Detection and classification of multiple events in piecewise stationary signals: Comparison between autoregressive and multiscale approaches

International audienceIn diesem Artikel stellen wir Methoden zur Detektion und Klassifikation von Ereignissen in instationären Signalen vor, welche gut zur Verarbeitung von Uterus-EMG-Signalen geeignet sind. Zwei sequentielle Detektionsmethoden werden vorgestellt: die erste ist eindimensional und basiert auf einer AR-Modellierung, die zweite ist mehrdimensional und verwendet eine Zerlegung des Signals in unterschiedliche Skalen mittels der Wavelet-Transformation. Eine Verwerfung von Hypothesen wird unter Verwendung der AR-Koeffizienten oder einer aus den Skalen berechneten Varianz-Kovarianz-Matrix erzielt. Beide Methoden sind adaptiv und gestatten die Detektion von Ereignissen, ohne notwendigerweise zur Null-Hypothese H0 zurückzukehren. Die beiden Methoden wurden auf simulierte Daten und Uterus-EMG-Signale angewandt, und ihre Leistungsfähigkeit wurde verglichen.In this paper, we present methods of detection and classification of events in nonstationary signals which are well adapted to uterine EMG processing. Two sequential methods of detection are presented: the first one is monodimensional and based on AR modelling, the second is multidimensional and achieved by decomposing the signal onto scales using wavelet transform. Hypothesis rejection is achieved using either AR coefficients or a variance covariance matrix computed from the scales. Both methods are adaptive and allow event detection without necessarily returning to the null hypothesis H0. They have been applied to simulated data and uterine EMG. Their performances have been compared together.Nous présentons dans cet article des méthodes de détection et de classification d’événements dans des signaux non stationnaires, bien adaptées au traitement de l'EMG utérin. Deux méthodes séquentielles de détection sont présentées: la première est monodimensionnelle et basée sur la modélisation autoregressive du signal, la seconde méthode est multidimensionnelle, basée sur la décomposition du signal sur des niveaux d’échelles en utilisant la transformée en ondelettes. Le rejet d'hypothèse est basé sur les coefficients AR des événements ou sur la matrice de variance covariance calculée à partir des échelles. Les deux méthodes sont adaptatives et permettent la détection sans retour obligatoire à l'hypothèse nulle H0. Elles sont appliquées sur des signaux synthétiques et sur l'EMG utérin. Des études de performances ont été effectuées pour les deux méthodes