2014-05-22 ASIP Sante Ateliers SSA 2014 "140521_HIT_MSSante_DSFT.pptx"
Sur l'Analyse Spectrale Singulière (SSA) · Introduction Etude du cas stationnaire Etude du cas...
Transcript of Sur l'Analyse Spectrale Singulière (SSA) · Introduction Etude du cas stationnaire Etude du cas...
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Sur l’Analyse Spectrale Singulière (SSA)
Jinane Harmouche
Projet ASTRES
19 novembre
1/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Principaux enjeux
De combien deux fréquences pures doivent être espacées pour qu’elles soientséparables par la SSA ?
Qu’en est-il de la séparation entre une fréquence pure et un chirp ?
SSA : une technique de décomposition modale ?
Proposition : SSA glissante pour la séparation des composantes AM-FM
2/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Principe de la SSA
L’algorithme comporte deux étapes principales :
Décomposition : (paramètre de réglage : taille de fenêtre L)SVD d’une matrice de Hankel S dite "de trajectoire" déduite des échantillons dusignal (s1, s2, ..., sN ), N = K + L− 1
S =
s1 s2 . . . sKs2 s3 . . . sK+1...
......
...sL sL+1 . . . sK+L−1
S =
∑Li=1 Si avec Si = σi Ui VT
i , σ1 ≥ σ2 ≥ . . . ≥ σL
Reconstruction : (procédure de Regroupement)(1) Moyennage sur les éléments anti-diagonaux des Si ⇒ Si
Si est la ième composante élémentaire,
(2) groupement des Si
⇒ groupe Ij : la jeme composante du signal yj =∑
i∈IjSi .
3/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Application à un signal ECG
0 10 20 30 40 50 60−2
−1
0
1
2
3
4
time (s)
FIGURE: Signal ECG, Fs = 128
0 10 20 30 40 500
0.5
1
1.5
2
2.5
3
3.5x 10
4 Spectre Singulier
FIGURE: Spectre singulier, L = 50.
Signal de 8000 valeurs⇒ matrice de trajectoire S (50× 7951)⇒ SVD (EVD de S ∗ ST )⇒ 50 triplets (σi,Ui,VT
i ), i = 1, ..., 50⇒ 50 composantes élémentaires
Spectre singulier⇒ 25 valeurs singulières non négligeables
Groupement des 25 composantes élémentaires ?
4/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Regroupement basé sur une matrice de similarité
correlation similarity matrix
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425123456789
10111213141516171819202122232425
FIGURE: Corrélation entre lescomposantes élémentaires
0 20 40 60−2
0
2
Hz
20 40 600
2
4
6
0 20 40 60−1
0
1
Hz
20 40 600
10
20
30
0 20 40 60−5
0
5
time (s)
Hz
time (s)20 40 60
0
20
40
FIGURE: Reconstruction de 3 composantesassociées à (σ1), (σ2, σ3), (σ4, ..., σ25)
Outil de regroupement automatique : la classification ascendante hiérarchiqueparamètre d’entrée : Nombre de composantes du signal
5/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Regroupement par classification hiérarchique ascendante
Exemple de séparation d’un signal de N = 300 échantillons composé d’une sinusoïde(λ = 0.03) et d’une sinusoïde modulée linéairement en fréquence (H = 0.8, λ1 = 0.06,δλ = 0.09), le RSB allant de 40 dB à −20 dB.
FIGURE: (a) le spectre singulier (b) le dendrogramme obtenu pour un nombre maximal de classesfixé à 2 (une couleur distincte par classe). (c) (d) les composantes obtenues. La qualité dereconstruction de la composante xi : oRSB = ‖xi‖2 / ‖xi − xi‖2
6/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Séparation de deux sinusoïdes
sn = cos(2πλ0n) + H cos(2πλ1n + φ), n = 1, ...,N (1)
λ0 = 0.1, λ1 ∈]0, 0.2], H ∈ [0.01, 100], φ =π
2.
N= 500 et L= 45. La SSA sur sn → deux composantes y0 et y1.
log10
(H)
λ 1
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
?
H=1
FIGURE: Mesure de la qualité deséparation :1/2 ∗ (corr(x0, y0) + corr(x1, y1)), oùx0 = cos(2πλ0n) etx1 = H cos(2πλ1n + φ)
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.20.4
0.5
0.6
0.7
0.8
0.9
1
λ1
Cor
rela
tion
log10
(H)=0.3
log10
(H)=1.5
(0.078 , 1) (0.122 , 1)
2/L
FIGURE: Qualité de séparation en fonction de λ1
7/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Séparation de deux sinusoïdes
Interprétation fréquentielle du spectre singulier :(s1, s2, ..., sK) ∈ RK → Transformée de Fourier : (s0, s1, ..., sK−1)
Sous la condition K � L, chaque valeur propre de la matrice de covariancenormalisée (C/K = SST/K) peut être approchée par la valeur moyenne d’une portionde la puissance spectrale de la série, dont la largeur est d’environ K/L 1 :
σ2i /K ≈
1l
il−1∑j=il−l
|sj|2, l =KL, i = 1, ..., L, (2)
Soient x0 et x1 deux sinusoides de fréquences normalisées λ0 et λ1 = λ0 + ∆λ.
La SSA évalue la valeur singulière associée à x0 indépendamment de x1 (etvice versa) si leurs fréquences sont espacées de plus de K/L échantillons⇒min(∆λ) = 1/L.
1. E. Bozzo, R. Carniel, and D. Fasino, “Relationship between Singular Spectrum Analysis and Fourier analysis :Theory and application to the monitoring of volcanic activity,” Computers and Mathematics with Applications, vol. 60,pp. 812–820, 2010
8/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Séparation de deux sinusoïdes
L= 45 ; N ∈ {1000, 500, 200, 100}.
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.20.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
λ1
Cor
rela
tion
K/L=21.2 K/L=10 K/L=3.4 K/L=1.2
(0.078 , 1) (0.122 , 1)
2/L
FIGURE: Qualité de séparation en fonction de K/L, H = 2
Changement non abrupt de la qualité de séparation
Dégradation de séparation plus rapide quand K/L décroît
∃ des faibles variations hors de la zone délimitée pour K/L=1.2
9/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Séparation entre une sinusoïde et un chirp
Le modèle non stationnaire choisi est le suivant :
sn = cos(2πλ0n) + H cos(ϕ(n)), n = 1, ...,N (3)
avec ϕ(n) = 2π(λ1 n + (δλ/2N)n2
). (4)
λ1 = 0.11 et 0 ≤ δλ ≤ 0.2. Trois cas sont possibles :(1) λ0 < λ1, (2) λ1 ≤ λ0 ≤ λ1+δλ, (3) λ0 > λ1+δλ.N= 500, L= 45.
case 1δλ = H2 / L →δλ
−2 −1.5 −1 −0.5 0 0.5 1 1.5 20
0.1
0.2
case 2
δλ
−2 −1.5 −1 −0.5 0 0.5 1 1.5 20
0.1
0.2
case 3
log10
(H)
δλ
−2 −1.5 −1 −0.5 0 0.5 1 1.5 20
0.1
0.2
FIGURE: Corrélation moyenne entre les composantes du signal et celles reconstruites parclassification hiérarchique ascendante
10/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Séparation entre une sinusoïde et un chirp
Somme d’une sinusoïde et un chirp⇒
0 10 20 30 400
1
2
3
4Spectre Singulier
FIGURE: Courbe de transition =recouvrement des valeurs singulières.
La courbe de transition correspond à lasituation où le plateau, associé au chirp,atteint le niveau de la paire , associée àla sinusoïde, des valeurs singulières.
Interprétation du spectre singulier⇒ A un facteur L/K près, les valeurs propres
associées à la sinusoïde sont égales à 1/2
associées au chirp sont égales à (H2/2)/(Lδλ)
A l’égalité :12
=H2
2Lδλ⇒ δλ =
H2
L
11/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
SSA : une décomposition modale ?
Soit le signal suivantx(t) = x1(t) + x2(t) + x3(t)
où
x1(t) = sin(3(2π × 6t))x2(t) = 2 sin(3(2π × 46t + 21 sin(3πt)))x3(t) = sin(3(2π × 77t + 30 sin(3πt)))
Nx= 2048 valeurs uniformément échantillonnées sur [0, 1] sec. L= 200.spectrogram of x
freq
uenc
y (H
z)
time (s)0 0.2 0.4 0.6 0.8
0
100
200
300
400
500
600
FIGURE: Spectrogram de x utilisant unefenêtre de kaiser de longueur Nx/6.
0 0.2 0.4 0.6 0.8 1−1
0
1
y 1
spectrogram
Hz
0 0.2 0.4 0.6 0.8 10
204060
0 0.2 0.4 0.6 0.8 1−2
0
2
y 2
Hz
0 0.2 0.4 0.6 0.8 10
200
400
0 0.2 0.4 0.6 0.8 1−5
0
5
time (s)
y 3
Hz
time (s)0 0.2 0.4 0.6 0.8 1
0
200
400
FIGURE: Décomposition automatique du signalen 3 components : x = y1 + y2 + y3.
12/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
SSA : une décomposition modale ?
Le résultat est lié à la densité spectrale de l’énergie (DSE) du signal : les premièrecomposantes extraites par la SSA sont associées aux pics de la DSE.
0 10 20 30 40 500
100
200
300
400
500
600
Energy spectral density
amplitude (linear scale)
freq
uenc
y (H
z)
FIGURE: Densité spectrale de l’énergie de x
spectrogram of x
freq
uenc
y (H
z)
time (s)0 0.2 0.4 0.6 0.8
0
100
200
300
400
500
600
FIGURE: Spectrogram de x utilisant unefenêtre de kaiser de longueur Nx/6.
13/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
SSA : une décomposition modale ?
0 10 20 30 40 500
100
200
300
400
500
600
Energy spectral density
amplitude (linear scale)
freq
uenc
y (H
z)
FIGURE: Densité spectrale de l’énergie de x
spectrogram
Hz
0 0.2 0.4 0.6 0.80
100
200
Hz
0 0.2 0.4 0.6 0.80
200400
Hz
0 0.2 0.4 0.6 0.80
100
200
Hz
0 0.2 0.4 0.6 0.80
200400
time (s)
Hz
0 0.2 0.4 0.6 0.80
200400
y3
y5
y1
y4
y2
FIGURE: Décomposition de x en 5composantes : x = y1 + y2 + y3 + y4 + y5.
0 50 100 150 2000
2
4
6
8
10
12x 10
4
Estimated singular spectrumSingular spectrum
FIGURE: Spectre singulier et son imageestimée par la DSE.
Pour la récupération des composantes FM : RE-GROUPEMENT SUPERVISE des composantesélémentaires NECESSAIRE
← Spectre singulier et son image estimée par la DSE
14/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
SSA glissante : une décomposition modale
Problème de MELANGE DE MODES
Spectrogram of the 40th elementary component
time (s)
freq
uenc
y (H
z)
0 0.2 0.4 0.6 0.8 10
50
100
150
200
250
300
350
400
FIGURE: 40ème composante élémentaire : mélange de x2 et x3
+ Problème de REGROUPEMENT SUPERVISE
Proposition : SSA glissante→ application de (SSA + classification hiérarchique) àune fenêtre de temps glissante sur le signal.paramètres d’entrée : nombre de composantes, taille de la fenêtre
15/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Algorithm de la SSA glissante
Paramètres d’entrées :
le signal, x, de longueur Nx
le nombre de composantes du signal, nc
la taille de la fenêtre glissante, N
le paramètre de la SSA, L
la longueur du pas de glissement, ∆
A la sortie : nc composantes de longueur Nx.
A chaque position k de la fenêtre :1 application de la SSA + classification hiérarchique2 connexion des sous composantes : les nc sous-composantes sont comparées à
celle obtenues à la position k − 1 (en calculant leur corrélation)3 les valeurs des sous composantes aux indices dans [N/2, N/2 + ∆− 1] sont
affectées aux composantes appropriées
16/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Exemple 1
x(t) = 2 sin(3(2π × 46t + 21 sin(3πt))) + sin(3(2π × 77t + 30 sin(3πt)))
Le résultat de la SSA glissante en fonction de la taille N de la fenêtre du temps :
FIGURE: Spectrogram des composantesreconstruites par SSA glissante :L = (N − 1)/2, le pas ∆ = 1
0 30 60 90 120 1500
5
10
15
20
25
sliding window length Nsi
gnal
−to
−no
ise
ratio
(dB
)
snr(x2, y
2 )
snr(x3,y
3 )
FIGURE: Rapport signal-sur-bruit calculé pour lescomposantes reconstruites :
snr(xi, yi) = 20 log10‖xi‖‖xi−yi‖
, où yi est associé à xi
17/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Exemple 2
z(t) = sin(2π × 30(t + 1/4)2) + 2 sin(2π × 50(t + 1/4)2)
Problème de la SSA classique : mélange de modes
FIGURE: Spectrogram de : z(t), 1ère et 4ème composantes élémentaires de la décomposition SSAclassique
18/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Exemple 2
Résultat de la SSA glissante :
FIGURE: Spectrogram des composantesobtenues par SSA glissante :L = (N − 1)/2, le pas ∆ = 1
0 30 60 90 120 1502
4
6
8
10
12
14
16
18
sliding window length N
sign
al−
to−
nois
e ra
tio (
dB)
snr(z2,y
2 )
snr(z1,y
1 )
FIGURE: Rapport signal-sur-bruit calculé pour lescomposantes reconstruites :
snr(zi, yi) = 20 log10‖zi‖‖zi−yi‖
, où yi est associé à zi
19/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
∆ > 1 valeur
FIGURE: Spectrogram des composantesobtenues par SSA glissante : N = 71,L = (N − 1)/2
FIGURE: Spectrogram des composantesobtenues par SSA glissante : N = 121 ,L = (N − 1)/2
20/21
Introduction Etude du cas stationnaire Etude du cas non stationnaire SSA : une décomposition modale ? SSA glissante
Perspectives
? Nombre de composantes du signal
? Les composantes intermittentes
? Les applications de la SSA glissante
? ? ?
21/21