pemrosesan sinyal ( fft, de-noised, spektogram, band pass filter dan bioakustik) menggunakan matlab)

8/18/2019 Pemrosesan Sinyal ( Fft, De-noised, Spektogram, Band Pass Filter Dan Bioakustik) Menggunakan Matlab)

1/5

MODULPRAKTIKUM

M.K Dasar-dasar Akustik Kelautan – ITK-IPB ©2016

Bagian Akustik dan Instrumentasi Kelautan

Oleh : Dr.Ir. Sri Pujiyati, M.Si dan Muhammad Zainuddin Lubis, SIk, M.Si

PEMROSESAN SINYAL ( FFT, DE-NOISED, SPEKTOGRAM, BAND PASS FILTER

DAN BIOAKUSTIK) MENGGUNAKAN MATLAB

Tujuan Praktikum :

1. Mahasiswa dapat menghasilkan FFT, Waveform, spektogram, band pass filter, dan

transformasi wavelet (de-noised menggunakan mother wavelet haar) dengan suara

stridulatory Guppy dan whistle lumba-lumba menggunakan perangkat lunak MATLAB.

2. Mahasiswa dapat membedakan hasil spektogram dengan panjang window 128, 256, dan

384 dengan melihat color bar dan nilai frekuensi suara yang dihasilkan menggunakan

perangkat lunak MATLAB.

3.

Mahasiswa dapat melihat puncak frekuensi tertinggi, dan menghasilkan maksimum

frekuensi suara stridulatory Guppy dan whistle lumba-lumba yang dianalisa

menggunakan perangkat lunak MATLAB.

PENDAHULUAN

Ilmu akustik saat ini sangat sangat berkembang pada lumba-lumba, peneliti sebelumnya

telah menjelaskan dalam tulisannya yaitu pada perekaman dan analisis vokalisasi (Wartzok et al.

2004). Studi mengenai bioakustik hewan-hewan air membutuhkan pemahaman tentang ilmu

perambatan suara dalam medium air. Kecepatan suara dalam air kurang lebih mencapai 1500

meter/detik. Studi tentang bioakustik adalah ilmu yang menggabungkan biologi dan akustik yang

biasanya merujuk pada penelitian mengenai produksi suara, dispersi melalui media elastis, dan

penerimaan pada hewan, termasuk manusia. Hal ini melibatkan neurofisiologi dan anatomi untuk

produksi dan deteksi suara, serta hubungan sinyal akustik dengan medium dispersinya. Temuan

pada bidang ini memberikan bukti bagi kita tentang evolusi mekanisme akustik, dan dari sana,

evolusi hewan yang menggunakannya (Simmonds dan MacLennan 2005).

Suara whistle dari lumba-lumba umumnya digunakan untuk tujuan ekolokasi, dan whistle

juga berfungsi sebagai peran utama dalam komunikasi antar individu dan antar kelompok

(Azzolin et al . 2013). Suara whistle yang terus menerus, memberikan sinyal frekuensi (Papale et

al. 2013), dengan berbagai lebar pancaran 800 Hz dan 28,5 kHz (Janik 2009) sering terdapat


2/5

MODULPRAKTIKUM




komponen harmonik (Papale et al . 2013). Seekor Lumba-lumba memulai interaksi dengan

pemberian sinyal, dengan informasi, dalam panjang frekuensi tertentu. Sumber sinyal kemudian

bergantung pada sumber pendengaran dan akan menimbulkan reaksi terhadap suara.Pendengaran pada Lumba-lumba berkisar dari sekitar 50 Hz-150 kHz, dengan variasi tambahan

di antara spesies (Janik 2009). Contoh spektogram whistle yang masih terdapat derau atau noise

di dalamnya (Branstetter et al.2016) dapat dilihat pada Gambar 1.

Gambar 1 Suara whistle lumba-lumba . (A) Bentuk gelombang dari whistle dan (B) spektogram

suara whistle yang menampilkan frekuensi yang didalamnya masih terdapat noise. (Branstetter

et al.2016).

Suara stridulatory adalah suara yang dihasilkan dengan menggerakkan atau

menggemertakkan bagian-bagian tubuh, misalnya: sirip, gigi, dan bagian tubuh lainnya yang

keras (Walker 1907; Pitcher 1993). Ikan bertulang keras (teleost ) memiliki suara yang dihasilkan

dari kepakan sirip dan beberapa jenis suara stridulatory lainnya memiliki amplitudo besar, yang

tersebar secara seragam diseluruh frekuensi. Frekuensi yang dicapai dapat berkisar hingga lebih

dari 6000 Hz (Winn 1991).

Transformasi Fourier

Dasar dari karakteristik frekuensi pada sinyal adalah Transformasi Fourier (Brook dan

Wynne 1991). Fast Fourier Transform (FFT) merupakan suatu algoritma untuk menghitung

Discrette Fourier Transform (DFT).

Transformasi Gelombang Singkat (Transformasi Wavelet)

Gelombang singkat merupakan fungsi yang memenuhi persyaratan matematika tertentu

yang mampu melakukan dekomposisi terhadap sebuah fungsi tunggal. Wavelet digunakan untuk

mendefinisikan ruang multiresolusi. Pengembangan untuk kasus sinyal pada dimensi 2-D

biasanya dilakukan dengan menerapkan struktur bank filter secara terpisah terhadap sinyal citra.


3/5

MODULPRAKTIKUM




Digunakan sebuah Band Pass Filter (BPF), Low-Pass Filter atau LPF (L) dan High Pass

Filter atau HPF (H). Wavelet mempunyai banyak jenis tergantung pada fungsi yang

digunakannya seperti Haar Wavelet, Symlet Wavelet, Daubechies Wavelet, Coiflet Wavelet,dan lain sebagainya.

Perbedaan wavelet induk ini menentukan bagaimana pen-skalaan sinyal dan bagaimana

wavelet didefenisikan (Lijun dan Yong 2004). Wavelet induk (fungsi dasar) Haar dapat dipakai

karena kesederhanaannya, sementara Daubechies (db) sering digunakan karena baik dalam

kompresi data (Edwards 1991).

Analisis wavelet merupakan metode yang mirip dengan metode analisis fourier, metode

ini digunakan untuk mengubah sinyal menjadi bagian-bagian yang sederhana. Wavelet

merupakan persamaan matematis yang memisahkan sinyal ke dalam frekuensi yang berbeda, dan

selanjutnya menganalisis masing-masing komponen dengan suatu resolusi yang disesuaikan

dengan skala. Pada pemrosesan sinyal, wavelet merupakan suatu bentuk energi yang

menggambarkan kondisi sesaat setiap bagian sinyal yang hendak dianalisis.

Wavelet juga merupakan sebuah basis. Basis wavelet berasal dari sebuah fungsi

penskalaan atau dikatakan juga sebuah scaling function. Scaling function memiliki sifat yaitu

dapat disusun dari sejumlah salinan dirinya yang telah didilasikan, ditranslasikan dan diskalakan

[GLA95]. Fungsi ini diturunkan dari persamaan dilasi (dilation equation), yang dianggap sebagai

dasar dari teori wavelet. Persamaan dilasi berbunyi demikian :

)2()( k xc x k …………….. ……….. (1)

dari persamaan scaling function ini dapat dibentuk persamaan wavelet yang pertama (atau

disebut juga mother wavelet), dengan bentuk sebagai berikut :

k

k

k k xc x )2()1()( 1

0 ………………(2)

Dari mother wavelet ini kemudian dapat dibentuk wavelet-wavelet berikutnya (ψ 1, ψ

2 dan

seterusnya) dengan cara mendilasikan (memampatkan atau meregangkan) dan menggeser mother

wavelet.


4/5

MODULPRAKTIKUM




ALAT DAN BAHAN

Alat dan bahan yang digunakan adalah :

-

PC computer / laptop - MATLAB dan Syntax program- Soundcard - Microsoft Office ( Excel dan Word)

- Suara Lumba-lumba dan Guppy (.Wav) - Headset ( Headphone)

METODOLOGI

A. Pengolahan data suara

1. Install software MATLAB pada PC Komputer/ Laptop, pastikan memiliki soundcard dan

bisa digunakan untuk kegiatan perekaman data.

2. Setiap kelompok terdiri dari 4 orang, setiap kelompok mendapatkan 1 data suara

stridulatory Guppy dan 1 suara whistle lumba-lumba (.wav) dengan total suara yaitu 2

suara .

3. Lakukan penampilan spektrum original suara stridulatory Guppy dan whistle lumba-

lumba dengan menggunakan MATLAB.

4. Lakukan proses pengolahan suara menggunakan syntax1.txt untuk hasil spektogram

suara.

5. Lakukan proses pengolahan suara menggunakan syntax2.txt untuk hasil Band Pass Filter

(BPF) FFT.6. Lakukan proses pengolahan suara menggunakan syntax3.txt untuk hasil De-Noised

menggunakan mother wavelet haar.

B. Analisis Data ( Untuk pembuatan laporan praktikum)

1. Analisis masing-masing data yang diperoleh dengan melihat grafik FFT setelah filtering

dan sebelum filtering dan spektogram suara yang dihasilkan.

2. Identifikasi pada frekuensi berapa terjadi perubahan suara dan kemudian buatlah

rentangan nilainya dengan melihat sumbu x adalah waktu dan y adalah frekuensi.

3. Tampilkan waveform suara (original suara dari suara) serta hasil de-noised signal,

original signal dan residual signal, bahas perbedaan nilai x dan y secara spesifik .

4. Bandingkan perbedaan suara suara stridulatory Guppy dengan whistle lumba-lumba

yang dianalisa dengan menggunakan FFT Filtering, Original Signal, Residual Signal,

De-Noised signal, dan Band Pass Filter (BPF) FFT.


5/5

MODULPRAKTIKUM




5. Buatlah laporan praktikum dari point 1,2,3,dan 4 serta bahas masing-masing grafik atau

gambar yang telah diperoleh, serta bahas dengan menggunakan jurnal terkait (Jurnal

tahun 2000-sekarang minimal 2 jurnal). 6. Template laporan seperti yang disediakan ( berbentuk jurnal ), dan dikumpulkan minggu

depan di pertemuan berikutnya pada saat sebelum kuis dilakukan, dan dilarang keras

melakukan tindakan kecurangan ( Copy Paste ).

PUSTAKA

Azzolin, M. Papale, E., Lammers, M. O. Gannier, A., & Giacoma, C. 2013. Geographic variationof whistles of the striped dolphin (Stenella coeruleoalba) within the Mediterranean Sea. The

Journal of the Acoustical Society of America, 134, 694.

Branstetter, B. K., DeLong, C. M., Dziedzic, B., Black, A., & Bakhtiari, K. 2016. Recognition of

Frequency Modulated Whistle-Like Sounds by a Bottlenose Dolphin (Tursiops truncatus)and Humans with Transformations in Amplitude, Duration and Frequency. PloS one, 11(2),

e0147512.

Brook,D. and R.J. Wynne. 1991. Signal Processing: Principples and Applications. EdwardArnold, a division of Hodder and Stoughton Limited, Mill Road, Dunton Green. Great

Britain.

Edwards, T., 1991, Discrete Wavelet Transforms: Theory and Implementation, StanfordUniversity, USA.

Janik, Vincent M. 2009. "Acoustic communication in delphinids." Advances in the Study of

Behavior 40 .

Lijun Xu, Yong Yan, 2004, Wavelet-Based Removal of Sinusoidal Interference From a Signal,

Institute of Physics Publishing, United Kingdom.Papale, E. Azzolin, M., Cascão, I., Gannier, A., Lammers, M. O., Martin, V. M. & Giacoma, C.

2013. Macro-and micro-geographic variation of short- beaked common dolphin’s whistles inthe Mediterranean Sea and Atlantic Ocean. Ethology Ecology & Evolution, (ahead-of-print),

1-13.

Pitcher, T.J.1993. Behaviour of Teleost Fishes. 2nd ed. Clays Ltd. St Ives plc. England.

Simmonds J. & MacLennan D. 2005. Fisheries Acoustics: Theory and Practice, second edition.Blackwell.

Walker, W.F.,Jr. 1907. Functional Anatomy of The Vertebrates. CBS College Publishing. United

States America.Wartzok, D., Popper, A. N., Gordon, J., & Merrill, J. 2004. Factors affecting the responses of

marine mammals to acoustic disturbance. Marine Technology Society Journal, 37, 6-15.

Winn, H.E. 1991. Acoustic Discrimination By The Road FishWith Comments On Signal System.

P 361 – 381. In Howard E. Winn. Dan Bori J. Olla. (ed) Behavior of Marine Animals Vol 2:Vertebrates. Plenum Press. New york.

-------------------------------------------------Selamat Mengerjakan -----------------------------------------

pemrosesan sinyal ( fft, de-noised, spektogram, band pass filter dan bioakustik) menggunakan matlab)

Documents