Peningkatan Kualitas Sinyal Suara Dengan Menggunakan Metode Independent Component Analysis.

(1)

PENINGKATAN KUALITAS SINYAL SUARA

DENGAN

MENGGUNAKAN METODE INDEPENDENT

COMPONENT ANALYSIS

Ambrosius Jonathan / 0222202

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

Email : [email protected]

ABSTRAK

Dalam sistem komunikasi sinyal yang dikirimkan tidak seluruhnya dapat diterima dengan baik oleh penerima, hal ini disebabkan dengan adanya percampuran noise pada saat sinyal dikirimkan. Noise mengakibatkan sinyal yang diterima mengalami kecacatan atau kerusakan bahkan dapat menghilangkan sinyal informasi tersebut, noise dapat ditimbulkan dari luar sistem komunikasi yang digunakan. Untuk mengurangi dan menentukan besarnya noise yang terbawa didalam sinyal informasi, maka digunakan berbagai metode pemrosesan sinyal.

Salah satu metoda yang dipakai untuk meredam noise adalah Independent Component Analysis, Independent Component Analysis (ICA) adalah suatu metode penemuan sinyal kembali dari sekelompok sinyal bebas dari campuran sinyal – sinyal yang mengandung noise yang dimana percampurannya tidak diketahui. Salah satu aplikasi yang dimiliki ICA dalam memisahkan dua buah sinyal adalah Projection Pursuit Gradient Ascent yang berfungsi untuk memisahkan sinyal bebas dari noise yang tercampur di dalam sinyal informasi.

Pada Tugas Akhir ini telah direalisasikan simulasi peningkatan kualitas sinyal suara dengan menggunakan metode Independent Component Analysis yang mengaplikasikan Projection Pursuit Gradient Ascent. Sinyal suara yang digunakan sebagai input merupakan rekaman dari suara manusia. Hasil simulasi yang didapatkan berupa plot sinyal yang menunjukkan terjadinya proses peningkatan kualitas sinyal suara.

(2)

(3)

iii

SPEECH ENHANCEMENT USING INDEPENDENT

COMPONENT ANALYSIS METHOD

Ambrosius Jonathan / 0222202

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

Email : [email protected]

ABSTRACT

In a communication system that transmitted signals can not be fully welcomed by the recipient, it is caused by the mixing of noise when the signal is sent. Noise resulting received signal experiencing disability or can even eliminate the damage information signal, noise can be generated from outside the communication system used. To reduce noise and determine the amount of information carried in the signal, it used various methods of signal processing.

One method that is used to muffle the noise is the Independent Component Analysis, Independent Component Analysis (ICA) is a method of finding the signal back from a bunch of free signal from a mixture of signals - signals that contain noise that where mixing unknown. One of the applications owned by ICA in separating the two signals is the Projection Pursuit Gradient Ascent that serves to separate the signal free of noise mixed in with the information signal.

At the end of this Final Project has been realized simulation to improve the quality of voice signal by using the method of Independent Component Analysis applied Gradient Ascent Projection Pursuit. Voice signals are used as input a record of the human voice. Simulation results obtained in the form of a signal plot showing the process of improving the quality of voice signal.

(4)

DAFTAR ISI

ABSTRAK………. i

ABSTRACT... iii

KATA PENGANTAR………... iv

DAFTAR ISI………... vi

DAFTAR GAMBAR………. ix

DAFTAR TABEL……….. x

BAB I PENDAHULUAN... 1

I.1 Latar Belakang Masalah………... 1

I.2 Batasan Masalah………. 2

I.3 Tujuan Penulisan……….. 2

I.4 Metode Penulisan……… 3

I.5 Sistematika Penulisan……….. 4

BAB II LANDASAN TEORI……….. 5

II.1 TEORI Aapo Hyvarinen dan Erkki Oja……….. 5

II.1.1 Independent Component Analysis (ICA)……….. 5

II.1.1.1 Definisi Linear Independent Component Analysis………….. 8

II.1.1.1.1 Definisi Umum (General definition)……… 8

II.1.1.1.2 Noise ICA (Noise ICA model)………. 9

II.1.1.1.3 Model ICA bebas noise (Noise – free ICA model)……….. 9

II.1.2 Prinsip Perhitungan Independent Component Analysis (ICA)……... 9

II.I.2.1 Data Statistically Independent………. 9

II.I.2.2 Square Mixing Matrix………. 10

II.I.2.3 Data Tercampur Secara Linier……… 10

II.I.2.4 Data bersifat Non-Gaussian……….. 10

II.1.3 Kurtosis……….. 12

II.1.4 Campuran Sinyal Audio………. 13

II.1.5 Algoritma Fast ICA………. 16

(5)

II.1.5.1.1 Remmean……….. 16

II.1.5.1.2 Whitenv………. 16

II.1.5.1.3. PCAmat………. 17

II.1.5.2. Processing Fast ICA……… 17

II.2 Metode Pemisahan Sinyal Suara Selain ICA………. 18

II.2.1 Algoritma MELP………. 18

II.2.2 Model Coder MELP……….. 19

II.3 Microphone……….. 20

II.4 Pemograman Matlab………. 21

II.4.1 Aturan dan Sifat M – File……….. 22

II.4.2 Perintah Wavwrite………. 23

II.5 Library FastICA (Fast Independent Component Analysis)………. 24

II.5.1 Pemisahan Sinyal Suara dengan FastICA………. 27

II.5.2 Proses FastICA……….. 29

II.6 Perbaikan Kualitas Recording……….. 31

BAB III PERANCANGAN DAN IMPLEMENTASI……… 32

III.1 Desain Pencampuran Sinyal……….. 32

III.2 Framing………. 36

III.3 Windowing………. 36

III.4 Proses Pemisahan Sinyal………. 37

III.5 Projection Pursuit Gradient Ascent………. 39

III.3.1 Kurtosis sebagai Ukuran Non - Normality………. 39

BAB IV DATA DAN ANALISA………. 42

IV.1 Pengujian……… 42

IV.2 Perangkat Lunak Peningkatan Kualitas……… 42

IV.3 Simulasi dan Analisa Data………. 43

IV.3.1 Data Pengamatan dan Analisa Percobaan Pertama... 45

IV.3.2 Data Pengamatan dan Analisa Percobaan Kedua... 49

(6)

BAB V KESIMPULAN DAN SARAN... 57

V.1 Kesimpulan... 57

V.2 Saran... 57

DAFTAR PUSTAKA... 56

(7)

vii

DAFTAR GAMBAR

Gambar II.1 Proses Campuran Sinyal dari rumus ICA……….. 6

Gambar II.2 Blok Diagram Rumus ICA……….. 7

Gambar II.3 Proses Pengembangan Rumus ICA dengan Komponen Basis……… 8

Gambar II.4 Distribusi variabel Gaussian……… 10

Gambar II.5 Proses Pencampuran Sinyal Audio……….. 14

Gambar II.6 Dua Buah Sumber Sinyal……… 14

Gambar II.7 Sinyal Tercampur yang diamati………. 15

Gambar II.8 Sinyal yang sudah dipisahkan dengan ICA………. 15

Gambar II.9 Blok Diagram Pembuatan wav dengan Perintah Wavwrite……… 24

Gambar II.10 Proses Pemisahan Sinyal Suara Secara Umum……….. 28

Gambar II.11 Proses FastICA……… 30

Gambar III.1 Pencampuran dua sinyal menggunakan satu mikrofon……….. 32

Gambar III.2 Nada asli yang digunakan untuk menekankan efek pencampuran……….. 33

Gambar III.3 Proyeksi Ortogonal dari sumber sinyal ke sinyal campuran………... 34

Gambar III.4 Diagram Blok Proses Peningkatan Kualitas Sinyal Suara……… 35

Gambar III.5 Short time spectral analysis... 36

Gambar III.6 Grafik dari campuran x1 dan x2………... 38

Gambar III.7 Diagram alir Peningkatan Kualitas Sinyal Suara………. 42

Gambar VI.1 Gambar Sinyal suara manusia………. 44

Gambar IV.2 Gambar sinyal suara noise………... 45

Gambar IV.3 Gambar sinyal suara yang telah tercampur dengan noise……… 45

Gambar IV.4 Gambar sinyal output……….. 46

Gambar IV.5 Gambar sinyal noise ke dua... 49

Gambar IV.6 Gambar sinyal suara yang telah bercampur………. 50

Gambar IV.7 Gambar sinyal output………. 51

Gambar IV.8 Gambar sinyal dari sebuah lagu... 54

Gambar IV.9 Gambar percampuran 2 buah sinyal………. 55

(8)

viii

DAFTAR TABEL

Tabel VI.1 Spesifikasi suara manusia (input 1)………. 43 Tabel VI.2 Spesifikasi suara noise (input 2)……….. 43 Tabel IV.3 Hasil penilaian secara subjektif terhadap kualitas suara output………… 47 Tabel IV.4 Penilaian subjektif terhadap percobaan kedua………. 52

(9)

(10)

Lampiran

A-1 Universitas Kristen Maranatha

List Program

Proyeksi dasar algoritma pencarian pada 2 menunjukkan sinyal suara tetapi hanya satu sinyal yang di ekstrak

clear; close all; clc;

% Hanya untuk mendengarkan 1 sinyal listen=1; % set to 1 if have audio. % Menetapkan nomer acak seed=99;

rand('seed',seed); randn('seed',seed);

% M = Jumlah sumber sinyal dan sinyal campuran M = 2;

% [1e4] N = Jumlah titik data sinyal % N = 1e4;

% Mengambil data, masing-masing M = 2 baris berisi sinyal sumber yang berbeda.

% Setiap baris mempunyai N kolom atau nilai dari sinyal % Atur varians setiap sumber untuk campuran.

% Mulai memasukkan input [spe fsspe jbit]=wavread('Speech'); spe1=spe(1000:end);

pjg1=length(spe1);

[noi1 fsnoi1 jbit]=wavread('noise1'); noi11=noi1(1000:end);

pjg2=length(noi11); pendek=min(pjg1,pjg2); N=pendek;

(11)

Lampiran

A-2 Universitas Kristen Maranatha spe2=spe1(1:pendek);

noi2=noi11(1:pendek); s1=spe2';

s2=noi2';

% Kombinasikan variabel vektor s kedalam sumber s=[s11; s2];

% Percampuran matriks A=randn(M,M)';

% Mendengarkan sumber sinyal % Frekuensi sampling = 10000. Fs=8000;

% Gambarkan setiap sumber sinyal figure(3);

hist(s(1,:),50); drawnow; figure(4); hist(s(2,:),50); drawnow;

% Membuat campuran sinyal dari sumber sinyal x=A*s;

% Dengarkan hasil pencampuran sinyal if listen

soundsc(x(1,:),Fs); soundsc(x(2,:),Fs); end;

% Membuat sinyal campuran menggunakan SVD. [U D V]=svd(x',0);

% Mengganti nilai vektor x dengan memasukan nilai x yang baru . z=U;

(12)

Lampiran

A-3 Universitas Kristen Maranatha % Mengubah nilai kombinasi dari eigenvektor yang ada ...

z=z./repmat(std(z,1),N,1); z=z';

% Pemisahan sinyal menginisialisasi vektor – vektor acak

w = randn(1,M)';

% Dengan menggunakan satuan panjang w w=w/norm(w);

% Menginisialisasi setiap sinyal sumber. y = w'*z;

% Membuat perkiraan hubungan korelasi antara sumbu sinyal sumber (s) fprintf('Initial correlations of source and extracted signals\n');

%rinitial=abs(r(M+1:2*M,1:M)) r1=corrcoef([y; s1]');

r2=corrcoef([y; s2]');

rinitial=abs([r1(1,2) r2(1,2)])

maxiter=100; % [100] Maximum number of iterations. eta=2e-2; % [1e-2 /2] Step size for gradient ascent.

% Membuat sebuah array hs untuk menyimpan nilai-nilai gradien fungsi dan ukuran. Ks=zeros(maxiter,1);

gs=zeros(maxiter,1);

% Awal permulaan kenaikan nilai K

% Memasukan nilai terbaik untuk beban vektor wopt=[-0.6125 0.7904];

for iter=1:maxiter

% Memperkirakan nilai sumber sinyal y

y = w'*z;

% Estimasi nilai kurtosis. K = mean(y.^4)-3;

(13)

Lampiran

A-4 Universitas Kristen Maranatha y3=y.^3;

yy3 =repmat(y3,2,1); g=mean((z.*yy3)')';

% Memasukan nilai w untuk meningkatkan nilai K

w = w + eta*g;

%Menetapkan panjang nilai w

w = w/norm(w);

% Menunjukkan skala dan sudut antara wopt dan gradient K Ks(iter)=K;

gs(iter)=subspace(g,wopt'); end;

% Mencatat perubahan plot dan sudut gradien wopt selama pengoptimasian figure(1);plot(Ks,'k');

title('Function values - Kurtosis'); xlabel('Iteration');ylabel('K(y)'); figure(2);plot(gs,'k');

title('Angle \alpha Between Gradient g and Final Weight Vector w'); xlabel('Iteration');ylabel('\alpha');

% Menampilkan nilai korelasi akhir r=corrcoef([y;s]');

fprintf('Final correlations between source and extracted signals ...\n'); r1=corrcoef([y;s1]');

r2=corrcoef([y;s2]');

rfinal=abs([r1(1,2) r2(1,2)]) % mendengarkan sinyal diekstrak if listen

soundsc(y,Fs); end;

(14)

Bab I Pendahuluan

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

I.1 LATAR BELAKANG MASALAH

Dalam sistem komunikasi tidak seluruh sinyal yang dikirim oleh pengirim akan diterima dengan baik seluruhnya oleh penerima. Adanya noise mengakibatkan sinyal yang diterima mengalami kecacatan atau kerusakan bahkan dapat menghilangkan sinyal informasi tersebut. Noise yang dimaksudkan adalah sinyal – sinyal yang tidak diinginkan yang terbawa dengan sinyal informasi tersebut. Noise dapat timbul dari luar sistem komunikasi misalnya suara kendaraan bermotor, maupun yang berasal dari komponen – komponen elektronika peralatan komunikasi. Untuk menentukan besarnya dan mengurangi besarnya noise yang terdapat dalam sinyal informasi maka dapat menggunakan berbagai metode pemrosesan sinyal.

Salah satu metode pemrosesan sinyal yang dapat digunakan untuk mengurangi noise adalah metode Independent Component Analysis (ICA). Metode ini dapat digunakan untuk mengurangi noise yang terdapat di dalam sinyal informasi. Independent Component Analysis adalah suatu metode penemuan sinyal kembali dari sekelompok sinyal bebas dari campuran sinyal – sinyal yang mengandung noise yang dimana percampurannya tidak diketahui. Jadi secara garis besar metode ini dapat digunakan untuk memisahkan sinyal bebas dari noise yang tercampur di dalam sinyal informasi.

(15)

Bab I Pendahuluan 2

Universitas Kristen Maranatha Berdasarkan masalah di atas maka pada Tugas Akhir ini hendak dilakukan simulasi mengenai peningkatan kualitas sinyal Suara, agar kualitas suara (sinyal informasi) yang akan diterima oleh receiver dalam kondisi lebih baik dari kondisi awal yang masih mempunyai noise.

I.2 BATASAN MASALAH

Dalam membahas Independent Component Analysis, penulis hanya akan menjelaskan hal – hal sebagai berikut :

 Apa itu Independent Component Analysis (ICA)

 Proses pemisahan sinyal suara tercampur menggunakan metode ICA

 Implementasi ICA dalam memisahkan sinyal tercampur

Untuk menerapkan metode ini penulis hendak membandingkan kualitas sinyal suara yang telah tercampur dengan kualitas sinyal suara yang telah menggunakan metode ICA untuk pemisahan noise.

I.3 TUJUAN PENULISAN

Tujuan dari Tugas Akhir ini adalah sebagai berikut :

1. Menggunakan metode ICA sebagai pemisah sinyal – sinyal audio tercampur.

2. Dapat memisahkan suara yang diinginkan sehingga dapat didengarkan dengan baik tanpa adanya campuran dari noise.

3. Dapat menunjukkan hasil simulasi yang berupa kinerja dari pemisahan sinyal sumber audio dengan menggunakan software Matlab.

(16)

Bab I Pendahuluan 3

Universitas Kristen Maranatha

I.4 METODE PENULISAN

Langkah – langkah dalam pengerjaan Tugas Akhir :

 Studi literatur mengenai :

1. Metode ICA untuk pemisahan sinyal audio suara yang tercampur.

2. Software Matlab untuk simulasi sinyal suara.

 Pengumpulan Data :

Ada beberapa proses dalam pengumpulan data Tugas Akhir ini yaitu : 1. Pengumpulan data mengenai metode Independent Component

Analysis untuk pemrosesan sinyal simulasi.

2. Pengumpulan data suara dengan melakukan proses perekaman secara langsung antara suara orang dan suara yang lain (noise) yang tecampur.

 Proses Simulasi.

Data yang berupa rekaman suara dalam sebuah program Matlab telah dibuat untuk menghasilkan proses simulasi pemisahan sinyal suara.

 Melakukan pencatatan dari perbedaan suara yang hasil estimasi dengan sumber suara.

 Pengambilan kesimpulan yang dibuat meliputi evaluasi tahap akhir terhadap simulasi program yang telah dibuat, serta kelebihan dan kelemahan dari simulasi.

(17)

Bab I Pendahuluan 4

Universitas Kristen Maranatha

I.5 SISTEMATIKA PENULISAN

Penulisan laporan Tugas Akhir ini dibagi menjadi beberapa bab, yaitu:

BAB I : Pendahuluan

Bab ini berisi tentang : Latar Belakang Masalah, Batasan Masalah, Tujuan Penulisan, Metode Penulisan, Sistematika Penulisan.

BAB II : Landasan Teori

Bab ini berisi tentang : dasar – dasar teori yang digunakan dalam pembuatan Tugas Akhir ini.

BAB III : Perancangan dan Implementasi

Bab ini akan membahas mengenai perancangan program yang dibuat pada Tugas Akhir.

BAB IV : Data dan Analisa

Bab ini akan mengulas tentang pengujian sistem program dan hasil pengujian yang telah dilakukan oleh program.

BAB V : Kesimpulan dan Saran

Bab ini berisi kesimpulan yang dapat diambil terhadap hasil yang telah dicapai dan saran – saran yang berguna bagi pengembangan selanjutnya.

(18)

BAB V Kesimpulan dan Saran

57 _{Universitas Kristen Maranatha}

BAB V

KESIMPULAN DAN SARAN

V.1 Kesimpulan

Dari analisa yang telah dilakukan maka dapat diambil kesimpulan :

1. Metode Independent Component Analysis untuk Peningkatan Kualitas Sinyal Suara telah dibuktikan dengan melakukan simulasi pada program Matlab.

2. Pada simulasi pertama hasil dengan menggunakan satu noise yaitu dapat menghasilkan sinyal informasi yang bisa terdengar dengan jelas walaupun masih terdapat suara noise di dalam sinyal informasi tersebut.

3. Pada simulasi kedua hasil dengan menggunakan campuran dari beberapa noise yaitu dapat menghasilkan sinyal informasi yang bisa terdengar dengan jelas walaupun masih terdapat suara noise di dalam sinyal informasi tersebut.

4. Pada simulasi ketiga dengan menggunakan sampel sebuah lagu. Pada simulasi ini akan dilakukan pemisahan suara manusia yang bernyanyi dengan suara instrument musik yang terdapat didalam lagu tersebut dan hasil yang didapatkan suara manusia dan suara instrument musik yang terdapat di lagu tersebut tidak dapat dipisahkan.

V.2 Saran

Adapun saran untuk pengembangan Tugas Akhir ini adalah :

1. Percobaan pada Tugas Akhir ini terbatas pada Peningkatan Kualitas Sinyal Suara dengan white noise. Untuk perkembangan selanjutnya, bisa menggunakan colored noise sebagai sumber noise.

(19)

Daftar Pustaka

56 _{Universitas Kristen Maranatha}

DAFTAR PUSTAKA

1. A. Belouchrani and M. Amin. Jammer mitigation in spread spectrum communicationsusing blind sources separation. Signal Processing, 80(4):723– 729, 2000.

2. Hyvarinen, A, Karhunen, J, & Oja, E.2001a. Independent Component Analysis. Jhon Willey and son. New York.

3. J.-F. Cardoso. Multidimensional independent component analysis. In Proc.IEEE Int. Conf. on Acoustics, Speech and Signal Processing (ICASSP’98), Seattle, WA, 1998

4. Porrill, J, & Stone, JV. Independent components analysis for signal

separation and dimension reduction. SheffieldUniversity, Sheffield, England. 1997 (August).

5. Stone, James V, Independent Component Analysis, London, England.

6. V. Capdevielle, C. Serviere, and J.Lacoume. Blind separation ofwide-band sources in the frequency domain. In Proc. IEEE Int. Conf. on Acoustics, Speech and Signal Processing (ICASSP’95), volume 3, pages 2080–2083, Detroit, Michigan, 1995.

7. http://www.mathworks.se/matlabcentral/newsreader/view_thread/257124 8. http://en.wikipedia.org/wiki/Independent_component_analysis

(20)

Daftar Pustaka

(1)

Bab I Pendahuluan 2

I.2 BATASAN MASALAH

Dalam membahas Independent Component Analysis, penulis hanya akan menjelaskan hal – hal sebagai berikut :

 Apa itu Independent Component Analysis (ICA)

 Proses pemisahan sinyal suara tercampur menggunakan metode ICA  Implementasi ICA dalam memisahkan sinyal tercampur

Untuk menerapkan metode ini penulis hendak membandingkan kualitas sinyal suara yang telah tercampur dengan kualitas sinyal suara yang telah menggunakan metode ICA untuk pemisahan noise.

I.3 TUJUAN PENULISAN

Tujuan dari Tugas Akhir ini adalah sebagai berikut :

1. Menggunakan metode ICA sebagai pemisah sinyal – sinyal audio tercampur.

2. Dapat memisahkan suara yang diinginkan sehingga dapat didengarkan dengan baik tanpa adanya campuran dari noise.

3. Dapat menunjukkan hasil simulasi yang berupa kinerja dari pemisahan sinyal sumber audio dengan menggunakan software Matlab.

(2)

Bab I Pendahuluan 3

Universitas Kristen Maranatha I.4 METODE PENULISAN

Langkah – langkah dalam pengerjaan Tugas Akhir :  Studi literatur mengenai :

1. Metode ICA untuk pemisahan sinyal audio suara yang tercampur.

2. Software Matlab untuk simulasi sinyal suara.  Pengumpulan Data :

Ada beberapa proses dalam pengumpulan data Tugas Akhir ini yaitu : 1. Pengumpulan data mengenai metode Independent Component

Analysis untuk pemrosesan sinyal simulasi.

2. Pengumpulan data suara dengan melakukan proses perekaman secara langsung antara suara orang dan suara yang lain (noise) yang tecampur.

 Proses Simulasi.

Data yang berupa rekaman suara dalam sebuah program Matlab telah dibuat untuk menghasilkan proses simulasi pemisahan sinyal suara.  Melakukan pencatatan dari perbedaan suara yang hasil estimasi

dengan sumber suara.

 Pengambilan kesimpulan yang dibuat meliputi evaluasi tahap akhir terhadap simulasi program yang telah dibuat, serta kelebihan dan kelemahan dari simulasi.

(3)

Bab I Pendahuluan 4

Universitas Kristen Maranatha I.5 SISTEMATIKA PENULISAN

Penulisan laporan Tugas Akhir ini dibagi menjadi beberapa bab, yaitu:

BAB I : Pendahuluan

Bab ini berisi tentang : Latar Belakang Masalah, Batasan Masalah, Tujuan Penulisan, Metode Penulisan, Sistematika Penulisan.

BAB II : Landasan Teori

Bab ini berisi tentang : dasar – dasar teori yang digunakan dalam pembuatan Tugas Akhir ini.

BAB III : Perancangan dan Implementasi

Bab ini akan membahas mengenai perancangan program yang dibuat pada Tugas Akhir.

BAB IV : Data dan Analisa

Bab ini akan mengulas tentang pengujian sistem program dan hasil pengujian yang telah dilakukan oleh program.

BAB V : Kesimpulan dan Saran

Bab ini berisi kesimpulan yang dapat diambil terhadap hasil yang telah dicapai dan saran – saran yang berguna bagi pengembangan selanjutnya.

(4)

BAB V Kesimpulan dan Saran

57 _{Universitas Kristen Maranatha}

BAB V

KESIMPULAN DAN SARAN

V.1 Kesimpulan

Dari analisa yang telah dilakukan maka dapat diambil kesimpulan :

1. Metode Independent Component Analysis untuk Peningkatan Kualitas Sinyal Suara telah dibuktikan dengan melakukan simulasi pada program Matlab.

V.2 Saran

Adapun saran untuk pengembangan Tugas Akhir ini adalah :

1. Percobaan pada Tugas Akhir ini terbatas pada Peningkatan Kualitas Sinyal Suara dengan white noise. Untuk perkembangan selanjutnya, bisa menggunakan colored noise sebagai sumber noise.

(5)

Daftar Pustaka

56 _{Universitas Kristen Maranatha}

DAFTAR PUSTAKA

1. A. Belouchrani and M. Amin. Jammer mitigation in spread spectrum communicationsusing blind sources separation. Signal Processing, 80(4):723– 729, 2000.

2. Hyvarinen, A, Karhunen, J, & Oja, E.2001a. Independent Component Analysis. Jhon Willey and son. New York.

3. J.-F. Cardoso. Multidimensional independent component analysis. In Proc.IEEE Int. Conf. on Acoustics, Speech and Signal Processing

(ICASSP’98), Seattle, WA, 1998

4. Porrill, J, & Stone, JV. Independent components analysis for signal

separation and dimension reduction. SheffieldUniversity, Sheffield, England. 1997 (August).

5. Stone, James V, Independent Component Analysis, London, England.

6. V. Capdevielle, C. Serviere, and J.Lacoume. Blind separation ofwide-band sources in the frequency domain. In Proc. IEEE Int. Conf. on Acoustics, Speech and Signal Processing (ICASSP’95), volume 3, pages 2080–2083, Detroit, Michigan, 1995.

7. http://www.mathworks.se/matlabcentral/newsreader/view_thread/257124

8. http://en.wikipedia.org/wiki/Independent_component_analysis

(6)

Daftar Pustaka

Peningkatan Kualitas Sinyal Suara Dengan Menggunakan Metode Independent Component Analysis.