C-012

Prosiding Conference on Smart-Green Technology in Electrical and Information Systems

Bali, 14-15 November 2013

Aplikasi Mikroprosesor Tipe TMS320C6713 Untuk Penghapusan BisingSuara Kendaraan Secara

Adaptif

Sri Arttini Dwi Prasetyowati,Bustanul Arifin, Eka Nuryanto Budi Susila Staf Pengajar, Jurusan Teknik Elektro, Universitas Islam Sultan Agung, Semarang [email protected], [email protected],[email protected]

Abstrak- Bising kendaraan, adalah permasalahan yang sangat mngganggu bagi lingkungan yang dekat dengan lalu-lintas ramai. Solusi yang dikehendaki bukan berupa ruang kedap suara, namun ruang yang bebas dari bising kendaraan namun tetap mendengar suara yang dikehendaki.

Penelitian ini meneruskan penelitian yang melakukan eksplorasi penghapusan bising kendaraan dengan menggunakan algoritma LMS (Least Mean Square) Adaptif, dimana dalam penelitian tersebut telah ditemukan nilai-nilai optimal dengan menggunakan dua tingkat proses.

Penelitian ini membuat suatu model dalam bentuk hardware untuk menghapus bising kendaraan, tanpa harus kehilangan informasi yang diinginkan.Hardware yang digunakan adalah DSP (Digital Signal Processor) tipe TMS320C6713.

Kata kunci: LMS adaptif, DSP tipe TMS320C6713, bising kendaraan

  • I.    PENDAHULUAN

Usaha untuk mengurangi adanya polusi suara telah banyak dilakukan, tetapi belum seluruh polusi suara dapat dihilangkan, atau dengan kata lain polusi suara belum dapat dihilangkan seratus persen. Hal ini terutama akibat watak kebisingan yang selalu berubah-ubah dengan cepat.

Salah satu cara untuk menghilangkan polusi suara adalah dengan membangun ruang kedap suara dengan bahan-bahan penahan dan atau penyerap suara. Untuk keperluan tertentu, usaha ini memang sangat bagus, misalnya pada ruang laboratorium komputer, ruang sidang, bilik-bilik wartel, dan lain-lain.Namun tidak semua ruang gedung cocok menggunakan sistem kedap suara semacam itu, disamping faktor biaya juga jenis suara tertentu harus tetap terdengar.Kondisi ruang gedung semacam ini sering dijumpai di kompleks perumahan, sekolah-sekolah dan kantor-kantor yang letaknya dekat dengan jalan raya, yang idealnya memerlukan sarana pengendalian suara secara selektif dan efektif.

Bunyi-bunyi pengganggu (bising) kendaraan biasanya mengandung sifat monoton, dengan kata lain dapat berulang secara periodis atau acak stationer dalam selang waktu cukup panjang. Bunyi-bunyi yang monoton inilah yang terdengar sangat mengganggu, jika suaranya cukup keras, dan berlangsung bersambungan.

Algoritma Least Mean Square (LMS) adalah algoritma yang paling sederhana diantara algoritma-algoritma dalam sistem

adaptif [1]. Dengan dasar penjabaran algoritma berdasar turunan atau diferensial parsial nilai sesaat ε k 2, dan dengan pantauan nilai rerata ε k 2 yang telah mencapai nilai kecil atau nilai ambang tertentu, maka muncul algoritma LMS [2]:

Wk+1 = Wk + 2 μX k ε k

Diterapkan hasil penelitian penghapusan bising kendaraan dalam sebuah hardware. Diawali dengan MSE (Mean Square Error) nilai-nilai bobot penghapus bising secara adaptif yang mempunyai dua masukan, yaitu sinyal berbising dan bising itu sendiri sebagai acuan (reference). Berdasarkan kedua masukan ini sistem adaptif akan mengatur parameter-parameternya secara otomatis,termasuk bobotnya, dan disesuaikan dengan sinyal masukannya. Nilai-nilai MSE dari parameter bobot tersebut diteliti untuk dua jenis proses, LMS adaptif dengan satu tingkat proses dan LMS adaptif dengan dua tingkat proses.

Sebelum membahas lebih dalam tentang MSE nilai-nilai bobot proses LMS adaptif, ada baiknya dimengerti terlebih dahulu konfigurasi sistem LMS adaptif dengan dua masukan, sinyal berbising dan bising itu sendiri sebagai acuan.

Gambar 1 Konfigurasi fisis sistem eksperimen pada tahap awal penelitian.

  • II.    PENGHAPUSAN BISING LMS ADAPTIF DENGAN DUA TINGKAT PROSES.

Diteliti nilai MSE untuk suara kendaraan kijang diesel, dengan menggunakan program matlab untuk menghapuskan bising dengan Algoritma LMS Adaptif.

Mula-mula untuk satu proses adaptif, selanjutnya untuk dua proses adaptif. Hal ini mengingat dengan satu proses adaptif saja tutur ikut terhapus dan masih menyisakan bising yang cukup mengganggu [3]. Penelitian untuk mencari nilai MSE dilakukan dengan memfilter isyarat-isyarat suara kendaraan terlebih dahulu untuk menghilangkan isyarat runcing atau isyarat frekuensi tinggi agar proses adaptif berjalan lebih cepat. Secara rinci nilai-nilai MSE yang dicari dengan software Matlab dapat diperhatikan dalam Tabel 1 dan Tabel 2.

Tabel 1 Hasil MSE proses pertama suara kendaraan kijang diesel terfilter low pass filter 15 kHz dengan sampel 40.000 (0,9 detik)

L

D

µ

MSE1

100

230

0,001

10,2357

230

110

0,001

0,1131

230

100

0,001

0,1200

230

120

0,001

0,1041

230

130

0,001

0,1041

230

140

0,001

0,1049


Gambar 2 Bagan penelitian LMS adaptif dengan dua proses.


Hasil kedua tingkat proses program Adaptif LMS dapat dilihat pada Gambar 2.a sampai dengan2.c.


Tabel 1, menunjukkan bahwa untuk µ =0,001 dan dengan satu proses adaptif, nilai MSE minimum terjadi saat L = 230 dengan delay 120 atau 130 sampel (0,0029 detik). Selanjutnya apabila y atau output proses adaptif pertama menjadi referens untuk proses adaptif yang kedua, maka nilai MSE nya dapat dilihat dalam Tabel 2.

Gambar 2.a Isyarat tutur bercampur dengan bising kendaraan diesel sebelumdilakukan kedua proses LMS adaptif.


Tabel 2 Hasil MSE proses kedua suara kendaraan kijang diesel terfilter low pass filter 15 kHz dengan sampel 80.000 (1,81 detik) [3].

L

delay

µ

MSE1

MSE2

100

230

0,001

0,2400

16,2944

230

100

0,001

0,0998

3,9117

230

110

0,001

0,0990

11,6033

230

120

0,001

0,0995

7,0464

230

130

0,001

0,1008

32,7102


Gambar 2.b Isyarat tutur bercampur dengan bising kendaraan diesel setelahdilakukan kedua tingkat proses LMS adaptif.


Selanjutnya, proses LMS Adaptif dilakukan dalam dua proses dengan software Matlab dapat diterangkan sebagai berikut:

  • 1.    Proses tingkat pertama: d adalah Sinyal Dalam (SD), x atau referensnya adalah Sinyal Luar (SL), diharapkan outputnya hampir mirip dengan Sinyal Dalam, sehingga nilai ε (error) mendekati nol.

  • 2.    Proses tingkat kedua: d adalah Sinyal Dalam dicampur tutur, sedang x diambil output dari proses pertama. Diharapkan nilai ε (error) lebih mendekati tutur.

Untuk lebih jelasnya diberikan skema penelitian dengan dua proses:

Gambar 2.c menunjukkan sudah terdapat penghapusan bising dari isyarat asli tutur yang bercampur bising (isyarat berwarna hijau) dan hasil proses LMS Adaptif dengan dua proses (isyarat berwarna merah) dengan delay = 100 dan L = 230. Apabila didengarkan dengan telinga manusia, tutur tetap terdengar.Meskipun tutur yang berfrekuensi rendah ikut teredam, namun tutur yang berfrekuensi tinggi masih terdengar jelas. Sisa bising masih terdengar tetapi sudah bukan merupakan suara kendaraan tetapi suara desis.

Gambar 2.c Isyarat tutur bercampur dengan bisinkendaraan diesel sebelum(hijau) dan setelah merah) dilakukan kedua tingkat proses LMS adaptif.

Adapun perjalanan bobot W1 dan W2 .terdapat dalam Gambar 3.d dan 3.e.

Gambar 2.d KoordinatW1 dan W2 hasil proses LMS adaptif tingkat pertama.

Gambar 2.e KoordinatW1 dan W2 hasil proses LMS adaptif tingkat kedua.

Gambar 2.d dan 2.e merupakan perjalanan bobot W1 dan W2 jika nilai awal adalah nol.

Perlu diteliti keunggulan memodifikasi algoritma LMS menjadi algoritma dalam dua tingkat proses. Gambar 3.a dan Gambar 3.b menunjukkan bobot ke-1 sampai dengan bobot ke-231 untuk beberapa iterasi pada proses pertama dan proses kedua.

Gambar 3.a Nilai bobot pertama hingga bobot ke-231 pada iterasi ke-500, ke-510, dan ke-520. Tampak stabilitas yang telah mantap di dalam kisar variasi yang cukup kecil.

Gambar 3.b Perjalanan bobot pertama hingga bobot ke-231 pada iterasi ke-530, ke-600, dan ke-70.000.

Perjalanan bobot yang diperlukan proses pertama untuk mencapai nilai konvergen lebih panjang dibandingkan dengan pencapaian nilai konvergen pada proses kedua. Proses kedua menunjukkan perjalanan bobot menuju nilai nol (konvergen ke-nol). Apabila proses hanya dilakukan dengan satu tingkat proses saja, maka hasil bobotnya terlihat pada perjalanan bobot Gambar 3.a dan 3.b yang berwarna merah (sama seperti proses pertama). Apabila dicampur dengan tutur, hasil penghapusan bisingnya menunjukkan tutur ikut teredam. Hal inilah yang menyebabkan algoritma LMS yang digunakan adalah algoritma LMS dengan dua tingkat proses.

  • III.    PENERAPAN DENGAN MIKROPROSESOR

DAN PROSES PENELITIAN

Dalam penelitian ini digunakan Mikroprosesor tipe TMS320C6713 DSK.Diawali dengan penelitian pendahuluan yang meneliti nilai-nilai bobot dan parameter-parameternya dengan menggunakan Matlab, selanjutnya diterapkan dalam alat dengan mencoba tetap menggunakan nilai bobot maupun parameter-parameter yang diperoleh sebelumnya.Skema mikroprosesor tipe TMS320C6713 DSK dapat dilihat dalam Gambar 4 berikut ini.

Gambar 4. Mikroprosesor tipe TMS320C6713 DSK


Alat tersebut memiliki spesifikasi sebagai berikut:

  • 1.    Dapat beroperasi pada 225 MHz

  • 2.    Memiliki kode stereo AIC23

  • 3.    Memiliki Synchronous DRAM 16 Mbytes

  • 4.    512 Kbytes non-volatile flash memory

  • 5.    Dapat diakses 4 users melalui LED maupun DIP

  • 6.    Konfigurasi software deregister di CPLD

  • 7.    Configurable boot options

  • 8.    Single Voltage power supplr (+5V)

Untuk memperjelas model peredam bising dengan mikroprosesor tipe TMS320C6713 DSK, berikut adalah skema ruang kerja dan gambaran hardware jika direalisasi dalam suatu ruang kecil.

Lokasi penelitian


Gambar 6. Alur penelitian Model Penghapus Bising Adaptif


Di dalam ruang yang dikondisikan sebagai ruang kerja dengan bising kendaraan bermotor di depan ruang tersebut.

Skema ruang kerja dan gambaran hardware jika direalisasi:

Ruang yang dihapus dari bising kendaraan

Gambar 5.Skema ruang kerja dan gambaran hardwarenya

Penelitian diawali dengan mencari parameterparameter yang diperlukan, secara software, selanjutnya menerapkan parameter-parameter yang ditemukan dalam kondisi nyata dengan menggunakan perangkat keras DSP tipe TMS320C6713 DSK.

Untuk lebih jelas dan rinci, berikut diberikan alur penelitian dalam Skema Gambar 6.

Kesulitan penelitian ini terletak pada frekuensi untuk suara bising kendaraan berada dalam frekuensi yang sama dengan suara informasi. Untuk itu, tahap akhir dari penelitian ini, yaitu implementasi hardware secara real time dilaksanakan dalam beberapa tahap penelitian:

  • 1.    Peredaman beberapa jenis bising kendaraan tanpa melibatkan adanya informasi.

  • 2.    Peredaman satu jenis kendaraan yang mana informasi yang tidak boleh ikut teredam berada di dalamnya.

Hasil dari kedua hal tersebut menunjukkan bahwa secara software maupun hardware, kesulitan yang sama terjadi, yaitu kesulitan dalam memisahkan isyarat bising dengan informasi yang harus ditonjolkan.

  • IV.    KESIMPULAN DAN SARAN

Dari uraian di atas dapat disimpulkan bebarapa hal:

  • 1.    Penghapusan bising kendaraan (khusus kendaraan diesel) dengan dua tingkat proses dengan menganalisa nilai MSE bobot nya, menghasilkan nilai-nilai optimal untuk L dan delay, yaitu L = 230, dandelay sebesar100.

  • 2.    Dengan perangkat keras yang memadai proses dapat dilakukan dengan lebih cepat dengan nilai L = 470 atau lebih.

  • 3.    Dengan Menggunakan mikroprosesor tipe TMS320C6713 DSK dapat menghapus bising kendaraan, namun masih terdapat kesulitan dalam memisahkan dengan suara yang dikehendaki (informasi).

  • 4.    Sebagai saran, penelitian dilanjutkan agar hasil yang dicapai benar-benar dapat menyisakaninformasi yang dikehendaki sebagai suatu sisa bising yang dapat didengar dengan jelas.

REFERENSI

  • [1]    Susanto, A., 1982, Research Report, Comparison of Three Main Adaptive Algorithm., UC Davis., University of California.

  • [2]    Widrow, B., and S.D. Stearns, 1985, Adaptive Signal Processing, Prentice-Hall, Inc., Englewood Clifts, New Jersey.

  • [3]    Prasetyowati, S.A.D., Eksplorasi Sistem Penghapus Bising Lalu Lintas Secara Adaptif untuk Ruang Kerja, Disertasi, 2010.

Halaman Ini Sengaja Dikosongkan

184

ISBN: 978-602-7776-72-2 © Universitas Udayana 2013