Penerapan Teknik Blind Source

Separation untuk Memisahkan Noise dariSinyal Akustik yang Non Gaussian

Farkhan Rosi

2208100075

Dosen Pembimbing

Dr. Ir Wirawan, DEA.

Ir. Endang Widjiati, M.Eng.Sc.

PRESENTASI TUGAS AKHIR

1

1. Perkembangan teknologi komunikasi bawah air masihtertinggal dari komunikasi melalui medium udara

2. Sinyal yang diterima sensor tercampur dengan sinyal-sinyallain di lingkungan bawah air

3. Diperlukan teknik untuk memisahkan sinyal-sinyal yang bercampur tersebut yaitu teknik Blind source separation

2

1. Bagaimana pemisahan sinyal dengan menggunakan Blind Source Separation terutama untuk sinyal non-Gaussian

2. Bagaimana rancangan konfigurasi sistem pemisahansinyal akustik bawah air menggunakan hydrophone array

3

1. Simulasi menggunakan program Matlab

2. Teknik yang digunakan untuk memisahkan sinyal akustik bawah air adalah Blind source separation dengan menggunakan algoritmaICA berdasarkan Generalized Gaussian Model

3. Sensor yang dipakai menggunakan hydrophone array dengankonfigurasi tertentu

4. Parameter yang digunakan dalam mengukur bagus tidaknya sinyalhasil pemisahan adalah nilai mean square error (MSE) dan signal to interference ratio (SIR).

4

Mengetahui karakteristik sumber sinyal non-gaussian.

Mendapatkan pemisahan sinyal non-Gaussian yang bagus menggunakan teknik BSS dengan algoritma ICAberdasarkan Generalized Gaussian Model

5

PENERAPAN BSS

ALGORITMA NGICA

PENGAMBILAN DATA

LHI

APLIKASI GENERALIZED

GAUSSIAN MODEL

MENCARI NILAI MSE

DAN SIR

ANALISA HASIL

PENARIKAN

KESIMPULAN

SELESAI

PENGAMBILAN DATA

SIMULASI

1 2

MULAI

STUDI LITERATUR

PENENTUAN SINYAL

INPUT

PENGUJIAN

DISTRIBUSI SINYAL

PENGUJIAN SYARAT

ICA

SIMETRISUNIMODAL

INDEPENDEN NON GAUSSIAN

PENGAMBILAN DATA

YES YES

NO NO

1 2 6

7

Persamaaan GGM fitting histogram :

8

9

Independent

Non Gaussian

Kurtosis

Matrix pencampur dan matrix pemisah merupakanmatrix square

Preprocessing

10

Untuk mendapatkan algoritma natural gradientdalam unmixing matriks W diperlukan perhitungan :

Dimana untuk GGM adalah:

11

12

voice size length bitrate

shrimp.wav 84.3 KB 10s 64kbps

ferry.wav 1.03 MB 6s 1411kbps

Untuk ship radiated noise menggunakan ferry.wavSedangkan sea ambient noise menggunakan shrimp.wav

13

15 m

3 m

225 m

11 m

1 m

1 m 1 m1 m

Array hydrophones

0.52 m

5 m

10 m

14

Profil kolam LHI

5.5 - 6 m

2.5 m

70 mm

70 mm

520 mm

520 mm

45 mm

50 mm

50 mm

15

Peletakan speaker terhadaparray

Konfigurasi array

16

Independen

Dari hasil pengujian didapat nilai kovarian sebesar8,0374 x 10-6

17

Non Gaussian

Dari hasil pengujian didapat nilai kurtosis shrimp.wav = 3.3109 dan ferry.wav = 2.7824

kurt (s) = E{s4}- 3(E{s4})2

18

Karakteristik distribusi

0 1 2 3 4 5 6 7 8 9 10-1

0

1

Plot sinyal suara udang

Waktu (t)

Am

plit

ud

o

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10

1000

2000

Histogram suara udang

Amplitudo

Fre

qu

en

cy

0 1 2 3 4 5 6-1

0

1

Plot sinyal suara kapal ferry

Waktu (t)

Am

plit

ud

o

-0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.80

5000

10000

15000

Histogram sinyal suara kapal ferry

Amplitudo

Fre

qu

en

cy

19

Dari pengujian didapatkan sinyal shrimp.wav memiliki nilai modus hanya satuyakni bernilai –0.0078 dan sinyal ferry.wav juga memiliki nilai modus hanyasatu yakni bernilai 0.

Hasil dari pengujian juga didapatkan selisih nilai mean dengan median keduasinyal == 0 .

Dari situ didapatkan bahwa kedua sinyal inputan memiliki karakteristikdistribusi unimodal dan simetris

20

21

Mixing matriks yang digunakan :

A =

Dari mixing matriks A kemudian didapatkan sinyal observasi X

X = A s

22

Selanjutnya tahap Preprocessing:

Centering:

𝑋 = 𝑋−𝐸[𝑋]

Whitening :

𝑋 w = V 𝑋V = ED-1/2ET , V adalah Whitening matriks, E adalah

eigen vektor E{xxT} dan D adalah matriks diagonal darieigen value

23

Estimasi unmixing matriks W :

W = W +

Y = W X

Kemudian didapat sinyal estimasi hasil pemisahan :

24

MSE (Mean Square Error) adalah nilai rata-rata dari error hasil estimasi. Persamaandari MSE adalah sebagai berikut:

Dimana n= jumlah sampel data

s=sinyal aslise=sinyal estimasi

SIR (Signal to Interference Ratio) adalah perbandingan daya sinyal terhadap daya interferensi.

0 1 2 3 4 5 6 7 8 9

x 104

-1

-0.5

0

0.5

1

Plot sinyal suara shrimp.wav

Waktu (t)

Am

plit

ud

o

0 1 2 3 4 5 6 7 8 9

x 104

-0.5

0

0.5

Plot sinyal suara ferry.wav

Waktu (t)

Am

plit

ud

o

25

Plot Sinyal Input :

0 1 2 3 4 5 6 7 8 9

x 104

-1

-0.5

0

0.5

1

Plot sinyal suara campuran x1

Waktu (t)

Am

plit

ud

o

0 1 2 3 4 5 6 7 8 9

x 104

-0.6

-0.4

-0.2

0

0.2

0.4

Plot sinyal suara campuran x2

Waktu (t)

Am

plit

ud

o

26

Plot Sinyal Campuran :

0 1 2 3 4 5 6 7 8 9

x 104

-5

0

5

Plot sinyal suara estimasi y1

Waktu (t)

Am

plit

ud

o

0 1 2 3 4 5 6 7 8 9

x 104

-4

-2

0

2

4

Plot sinyal suara estimasi y2

Waktu (t)

Am

plit

ud

o

27

Plot sinyal hasil pemisahan :

Hasil perhitungan MSE dan SIR dengan dengan menggunakan mixing matriks [0.66,0.40;0.34,0.56] didapatkan nilai MSE sebesar1.2605 x 10-5 dan 2.0272 x 10 -5 dan didapatkan nilai SIR sebesar48.9946 dan 46.9309.

28

Mixing matriks MSE SIR

1.2605 x 10-5 48.9946

1.2604 x 10-5 48.9948

2.2006 x 10-5 46.5744

1.2630 x 10-5 48.9859

29

0 1 2 3 4 5 6 7-1

-0.5

0

0.5

1

Sinyal Campuran diterima Hydrophone 2(jarak speaker-hydrohone 1meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-1

-0.5

0

0.5

1

Sinyal Campuran diterima Hydrophone 3(jarak speaker-hydrohone 1meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-3

-2

-1

0

1

2

3

Sinyal Estimasi Hasil Pemisahan 1(jarak speaker-hydrohone 1meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-4

-2

0

2

4

6

Sinyal Estimasi Hasil Pemisahan 2(jarak speaker-hydrohone 1meter)

Waktu (s)

Am

plit

ud

o

30

0 1 2 3 4 5 6 7-1

-0.5

0

0.5

1

Sinyal Campuran diterima Hydrophone 2(jarak speaker-hydrohone 5meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-1

-0.5

0

0.5

1

Sinyal Campuran diterima Hydrophone 3(jarak speaker-hydrohone 5meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-1.5

-1

-0.5

0

0.5

1

1.5

Sinyal Estimasi Hasil Pemisahan 1(jarak speaker-hydrohone 5meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-4

-2

0

2

4

6

Sinyal Estimasi Hasil Pemisahan 2(jarak speaker-hydrohone 5meter)

Waktu (s)

Am

plit

ud

o

31

0 1 2 3 4 5 6 7-1

-0.5

0

0.5

1

Sinyal Campuran diterima Hydrophone 2(jarak speaker-hydrohone 10meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-1

-0.5

0

0.5

1

Sinyal Campuran diterima Hydrophone 3(jarak speaker-hydrohone 10meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-1

-0.5

0

0.5

1

Sinyal Estimasi Hasil Pemisahan 1(jarak speaker-hydrohone 10meter)

Waktu (s)

Am

plit

ud

o

0 1 2 3 4 5 6 7-4

-2

0

2

4

6

Sinyal Estimasi Hasil Pemisahan 2(jarak speaker-hydrohone 10meter)

Waktu (s)

Am

plit

ud

o

32

Sinyal1 m 5 m 10 m

MSE SIR MSE SIR MSE SIR

Shrimp.wav5.7174 x

10-6 63.93271.6016 x

10-6 57.95444.0423

x 10-6 52.928

Ferry.wav7.3388 x

10-6 58.7316.0311 x

10-6 51.4333.7031

x 10-6 49.278

33

•Blind Souce Separation dengan memakai Algoritma Natural Gradien ICA denganberdasarkan Generalized Gaussian Model mampu memisahkan sinyal non Gaussian dengan baik hal ini terlihat dari nilai SIR, yakni SIR shrimp.wav = 48.9946 dB danSIR ferry.wav = 46.9309 dB

•Pada pengujian pemisahan menggunakan toolbox ICALABS V3 juga didapatkannilai rata-rata SIR cukup bagus yakni sebesar 21.3417 dB

•Nilai mixing matrix tidak mempengaruhi nilai MSE dan SIR dengan menggunakanBlind Source Separation dengan algoritma Natural Gradient ICA .

•Semakin jauh jarak dari speaker ke hydrophone nilai MSE dan SIR berkurang, nilairata-rata SIR pada jarak 1 meter = 61.33185 dB, jarak 5 meter= 54.6937 dB, jarak 10 meter = 51.103 dB dan nilai rata-rata MSE pada jarak 1 meter = 6,5281 x10-6, jarak 5 meter= 3.81635x10-6, jarak 10 meter = 3.8727 x10-6

34

[1] Wei . Kong , Bin Yang, Blind source separation of shipradiated noise based on generalized Gaussian model, Journal of Systems Engineering and Electronics, Vol. 17, No. 2 , 2006, pp. 321 -325, 2005[2] Shi . Xizhi , Blind Signal Processing Theory and Practice, Shanghai Jiao Tong University Press, 2011(151)[3]Comon . P, Jutten. C , Handbook of Blind Source Separation, Independent Component Analysis and Applications, Acadmic Press, 2010[4]Prasad . Rajkishore , Prasad . Rajkishore, Fixed-Point ICA based Speech Signal Separation and Enhancement with Generalized Gaussian Model, Department of Information Science Graduate School of Information Science Nara Institute of Science and Technology, 2005[5]W.I.P Sari, ”Pemisahan Sinyal Akustik Bawah Air Menggunakan Blind Separation of Source (BSS)”. TugasAkhir, Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember Surabaya (2011). [6]H Hyvärinen . Aapo , Karhunen . Juha, Oja . Erkki, Independent ComponentAnalysis, A Wiley-IntersciencePublication JOHN WILEY & SONS, INC. 2001[7]Stone. James V. “Independent Component Analysis : A Tutorial Introduction” (1-4):5-49, 2004[8]Naik . Ganesh R , Kumar . Dinesh K. “An Overview of Independent Component Analysis and It’s Applications”, In Informatica 35(2011):63-81, 2009[9]Hodges . Richard P, Underwater Acoustics ,Analysis, Design, and Performance of Sonar, John Wiley & Sons, Ltd, 2010[10]Siyavula Education, “Symmetric and Skewed Data “, http://m.everythingmaths.co.za/grade-11/11-statistics/11-statistics-05.cnxmlplus[11] Institute of particle and two phase flow measurement university of shanghai for science and technology,”Unimodal,Bimodal,and multimodal distribution”, http://www.iptfm.com/zhuanli.asp?id=288

35

•Dari hasil pengamatan dan analisis yang telah dilakukan, penulis memberikanbeberapa saran untuk pengembangan tugas akhir berikutnya :

•Pada penelitian yang selanjutnya, dapat dicoba dengan membandingkanalgoritma BSS dengan menggunakan sinyal hasil lainnya.

•Algoritma BSS tidak hanya dapat digunakan pada sinyal suara namun jugadapat digunakan pada gambar. Untuk yang selanjutnya, dapatdiimplementasikan algoritma BSS pada pemisahan gambar sebagai sistempendeteksian suatu image.

•Dalam pengambilan data di lapangan, sebaiknya menggunakan data inputanyang memenuhi criteria, karakteristik algoritma yang dipakai

36

TERIMA KASIH

37