Analisis Pemisahan Sinyal Tercampur di Bawah Air Menggunakan Metode Blind Source Separation (BSS) pada Tangki Uji Mini Semi-Tanpa Gaung (Semi-Anechoic)

Yuwono, Niken Puspitasari (2017) Analisis Pemisahan Sinyal Tercampur di Bawah Air Menggunakan Metode Blind Source Separation (BSS) pada Tangki Uji Mini Semi-Tanpa Gaung (Semi-Anechoic). Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
2412201017-Master_Thesis.pdf - Published Version
Restricted to Repository staff only

Download (5MB) | Request a copy

Abstract

Thesis ini berisi laporan eksperimen perekaman suara tercampur di bawah air berkonfigurasi overdetermined dengan jumlah sensor tiga buah dan jumlah sumber dua buah menggunakan tiga skenario keadaan untuk kemudian diurai kembali sehingga didapatkan sinyal penyusunnya menggunakan teknik Blind Source Separation (BSS) algoritma joint diagonalization time-frequency blind source separation (TFBSS) dan alternating least squares (ALS). Algoritma Time-Frequency Blind Source Separation (TFBSS) dalam memisahkan suara mendapatkan sistem pengurai (demixing matrix) dari eigenvalue dan eigenvector autokorelasi sinyal observasi, sedangkan algoritma Alternating Least Squres (ALS) mendapatkan sistem pengurai (demixing matrix) dari cross spectral density dan korelasi dari sinyal observasi. Perbedaan kedua algoritma tersebut berada pada adanya algoritma adjusting permutation pada ALS sedangkan pada TFBSS tidak. Hasil eksperimen menunjukkan bahwa unjuk kerja algoritma ALS konsisten lebih baik pada variasi suhu maupun salinitas serta kedua parameter eror yaitu MSE dan SIR dibandingkan dengan algoritma TFBSS ketika digunakan untuk memisahkan sinyal observasi yang direkam dari tangki uji mini semi-tanpa gaung. Skenario pertama yaitu variasi suhu, nilai MSE terkecil berada pada variasi sinyal observasi tipe I, penggunaan metode ALS pada suhu 21℃ yaitu sebesar 0.0966. Berdasarkan rata-rata nilai MSE metode ALS juga memiliki nilai lebih kecil yaitu sebesar 0.55 dibanding nilai rata-rata MSE TFBSS yaitu 0.6. Konsisten dengan skenario pertama, skenario kedua yaitu variasi salinitas memiliki nilai MSE terkecil pada variasi sinyal observasi tipe I, penggunaan metode ALS pada salinitas 3.1% yaitu sebesar 0.044 serta nilai rata-rata MSE metode ALS memiliki nilai lebih kecil yaitu sebesar 0.42 dibanding nilai rata-rata MSE TFBSS yaitu 0.56. Sedangkan dalam analisis nilai SIR baik pada variasi suhu maupun variasi salinitas hasil pemisahan suara menggunakan metode ALS memiliki nilai rata-rata SIR 21 dB sehingga antara sinyal estimasi satu dengan sinyal estimasi lainnya memiliki perbedaan 4 kali lebih keras ketika diterima oleh telinga, berbeda jauh dengan nilai rata-rata SIR metode TFBSS yang sebesar 3 dB. Skenario ketiga dimana perekaman percampuran suara di bawah air dilakukan pada tangki uji besar berdimensi 200×10×5.5 m tanpa variasi pada medium airnya menunjukkan adanya anomali pada hasil unjuk kerja teknik BSS kedua algoritma ALS dan TFBSS baik dari segi nilai MSE maupun SIR. Hasil skenario ketiga menunjukkan hal yang berkebalikan dari yang terjadi pada skenario pertama dan kedua yaitu nilai rata-rata MSE algoritma TFBSS yang memiliki nilai rata-rata MSE lebih kecil yaitu 0.013 dibanding rata-rata nilai MSE algoritma ALS sebesar 0.34. Hasil nilai rata-rata absolut selisih desibel dari SIR metode ALS yaitu 5.8 dB lebih besar dibandingkan nilai rata-rata absolut selisih desibel dari SIR metode TFBSS yaitu 2.5 dB. Didapatkan kesimpulan bahwa dimensi dan kondisi tempat percampuran suara memiliki pengaruh lebih signifikan dalam keberhasilan proses pemisahan suara tercampur di bawah air dibandingkan dengan variasi suhu dan salinitas pada medium air. ============== In this thesis, we report the sound mixed recording in underwater overdetermined configured with the number of sensors three and the number of sources two using three scenarios, then we separate again using Blind Source Separation (BSS) method with specific algorithm joint diagonalization time-frequency blind Source separation (TFBSS) and alternating least squares (ALS). When separating the mixtures, Time-Frequency Blind Source Separation (TFBSS) algorithm gets demixing matrix from the eigenvalue and eigenvector autocorrelation observation signal, while the Alternating Least Squares (ALS) algorithm gets a demixing matrix from cross spectral density and correlation the observation signal. The difference between the two algorithms is in the presence of adjusting permutation algorithm in ALS whereas in TFBSS it is not. The experimental results show that the performance of the ALS algorithm is consistently better on both temperature and salinity variations as well as the two error parametere MSE and SIR compared with the TFBSS algorithm when used to separate the observed signals recorded from mini semi-anechoic test tank. For the first scenario temperature variation, the smallest MSE value is in variation of type I observation signal, using ALS method at temperature 21℃ that is equal to 0.0966. Based on the average value, MSE ALS method also has a smaller value that is equal to 0.55 compared to the mean value of MSE TFBSS is 0.6. Consistent with the first scenario, the second scenario of salinity variation has the smallest MSE value on the variation of type I observation signal, using ALS method on salinity 3.1% which is equal to 0.044 and the average value of MSE ALS method has a smaller value that is 0.42 compared to the average value of MSE TFBSS is 0.56. While in SIR value analysis both in temperature variation and variation of salinity results using ALS method have mean value of SIR 21 dB so that between estimation signal one with other estimation signal have difference 4 times louder when received by ear, far different with average value of SIR from TFBSS method that is equal to 3 dB. For a third scenario where the recording of sound mixing is performed on a large dimension test tank 200×10×5.5 m without variation on the water medium indicates an anomaly in the results of the BSS technique's performance for both ALS and TFBSS algorithms in terms of MSE and SIR values. In this third scenario occurs the opposite of what happens in the first scenario and the second where the average value of MSE TFBSS algorithm is 0.013 smaller when compared to the average value of MSE ALS algorithm that is equal to 0.34. While for the absolute average value of the decibel difference of SIR the ALS method have value 5.8 dB greater when compared with the absolute average value of the decibel difference of SIR of TFBSS method that is equal to 2.5 dB. It is concluded that the dimensions and conditions of the mixing sound have a more significant influence in the success of the sound separation process from underwater than the variations in temperature and salinity on the water medium.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Blind Source Separation (BSS); underwater acoustic; variasi salinitas dan suhu; Blind Source Separation(BSS); salinity and temperature variation
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA184 Algebra, Linear
Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis.
Q Science > QA Mathematics > QA403.3 Wavelets (Mathematics)
Q Science > QC Physics
Q Science > QC Physics > QC271 Temperature measurements
Divisions: Faculty of Industrial Technology > Physics Engineering > (S2) Master Theses
Depositing User: Niken Puspitasari Yuwono
Date Deposited: 03 May 2018 03:39
Last Modified: 03 May 2018 03:39
URI: http://repository.its.ac.id/id/eprint/51364

Actions (login required)

View Item View Item