< prev

Page 1Page 2Page 3Page 4Page 5Page 6Page 7Page 8Page 9Page 10Page 11Page 12

Page 2 of 12
next >

Majalah Ilmiah UNIKOM

Vol.11 No. 1

136

H a l a m a n

kecerdasan buatan terdistribusi ini pada

kasus

Adaptive

Noise

Cancellation

Karaboga [2] mengimplementasikan BCO

pada

ANC,

Renaldi

[3]

mengimplementasikan GA pada ANC dan

Ben Arfia [4] mengimplementasikan PSO

pada Filter adaptif. Tetapi sepanjang yang

penulis ketahui, belum ada penelitian yang

membandingkan beberapa algoritma PSO

untuk diimplementasikan pada kasus ANC

ini.

Pada penelitian ini akan diuji penerapan

beberapa

algoritma

Particle

Swarm

Optimization

adaptif.

Algoritma

PSO

yang

akan

dibandingkan adalah Original PSO, Local

PSO, Canonical PSO, Decreasing Inertia

Weight PSO, Increasing Inertia Weight PSO,

Stochastic Inertia Weight PSO, Fully

Informed PSO, Self-Organizing Hierarchical

PSO

with

Time-Varying

Acceleration

Coefficients, Hierarchical PSO, Adaptive

Hierarchical PSO dan Estimation of

Distribution PSO. Sebagai ukuran kinerja,

mean square error

Susunan makalah ini yaitu pada bagian 2,

dijelaskan mengenai teori Adaptive Noise

Cancellation (ANC). Pada bagian 3, dibahas

Particle Swarm Optimi-

zation

kan hasil implementasi dan pengujian data,

dan bagian 5 adalah kesimpulan.

TEORI DASAR

Adaptive Noise Cancellation (ANC)

ANC pertama kali diperkenalkan oleh

Bernard Widrow [5] pada tahun 1975.

Aplikasi dari ANC ditunjukkan pada blok

diagram seperti Gambar 1 berikut. Tujuan

dari ANC adalah membuang noise m(n) dari

sinyal primer d(n) sehingga akan diperoleh

kembali rekonstruksi dari sinyal informasi b

(n).

ANC memerlukan dua input, yaitu :

1. Input primer, d(n) adalah sinyal

pembawa informasi b(n) yang terdistorsi

dengan sinyal noise m(n). Sinyal b(n) dan

m(n) tidak berkorelasi antara satu

dengan lainnya

2. Input referensi adalah sebuah sinyal

noise u(n) yang berkorelasi dengan m(n)

tetapi tidak berkorelasi dengan b(n).

Perlu ditekankan bahwa jika u(n) tidak

berkorelasi dengan m(n) maka tidak

mungkin mengoptimasi b(n)

Sinyal referensi u(n) diolah oleh filter

adaptif melalui persamaan

Dimana w

k

(n) adalah koefisien filter yang

dapat diatur. Sinyal primer d(n) akan

dikurangkan dengan keluaran filter y(n)

Tri Rahajoeningroem & Muhammad Aria

Gambar 1. Diagram blok ANC

(1)