Ce projet académique vise à traiter et analyser des signaux numériques dans le cadre d'un travail universitaire. Les étudiants ont développé des algorithmes pour détecter et visualiser des motifs dans des données scientifiques, notamment en physique. Les résultats sont présentés sous forme de notebooks interactifs et de scripts Python, avec une validation des méthodes pour garantir leur fiabilité.

Outil dédié à l'analyse et à la correspondance de motifs temporels paramétriques. Il permet d'identifier et d'extraire des motifs complexes dans des données temporisées en utilisant des expressions régulières paramétriques. Utilisé principalement pour l'analyse de signaux et la détection de motifs dans des séries temporelles, il s'appuie sur des théories avancées en logique temporelle et en traitement du signal.

Ce projet permet de classifier des signaux en analysant leurs composantes fréquentielles. Il est conçu pour traiter des données temporelles complexes, comme des séries temporelles ou des signaux audio, afin d'identifier des motifs ou des anomalies. Les applications incluent l'analyse de données industrielles, la détection de défauts ou l'étude de phénomènes naturels.