Résumé:
Cette thèse a pour objectif l’étude des performances des Représentations Temps-Fréquence en vue de la caractérisation, de l'identification et de la classification de quelques signaux électroencéphalogrammes (EEG) normaux et pathologiques. Le signal EEG représentant l’enregistrement de l’activité électrique du cerveau est par nature un signal physiologique non-stationnaire d'une grande utilité pour le diagnostic des dysfonctionnement du cerveau humain. Les expériences que nous avons menées portent sur deux ensembles normaux et pathologiques de signaux EEG réels collectés à partir d'une base de données connue. Dans la première contribution, les applications des représentations temps-fréquence ont permis une bonne discrimination entre les sujets étudiés ainsi que l'identification et la caractérisation des EEG pathologiques en particulier ceux présentant des pics de crise d'épilepsie. Une deuxième contribution basée sur la transformée en ondelette discrète a permis de mieux localiser les bandes fréquentielles correspondants aux rythmes de l'EEG tels que les rythmes Delta, Thêta, Alpha, Beta et Gamma. En plus, d'autres grandeurs liées à la nature de signaux en considération ont été extraites telles que l'énergie, l'entropie, la déviation standard et l'amplitude des coefficients de détails et approximations. Ces caractéristiques ont été utilisées pour la classification des deux ensembles étudiés. La méthode proposée a permis d'atteindre les objectifs escomptés et montré de bonnes performances en termes de précision estimée à 99,5% meilleures que certains travaux publiés et reconnus.
