Traitement et analyse des structures dans les signaux : application aux signaux acoustiques émis lors de l'ébullition du sodium dans un réacteur nucléaire

Structural analysis and processing of signals : application to acoustic signals recorded on a nuclear reactor during a sodium boiling experiment

• Auteur / Autrice : Joaquin Rodriguez
• Direction : Claudie Faure
• Type : Thèse de doctorat
• Discipline(s) : Automatique et traitement du signal
• Date : Soutenance en 1986
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Compiègne)

Mots clés

Mots clés contrôlés

Théories non linéaires

Ébullition

Sodium

Ondes sonores

Acoustique

Réacteurs nucléaires

Détection du signal

Traitement du signal

Perception des formes

Résumé

Ce travail a pour but de résoudre un problème de reconnaissance de formes de signaux. Les signaux sont des formes structurées qui sont étiquetés par des noms de classe : A ou B. Dans chaque classe, on remarque que presque tous les signaux se ressemblent et d'autre part ils se distinguent des signaux des autres classes. Après un apprentissage un individu est capable d'assigner un signal quelconque à une classe de référence. Le but du système est d'obtenir des résultats comparables à ceux obtenus par l'apprentissage humain et la classification visuelle pour une application donnée. Notre approche considère une représentation logique. Après avoir vu un certain nombre d'exemples de chaque classe, l'individu est capable de classer d'autres signaux sans information supplémentaire. Les règles qui lui permettent de faire la classification sont liées aux positions relatives des pics et des vallées, seuls certains pics et certaines vallées sont considérés comme pertinents pour la structure. On décrit un signal par un ensemble de variables logiques associées à ces règles. La description de chaque classe à partir d'un exemple d'exemples et de contre-exemples, cette description doit indiquer à la fois la position et les relations des extrema qui sont pertinents. La reconnaissance est faite en comparant à un signal inconnu à chaque modèle, i. E. à chaque description de classes. L'analyseur peut traiter des données bruitées et ambigües, il est guidé par le modèle et est lié à des procédures de traitement du signal qui peuvent appliquer une suite de transformations au signal d'entrée. On transforme le signal d'entrée jusqu'à ce qu'il vérifie les relations des modèles, on associe des coûts à ces transformations. Pour chaque modèle, il existe un grand nombre de transformations possibles du signal. On utilise un algorithme de recherche arborescente qui nous permet d'obtenir la séquence des transformations ayant un coût minimum. La comparaison des meilleurs coûts pour chaque modèle est utilisée pour la décision finale. Les données utilisées comme application sont des signaux acoustiques enregistrés pendant l'ébullition du sodium.

This work concerns a waveform recognition problem. The waveforms are structured patterns which are labelled by a class name : A or B. Within each class, almost all the waveforms look alike and differ from the waveforms of the other class. After being trained, people are able to assign an unknown waveform to a reference class. The goal of the recognition system is to compete with human learning and visual classification for a specific application. Our approach employs a logical representation. After seeing several examples of each class, the subject is able to classify other waveforms without further instruction. He describes the rules for this interpretation as relying upon relative positions between peaks and valleys ; only some peaks and valleys of the whole waveform are considered to be relevant to the structure. A signal is described by a set of logical variables associated to these rules. The description of each class is inferred with a generalisation rule from a set of examples and a set of counter examples. The logical class description must indicate both the location and the relationships among the relevant peaks and valleys. Recognition is achieved by comparing the unknown waveform to each mode, i. E. Each class description. Noisy and ambiguous data can be encountered during the analysis. The analyser is model-driven and linked to a signal processor which applies a sequence of transformations to the input waveform until it obtains an exact match between the input and one of the models. The se transformations are associated with costs. For each model, many sequences of transformation will lead to an exact match. The search for the best sequence of transformations is implemented using and ordered search strategy in a graph. The comparison of the costs of the best match for each model is used for the final decision. Data used as application are samples of acoustic signal during sodium ebullition.