Linear digital filtering and spectral estimate in processing EEG traces

Ce travail a le but d'introduire des techniques avancées d'élaboration du signal pour le traitement automatique des informations de l'électro-encephalogramme (EEG). En particulier on met en évidence les techniques des filtres linéaires optimums avec la application dans le moment de pré-élaboration de l'EEG. Le problème en question est la réduction du bruit muscolaire qui corrompt le signal dans une bande de fréquence qui est centrée à peu près à 70 Hz et qui arrive jusqu'aux basses composantes de fréquence. On décrit l'implementation d'un filtre de Kalman qui reduit cette contribution de bruit et on présente à ce propos des resultats expérimentals. En suite on applique à l'EEG des méthodes d'identification (la méthode des minimums carrés à lots) et on extrait les paramètres du model AR (autoregressif). Les résultats de l'identification sont presentés dans un diagramme polaire qui réussit à capturer la dynamique du même procès. A partir des coéfficients de l'identification on réussit à obtenir aussi le spectre de puissance (spectre à maximal entropie) et il vient comparé avec les résultats déduits de l'approche du périodogramme et de la transformation rapide de Fourier (FFT). Les méthodes d'élaboration introduites sont très efficaces pour les moments de pré-élaboration et d'extraction de paramètres utiles au but dyagnostique