Le filtrage par seuillage est l’une des applications majeures de la transformée en ondelettes (TO). Certaines méthodes remplacent les coefficients au-dessous d’un certain seuil par zéro et gardent ou rétrécissent le reste. Pour le choix du seuil, plusieurs méthodes existent. Nous présenterons deux méthodes : la première suppose le modèle de bruit blanc gaussien additif et éventuellement corrélé, cherche un seuil qui minimise la fonction de cross validation généralisée (GCV). La seconde, allège l’hypothèse de bruit gaussien, violée souvent en pratique, et suppose que le bruit appartient à la classe des distributions ε-contaminées, elle considère le problème comme celui d’un codage où la longueur du code doit être minimisée. Cette dernière conduit à un seuil qui minimise le critère minimum description length MMDL et permet d’éliminer les intrus tels que les queues du bruit Laplacien dans un bruit gaussien. Toutes ces méthodes présentent le défaut de sur-lisser les signaux, ce qui n’est pas souhaité lors d’interprétation d’ECG de patient atteint de fibrillation par exemple. Pour y remédier, nous proposons une méthode basée sur l’estimation des exposants de Hölder afin de restaurer l’information perdue lors du seuillage. (Filtering by thresholding is one of the major applications of the wavelet transform (WT). Some methods replace the wavelet coefficients below a certain threshold by zeros and keep or shrink the remainder. For the choice of threshold, several methods exist. We will present in this paper two methods: the first assumes the additive Gaussian white noise model, looking for a threshold that minimizes the generalized cross validation function (GCV). The second lightens the assumption of Gaussian noise, and assumes that the noise belongs to the class of ε contaminated distributions, it considers the problem as that of a coding where the code length should be minimized. The latter leads to a threshold that minimizes the criterion “minimum description length MMDL”. All these methods have the drawback of over-smooth the signals, which is not desired during patient ECG interpretation reached fibrillation for example. To remedy this, we propose a new filtering scheme based on estimates of Hölder exponents to restore information lost during thresholding.)

Keywords: Filtrage, Bruit, Electrocardiogramme (ECG), Seuil, Ondelettes (Filtering, Noise, Electrocardiogram (ECG), Threshold, Wavelet)