Principe — La technique de Décomposition Modale Empirique (ou EMD pour “Empirical Mode Decomposition”) a été introduite par N.E. Huang et al., “The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis," Proc. Roy. Soc. London A, Vol. 454, pp. 903–995, 1998), avec pour objectif de décomposer tout signal en une somme de composantes oscillantes extraites directement de celui-ci de manière adaptative. Ces composantes (ou IMF pour “Intrinsic Mode Functions”) s'interprètent comme des formes d'ondes non stationnaires (i.e., modulées en amplitude et en fréquence) pouvant être éventuellement associées à des oscillations non linéaires.

EMD vs. ondelettes — L'EMD partage avec la transformée en ondelettes (TO) l'idée d'effectuer une analyse récursive dans laquelle un signal x(t)x(t) est décomposé en une partie oscillant rapidement, apparentée à un détail, et une partie oscillant plus lentement jouant le rôle d'une approximation (cf. Figure 1), celle-ci étant ensuite décomposable à son tour selon le même principe.

Figure 1: Principe de l'EMD.

On aboutit ainsi à une décomposition de la forme :

où, tout comme pour la TO, l'approximation à l'“échelle” kk est la somme de l'approximation et du détail à l'“échelle” k+1k+1 :

En contraste notable avec la TO, les “échelles” mises en jeu dans l'EMD ne correspondent pas à une grille fixée a priori mais sont définies à partir du signal de manière locale et adaptative.

Algorithme — Plus précisément, la décomposition (Équation 2) qui effectue la dichotomie entre oscillation rapide et oscillation lente est obtenue en itérant un opérateur non linéaire agissant à une échelle de temps variable définie par la distance entre extrema locaux consécutifs. Cet opérateur, dit de tamisage (ou “sifting”) est décrit par la procédure suivante :

Si on itère nn fois cette procédure, les détails et approximations à l'échelle k+1k+1 sont définis comme dk+1(t)=Sn[ak](t)dk+1(t)=Sn[ak](t) et ak+1(t)=ak(t)-dk+1(t)ak+1(t)=ak(t)-dk+1(t).

D'un point de vue pratique :

Il peut anisi être décrit par le pseudo-code suivant:

Figure 2

Un code Matlab est disponible à l'URL http://perso.ens-lyon.fr/patrick.flandrin/emd.html .

Un exemple réel — La Figure 3 présente un résultat de la décomposition par EMD des données mensuelles de variabilité de la température moyenne globale à la surface de la Terre durant la période 1850–2007, mesurée (en o C) comme écart par rapport à la moyenne durant la période 1961–1990. Ces données sont disponibles à l'URL http://www.cru.uea.ac.uk/cru/data/temperature et on pourra en trouver une analyse plus complète de même nature dans Z. Wu, N.E. Huang, S.R. Long and C.-K. Peng, “On the trend, detrending, and variability of nonlinear and nonstationary time series,” Proc. Nat. Acad. Sc., Vol. 104, No. 38, pp. 14889–14894, 2007. En identifiant et regroupant les différents modes obtenus, la méthode permet de donner une représentation synthétique sous la forme d'une tendance très basse fréquence à laquelle se superposent des oscillations représentatives de cycles permettant, de façon hiérarchique, de construire des approximations successives du signal complet de la résolution la plus grossière à la plus fine, celles-ci étant sélectionnées de manière adaptative à partir des seules données.

Figure 3: Variabilité de la température moyenne globale à la surface de la Terre.

Content actions

Add module to:

My Favorites Login Required (?)

'My Favorites' is a special kind of lens which you can use to bookmark modules and collections. 'My Favorites' can only be seen by you, and collections saved in 'My Favorites' can remember the last module you were on. You need an account to use 'My Favorites'.

| A lens I own Login Required (?)

Definition of a lens

Lenses

A lens is a custom view of the content in the repository. You can think of it as a fancy kind of list that will let you see content through the eyes of organizations and people you trust.

What is in a lens?

Lens makers point to materials (modules and collections), creating a guide that includes their own comments and descriptive tags about the content.

Who can create a lens?

Any individual member, a community, or a respected organization.

What are tags?

Tags are descriptors added by lens makers to help label content, attaching a vocabulary that is meaningful in the context of the lens.

| External bookmarks

Footer

This work is licensed by Patrick Flandrin under a Creative Commons Attribution License (CC-BY 2.0), and is an Open Educational Resource.

Last edited by Patrick Flandrin on Apr 21, 2009 3:03 pm -0500.