Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Uses MATLAB[registered] as a computing tool to explore traditional DSP topics and solve problems to gain insight. In this title, practical examples are discussed and useful problems are explored.

Abstrak :
Detak jantung manusia dapat memberikan informasi yang berguna tentang aktivitas yang terjadi di dalam tubuh. Salah satu informasi yang dapat diperoleh dari rekaman detak jantung atau elektrokardiogram adalah tingkat keterlelapan tidur seseorang (sleep stages). Dari sinyal elektrokardiogram seseorang, tingkat keterlelapan tidurnya dapat dikenali dengan terlebih dahulu mengekstrak fitur yang merepresentasikan sinyal elektrokardiogram tersebut secara keseluruhan. Ekstraksi dilakukan agar dimensi data dapat tereduksi sehingga proses klasifikasi dapat lebih mudah dilakukan. Penelitian ini melakukan ekstraksi fitur fraktal dan morfologi dari sinyal elektrokardiogram yang diperoleh dari PhysioNet. Sebelum melakukan ekstraksi fitur morfologi dari sinyal elektrokardiogram, terlebih dahulu dilakukan “Wavelet Denoising” untuk menghilangkan noise yang terdapat pada sinyal. ......Human heart rate can provide useful information about the activities that occur in the body. One of information which may be obtained from recording the heart rate or electrocardiogram is commonly called a person's level of deep sleep (sleep stages). From a person's electrocardiogram signal, the level of deep sleep recognizable by extracting features that represent the electrocardiogram signal as a whole. Extraction is done so that the dimension of the data can be reduced so that the classification process can be more easily done. This study aims to extract fractal features and morphology of the electrocardiogram signal obtained from PhysioNet. Prior to the extraction of morphological features of the electrocardiogram signal, first performed “Wavelet Denoising” to remove the noise contained in the signal.

Abstrak :
Dalam riset ini dikembangkan satu teknik baru untuk mendeteksi kerusakan dini pada satu elemen mesin dinamis, yaitu suatu bantalan gelinding. Dengan menggunakan bantalan gelinding sebagai benda uji elemen mesin, ternyata teknik baru yang dikembangkan tersbut bekerja dengan sangat baik sebagaimana yang diharapkan. Tahapan-tahapan eksperimen telah dilakukan dari percobaan simulasi computer sampai percobaan-percobaan simulasi langsung nyata (real-time). Eksperimen-eksperimen dalam penelitian ini terdiri dari pengembangan suatu rancangan khusus sensor AE, sekalian dengan pengembangan metode pemrosesan sinyal yang mampu menampilkan kembali sinyal asli AE dari ketertutupannya oleh sinyal-sinyal pengotor (noise) yang menyembunyikannya. Sinyal AE tersebut mempunyai frekuensi yang sangat tinggi, tetapi dengan amplitude yang sangat rendah sehingga sulit dideteksi secara langsung karena terkubur didalam sinyalsinyal pengotor lainnya. AE, Accoustic Emissions, adalah gelombang tegangan yang menjalar sebagai emisi akustik walaupun tidak ada hubungannya sama sekali dengan suara. Sensor-sensor rancangan khusus dikembangkan terlebih dahulu, dan kemudian metode-metode pemrosesan sinyal diteliti secara luas sampai ditemukan satu metode yang paling efektif dan cukup efisien. Metode pemrosesan sinyal yang terpilih tersebut dimodifikasi dan disesuaikan lagi agar cocok dengan penggunaan dan persyaratan dari sistem deteksi yang dikembangkan. Dengan kemampuan untuk mendeteksi penjalaran gelombang tegangan, maka kerusakan dini pada elemen mesin dinamis dapat ditentukan. Ini adalah dikarenakan bahwa pada kondisi saat-saat sangat awal yang kemudian tumbuhnya keretakan, bahan dari elemen mesin mengalami regangan sehingga melepaskan energi regangan tersebut dengan sangat cepat dengan membangkitkan gelombang-gelombang tegangan. Gelombang-gelombang tegangan ini akan menjalar ke semua arah dengan bentuk yang sama dengan gelombang suara, yaitu bentuk gelombanggelombang Raleigh atau bentuk gelombang P longitudinal. The development of a new technique to detect incipient damage in a dynamic machine component, i.e. rolling elements bearing, had been done in this research. By using a rolling element bearing as the machine component test object, it was revealed that this new developed technique performed quite well as expected. Experimental stages had been done from computer simulation to real time simulation tests. The experimental research consisted of the development of the special design AE sensor, as well as the development of the signal processing method that enhanced the AE signal out of the corrupting noise signals. The AE were very high frequency, but with very low amplitude that difficult to detect directly since they were burried under other noise signals. The stress waves were called as Accoustic Emissions (AE) even had nothing to do with sound. Special design sensors were developed first and then signal-processing methods were studied extensively. The chosen method was modified and adjusted in order to suit the requirements of the detection system. By the ability to detect the stress waves, the incipient failure of the dynamic machine component could be determined. This was dued to the conditions that at the beginning of the failure, and then in the crack growth, material were strained and would release its strain energy very quick which were generating stress waves. These stress waves were propagating to all direction with a same type of wave with the sound wave, i.e. Raleigh or longitudinal P waves.

Abstrak :
ABSTRAK
Sistem radar untuk aplikasi medis merupakan telah banyak diteliti dan dikembangkan. Salah satu aplikasinya adalah pengukuran kondisi vital manusia seperti tingkat pernafasan dan tingkat detak jantung. Oleh karena itu, diperlukan suatu sistem yang dapat mendeteksi tingkat pernafasan manusia dan tingkat detak jantung manusia. Dalam penelitian ini, dirancang radar continuous-wave dengan LoRa RFM95 sebagai transmitter pada frekuensi kerja 862-1020 MHz dan RTL-SDR sebagai receiver sekaligus analog to digital converter. Antena yang digunakan dalam penelitian ini adalah antena microstrip rectangular satu elemen sebanyak dua buah, masing-masing sebagai antena pengirim dan antena penerima dengan frekuensi tengah 904 MHz dan bandwidth 2,8 dengan gain -1,936 dBi. Melalui persamaan umum radar, dihitung jarak maksimum radar untuk deteksi tingkat pernafasan manusia adalah sebesar 2,002 meter dan untuk deteksi tingkat detak jantung manusia adalah sebesar 0,8954 meter. Pengambilan data dilakukan selama 60 detik tiap pengambilan yang dibagi dalam delapan skenario, yaitu skenario ketika transmitter tidak diaktifkan, skenario ketika tidak ada target, skenario ketika target bernafas normal, skenario ketika target bernafas dalam, skenario target meninggalkan jangkauan radar, skenario target mengayunkan tangan, skenario target bergerak mendekati dan menjauhi radar, dan skenario target selesai berolahraga. Jarak antara target dengan sistem radar adalah sejauh 0,7 meter. Metode yang digunakan untuk mendapatkan tingkat pernafasan dan detak jantung manusia adalah metode sampling langsung, demodulasi amplitudo, dan demodulasi arctangent. Demodulasi amplitudo memiliki performa paling baik dibandingkan dengan metode yang lain. Dengan metode demodulasi amplitudo, sistem radar ini dapat mendeteksi tingkat pernafasan manusia, tetapi belum mampu mendeteksi tingkat detak jantung manusia karena noise dan atenuasi yang besar.

---

ABSTRACT
Radar systems for medical applications are widely researched and developed. One application of this radar is to measure human vital conditions such as respiratory rate and heartbeat rate. Therefore, a system that can detect human respiratory rate and human heartbeat rate is in need. In this study, a continuous-wave radar was designed with a LoRa RFM95 as a transmitter at 862-1020 MHz frequency and RTL-SDR as a receiver as well as an analog to digital converter. The antenna used in this study are two single elements rectangular microstrip patch antennas, each for transmitting antenna and for receiving antenna with center frequency of 904 MHz, bandwidth of 2.8, and gain of 1.936 dBi. Using radar range equation, the maximum radar distance to detect humans respiratory rate is 2.002 meters and the maximum radar distance to detect humans heartbeat rate is 0.8954 meters. Data is collected for 60 seconds for each batch and is divided into eight scenarios, namely the scenario when the transmitter is not activated, the scenario when there is no target, the scenario when the target breathes normally, the scenario when the target breathes deeply, the scenario when target leaves radar reach, the scenario when target swings his her arm, the scenario when target moves forward and backward, and the scenario when target has finished excercising. The distance between the target and the radar system is 0.7 meters. The methods used to obtain human respiratory rate and heartbeat rate are direct sampling method, amplitude demodulation, and arctangent demodulation. Amplitude demodulation has the best performance compared to other methods. With amplitude demodulation method, this radar system can detect human respiratory rates, but has not been able to detect the human heartbeat rate due to the presence of noise and attenuation.

Abstrak :
ABSTRACT
Spatial Audio Object Coding SAOC merupakan standar pengkodean audio yang diluncurkan oleh Moving Picture Expert Group MPEG yang dapat melakukan kompresi dan koding audio berbasis objek dan telah diaplikasikan ke banyak bidang telekomunikasi, multimedia, dan hiburan. Salah satu kelemahan dari SAOC adalah kurang dapat diandalkan untuk menjamin kualitas audio yang baik untuk aplikasi pemisahan sumber audio. Hasil beberapa penelitian mengungkapkan bahwa ternyata SAOC memiliki struktur sistem yang mirip dengan algoritma pemisahan sumber suara yang bernama Informed Source Separation, Informed Source Separation ISS, yaitu algoritma sistem yang dapat memprediksi sinyal objek audio masukan untuk memisahkan objek audio dengan kualitas yang baik. Pada penelitian ini, telah dirancang algoritma pemisahan sumber audio di MATLAB yang diadopsi dari persamaan matematis standar SAOC serta ditambahkan filter Wienerpada algoritma tersebut. Algoritma yang diajukan diuji dengan memisahkan beberapa rekaman musik profesional dan kualitas audio rekonstruksinya akan dibandingkan dengan algoritma pemisahan sumber audio lain secara objektif. Hasil pengujian menunjukkan bahwa adanya peningkatan nilai Source-to-Distortion Ratio SDR dalam hasil rekonstruksi pemisahan sinyal dengan algoritma SAOC yang ditambahkan filter Wiener dari algoritma pemisahan sumber suara yang lain sebesar maksimum 10,42232904 dB untuk objek audio bass, 13,95175919 dB untuk drum, 17,73005926 dB untuk vokal, dan 8,266838319 dB untuk instrument lain.

---

ABSTRACT
Spatial Audio Object Coding SAOC is an audio coding standard launched by MPEG Moving Picture Expert Group MPEG that can perform audio compression and codingand has already applied to many areas of telecommunications, multimedia, and entertainment. One of the disadvantages of SAOC is low reliability in ensuring good audio quality for audio separation. The results of several studies have found that SAOC has the same structure with an audio source separation algorithm, namely Informed Source Separation, which is an algorithm that can predict audio object signals to separate audio objects while ensuring good output audio quality. In this research, an audio source separation algorithmwhich is adopted from SAOC standard mathematical equation andWiener filter addition has been designed. The proposed algorithm is tested by separating several professional music recordings and thereconstructed audios rsquo quality werecomparedwith other audio source separation algorithms. The results show that there is an increase in Source to Distortion Ratio SDR value of reconstructed audio object that is separated with SAOC algorithmwith addition of Wiener filter compared tootheraudiosource separation algorithmsbymaximum of 10.42232904 dB for bass, 13,95175919 dB for drums, 17,73005926 dB for vocals, and 8.266838319 dB for other instruments.