Conclusions

Dans ce chapitre, nous avons proposé un algorithme de détection des trains de clics

ryth-més d’odontocètes. Étant donnée la grande directivité du système de production des clics

d’odontocètes, nous avons choisi d’utiliser les temps d’arrivée des clics, qui sont invariants

quelle que soit l’orientation de l’animal par rapport à l’hydrophone, plutôt que leurs

proprié-tés acoustiques. Nous avons utilisé le fait que les clics d’odontocètes soient émis en train, et

que les valeurs consécutives des ICI suivent une loi déterministe, pour mettre au point un

algorithme d’analyse du rythme permettant de détecter ces trains de clics.

Après une étude bibliographique des méthodes existantes, dans le domaine de la

bioacous-tique d’une part, et dans d’autres domaines du traitement du signal d’autre part, nous avons

décidé de nous focaliser sur des méthodes utilisant l’autocorrélation. Nous nous sommes

parti-culièrement intéressés à une fonction d’autocorrélation complexe, qui permet de trouver l’ICI

fondamental des trains de clics, tout en supprimant l’influence des harmoniques supérieures.

En calculant cette fonction dans une fenêtre court-terme, glissant le long du signal, nous avons

construit une carte temps-ICI similaire aux traditionnelles représentations temps-fréquence.

En appliquant un seuil approprié sur cettecarte temps-ICI, nous sommes parvenus à détecter

les trains de clics entrelacés dans le signal. Ces détections doivent permettre de décider de la

présence ou de l’absence de trains rythmés, mais également d’indiquer les temps de début et

de fin des trains, les valeurs des ICI générés et leur évolution au cours du temps, et enfin, le

nombre d’animaux ayant émis simultanément. Notre contribution à cette méthode, a été de

l’adapter à la détection des odontocètes, notamment en choisissant les paramètres adéquats.

Une étude analytique des conditions de détectabilité des trains de clics, nous a permis

de montrer que la méthode proposée était compatible avec les propriétés des trains générés

dans la nature par les odontocètes. Les résultats obtenus sur des données simulées et des

données réelles annotées, ont permis de valider la méthode. En revanche, nous avons vu ses

limites lors de son insertion dans une chaîne de traitement totalement automatique. Malgré la

modification que nous avons réalisée sur l’algorithme initial pour limiter la présence de fausses

alarmes, nous avons mis en évidence que la seule utilisation des TOA ne permettait pas de

détecter correctement les trains d’odontocètes dans les milieux où le bruit de fond est fortement

impulsionnel. L’apport d’informations supplémentaires pour quantifier la ressemblance entre

les clics semble donc nécessaire.

Dans la suite du manuscrit, nous allons explorer de nouvelles méthodes d’analyse des

formes d’onde des signaux impulsionnels sous-marins, et proposer d’autres approches pour

quantifier leurs ressemblances ou leurs directions d’arrivée, avec toujours en toile de fond,

l’objectif de regrouper les clics qui se ressemblent et proviennent d’une même source. Si les

méthodes que nous allons étudier dans les prochains chapitres sont totalement indépendantes

de RACESS, une perspective possible serait de les utiliser conjointement à RACESS pour aider

Représentation et étude des

transitoires par analyse des

récurrences de phases : état de l’art

Sommaire

3.1 Introduction . . . 65 3.2 Construction du RPA . . . 66

3.2.1 Vue d’ensemble de la méthode . . . 66 3.2.2 Étape 1 : l’espace des phases . . . 67 3.2.3 Étape 2 : Matrice des similarités . . . 70 3.2.4 Étape 3 : Seuil de détection des récurrences . . . 73 3.2.5 Quantification des matrices de récurrences . . . 74 3.2.6 Construction du Cross-RPA . . . 74

3.3 Interprétation . . . 76

3.3.1 Représentation RPA de signaux simples . . . 76

3.4 Choix des degrés de liberté . . . 79

3.4.1 L’espace des phases : choix du τ et dum . . . 79 3.4.2 Seuil de détection ε . . . 84

3.5 Conclusions . . . 86

3.1 Introduction

Jusqu’à présent, nous n’avons utilisé que les TOA des clics pour détecter les trains, ce qui

s’est avéré efficace sur plusieurs exemples réels et synthétiques. Cependant cette approche a

aussi montré ses limites dans un contexte où le bruit est fortement impulsionnel. L’apport de

paramètres supplémentaires, tels que la cohérence des directions d’arrivée des clics d’un même

train ou la ressemblance de leurs formes d’onde, s’avère donc nécessaire.

Dans la suite du manuscrit, nous allons donc nous intéresser aux signaux bruts reçus par

l’hydrophone, et non aux TOA comme pour RACESS, et zoomer sur les formes d’onde des

clics pour proposer des outils de détection, localisation et caractérisation.

Dans le chapitre 1, nous avons vu que les clics d’ondotocètes sont très courts et présentent

très peu d’oscillations. Les outils traditionnels de traitement du signal comme la transformée

de Fourier et la transformée temps-échelle, sont donc peu adaptés à ce type de signaux.

Dans les prochains chapitres, nous allons donc explorer le potentiel d’une méthode alternative

d’analyse non-linéaire des signaux, appelée analyse des récurrences de phases ou Recurrence

Plot Analysis en anglais (RPA).

L’analyse des récurrences de phases a initialement été utilisée par les physiciens pour

étudier des systèmes dynamiques non-linéaires [Eckmann87], avant de trouver une utilité

dans des applications concrètes touchant de nombreux domaines comme la bio-ingénierie,

avec par exemple l’étude des variabilités du rythme cardiaque et la détection de

mala-dies cardiaques (arythmie) [Zbilut90, Zbilut02a, Marwan02b], la séparation des rythmes

car-diaques d’une mère et de son fœtus [Hurezeanu13], ou encore l’étude des électromyogrammes

pour la détection des myopathies et neuropathies [Filligoi10, Sultornsanee11], la géologie

[Marwan02a], la musique [Serrà09], la climatologie [Marwan03b, Frey12] et le traitement du

signal [Birleanu11, Birleanu12b, Serbanescu13]. Cette méthode, trouvant sa genèse dans le

théorème de Poincaré, utilise le fait que certains systèmes retournent, après un temps

suffi-samment long mais fini, dans un état proche de leur état initial [Poincaré90]. Bien que les

formes d’ondes des clics d’odontocètes varient en fonction de leur orientation, des similitudes

existent d’un clic à l’autre, et également à l’intérieur du clic lui-même, laissant penser que cette

notion de récurrence peut, elle aussi, s’appliquer sur ces signaux transitoires sous-marins.

L’objectif de ce chapitre est, dans un premier lieu, de fournir les bases théoriques et

pra-tiques de cette méthode RPA, avant de l’utiliser à des fins de détection, localisation et

classi-fication dans les chapitres suivants (4 et 5). Aussi, la première partie de ce chapitre 3 présente

les étapes menant du signal brut à la construction de la représentation RPA. Nous verrons que

le RPA permet une analyse mono-capteur, mais également la comparaison de signaux issus de

deux capteurs.

Dans la seconde partie de ce chapitre, nous expliquerons comment s’interprète l’image

binaire obtenue à l’issue de cette transformation RPA. Pour cela, nous utiliserons quelques

signaux simples, tels que des cosinus et des chirps, afin de comprendre le lien entre la forme

d’onde du signal et la représentation obtenue.

Enfin, dans une dernière partie, l’influence des degrés de liberté propres à cette méthode

et le choix de leurs valeurs seront discutés : i) à travers une revue de la bibliographie existante

sur le sujet, ii) par l’utilisation de données simulées et réelles.