Majalah Ilmiah UNIKOM

Vol.8, No. 1

59

H a l a m a n

Pemrosesan sinyal dijital menggunakan filter adaptif digunakan pada banyak

aplikasi terutama dalam bidang telekomunikasi, misalnya untuk menghilangkan

noise dari suatu sinyal informasi. Terdapat banyak algoritma filter adaptif yang

dapat digunakan, seperti algoritma LMS (Least Mean Square), RLS (Recursive

Least Square) dan GAL (Gradient Adaptive Lattice). Filter adaptif dalam aplikasi

real-time biasanya diimplementasikan menggunakan hardware yang dirancang

untuk aplikasi pengolahan sinyal dijital (misalnya card TMS). Meskipun

demikian, dapat juga dilakukan simulasi filter dijital menggunakan software

pada PC.

Pada paper ini dibuat simulasi untuk jenis-jenis adaptive filter beserta karakter-

istiknya. Simulasi tersebut dibuat dengan alat bantu komputer dengan bahasa

pemrograman Pascal untuk sistem operasi Windows dari algoritma filter adap-

tive yang bermacam-macam itu sendiri, dipilih untuk disimulasikan hanya al-

gortima yang umum dan mendasari algoritma lainya, yaitu algoritma LMS, RLS.

Pada masing-masing algoritma akan dianalisis kinerjanya, faktor-faktor yang

mempengaruhi kinerja tersebut, dan diperbandingkan kinerjanya masing-

masing.

Kata kunci: White Gaussian Noise, Mean Square Error, Autokorelasi.

bidang

REKAYASA

SIMULASI ALGORITMA FILTER ADAPTIF PADA PENGOLAHAN SINYAL DIJITAL

SUSMINI INDRIANI LESTARININGATI

Jurusan Teknik Komputer

Universitas Komputer Indonesia (UNIKOM) Bandung

PENDAHULUAN

Semua Filter Adaptive memakai filter

Wiener sebagai realisasi filter optimum yaitu

mean square error

minimum. Semua Algoritma dengan

sejalannya waktu berusaha untuk

konvergen mendekati kondisi ini.

Seperti pada prediksi liniear, filter

adaptive juga didasari oleh filter Wiener.

Semua kaidah dan sifat-sifat yang berlaku

pada filter Wiener tetap berlaku untuk

aplikasi adaptive ini. Perbedaan penerapan

filter Wiener untuk aplikasi non adapative

dan adaptive adalah jika pada filter Wiener

data diproses dengan H optimum perblok

cuplikan maka pada filter adaptive data

diproses dengan H optimum percuplikan.

Berarti H harus menuju optimum dan data

harus diproses sebelum cuplikan

selanjutnya datang, ini merupakan

persoalan kecepatan konvergensi dari

algoritma adaptive. Masalah yang lain

adalah karena tidak ada blok cuplikan,

berarti tidak bisa diterapkannya metoda

sample autocorrelation untuk mendapatkan

informasi tentang fungsi autokorelasi

sebelumnya.

Karena operasi dilakukan pada

setiap cuplikan, maka H yang selalu

time invariant

time variant

banyak algoritma adaptasi untuk