Garuda - Garba Rujukan Digital

Compressive Sampling untuk Sinyal Beat Radar Cuaca via Discrete Cosine Transform (DCT) PURNAMASARI, RITA; SUKSMONO, ANDRIYAN BAYU
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 7, No 2 (2019): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v7i2.238

ABSTRAKCompressive sampling (CS) merupakan metode baru yang memungkinkan proses pengambilan sampel dan kompresi dilakukan secara bersamaan sehingga dapat mempercepat waktu komputasi sekaligus memperkecil bandwidth saat dilewatkan pada media transmisi. Salah satu cara agar CS dapat bekerja secara optimal adalah jika sinyal yang akan diolah memiliki tingkat sparsitas yang tinggi. Pada makalah ini, mengusulkan algoritma Discrete Cosine Transform (DCT) sebagai metode transformasi sparsitas untuk sinyal beat radar cuaca IWarp. Sinyal beat menjadi sparse setelah direpresentasikan pada domain frekuensi, sehingga dapat mengambil sampelnya secara acak dan akhirnya mendapatkan sekumpulan sinyal sampel yang telah berukuran lebih kecil daripada sinyal beat radar awal. Pada penelitian ini menggunakan ?? -magic untuk melakukan rekonstruksi dari sinyal yang telah terkompresi tersebut. Simulasi numerik menunjukkan bahwa algoritma yang diusulkan berada pada performansi yang baik dengan rata-rata Peak Signal Noise to Ratio (PSNR) sebesar 15,17 dB.Kata kunci: CS, radar cuaca, sparsitas, DCT, rekonstruksi ?? ABSTRACTCompressive sampling (CS) is a new method that allows sampling and compression to be carried out simultaneously so that it can increase the computing time and reduce bandwidth while passed on the transmission media. One way for CS to work optimally is if the signal to be processed has a high sparsity level. In this paper we propose the Discrete Cosine Transform (DCT) algorithm as a sparsity transformation method for IWarp weather radar beat signals. The beat signal becomes sparse after being represented in the frequency domain, so this can randomly take samples and finally get a set of sample signals that are smaller than the initial radar beat signal. In this reasearch, use ??-magic to reconstruct the compressed signal. Numerical simulations show that the proposed algorithm is in good performance with an average Peak Signal Noise to Ratio (PSNR) of 15.17 dBKeywords: CS, weather radar, sparsity, DCT, ??-reconstruction

Peningkatan Kinerja Skema Estimasi Arah Kedatangan Sinyal dengan Compressive Sensing Sparsitas Sudut dan Sampel Multisnap Usman, Koredianto; Suksmono, Andriyan Bayu; Gunawan, Hendra
INKOM Journal Vol 8, No 1 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Perkembangan teknik compressive sensing beserta pemanfaatannya digunakan pada berbagai penyelesaian permasalahan. Salah satu pemanfaatannya yang dibahas di sini adalah untuk pengurangan sampel pada skema estimasi arah kedatangan sinyal. Secara umum terdapat tiga skema besar pemanfaatan teknik compressive sensing untuk estimasi arah kedatangan: skema sparsitas frekuensi, skema sparsitas spasial dan skema sparsitas sudut. Dari ketiga teknik ini, skema sparsitas sudut menjadi fokus pada penelitian ini karena keuntungannya dalam mengurangi sampel yang superior dibandingkan dengan dua skema lainnya. Keuntungan lain dari skema ini adalah kesederhanaannya. Kekurangan dari skema ini adalah sensitifitas terhadap noise. Pada lingkungan dengan noise tinggi dengan SNR kurang dari 0 dB, skema ini menderita kesalahan estimasi sudut di atas lima derajat. Tingkat kesalahan estimasi meningkat pada level yang tidak dapat lagi diterima untuk SNR kurang dari -5 dB. Peningkatan ketahanan terhadap noise yang dilakukan pada penelitian ini adalah dengan menggunakan teknik multisnap sampel. Ada dua skema yang diusulkan yaitu teknik multisnap sederhana dan teknik multisnap dengan outliers removal. Hasil simulasi menunjukkan teknik multisnap sederhana meningkatkan akurasi sekitar 2 derajat pada SNR 0 dB. Pada SNR -5 dB terjadi peningkatan akurasi secara signifikan di atas 10 derajat. Pada teknik multisnap dengan outliers removal terjadi peningkatan akurasi lebih lanjut pada SNR kurang dari -5 dB.

Peningkatan Kinerja Skema Estimasi Arah Kedatangan Sinyal dengan Compressive Sensing Sparsitas Sudut dan Sampel Multisnap Koredianto Usman; Andriyan Bayu Suksmono; Hendra Gunawan
INKOM Journal Vol 8, No 1 (2014)
Publisher : Pusat Penelitian Informatika - LIPI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14203/j.inkom.380

Perkembangan teknik compressive sensing beserta pemanfaatannya digunakan pada berbagai penyelesaian permasalahan. Salah satu pemanfaatannya yang dibahas di sini adalah untuk pengurangan sampel pada skema estimasi arah kedatangan sinyal. Secara umum terdapat tiga skema besar pemanfaatan teknik compressive sensing untuk estimasi arah kedatangan: skema sparsitas frekuensi, skema sparsitas spasial dan skema sparsitas sudut. Dari ketiga teknik ini, skema sparsitas sudut menjadi fokus pada penelitian ini karena keuntungannya dalam mengurangi sampel yang superior dibandingkan dengan dua skema lainnya. Keuntungan lain dari skema ini adalah kesederhanaannya. Kekurangan dari skema ini adalah sensitifitas terhadap noise. Pada lingkungan dengan noise tinggi dengan SNR kurang dari 0 dB, skema ini menderita kesalahan estimasi sudut di atas lima derajat. Tingkat kesalahan estimasi meningkat pada level yang tidak dapat lagi diterima untuk SNR kurang dari -5 dB. Peningkatan ketahanan terhadap noise yang dilakukan pada penelitian ini adalah dengan menggunakan teknik multisnap sampel. Ada dua skema yang diusulkan yaitu teknik multisnap sederhana dan teknik multisnap dengan outliers removal. Hasil simulasi menunjukkan teknik multisnap sederhana meningkatkan akurasi sekitar 2 derajat pada SNR 0 dB. Pada SNR -5 dB terjadi peningkatan akurasi secara signifikan di atas 10 derajat. Pada teknik multisnap dengan outliers removal terjadi peningkatan akurasi lebih lanjut pada SNR kurang dari -5 dB.

A HOS-Based Blind Spectrum Sensing in Noise Uncertainty Agus Subekti; Sugihartono Sugihartono; Nana Rachmana Syambas; Andriyan Bayu Suksmono
Journal of ICT Research and Applications Vol. 9 No. 1 (2015)
Publisher : LPPM ITB

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/itbj.ict.res.appl.2015.9.1.2

Spectrum sensing for cognitive radio is a challenging task since it has to be able to detect the primary signal at a low signal to noise ratio (SNR). At a low SNR, the variance of noise fluctuates due to noise uncertainty. Detection of the primary signal will be difficult especially for blind spectrum sensing methods that rely on the variance of noise for their threshold setting, such as energy detection. Instead of using the energy difference, we propose a spectrum sensing method based on the distribution difference. When the channel is occupied, the distribution of the received signal, which propagates under a wireless fading channel, will have a non-Gaussian distribution. This will be different from the Gaussian noise when the channel is vacant. Kurtosis, a higher order statistic (HOS) of the 4th order, is used as normality test for the test statistic. We measured the detection rate of the proposed method by performing a simulation of the detection process. Our proposed method's performance proved superior in detecting a real digital TV signal in noise uncertainty.

Compressive Sampling untuk Sinyal Beat Radar Cuaca via Discrete Cosine Transform (DCT) PURNAMASARI, RITA; SUKSMONO, ANDRIYAN BAYU
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 7, No 2: Published May 2019
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v7i2.238

ABSTRAKCompressive sampling (CS) merupakan metode baru yang memungkinkan proses pengambilan sampel dan kompresi dilakukan secara bersamaan sehingga dapat mempercepat waktu komputasi sekaligus memperkecil bandwidth saat dilewatkan pada media transmisi. Salah satu cara agar CS dapat bekerja secara optimal adalah jika sinyal yang akan diolah memiliki tingkat sparsitas yang tinggi. Pada makalah ini, mengusulkan algoritma Discrete Cosine Transform (DCT) sebagai metode transformasi sparsitas untuk sinyal beat radar cuaca IWarp. Sinyal beat menjadi sparse setelah direpresentasikan pada domain frekuensi, sehingga dapat mengambil sampelnya secara acak dan akhirnya mendapatkan sekumpulan sinyal sampel yang telah berukuran lebih kecil daripada sinyal beat radar awal. Pada penelitian ini menggunakan â„“ô€¬µ -magic untuk melakukan rekonstruksi dari sinyal yang telah terkompresi tersebut. Simulasi numerik menunjukkan bahwa algoritma yang diusulkan berada pada performansi yang baik dengan rata-rata Peak Signal Noise to Ratio (PSNR) sebesar 15,17 dB.Kata kunci: CS, radar cuaca, sparsitas, DCT, rekonstruksi â„“ô€¬µÂ ABSTRACTCompressive sampling (CS) is a new method that allows sampling and compression to be carried out simultaneously so that it can increase theÂ computing time and reduce bandwidth while passed on the transmission media. One way for CS to work optimally is if the signal to be processed has a high sparsity level. In this paper we propose the Discrete Cosine Transform (DCT) algorithm as a sparsity transformation method for IWarp weather radar beat signals. The beat signal becomes sparse after being represented in the frequency domain, so this can randomly take samples and finally get a set of sample signals that are smaller than the initial radar beat signal. In this reasearch, use â„“ô€¬µ-magic to reconstruct the compressed signal. Numerical simulations show that the proposed algorithm is in good performance with an average Peak Signal Noise to Ratio (PSNR) of 15.17 dBKeywords: CS, weather radar, sparsity, DCT, â„“ô€¬µ-reconstruction

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search