Méthodes de traitement du signal par décomposition en modes empiriques

This document aims at presenting, assessing and comparing several signal analysis techniques relying on the empirical mode decomposition. This adaptive method, developed by Huang, is is frequently used for the analysis of nonlinear signals, i.e. signals stemming from nonlinear systems. One weakness of the method lies in its lack of theoretical foundation, though it should be mentioned that some authors attempted to make a more mathematical presentation of the method. Nonetheless, the EMD has been applied for a large variety of applications---such as industrial machines monitoring and medical signals analysis to name a few. The EMD is the cornerstone of increasingly popular signal analysis techniques such as the local mean decomposition and the Hilbert-Huang Transform. These methods are detailed in this note along with the associated Python implementation that is freely downloadable with this document.Cet article présente, évalue et compare différentes techniques de traitement du signal reposant sur la décomposition en modes empiriques. Initialement introduite par Huang, la décomposition en modes empiriques est une méthode adaptative fréquemment utilisée pour l'analyse de réponses vibratoires de systèmes mécaniques non-linéaires. Malheureusement, l'assise théorique de la méthode est manquante même si quelques contributions abouties proposent une présentation mathématique. Elle a néanmoins été appliquée avec succès dans des domaines aussi variés que le diagnostic de machines industrielles ou l'analyse de signaux médicaux, et constitue le socle commun à plusieurs méthodes récentes de traitement du signal telles que la décomposition en moyenne locale et la méthode de Hilbert-Huang. Ces méthodes sont détaillées et leur mise en œuvre, disponible en annexe en langage Python, est évaluée pour quelques signaux académiques