L'objectif repose sur le traitement et l'analyse des signaux non-stationnaires, multi-composantes. <br />Pour le traitement (filtrage et débruitage), nous proposons de nouveaux outils fondés sur la Transformation de Huang (ou Décomposition modale empirique : EMD). Partant de l'opérateur de Teager-Kaiser, nous proposons un nouvel opérateur de mesure d'interaction entre deux signaux complexes. Nous établissons les liens théoriques avec les représentations temps-fréquence de la classe de Cohen. Nous montrons que c'est une mesure de similarité et qu'il est adapté à la détection de signaux. <br />Pour l'analyse, nous introduisons une nouvelle méthode temps-fréquence basée sur l'utilisation conjointe de l'EMD et de l'opérateur de Teager-Kaiser : la Transformation de Huang-Teager (THT). Pour illustrer ces concepts, des résultats de filtrage, de débruitage, de détection, d'analyse temps-fréquence de signaux sont présentés. Nous terminons par l'analyse et classification des échos de cibles sonars par THT.

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.

A exploração offshore tem crescido muito nos últimos anos e grandes estruturas e equipamentos têm sido projetados e construídos para remover o óleo que se encontra abaixo da superfície do mar. Para plataformas offshore fixas tipo jaqueta é necessário analisar os problemas decorrentes da exposição dessas instalações ao ambiente hostil do oceano. Estas perturbações induzem vibrações excessivas nas estruturas, afetando o conforto e a estabilidade da instalação, e para combater essas vibrações uma ferramenta matemática foi utilizada para monitorar o estado da integridade da estrutura, a Transformada de Hilbert-Huang (HHT). O HHT foi utilizada com sucesso para a identificação de parâmetros modais, como frequência fundamental e fator de amortecimento da plataforma. Finalmente, uma técnica de controle de vibração ativa baseada no Controle Linear Quadrático (LQ) é implementada com o objetivo de reduzir os efeitos de perturbações oscilatórias indesejáveis causados por ondas e correntes marinhas. / The offshore exploration has grown tremendously in recent years, and large structures and equipment has been designed and built to remove the oil that lies beneath the sea surface. For fixed jacket type offshore platforms is necessary to consider the problems arising from exposure of these facilities to the hostile ocean environment. These perturbations induce excessive vibrations in the structures affecting the comfort and stability of the facility, and for to combat these vibrations a mathematical tool was used to monitor the integrity health of the structure, namely the Hilbert-Huang Transform (HHT). The HHT was used for the successfully identification of modal parameters, as fundamental frequency and damping factor of the platform. Finally, an active vibration control technique based on the Control Linear Quadratic (LQ) is implemented aiming to reduce the effects of undesirable oscillatory perturbations caused by waves and marine current.

Signals recorded from the brain often show rhythmic patterns at different frequencies, which are tightly coupled to the external stimuli as well as the internal state of the subject. These signals also have transient structures related to spiking or sudden onset of a stimulus, which have a duration not exceeding tens of milliseconds. Further, brain signals are highly non-stationary because both behavioral state and external stimuli can change over a short time scale. It is therefore essential to study brain signals using techniques that can represent both rhythmic and transient components of the signal. In Chapter 2, we describe a multi-scale decomposition technique based on an over-complete dictionary called matching pursuit (MP), and show that it is able to capture both sharp stimulus-onset transient and sustained gamma rhythm in local field potential recorded from the primary visual cortex. Gamma rhythm (30 to 80 Hz), often associated with high-level cortical functions, has been proposed to provide a temporal reference frame (“clock”) for spiking activity, for which it should have least center frequency variation and consistent phase for extended durations. However, recent studies have proposed that gamma occurs in short bursts and it cannot act as a reference. In Chapter 3, we propose another gamma duration estimator based on matching pursuit (MP) algorithm, which is tested with synthetic brain signals and found to be estimating the gamma duration efficiently. Applying this algorithm to real data from awake monkeys, we show that the median gamma duration is more than 330 ms, which could be long enough to support some cortical computations.