Deteksi Sinyal Akustik yang Ditimbulkan Kapal...
Transcript of Deteksi Sinyal Akustik yang Ditimbulkan Kapal...
Musa Ibrahim
2208100047
Pembimbing :Dr. Ir. Wirawan, DEA
Ir. Endang Widjiati, M.Eng.Sc
Deteksi Sinyal Akustik yang Ditimbulkan Kapal Menggunakan Pendekatan Hidden Markov Tree
(HMT)
Proudly Present :
Presentasi Tugas Akhir
LATAR BELAKANG
• Proses deteksi yang merupakan isu yang penting
dalam penelitian akustik bawah air
• Pemrosesan sinyal dan kriteria deteksi
tradisional biasa diasumsikan sebagai Gaussian,
sedang akustik bawah air adalah non-Gaussian
• Hidden Markov Tree (HMT) pada domain
wavelet menunjukkan keuntungan dalam
menghadapi sinyal non-Gaussian.
3
RUMUSAN MASALAH
Bagaimana HMT digunakan untuk
merepresentasikan sebuah sinyal?
Bagaimana perbedaan parameter HMT ambient
noise dan ship noise?
Bagaimana deteksi sinyal yang terpancar oleh
obyek dilakukan dengan menggunakan
parameter HMT?
4
TUJUAN
o Mempelajari deteksi sinyal.dengan pendekatan
HMT.
o Membandingkan parameter HMT sinyal
ambient ocean noise dan ship noise
o Membuat keputusan deteksi (detection decision)
tentang muncul atau tidaknya target
5
BATASAN MASALAH
Software yang dipergunakan untuk simulasi
adalah Matlab
Obyek yang dideteksi yaitu kapal
6
SPECTROGRAM
Spectrogram adalah representasi spektral variasi
waktu (membentuk sebuah gambar) yang
menunjukkan bagaimana kepadatan spektral
suatu sinyal.
8
DISCRETE WAVELET TRANSFORM
(DWT)
Discrete Wavelet Transform (DWT) menguraikan
sinyal satu atau multi dimensi menjadi atom-
atom dari fungsi bandpass wavelet ψ(t) yang
digeser dan didilasikan dan dari fungsi lowpass
scaling φ(t) yang digeser , yaitu sinyal yang
direpresentasikan pada skala waktu K dan skala
frekuensi J yang berlapis.
9
DISCRETE WAVELET TRANSFORM
(DWT)
Ketika didesain dengan pembatas tertentu,
fungsi wavelet dan scaling akan membentuk
basis orthonormal dengan representasi sinyal
sebagai berikut:
10
HIDDEN MARKOV TREE (HMT)
HMT adalah sebuah pohon yang terdiri dari
sekumpulan node bertingkat, yang terbentuk
dari penguraian wavelet dari sinyal
11
HIDDEN MARKOV TREE (HMT)
Conditional Gaussian Density
Marjinal Probability dari koefisien wavelet
12
HIPOTESIS NEYMAN – PEARSON
Pengambilan keputusan suatu deteksi
membutuhkan teori statistik
Karakteristik kerja Neyman-Pearson adalah
berdasarkan distribusi probabilitas
Hipotesis null, data tersebut terdiri hanya dari
noise. Di bawah hipotesis alternatif, data terdiri
dari sinyal deterministik ditambah noise.
Ship absent
Ship present
14
LIKELIHOOD RATIO TEST
dimana λ ditentukan oleh :
Membuat yang ditentukan sebagai
probabilitas kepadatan menurut hipotesis null.
Membuat λ sama dengan nilai integral
dari sampai ∞ adalah sama dengan
probabilitas false-alarm yang diinginkan.15
PEMILIHAN DATA INPUT SINYAL
Dalam tugas akhir ini, Data ini didapatkan dari
situs resmi Taman Nasional Teluk Glacier,
Alaska, Amerika Utara
Dipilih hasil rekaman ambient noise “Light
Winds” yaitu ambient noise yang diakibatkan
oleh angin yang berkecepatan sedang. Dan untuk
suara kapal dipilih ship-radiated noise “State
Ferry”.
17
KEPUTUSAN DETEKSI
Likelihood Rasio Test
Hasil perhitungan likelihood tiap sinyal didapat dari
perbandingan probability density function (PDF)
antar sinyal uji SRN atau OCN terhadap PDF sinyal
OCN.
Penentuan Threshold
Treshold didapatkan dari perhitungan sebesar 0,034.
Treshold yang telah didapatkan digunakan untuk
mendeteksi sinyal observasi baru .
Probabilitas False Alarm ditentukan sebesar 0,1.
25
HASIL DETEKSI
Tipe SinyalJumlahSampel
Tes BenarTingkat
Kebenaran
OCN 30 21 70 %
SRN 30 26 86,67 %
26
KESIMPULAN
Dengan teori deteksi Neyman-Pearson dan LRT
yang digunakan dalam deteksi mencapai tingkat
kebenaran deteksi 86,7%
Ada tidaknya kapal bergantung pada parameter
ambient noise yang digunakan
27
SARAN
Pengambilan data sebaiknya dilakukan juga di
dalam kondisi nyata (dalam hal ini lautan atau
sungai), agar diperoleh parameter deteksi yang
nyata.
Penggunaan metode deteksi sebaiknya
dilengkapi pula dengan metode lain, agar
keputusan deteksi lebih akurat.
28
PUSTAKA
1. “What are common underwater sounds?” <URL:http://www.dosits.org/science/soundsinthesea/commonsounds/> .Diambil pada tanggal 28 Desember 2012
2. “Neyman-Pearson Hypothesis Testing”. Matlab help3. “Likelihood Ratio Test”. Matlab help4. Yue Zhou, Zhibin Niu, Chenghao Wang, A Novel Approach to Detect
Ship-Radiated Signal Based on HMT, 2010 20th InternationalConference on Pattern Recognition, 2010, pp.4601-4604
5. Matthew S. Crouse et al. Wavelet-Based Statistical SignalProcessing Using Hidden Markov Models, IEEE Trans. SignalProcessing, 1998,46, pp.886-902
6. “Spectrogram Reading : What are Spectrograms?”<URL:http://www.cslu.ogi.edu/tutordemos/SpectrogramReading/spectrogram.html> diambil pada tanggal 29 Desember 2012.
7. “Underwater Sounds Recorded in Glacier Bay”<URL:http://www.nps.gov/glba/naturescience/soundclips.htm> diambilpada tanggal 29 Desember 2012 29