Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Penelitian ini membahas tentang sistem perekam suara berbantuan komputer. Sistem dirancang untuk bekerja pada IBM PC/XT atau kompatibelnya.

Teknik modulasi yang digunakan dalam rancangan ini adalah teknik Modulasi Delta Adaptif. Bahasan mencakup teori dasar dari pengkodean sinyal suara sampai pada rancangan perangkat keras dan perangkat lunaknya. Prinsip kerja dari modulasi delta itu beserta pengaruh proses kuantisasinya.

Rancangan perangkat keras berbentuk kartu yang akan dipasang pada slot ekspansi komputer, dan terdiri dari dekoder-dekoder modulator delta, rangkaian pembangkit pulsa, rangkaian filter, rangkaian dekoder alamat dan rangkaian pelengkap lainnya. Rancangan perangkat lunaknya terdiri dari dua program utama, yang masing-masing berfungsi untuk merekam dan main-ulang. Program menggunakan bahasa rakitan 8088 (8088 assembly language). Dalam pembahasan perangkat lunak diberikan juga diagram-alir untuk kedua program.

Abstrak :
Penggabungan teknik modulasi dan pengkodean yang disebut modulasi terkode trellis (trellis coded modulation, TCM) yang meningkatkan kemampuan sistem transmisi digital tanpa meningkatkan daya yang ditransmisikan atau lebar pita yang dibutuhkan. Dengan menggunakan trellis coded asymmetric 8-PSK (TC-A8-PSK), akan didapatkan nilai bit error probability yang lebih baik bila dibandingkan dengan trellis coded symmetric 8-PSK. Pada skripsi ini dianalisa trellis coded asymmetric 8-PSK dengan menggunakan metode kejadian kesalahan pertama (first error event method) untuk mendapatkan modulasi yang optimal pada kanal berfading dan kanal Additive White Gaussian Noise (AWGN) dengan disertai cochannel interference. Dari hasil diperoleh bahwa unjuk kerja dari trellis coded asymmetric 8-PSK akan lebih baik bila dibandingkan dengan unjuk kerja dari trellis coded symmetric 8-PSK. Unjuk kerja dari trellis coded asymmetric 8-PSK dipengaruhi oleh beberapa faktor, diantaranya jumlah interferer, parameter fading m, signal to interference ratio (SIR), dan jumlah kondisi dari pengkodean trellis. Semakin banyak jumlah interferer akan menyebabkan unjuk kerja TC asymmetric 8PSK semakin buruk. Sedangkan semakin besar nilai SIR dan jumlah kondisi dari pengkodean trellis akan menyebabkan unjuk kerja TC asymmetric 8PSK semakin baik.

Abstrak :
ABSTRAK
Penelitian ini merupakan pengembangan dari metode klasifikasi dengan jaringan syaraf tiruan (JST) yang telah dilaporkan dalam Iiteratur. Pengembangan yang diusulkan dalam penetilian ini adalah mengklasifkasi sinyal M-PSK termodulasi pada sisi penerima dengan mencari nilai entropi dari masing masing band output dekomposisi wavelet untuk mengidentifikasi sinyal temuodulasi yang diterima oleh penerima Serta melewatkannya pada sistem jaringan syaraf timan untuk mengelompokkan dan pengklasitikasian sinyal yang diterima tersebut dalam kelompok M-PSK dimaksud.

Dari hasil pengujian sistem ini, dapat dilihat bahwa jenis modulasi yang paling mudah dikenali adalah BPSK dan yang paling sulit adalah 32-PSK. Untuk pengaruh kanal, kanal frekuensi selektif fading memberikan pengaruh yang paling besar untuk M-PSK dengan M yang semakin besar. Untuk tipe wavelet yang berbeda, tipe wavelet Haar yang memberikan tingkat pengenalan yang paling baik dibandingkan daubechies dan Biorlhogonal. Sedangkan Tingkat Keakuratan 100 % untuk M=2, 93,33% untuk M=4, 86.67% untuk M=8, 70% untuk M=16, 36,67 % untuk M=32 dan 76,67% untuk M=64.

---

ABSTRACT
There is a need for a reliable method of classifying signal modulation types without prior knowledge of the signal characteristics. This paper proposes training artificial neural networks with the entropies of wavelet packets to separate binary from M-ary phase shift keyed signals and describes the experimental results of that training and testing.

As the information explosion places additional demands on our communications technology, the desire to encode more information within the same bandwidth drives the development of more sophisticated modulation schemes. Each new modulation type has introduced new problems for electrical and communications engineers to solve in order to make the information placed on a signal at the transmitter understandable at the receiver.

The research goal was to develop a set of features characterizing a signal, which could then be used to train an artificial neural network. The resulting network could, in tum, be used to classify M-PSK signals.

The result of experiment shown that the value of recognition are 100%, 93,33%, 86,67%, 70%, 36,67%, 76,67% for M=2,4, 8, 16, Ni=32 and M=64 respectively.

---