adaptive noise cancelation

1. Implementasi
MetodeAdaptive
Noise Cancellation
dengan Algoritma
LMS (Least Means
Square)pada
Mikrofon Kondensor
untuk Kualitas
Suara Menggunakan
MATLAB
AHMAD DWI ALFARIDZI (18310730008)

2. PENDAHULUAN
Proposal skripsi ini bertujuan untuk mengimplementasikan metode Adaptive Noise Cancellation (ANC)
dengan algoritma Least Mean Square (LMS) pada mikrofon kondensor untuk meningkatkan kualitas suara
yang dihasilkan dengan mengurangi kebisingan yang terjadi pada lingkungan. Metode ANC digunakan untuk
mengurangi kebisingan pada suara yang diinginkan dan menggunakan algoritma LMS karena memiliki
kemampuan adaptasi yang baik terhadap kebisingan yang terjadi. Penelitian ini akan dilakukan dengan
menggunakan software MATLAB untuk mempermudah analisis dan evaluasi hasil yang diperoleh.
• Rumusan masalah Penelitian ini mengkaji implementasi metode Adaptive Noise Cancellation (ANC) dengan
algoritma Least Mean Square (LMS) pada mikrofon kondensor untuk meningkatkan kualitas suara yang
dihasilkan dan mengurangi kebisingan pada lingkungan secara efektif. Hasil evaluasi kualitas suara setelah
dilakukan implementasi metode ANC dengan algoritma LMS pada mikrofon kondensor menggunakan
software MATLAB dievaluasi dalam penelitian ini.
• Tujuan dari penelitian ini adalah untuk mengetahui cara implementasi metode ANC dengan algoritma LMS
pada mikrofon kondensor, menganalisis efektivitas implementasi metode ANC dengan algoritma LMS
dalam mengurangi kebisingan yang terjadi pada lingkungan, serta mengevaluasi hasil kualitas suara yang
dihasilkan setelah dilakukan implementasi metode ANC dengan algoritma LMS pada mikrofon kondensor
menggunakan software MATLAB.
• Batasan masalah penelitian ini meliputi implementasi metode ANC dengan algoritma LMS pada mikrofon
kondensor, penggunaan software MATLAB, dan evaluasi kualitas suara yang dihasilkan setelah dilakukan
implementasi metode ANC dengan algoritma LMS.
• Manfaat penelitian, dapat mengimplementasikan metode ANC dengan algoritma LMS pada mikrofon
kondensor untuk meningkatkan kualitas suara dan memberikan informasi mengenai keunggulan serta
kelemahan metode tersebut. Hasilnya dapat digunakan sebagai acuan dan referensi untuk pengembangan
sistem pengambilan suara di masa depan. Diharapkan, metode ANC dapat mengurangi kebisingan dan
memberikan solusi bagi permasalahan pengambilan suara.

3. LITERATUR
1. Adaptive Noise Cancellation (ANC) adalah teknik pemrosesan sinyal untuk mengurangi atau
menghilangkan derau dari sinyal yang diinginkan, dengan mengurangi perkiraan sinyal derau dari sinyal
asli. (R. Martin, 2010)
2. Algoritma Least Mean Square (LMS) adalah algoritma iteratif yang menyesuaikan koefisien filter dalam
upaya meminimalkan kesalahan kuadrat rata-rata antara sinyal yang diinginkan dan keluaran yang
disaring, dan merupakan pilihan populer untuk pemfilteran adaptif karena kesederhanaannya dan sifat
konvergensi yang baik. (J. Benesty, 2009)
3. Algoritma LMS adalah jenis algoritma keturunan gradien stokastik yang menyesuaikan koefisien filter
berdasarkan kesalahan antara sinyal yang diinginkan dan yang disaring, dan dapat digunakan untuk
mengimplementasikan berbagai filter adaptif, termasuk filter ANC yang populer. (L. Ljung, 1999)
4. Filter ANC adalah filter linier yang memperkirakan sinyal derau berdasarkan sinyal referensi dan sinyal
yang diinginkan, dan kemudian mengurangi sinyal derau yang diperkirakan dari sinyal yang diinginkan
untuk mendapatkan sinyal yang dibatalkan derau. Algoritma LMS digunakan untuk sesuaikan koefisien
filter untuk meminimalkan kesalahan kuadrat rata-rata antara sinyal yang diinginkan dan sinyal yang
dibatalkan derau. (L. Widrow dan J. M. McCool, 1975)
5. Algoritma ANC diklasifikasikan menjadi dua kategori: narrowband dan broadband. Algoritma Narrowband
ANC dirancang untuk membatalkan komponen noise narrowband tertentu, sedangkan algoritma ANC
broadband dirancang untuk membatalkan rentang frekuensi noise yang luas. Algoritma LMS dapat
digunakan untuk mengimplementasikan kedua narrowband dan filter ANC pita lebar. (D. J. Kovesi, 2003)

4. TINJAUAN TEORI
Pada gambar sistem Adaptive Noise Cancellation di atas,
terdapat transmisi gelombang suara dari sensor pengirim
ke sensor penerima yang terkena noise n0 dan n1 yang
mempengaruhi sinyal. Tujuan dari sistem ini adalah untuk
menghasilkan sistem keluaran s + n0 - y yang memiliki
rata-rata terkecil pada gelombang s. Refrensi input akan
diproses menggunakan filter adaptif dengan algoritma
LMS, yang akan menyesuaikan respons filter terhadap
impulsnya dan mengubah keadaan secara kontinu untuk
meminimalkan error pada keluaran sistem. Gelombang
noise pada sensor penerima n1 kemudian difilter untuk
menghasilkan keluaran y, yang selanjutnya dikurangkan
dari input primer untuk menghasilkan gelombang sendiri
pada sistem keluaran. Karakteristik pada jalur transmisi
ini diasumsikan tidak alami, sehingga harus disesuaikan
dengan ketepatan yang sangat sulit untuk memperkecil
tingkat error dan meningkatkan gelombang noise.

5. ALGORTIMA LEAST MEAN SQUARE
Algoritma LMS adalah metode adaptif yang sering digunakan dalam Adaptive Noise Cancellation
(ANC) karena sifat konvergensinya yang baik dan kemudahan implementasinya. Algoritma ini
menyesuaikan koefisien filter dengan cara mengurangi kesalahan kuadrat rata-rata antara sinyal
output yang diinginkan dan yang dihasilkan. Filter ANC merupakan filter linear yang memperkirakan
sinyal kebisingan dan mengurangi sinyal kebisingan tersebut dari sinyal yang diinginkan. Algoritma
LMS digunakan untuk menyesuaikan koefisien filter pada filter ANC narrowband dan broadband.
Dalam implementasinya, LMS menggunakan persamaan khusus untuk mengurangi error antara
sinyal output yang diinginkan dan yang dihasilkan. Persamaan dari algoritma LMS dapat dijabarkan
sebagai berikut :
di mana W adalah filter adaptif, mu adalah konstanta adaptasi, e adalah error dari sinyal output
dan x adalah sinyal input. Algoritma ini mengambil sampel dari sinyal input x(n) dan
menggunakannya untuk menghitung sinyal output y(n) dengan menggunakan filter adaptif W(n).
Kemudian, error e(n) dihitung sebagai perbedaan antara sinyal output yang diinginkan d(n) dan
sinyal output yang dihasilkan y(n). Lalu, W(n) diperbarui dengan menambahkan produk dari
konstanta adaptasi mu, error e(n) dan sinyal input x(n). Proses ini diulangi secara terus-menerus
selama sinyal input masuk. Konstanta adaptasi mu ditentukan sebelumnya dan mempengaruhi
kecepatan konvergensi algoritma. Semakin besar mu, semakin cepat algoritma akan mencapai
konvergensi, tetapi juga semakin rawan terhadap overshooting.
𝑊 𝑛 + 1 = 𝑊 𝑛 + 2𝑚𝑢. 𝑒 𝑛 ∗ 𝑥 𝑛

6. Pada peneilitan ini peneliti
menggunakan metode
penelitian experimental
research atau bisa disebut
dengan penelitian eksperimen
dengan metode sistematis
agar dapat membangun
hubungan yang merdampak
pada aktifitas sebab dan
akibat. Penelitian eksperimen
ini merupakan metode
penelitian yang menggunakan
pendekatan kuantitatif. Yang
mana peniliti melakukan yang
bertujuan merancang sebuah
sistem

7. SISTEM KERJA
1. Perekaman: Suara latar belakang dan suara yang diinginkan
direkam menggunakan dua atau lebih mikrofon yang berbeda.
2. Estimasi suara latar belakang: Sinyal yang direkam oleh
mikrofon latar belakang digunakan untuk mengestimasi suara
latar belakang yang sebenarnya.
3. Generasi sinyal kontra: Sinyal kontra yang sesuai dengan
suara latar belakang yang diestimasi dihasilkan.
4. Aplikasi sinyal kontra: Sinyal kontra diterapkan pada sinyal
suara yang diinginkan untuk menghilangkan atau mengurangi
suara latar belakang.
5. Output: Suara yang diinginkan yang telah dibersihkan dari
suara latar belakang yang tidak diinginkan dihasilkan sebagai
output sistem.

8. PERANCANGAN
SISTEM
Proses ANC terdiri dari
beberapa tahap, yaitu 1
pengambilan sinyal (d) noise
(x) preprocessing,
pemfilteran dengan
menggunakan algoritma LMS,
pemrosesan untuk
mengurangi komponen error
(e) noise (n) , pengoutputan
(y), pemantauan kondisi
lingkungan, pemutakhiran
filter dengan menggunakan
algoritma LMS, dan evaluasi
terhadap kualitas sinyal yang
dihasilkan dan performa
sistem. Tahap-tahap ini
dilakukan secara berulang-
ulang untuk memastikan
sistem tetap dapat
menghasilkan sinyal yang
berkualitas meskipun kondisi
lingkungan berubah.

9. TERIMAKASIH
Sekian Presentasi dari seminar proposal saya