Company LOGO DETEKSI TERDISTRIBUSI ROBUST DENGAN MENGGUNAKAN SENSOR AKUSTIK Oleh : Lusia Tuties Kristianingrum (2206100627) Dosen Pembimbing : Dr. Ir Wirawan, DEA Januari 2011 1
Topik Pembahasan Pendahuluan Dasar Teori Perencanaan Sistem Hasil Simulasi Kesimpulan 2
Company LOGO Pendahuluan 3
Latar Belakang Semua jenis kendaraan memancarkan karakteristik suara ketika mereka bergerak Adanya kejadian yang memerlukan indentifikasi / deteksi sinyal suara 4
Permasalahan Bagaimana cara mendeteksi sinyal suara kendaraan dalam lingkungan yang tingkat kebisingannya sangat tinggi (robust) 5
Tujuan Membangun sistem pendeteksian sinyal suara kendaraan Menggunakan metode median filter untuk menghilangkan noise (alarm palsu) pada sinyal sehingga mudah dalam pendeteksian Menganalisa performansi sistem, dengan mengubah - ubah kondisi penambahan noise pada sistem 6
Batasan Masalah Sinyal suara yang dideteksi adalah sinyal suara kendaraan Metode pendeteksian dengan menggunakan Filter Median dan algoritma CFAR sebagai deteksi target Saat pengambilan data sinyal suara tidak memperhitungkan jarak antara sumber suara dan sensor 7
Company LOGO Dasar Teori 8
Dasar Teori Sinyal suara kendaraan (Audio) merupakan bentuk energi yang dikenal sebagai sinyal akustik Karakteristik : rentang frekuensi yang dapat dideteksi oleh telinga manusia sekitar 20Hz to 20kHz Gelombang suara tercipta karena bergetarnya sebuah benda yang menyebabkan udara sekitarnya ikut bergetar 9
Basics Concept Noise : Sinyal tidak dikehendaki yang secara alamiah terdapat pada semua jenis sistem Macam Noise Noise Akustik : Suara yang berasal dari sumber lain di sekitar sistem tersebut Noise Audio : Suara residu (umumnya berupa dengung atau desis) yang terdengar pada jeda diam dari suatu media penyimpanan. Noise Elektrik : Suara yang dihasilkan karena naiknya suhu dari komponen elektronika yang terdapat pada sistem. 10
Basics Concept Noise Metode yang digunakan untuk mengatasi noise Penyesuaian Gain Nilai daya yang dikeluarkan oleh sumber audio disesuaikan sehingga menghasilkan suara yang lebih keras. Diharapkan peningkatan daya tersebut dapat menutupi noise yang umumnya memiliki daya konstan dan cenderung lemah. Noise Reduction Melalui berbagai teknik pengolahan sinyal, sinyal dapat dipecah-pecah menjadi bagian-bagian yang lebih kecil. Setelah proses pemecahan tersebut, dilakukan penghapusan pada beberapa bagian dari sinyal tersebut yang menduduki daerah frekuensi yang dianggap sebagai noise. Metode yang sangat tepat diterapkan adalah Median Filter. 11
Basics Concept Median Filter Dengan median filtering maka jika terdapat suatu sinyal akustik terdegradasi oleh noise akan ditentukan nilai median-nya atau nilai tengah (bukan ratarata), dengan demikian noise yang merupakan nilai tertinggi dan terendah dari suatu rentang nilai akan hilang. Contoh penghitungan running median filter: x = [2 80 6 3] y[1] = Median[2 2 80] = 2 y[2] = Median[2 80 6] = Median[2 6 80] = 6 y[3] = Median[80 6 3] = Median[3 6 80] = 6 y[4] = Median[6 3 3] = Median[3 3 6] = 3 Jadi, y = [2 6 6 3] dimana y adalah median terfilter dengan output dari x. 12
Basics Concept CFAR (Constant False Alarm Rate) Tujuan : untuk menentukan daya di atas ambang batas (threshold) yang kemungkinan dapat dianggap berasal dari target. 13
Basics Concept Target Deteksi dimana m n = median dari nilai absolut setiap snippet, b = perkiraan latar belakang kebisingan, T = nilai threshold atau nilai ambang batas (3.0), σ = deviasi median dari latar belakang. 14
Company LOGO Implementation Model 15
Desain Sistem Pendeteksian Sinyal 16
Blok Diagram Sistem 17
Company LOGO Simulation Analysis 18
Deskripsi Percobaan No Sinyal 1 Deskripsi Sinyal Suara Kendaraan Mobil Panjang Sinyal (Sampel) 220203 Sinyal 2 Sinyal 3 Suara Kendaraan Motor (Yamaha ) Suara Kendaraan Motor (Honda) 66660 176222 19
Deteksi Sinyal Mobil sinyal yang dideteksi Sinyal tak terdeteksi 20
Penentuan Background Simulation Analysis Sinyal dipotong untuk mendapatkan sinyal background Sinyal background di proses dengan running median filter 21
Simulation Analysis Penentuan Target Deteksi Sinyal data 1 yang akan di deteksi Sinyal yang seharusnya tidak terdeteksi 22
Hasil Deteksi Deteksi Sinyal Data 1 Panj. Background (sampel) 10000 5000 1000 Noise Variance None 1 1 1 Deteksi Sinyal Tak terdeteksi Noise Variance None Panj. Background (sampel) 10000 5000 1000 0 0 0 23
Hasil Deteksi Hasil Deteksi Sinyal Data 1 Setelah sistem ditambahkan noise, dengan parameter variance noise sb: Panj. Background (sampel) 10000 5000 1000 0,02 1 1 1 0,04 0 1 1 Noise Variance 0,05 0,06 0 0 0 0 0 0 0,1 0 0 0 0,2 0 0 0 24
Company LOGO Conclusions 25
Kesimpulan 1. Sistem deteksi berhasil mendeteksi sinyal suara dengan baik jika dalam sistem tidak dibangkitkan noise. 2. Tingkat keberhasilan untuk percobaan sinyal dengan ditambahkan noise dapat diperkirakan sebesar adalah 83.33%. 3. Semakin kecil panjang background noise sinyal maka hasil deteksi audio semakin akurat. 4. Untuk semua deteksi sinyal yang dilakukan tidak dapat dibandingkan satu dengan yang lain. Karena setiap sinyal memiliki tingkat keberhasilan sistem 26
Company LOGO Thank You 27