with added baseline wander. These methods are compared and results are evaluated. After that, literature search of Empirical mode decomposition method is utilized. Realization of designed filters in MATLAB programming language are described, then results are evaluated with respect to filtration success.

No description available.

In this thesis, we explored the generative adversarial network called uTSGAN to generate patterns from multivariate CAN bus time series dataset. Since the given data is unlabelled, unprocessed and highly imbalanced containing large amount of missing values, we have to define and discard a few timestamps and limit the focus of the study to the reduced subset involving patterns of the 10-second window size, which are categorised and clustered into majority and minority classes. To generate such an imbalanced set, we have used image based time series GAN called uTSGAN which transforms a time sequence into a spectrogram image and back to a time sequence within the same GAN framework. For the comparison, we also prepared a resampled (balanced) dataset from the imbalanced set to use in alternative experiments. This comparison evaluates the results of the conventional resampling approach against the baseline as well as our novel implementations. We propose two new methods using "cluster density based" and "sample loss based" techniques. Throughout the experimentation, the "cluster density based" GANs consistently achieved better results on some common and uncommon evaluations for multivariate and highly imbalanced sample sets. Among some regular evaluation methods, classification metrics such as balanced accuracy and precision provide a better understanding of experimentation results. The TRTS balanced accuracy and precision from "cluster density based" GAN achieves over 82% and 90% with an improvement of 20-30% and 14-18% respectively from that of baseline; the TSTR balanced accuracy of "cluster density based" increased by 10.6% from that of baseline and it show slightly better precision with respect to that of the baseline when compared on generated results from univariate experiments. Secondly, the alternative "resampling based" implementations show similar values to that of the baseline in TRTS and TSTR classifications. Simultaneously, More distinguished results are seen using a quantitative metric called Earth Mover’s Distance(EMD). We have used this distance measure to calculate the overall mean EMD and clusterwise mean EMD between real samples and fake (i.e. generated) samples. During their evaluations, "cluster density based" experiments showed significantly better results for not only majority but also minority clusters as compared to the results of baseline and "resampling based" experiments. At the end, we have opened a discussion on how one can utilize our findings in MAR problem aswell as improve the results by taking some precautionary measures.

This thesis examines three decomposition techniques and their usability for economic and financial time series. The stock index DAX30 and the exchange rate from British pound to US dollar are used as representative economic time series. Additionally, autoregressive and conditional heteroscedastic simulations are analysed as benchmark processes to the real data. Discrete wavelet transform (DWT) uses wavelike functions to adapt the behaviour of time series on different time scales. The second method is the singular spectral analysis (SSA), which is applied to extract influential reconstructed modes. As a third algorithm, empirical mode decomposition (END) leads to intrinsic mode functions, who reflect the short and long term fluctuations of the time series. Some problems arise in the decomposition process, such as bleeding at the DWT method or mode mixing of multiple EMD mode functions. Conclusions to evaluate the predictability of the time series are drawn based on entropy - and recurrence - analysis. The cyclic behaviour of the decompositions is examined via the coefficient of variation, based on the instantaneous frequency. The results show rising predictability, especially on higher decomposition levels. The instantaneous frequency measure leads to low values for regular oscillatory cycles, irregular behaviour results in a high variation coefficient. The singular spectral analysis show frequency - stable cycles in the reconstructed modes, but represents the influences of the original time series worse than the other two methods, which show on the contrary very little frequency - stability in the extracted details.

L'objectif principal de cette thèse est la caractérisation des dynamiques hautes fréquance en milieu côtier et en particulier leurs extrêmes, par l'intermédiaire de l'étude de série temporelle biogéochimiques à long terme enregistrées par des systèmes automatisés. Les bases de données hautes fréquences utilisées dans cette étude proviennent majoritairement du programme MAREL, qui a été mise en oeuvre par l'IFREMER. Des séries temporelles basses fréquences provenant des programmes de surveillance du littoral SOMLIT (CNRS, INSU) et SRN (Ifremer) sont mises à contribution pour appuyer l'importance des systèmes automatisés. La méthode EMD (Empirical Mode Decomposition) nous a servi de base dans de nombreuses analyses pour étudier ces séries temporelles. Nous avons aussi utilisé des méthodes plus classiques empruntées aux domaines de l'analyse numérique et de la turbulence. Cette études se décompose en 3 parties, et plusieurs annexes. Les matériels et méthodes sont présentés dans la première partie. Dans la seconde partie, la méthode EMD nous a permis de mettre en avant les fortes fluctuations contenues dans les blooms, ainsi que de mener des analyses spectrales grâce à un couplage avec la transformée de Hilbert. L'analyse en composante principale (ACP) a mis en avant les principaux forçages exercés sur la production primaire et les profils de température SOMLIT laissent supposer un impact de la stratification sur l'intensité des blooms. Dans la troisième partie, nous avons mené une étude comparative entre les données basses fréquences et hautes fréquences. Et deux méthodes de cross-corrélation (TDIC et co-spectre) nous ont permis de définir une échelle caractéristique de transition entre les températures de la Manche occidentale et orientale. En annexe, nous avons testé la robustesse de différentes méthodes d'analyses spectrales quant au manque de données dans les séries temporelles, qui est un problème inhérent aux bases de données enregistrées par des systèmes automatisés, et nous avons reproduit un article qui est en cours de soumission. / The main objective of this thesis is the characterization of high frequency dynamics in coastal areas and in particular their extremes, through the study of long-term biodeochemical time series registered by automated systems. The majority of high-frequency data sets used in this study came from MAREL program. The low-frequency time series from coastal monitoring programs SOMLIT (CNRS, INSU) and SRN (Ifremer) are employed to support the importance of automated systems. The EMD (Empirical Mode decomposition) method has provided a basis for us to study several of these time series. We also have used some methods more classical borrowed from numerical analysis field and turbulence. This study is organized in three chapters, and several appendices. The first chapter is devoted to the material and method. In the second chapter, using the EMD method we have highlighted the strong fluctuations contained in the blooms, and we have performed spectral analyzes. The principal component analysis (PCA) highlighted the main forcing exerted on primary production and SOMLIT temperature profiles suggest an impact of stratification on the intensity of blooms. In the third chapter, we conducted a comparative study between low-frequency and high-frequency data. Two cross-correlation methods (TDIC and co-spectra) allowed us to define a characteristic transition scale between the temperatures of the western and eastern English Cahnnel. In appendices we tested the robustness of different spectral analysis methods about the missing data in the time series, which is an underlying problem in the database registered by automated systems, and we reproduce a paper, which is under submission.

Le travail présenté dans cette thèse a pour objectif de proposer et d'évaluer les performances de différentes techniques de suppression de bruit impulsif de type asynchrone adaptées aux transmissions sur courants porteurs en lignes (CPL) indoor. En effet, outre les caractéristiques physiques spécifiques à ce type de canal de transmission, le bruit impulsif asynchrone reste la contrainte sévère qui pénalise les systèmes CPL en terme de QoS. Pour remédier aux dégradations dues aux bruits impulsifs asynchrones, les techniques dites de retransmission sont souvent très utilisées. Bien qu'elles soient efficaces, ces techniques de retransmission conduisent à une réduction de débit et à l’introduction de délais de traitement supplémentaires pouvant être critiques pour des applications temps réel. Par ailleurs, plusieurs solutions alternatives sont proposées dans la littérature pour minimiser l'impact du bruit impulsif sur les transmissions CPL. Cependant, le nombre de techniques, qui permettent d'obtenir un bon compromis entre capacité de correction et complexité d'implantation reste faible pour les systèmes CPL. Dans ce contexte, nous proposons dans un premier temps d'utiliser un filtre linéaire adaptatif : le filtre de Widrow, nommé aussi ADALINE (ADAptive LInear NEuron), que nous utilisons comme méthode de débruitage pour les systèmes CPL. Pour améliorer les performances du débruitage effectué à l'aide d'ADALINE, nous proposons d'utiliser un réseau de neurones (RN) non linéaire comme méthode de débruitage. Le réseau de neurones est un bon outil qui est une généralisation de la structure du filtre ADALINE. Dans un deuxième temps, pour améliorer les performances du débruitage par un réseau de neurones, nous proposons un procédé d'annulation du bruit impulsif constitué de deux algorithmes : EMD (Empirical Mode Decomposition) associé à un réseau de neurones de type perceptron multicouches. L'EMD effectue le prétraitement en décomposant le signal bruité en signaux moins complexes et donc plus facilement analysables. Après quoi le réseau de neurones effectue le débruitage. Enfin, nous proposons une méthode d'estimation du bruit impulsif utilisant la méthode GPOF (Generalized Pencil Of Function). L'efficacité des deux méthodes, EMD-RN et la technique utilisant l'algorithme GPOF, est évaluée en utilisant une chaîne de simulation de transmission numérique compatible avec le standard HPAV. / The aim of our thesis is to propose and to evaluate the performances of some asynchronous impulsive noise mitigation techniques for transmission over indoor power lines. Indeed, besides the particular physical properties that characterize this transmission channel type, asynchronous impulsive noise remains the difficult constraint to overcome on power lines communications (PLC). Usually, the impact of asynchronous impulsive disturbances over power lines is partly compensated by means of retransmission mechanisms. However, the main drawbacks of the use of retransmission solutions for impulsive noise mitigation are the bitrate loss and the induced time delays that may be prohibitive for real-time services. Although several other countering strategies are proposed in the literature, only very few of them have a good compromise between correction capability and implementing complexity for PLC systems. In this context, we proposed an adaptive linear filter, the Widrow filter, also known as ADALINE (Adaptive LInear neurons), as a denoising method for PLC systems. To improve the performance of the denoising method using ADALINE, we proposed to use a neural network (NN) as a nonlinear denoising method. The neural network is a good generalization of the ADALINE filter. In a second step, to improve the performances of denoising by NN, we proposed a combined denoising method based on EMD (Empirical Mode Decomposition) and MLPNN (Multi Layer Perceptron Neural Network). The noised signal is pre-processed by EMD which decomposes it into signals less complex and therefore more easily analyzed. Then the MLPNN denoises it. Finally, we proposed an asynchronous impulsive noise estimation method using the GPOF method (Generalized Pencil Of Function). The performances of the two methods, EMD-MLPNN and GPOF technique, are evaluated using a PLC transmission chain compatible with the HPAV standard.

This thesis examines three decomposition techniques and their usability for economic and financial time series. The stock index DAX30 and the exchange rate from British pound to US dollar are used as representative economic time series. Additionally, autoregressive and conditional heteroscedastic simulations are analysed as benchmark processes to the real data. Discrete wavelet transform (DWT) uses wavelike functions to adapt the behaviour of time series on different time scales. The second method is the singular spectral analysis (SSA), which is applied to extract influential reconstructed modes. As a third algorithm, empirical mode decomposition (END) leads to intrinsic mode functions, who reflect the short and long term fluctuations of the time series. Some problems arise in the decomposition process, such as bleeding at the DWT method or mode mixing of multiple EMD mode functions. Conclusions to evaluate the predictability of the time series are drawn based on entropy - and recurrence - analysis. The cyclic behaviour of the decompositions is examined via the coefficient of variation, based on the instantaneous frequency. The results show rising predictability, especially on higher decomposition levels. The instantaneous frequency measure leads to low values for regular oscillatory cycles, irregular behaviour results in a high variation coefficient. The singular spectral analysis show frequency - stable cycles in the reconstructed modes, but represents the influences of the original time series worse than the other two methods, which show on the contrary very little frequency - stability in the extracted details.:1. Einleitung 2. Datengrundlage 2.1. Auswahl und Besonderheiten ökonomischer Zeitreihen 2.2. Simulationsstudie mittels AR-Prozessen 2.3. Simulationsstudie mittels GARCH-Prozessen 3. Zerlegung mittels modernen Techniken der Zeitreihenanalyse 3.1. Diskrete Wavelet Transformation 3.2. Singulärsystemanalyse 3.3. Empirische Modenzerlegung 4. Bewertung der Vorhersagbarkeit 4.1. Entropien als Maß der Kurzzeit-Vorhersagbarkeit 4.2. Rekurrenzanalyse 4.3. Frequenzstabilität der Zerlegung 5. Durchführung und Interpretation der Ergebnisse 5.1. Visuelle Interpretation der Zerlegungen 5.2. Beurteilung mittels Charakteristika 6. Fazit

Manifeste depuis longtemps dans les sciences du vivant, le traitement du signal, apparaît plus tardivement dans la communauté réseaux. On est alors surpris de voir que deux systèmes complexes, aussi distants que le coeur et un réseau informatique, présentent du point de vue des lois d'échelle, des invariances très semblables. Sans dire qu'elles sont les signatures de structures comparables, ces propriétés font néanmoins appel aux mêmes outils d'analyse, d'estimation ou de modélisation, et c'est dans la conception de ceux-ci que se situe le travail présenté. Cette "unité méthodologique" est le fil conducteur qui m'a permis de décloisonner les différents domaines de recherche abordés. Dans une première partie je trace un bilan de mes différentes contributions aux sciences de l'information, classées selon deux grandes catégories: - Les représentations temps-fréquence dont l'objectif est un meilleur redéploiement de l'information contenue dans le signal pour mettre en évidence certaines organisations ou propriétés difficiles à identifier autrement; - Les outils statistiques qui, stimulés par les progrès accomplis sur les représentations en général et les ondelettes en particulier, augmentent en retour les possibilités d'exploitation de ces objets. Dans un deuxième temps, j'illustre avec les deux applications qui sont au centre de mon activité - étude des systèmes de communication et analyse du système cardiovasculaire - des résultats originaux et concrets issus de l'application de ces outils théoriques. Enfin, ces exemples me donnent l'occasion de conclure en défendant la vision d'une approche coopérative et globale de la complexité en vue d'une meilleure compréhension des mécanismes à l'origine des systèmes.

Low Density Parity Check (LDPC) codes are the parity check codes of long block length, whose parity check matrices have relatively few non-zero entries. To improve the performance at relatively short block lengths, LDPC codes are constructed by either pseudo-random or quasi-cyclic methods instead of random construction methods. In this thesis, pseudo-random code construction methods, the effects of closed loops and the graph connectivity on the performance of pseudo-random LDPC codes are investigated. Moreover, quasi-cyclic LDPC codes, which have encoding and storage advantages over pseudo-random LDPC codes, their construction methods and performances are reviewed. Finally, performance comparison between pseudo-random and quasi-cyclic LDPC codes is given for both regular and irregular cases.

Le travail présenté dans cette thèse a pour objectif de proposer et d'évaluer les performances de différentes techniques de suppression de bruit impulsif de type asynchrone adaptées aux transmissions sur courants porteurs en lignes (CPL) indoor. En effet, outre les caractéristiques physiques spécifiques à ce type de canal de transmission, le bruit impulsif asynchrone reste la contrainte sévère qui pénalise les systèmes CPL en terme de QoS. Pour remédier aux dégradations dues aux bruits impulsifs asynchrones, les techniques dites de retransmission sont souvent très utilisées. Bien qu'elles soient efficaces, ces techniques de retransmission conduisent à une réduction de débit et à l'introduction de délais de traitement supplémentaires pouvant être critiques pour des applications temps réel. Par ailleurs, plusieurs solutions alternatives sont proposées dans la littérature pour minimiser l'impact du bruit impulsif sur les transmissions CPL. Cependant, le nombre de techniques, qui permettent d'obtenir un bon compromis entre capacité de correction et complexité d'implantation reste faible pour les systèmes CPL. Dans ce contexte, nous proposons dans un premier temps d'utiliser un filtre linéaire adaptatif : le filtre de Widrow, nommé aussi ADALINE (ADAptive LInear NEuron), que nous utilisons comme méthode de débruitage pour les systèmes CPL. Pour améliorer les performances du débruitage effectué à l'aide d'ADALINE, nous proposons d'utiliser un réseau de neurones (RN) non linéaire comme méthode de débruitage. Le réseau de neurones est un bon outil qui est une généralisation de la structure du filtre ADALINE. Dans un deuxième temps, pour améliorer les performances du débruitage par un réseau de neurones, nous proposons un procédé d'annulation du bruit impulsif constitué de deux algorithmes : EMD (Empirical Mode Decomposition) associé à un réseau de neurones de type perceptron multicouches. L'EMD effectue le prétraitement en décomposant le signal bruité en signaux moins complexes et donc plus facilement analysables. Après quoi le réseau de neurones effectue le débruitage. Enfin, nous proposons une méthode d'estimation du bruit impulsif utilisant la méthode GPOF (Generalized Pencil Of Function). L'efficacité des deux méthodes, EMD-RN et la technique utilisant l'algorithme GPOF, est évaluée en utilisant une chaîne de simulation de transmission numérique compatible avec le standard HPAV.