Analyse Temps-Fréquence du signal Electromyogramme (EMG)
Des informations générales:
Le niveau |
Doctorat |
Titre |
Analyse Temps-Fréquence du signal Electromyogramme (EMG) |
SPECIALITE |
Instrumentation Biomédical |
Page de garde:
Sommaire:
Chapitre 3: Analyse temporelle et fréquentielle des signaux électromyogrammes (EMG)
3.1 Introduction
3.2 Analyse du signal EMG dans le domaine temporel et fréquentiel
3.2.1 Quantification dans le domaine temporel
3.2.2 Quantification dans le domaine fréquentiel.
3.2.3 Quantification dans le domaine bispectral
3.3 Résultats et discussions
3.4 Conclusion
Chapitre 4: Classification des signaux EMGs par les méthodes d’analyse temps-
fréquence
4.1 Introduction
4.2 Méthodologie
4.3 Mesure de différents paramètres à partir de la représentation temps-fréquence (TFR) 61
4.3.1 Par application de la T.F.C.T
4.3.1.1 Le spectrogramme
4.3.1.2 Extraction des paramètres.
4.3.2 Par application de la transformé d’ondelette (T.O.C).
4.3.2.1 La T.O.C
4.3.2.2 Extraction des paramètres.
4.4 Classification des signaux EMGs
4.4.1 L’apprentissage automatique
4.4.1.1 La classification non supervisé
4.4.1.2 La classification supervisée
4.4.1.2.1 Les données.
4.4.1.2.2 Une classe
4.4.1.2.3 Les méthodes de la classification supervisée implémentées
4.4.1.2.3.1 Les modèles transparents
4.4.1.2.3.1.1 Le K plus proche voisin
4.4.1.2.3.1.2 L’Analyse Discriminante Linéaire LDA.
4.4.1.2.3.2 Interprétation des modèles boîtes noires.
4.4.1.2.3.2.1 Le modèle SVM
4.6 Résultats et discussions.
4.7 Conclusion
3.1 Introduction
3.2 Analyse du signal EMG dans le domaine temporel et fréquentiel
3.2.1 Quantification dans le domaine temporel
3.2.2 Quantification dans le domaine fréquentiel.
3.2.3 Quantification dans le domaine bispectral
3.3 Résultats et discussions
3.4 Conclusion
Chapitre 4: Classification des signaux EMGs par les méthodes d’analyse temps-
fréquence
4.1 Introduction
4.2 Méthodologie
4.3 Mesure de différents paramètres à partir de la représentation temps-fréquence (TFR) 61
4.3.1 Par application de la T.F.C.T
4.3.1.1 Le spectrogramme
4.3.1.2 Extraction des paramètres.
4.3.2 Par application de la transformé d’ondelette (T.O.C).
4.3.2.1 La T.O.C
4.3.2.2 Extraction des paramètres.
4.4 Classification des signaux EMGs
4.4.1 L’apprentissage automatique
4.4.1.1 La classification non supervisé
4.4.1.2 La classification supervisée
4.4.1.2.1 Les données.
4.4.1.2.2 Une classe
4.4.1.2.3 Les méthodes de la classification supervisée implémentées
4.4.1.2.3.1 Les modèles transparents
4.4.1.2.3.1.1 Le K plus proche voisin
4.4.1.2.3.1.2 L’Analyse Discriminante Linéaire LDA.
4.4.1.2.3.2 Interprétation des modèles boîtes noires.
4.4.1.2.3.2.1 Le modèle SVM
4.6 Résultats et discussions.
4.7 Conclusion
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.
