Hasil Pencarian  ::  Simpan CSV :: Kembali

"Voice scrambler dapat diimplementasikan secara real time dengan menggunakan prosesor DSP yang terintegrasi pada suatu stater kit, yakni DSP Starter Kit TMS320C6713. Metode voice scrambler yang digunakan dalam implementasi ini adalah dengan menggunakan frequency inversion. Frequency inversion adalah suatu metode yang mengubah frekuensi rendah menjadi frekuensi tinggi dan sebaliknya. Voice scrambler ini menghasilkan karakter output yang dapat dianalisis dengan menggunakan bantuan garfik FFT (Fast Fourier Transform). Analisis performa dilakukan dengan menggunakan frekuensi sampling pada codec, yaitu 8, 16, 32, 48, dan 96 kHz. Dalam percobaan yang dilakukan didapat hubungan pengaruh besarnya frekuensi sampling codec terhadap performa voice scrambler. Hubungannya, semakin besar frekuensi sampling codec, maka akan semakin banyak jumlah frekuensi efektif voice scrambler. Sehingga dengan semakin banyaknya jumlah frekuensi efektif scrambling tersebut, menyebabkan semakin baik performa voice scrambler tersebut.

---

Voice scrambler can be implemented on DSP procesor using DSP Starter Kit TMS320C6713. The scrambling method used is frequency inversion. The frequency inversion is change the low frequency to the high frequency, and vice versa. Voice scrambler generate the output character, that can be analyzed by using FFT (Fast Fourier Transform) method. The Performance analysis using codec frequency sampling, that is 8, 16, 32, 48, and 96 kHz. The result of the experiment is the relationship between codec frequency sampling with voice scrambler performance. The relation is if the codec frequency sampling increase, then the sum of efective scrambling frequency is increase too. This point will be make voice scrambler better."

"Dunia teknologi kini sudah tidak asing lagi dengan adanya teknologi DSP. Termasuk juga dunia musik dan audio. Sangat banyak ditemukan aplikasi dalam dunia audio dan musik yang menggunakan DSP sebagai prosesor utamanya. Salah satunya termasuk virtual surround sound yang saat ini banyak digunakan pada divais hand-held atau gadget-gadget berukuran kecil. Aplikasi virtual surround sound dikembangkan dengan metode Head-Related Transfer Function (HRTF) dalam dunia analog. Namun dengan pengembangan pendekatan algoritma, aplikasi virtual surround sound dapat diterapkan pada DSK TMS320C6713. Algoritma dirancang berdasarkan penggunaan digital filter FIR dan IIR yang karakteristiknya dirancang menggunakan FDA tool pada MATLAB. Pada skripsi ini dilakukan komputasi dijital HRTF menggunakan DSK TMS320C6713, dan dibandingkan dengan hasil komputasi tradisional pada referensi. Hasil analisis menunjukkan bahwa aplikasi virtual surround sound dengan pendekatan komputasi HRTF dapat dilakukan dengan baik dengan menggunakan DSK TMS320C6713. Aplikasi berjalan dengan baik pada rentang frekuensi 0 - 4 kHz dan sesuai dengan karakteristik komputasi HRTF secara tradisional.

---

The world of technology nowdays are very familiar with the DSP technology. That includes the world of audio and music. There are so many applications in audio and music that uses DSP as it's main processor. One of the application in audio and music is the virtual surround sound application. Virtual surround sound is widely used in small devices and gadgets.

In the analog world, the virtual surround sound application was develop based on the Head-Related Transfer Function (HRTF) method. At present, by constructing a specific algorithm, the virtual surround sound application can be implemented in TMS320C6713 DSK. The algorithm was designed using the implementations of digital filters of FIR and IIR. The characteristics of the digital filters were created in FDA Tools from MATLAB.

In this thesis, a digital HRTF computational is applied using TMS320C6713 DSK, and then the results is compared to the results from an traditional computational method found in the reference. The analysis shows that the virtual surround sound application can be implemented using the TMS320C6713 DSK. The applications works well in the frequency range from 0 to 4 kHz, and the characteristics of the results are similar to the traditional computational HRTF characteristics."

"Saat ini aplikasi di bidang audio sudah banyak menggunakan teknologi DSP. Salah satu contoh adalah beralihnya berbagai jenis efek audio dari bentuk analog menjadi efek audio yang berbasis dijital dengan menggunakan prosesor DSP. Hal ini disebabkan karena efek audio yang dirancang dengan bantuan DSP memberikan kelebihan-kelebihan seperti efisiensi perancangan dan fleksibilitas. Efek audio dijital dapat diterapkan secara real time menggunakan DSP Starter Kit TMS320C6713 dengan mengimplementasikan algoritma masing-masing efek tersebut dalam pemrograman bahasa C.Pada skripsi ini, dilakukan perancangan 3 jenis efek audio, yaitu fuzz, echo, dan reverb. Ketiganya menghasilkan karakter output yang berbeda yang dapat dianalisis dengan menggunakan bantuan FFT (Fast Fourier Transform). Analisis menunjukkan bahwa perancangan yang dilakukan telah dapat diimplementasikan pada DSK TMS320C6713 sehingga menghasilkan suatu board yang, dapat berfungsi sebagai efek audio dijital dan bekeria secara real time. Pada tiap jenis efek ditemukan adanya atenuasi yang besarnya berbeda-beda. Selain itu, noise juga muncul dengan intensitas yang tidak signifikan. Pada efek echo dan reverb dilakukan pengukuran besamya waktu delay dan sebagai hasilnya ditemukan bahwa waktu delay berhubungan langsung dengan variabel tertentu pada algoritma. Hubungan ini dinyatakan dalam persamaan matematis yang berbentuk linear.

---

DSP technology is widely used in many audio applications. One of the examples is the changing of analog audio processing into digital audio processing using the DSP processor. The reason of this changing is that digital audio processing give many advantages compare to analog such as designing efficiency and flexibility. A real time digital audio effect can be developed on DSP Starter Kit by using C algorithm of each effect.In this paper, 3 type of audio effect are developed, which are fuzz, echo, and reverb. These effects produce different output character and several parameters such as attenuation, noise, and delay is analyzed using FFT (Fast Fourier Transform) method. Results show that the audio effect design can be successfully implemented on DSK TMS320C6713. A different value of attenuation (in dB) is founded in each effect and measured by compare the FFT graph between input and output signal. Noise also occur with insignificant intensity and will not disturb when the application running. In echo and reverb effect, the time delay between original signal and reflected signal is measured. As the result, it is founded that the time delay depends on some variable in the effect algorithm. This relationship can be expressed in linear mathematic equation."

"Pada skripsi ini, dilakukan sistem identifikasi jenis ikan dengan menggunakan metode neural network dan dijalankan pada DSP Starter Kit TMS320C6713. Sedangkan proses training jaringan dilakukan dengan menggunakan software MATLAB. Suatu gelombang yang mengenai kawanan ikan tertentu akan dipantulkan dengan fase yang berbeda. Apabila gelombang pantulan tersebut kita deteksi perubahan fasenya maka kita bisa mengetahui sinyal gelombang gerakan kawanan ikan itu sendiri. Tiap jenis kawanan ikan memiliki gelombang perubahan fase yang berbeda-beda. Perbedaan ini bisa kita jadikan acuan untuk mengidentifikasi jenis ikan. Konfigurasi neural network yang digunakan terdiri dari satu lapisan masukan dengan 32 neuron, satu lapisan tersembunyi dengan 40 neuron, dan satu lapisan keluaran dengan 4 neuron. Konfigurasi ini dicoba di MATLAB terlebih dahulu baru kemudian diubah ke bahasa C untuk dimasukkan ke DSP board. Sistem identifikasi ini memiliki tingkat akurasi sebesar 70.83%-100%, tergantung dari jumlah training jaringan yang dilakukan. Tingkat akurasi sistem akan semakin tinggi dengan meningkatkan jumlah training.

---

In this thesis, neural network method was used to identify fish species. This identification system was run on DSP Starter Kit TMS320C6713. Meanwhile, the network training was done by using MATLAB software.

A signal that hit a fish school would be reflected in a different phase. If we detected the difference of the phase, we would know the fish signal itself. Every fish school has a different reflected signal. We can use these differences to identify fish species.

The network configuration used one input layer with 32 neurons, one hidden layer with 40 neurons, and one output layer with 4 neurons. This configuration had been tried in MATLAB before it was changed into C language to be implemented on DSP board.

This system accuracy could reach 70.83% to 100% depend on the number of training. The level of system accuracy would increase along with the increment of training."

"Saat ini aplikasi di bidang audio sudah banyak menggunakan teknologi DSP. Salah satu contoh adalah beralihnya berbagai jenis efek audio dari bentuk analog menjadi efek audio yang berbasis dijital dengan menggunakan prosesor DSP. Hal ini disebabkan karena efek audio yang dirancang dengan bantuan DSP memberikan kelebihankelebihan seperti efisiensi perancangan dan fleksibilitas. Efek audio dijital dapat diterapkan secara real time menggunakan DSP Starter Kit TMS320C6713 dengan mengimplementasikan SIMULINK dalam pemodelannya. Pada skripsi ini dilakukan perancangan 3 jenis efek audio yaitu Reverberation, Echo dan Chorus. Perancangan dibuat untuk menerima masukan berupa suara tone 1 KHz dan sinyal acak dari ADC dengan frekuensi sampling audio sebesar 44100 Hz. Lalu dikondisikan menerima efek yang berbeda-beda. Setiap jenis efek memiliki model yang berbeda-beda. Hasil dari perancangan dianalisis dengan metode FFT baik sinyal input ataupun output. Dari hasil penelitian menunjukkan bahwa perancangan model efek audio dijital dapat diterapkan dengan DSK TMS320C6713 dimana pembuatan model berbasiskan SIMULINK_. Dari hasil pengolahan data sinyal tone 1 KHz didapatkan penundaan yang terjadi dalam efek reverb adalah 38 ms dan efek echo 160 ms. Untuk chorus terdapat satu suara campuran dengan pemberian satu LFO. Untuk sinyal acak didapatkan penundaan untuk reverb dan echo adalah sama seperti tone. Hal ini juga berlaku untuk efek chorus pada sinyal acak.

---

DSP technology is widely used in many audio applications. One of the examples is the changing of analog audio processing into digital audio processing using the DSP processor. The reason of this changing is that digital audio processing give many advantages compare to analog such as designing efficiency and flexibility. A real time digital audio effect can be developed on DSP Starter Kit by using SIMULINK_ in modelling.

In this paper 3 type of audio effects are developed, which are reverberation, echo, and chorus. The design is developed to receive one KHz tone and random signal which are the audio sampling is 44100 Hz. Then each of them is given the different type of effects. The result is analyzed by using FFT.

From research show that audio digital effect can be developed on DSP Starter Kit by using SIMULINK_. From the data, show that the delay from reverb effect for one KHz tone and random signal are 38 ms. The delay from echo effect for one KHz tone and random signal are 160 ms. For chorus effect, there is one addition signal because the model is only using one LFO."

"Skripsi ini melakukan percobaan untuk implementasi sebuah sistem pengenalan suara dengan jaringan syaraf tiruan dengan DSP Starter Kit(DSK) TMS320C6713. Implementasi pengenalan suara ini hanya terbatas pada empat angka dengan satu orang pembicara. DSK TMS320C6713 adalah suatu alat real-time yang dapat mensimulasikan DSP C6713 yang sebenarnya. Pemilihan platform DSK board disebabkan oleh banyaknya aplikasi dari pengenalan suara yang portable dan real time.Jaringan syaraf tiruan merupakan salah satu metode yang dapat digunakan untuk pengenalan suara. Proses pengenalan suara dapat dibagi menjadi dua proses. Proses pertama adalah pelatihan. Proses pelatihan akan menghasilkan besar bobot dan bias. Proses kedua adalah proses pengenalan. Proses pengenalan diterapkan dalam DSP starter kit (DSK) TMS320C6713, dengan menggunakan bobot dan bias yang sudah dilatih.Pada percobaan akan dilakukan perubahan node pada hidden layer dan input layer. Suara yang digunakan untuk pengenalan adalah suara real-time yang telah di-training dan suara real-time yang belum di-training. Melalui percobaan yang dilakukan didapatkan tingkat dari akurasi yang cukup tinggi. Tingkat akurasi dapat mencapai 100 %.

---

This final project designed and constructed speech recognition that implemented neural network processing DSP Starter Kit (DSK) TMS320C6713. The such speech recognition was built for four digit numbers that produced by one speaker. DSK TMS320C6713 is a real-time device which can simulate the real TMSC6713. The reason why DSK was choosen because there were so many applications of speech recognition was constructed portability and processing in the real time condition.

Neural network is one kind of method that can be used to recognize the observed speech. The speech recognition was built in two processes. The first was training process. The training processing would produced the weights and bias figures. The second process was recognition processing. The recognition was processed in the DSK TMS320C6713 that used the trained weights and bias figures.

The testing was done with several size of the hidden layer`s and input layer`s node. The voice which was used for recognition was divided into two kind, namely trained real time speech and untrained real time speech. The accuracy could reach 100 %."

"Skripsi ini melakukan percobaan untuk mengimplementasikan sistem speech recognition untuk mengenal suara angka ; yaitu 'nol', 'satu', 'dua', dan 'tiga' dengan Hidden Markov Model pada alat real-time, yaitu DSP starter kit (DSK) TMS320C6713. Sistem yang diimplementasikan tidak terbatas pada perintah satu orang. DSK TMS320C6713 adalah platform real-time yang menggunakan bahasa assembler untuk menjalankannya.Pada skripsi ini program dikerjakan dengan bahasa C menggunakan software Code Composer Studio (CCS). CCS akan melakukan cross compiler dari bahasa C ke bahasa assembler. Proses speech recognition dapat dibagi menjadi dua proses. Proses pertama adalah training. Proses training menghasilkan dua database; yaitu database codebook dan database probabilitas state. Proses kedua adalah proses pengenalan. Proses pengenalan diterapkan dalam DSP starter kit (DSK) TMS320C6713.Pada percobaan telah dilakukan proses pengenalan dari berbagai ukuran codebook dan jumlah training sepuluh. Ukuran codebook yang digunakan adalah 32, 64, dan 128. Suara yang digunakan adalah suara real-time yang telah di-training dan suara real-time yang belum di-training. Aplikasi berjalan pada sample data sebanyak 800 sample. Melalui percobaan yang dilakukan didapatkan tingkat dari akurasi mencapai 95 % dengan ukuran codebook 128 dan jumlah training sepuluh.

---

The final project implemented speech recognition for number speechs; `nol', 'satu', 'dua', and 'tiga' with Hidden Markov Model in the real time device. The device was DSP starter kit (DSK) TMS320C6713. The system that was implemented was not limited by one person. TMS320C6713 is a real-time device that uses the assembler language to run it.

In this final project used C language with Code Composer Studio (CCS). CCS is a cross compiler from C language to assembler language. The process in speech recognition had two steps. The first step was training. Training process gave two database; codebook and state probabilities. The second process was a recognition process. Recognition process used DSP starter kit (DSK) TMS320C6713.

In this final project recognition was used three kind of codebook and ten number of training. The size of codebook is 32, 64, and 128. The Final project used a real-time sound that already have been trained and a real-time sound that haven't been trained. The applications worked in 800 data sample. The accuracy was about 95 % with size of the codebook was 128 and the size of the training was ten."

"ABSTRAK

Penelitian ini bertujuan untuk menganalisis perbandingan performa protokol routing dan codec pada aplikasi Voice over Internet Protocol (VoIP) berdasarkan parameter Quality of Service (QoS). VoIP termasuk salah satu aplikasi yang paling sering digunakan saat ini. Karena berkembangnya berbagai aplikasi yang membutuhkan dukungan bandwidth yang tinggi, maka pengukuran parameter QoS seperti delay, jitter, packet loss, dan throughput pada berbagai aplikasi tersebut juga perlu untuk dilakukan. Oleh karena itu, pengujian ini berfokus pada pengecekan QoS VoIP, dimana dibangun sebuah topologi jaringan dengan berbagai protokol routing yang diimplementasikan. Protokol routing tersebut diantaranya adalah Routing Information Protocol (RIP), Open Shortest Path First (OSPF), dan Enhanced Interior Gateway Routing Protocol (EIGRP). Dengan protokol routing tersebut, nilai QoS dipantau dalam berbagai jenis codec, seperti G.711 dan GSM, dan dijalankan dalam keadaan trafik 0 (tanpa trafik lain), trafik 50 Mbps, dan trafik 100 Mbps, dengan teknik priority queuing diimplementasikan pada router. Hasil dari analisis digunakan untuk membandingkan pada protokol routing, codec, dan trafik seperti apa dihasilkan nilai persentase QoS yang lebih baik, serta performa dari teknik priority queuing terhadap nilai parameter QoS yang diperoleh. Pada penelitian ini, data menunjukkan bahwa EIGRP dan G.711 (u-law) adalah protokol routing dan codec yang terbaik dalam komunikasi VoIP.

---

ABSTRACT

This research aimed to analyze the performance comparison of routing protocols and codecs on Voice over Internet Protocol (VoIP) application based on the parameters of Quality of Service (QoS). VoIP is one of the applications which are most used nowadays. Due to the growth of applications that require high bandwidth support, then the measurement of QoS parameters, such as delay, jitter, packet loss, and throughput, also needs to be done. Therefore, this research focused on checking the performances of VoIP based on these parameters. The network topology was made with variety of routing protocols and codecs. The routing protocols used were Routing Information Protocol (RIP), Open Shortest Path First (OSPF), and Enhanced Interior Gateway Protocol (EIGRP). With the routing protocols, QoS values were monitored in various types of codec, such as G.711 and GSM, and were executed in zero traffic, 50 Mbps traffic, and 100 Mbps traffic, with priority queuing techniques were implemented on the router. The results of the analysis were used to compare the routing protocols and codecs as what percentages of the value of better QoS, also priority queuing techniques performances toward the QoS parameters values obtained. In this research, data showed that EIGRP is the best for routing protocol implementation and G.711 (u-law) is the best for codec used in VoIP communication.

"

"Suara merupakan suatu hal yang penting pada diri manusia, dengan suara manusia bisa berkomunikasi dengan mudah. Selain itu, melalui suara kita bisa mengenali orang tersebut tanpa perlu melihat wajahnya. Hal itu disebabkan karena setiap suara manusia memiliki karakteristiknya masing-masing. Akan tetapi jika melalui perantara, misalnya melalui rekaman atau melalui pesawat telepon, suara yang dihasilkan kadang berbeda dengan suara aslinya tanpa melalui perantara. Hal ini dikarenakan tiap-tiap alat tersebut memiliki sample rate frekuensi yang berbeda. Oleh karena itu, perlu dikembangkan suatu sistem untuk identifikasi suara manusia dalam berbagai variasi sampling frekuensi. Dataset yang digunakan pada penelitian ini merupakan data rekaman dari empat orang dengan sample rate 8000Hz, 16000Hz, 32000Hz dan 48000Hz. Untuk melakukan identifikasi data tersebut, dibutuhkan metode ekstraksi fitur dan klasifikasi yang tepat untuk berbagai jenis data tersebut. Pada penelitian ini dilakukan penggabungan tiga fitur untuk identifikasi suara manusia dalam berbagai jenis sampling frekuensi yaitu fitur akustik MFCC, frekuensi formant, dan fitur prosodik dinamis. Proses klasifikasi dari fitur-fitur terebut dan penggabungan fitur menggunakan Deep Neural Network (DNN). Hasil eksperimen menunjukkan bahwa penggabungan ketiga fitur dengan Deep Neural Network memperoleh f1-score yang lebih baik dibandingkan penggabungan fitur dengan menggunakan klasifikasi Support Vector Machine (SVM). Nilai f1-score yang didapatkan pada penggabungan fitur dengan menggunakan DNN pada data suara berdurasi 3 detik, 5 detik, dan 10 detik berturut-turut adalah 97.89%, 98.51%, 99.83%.

---

Voice is an essential thing in humans; with voice, humans can communicate easily. In addition, through voice, we can recognize the person without seeing his/her face. This is because every human voice has its characteristics. However, if through an intermediary, for example, through a recording device or a telephone, sometimes the sound or voice that is produced is different from the original sound without going through an intermediary. This is because each of these devices has a different sample rate of frequency. Therefore, it is necessary to develop a system for identifying the human voice in a variety of sampling frequencies. The dataset that is used in this study is recorded data from four people with sample rates of 8000Hz, 16000Hz, 32000Hz, and 48000Hz. To identify the data, the appropriate feature extraction and classification methods are needed for these various types of data. In this study, three features will be combined to identify the human voice in various types of frequency sampling, namely MFCC acoustic features, formant frequencies, and dynamic prosodic features. The process of classifying these features and combining features using Deep Neural Network (DNN). The experimental results show that combining the three features with Deep Neural Network obtain a better f1-score compared with Support Vector Machine (SVM). The f1-score value obtained by combining those features with DNN on sound data with 3 seconds, 5 seconds, and 10 seconds duration are 97.89%, 98.51%, and 99.83%, respectively.

"