<![CDATA[The presence of noise damages the quality and intelligibility of speech signals, thereby reduces the performance of speech based applications. Noise is unavoidable and unpredictable. The most common type of noise found in the environment is non stationary noise. Non-stationary noise does not affect the speech signal uniformly over whole frequencies. Therefore conventional spectral subtraction methods are not effective. This paper, propose a Multiband spectral subtraction method which is divides the noisy speech signal into several frequency bands uniformly and reduce spectral noise in each band independently. The number of frequency bands tested are 4, 8 and 12 bands. The window type affects spectral estimates. Therefore this method is tested for three types of windows, hamming, sine multitapper with number of tapper 4 and Gaussian. The performance of the proposed method is assessed based on the PESQ of the enhanced speech signal. The Gaussian window with side lobe attenuation 3.75 had the best PESQ in all number of frequency bands compared to hamming and sine multitaper. The best average PESQ is obtained using Multiband Spectral subtraction using a Gaussian window with side lobe attenuation 3.75 and number of bands 4. Keywords: Multiband Spectral Subtraction, Gaussian Window dan PESQAbstrak Keberadaan derau merusak kualitas dan kejelasan sinyal ucapan sehingga mengurangi kinerja aplikasi yang berbasis ucapan. Derau tidak dapat dihindari dan tidak terprediksi. Jenis derau yang paling umum ditemukan pada lingkungan adalah derau non stasioner. Derau non stasioner memberi pengaruh secara tidak seragam pada semua frekuensi sinyal ucapan. Oleh karena itu metoda pengurangan spektral yang konvensional menjadi tidak efektif. Pada penelitian ini diusulkan Multiband spectral subtraction. Metoda ini membagi sinyal menjadi beberapa band frekuensi secara seragam dan melakukan pengurangan spektral derau secara saling bebas pada setiap band. Jumlah band frekuensi yang diujikan yaitu 4, 8 dan 12 band. Jenis window mempengaruhi estimasi spektral. Oleh karena itu ini diujikan pada tiga jenis window yaitu hamming, sine multitapper dengan jumlah tapper 4, dan gaussian window. Kinerja yang diusulkan dinilai berdasarkan nilai PESQ dari sinyal ucapan hasil perbaikan. Berdasarkan hasil pengujian didapatkan bahwa penggunaan gaussian window dengan redaman side lobe 3,75 memiliki nilai PESQ terbaik disemua jumlah band frekuensi dibandingkan hamming dan sine multitapper. Nilai rata-rata PESQ terbaik diperoleh dengan menggunakan Multiband Spectral subtraction menggunakan gaussian window dengan redaman side lobe 3,75 dan jumlah band 4. Kata kunci: Multiband Spectral Subtraction, Gaussian Window and PESQ]]>
