Andriyan Bayu Suksmono, Andriyan Bayu
School of Electrical Engineering & Informatics, Bandung Institute of Technology (ITB), Jalan Ganesa 10, Bandung 40132

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

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

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (268.078 KB) | DOI: 10.14203/j.inkom.380

Abstract

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.