Perancangan dan Analisa Kinerja Boll Spectral Subtraction dengan Gaussian Window Pada Sistem Pengenalan Ucapan

Novriandi, Novriandi (2017) Perancangan dan Analisa Kinerja Boll Spectral Subtraction dengan Gaussian Window Pada Sistem Pengenalan Ucapan. Diploma thesis, Universitas Andalas.

Preview	Text (cover+abstrak) cover+abstrak.pdf - Published Version Download (136kB) | Preview
Preview	Text (BAB I) BAB I.pdf - Published Version Download (182kB) | Preview
Preview	Text (BAB V) BAB V.pdf - Published Version Download (160kB) | Preview
Preview	Text (DAFTAR KEPUSTAKAAN) DAFTAR KEPUSTAKAAN.pdf - Published Version Download (143kB) | Preview
	Text (Tugas Akhir Full Text) Tugas Akhir Full Text.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Sistem pengenalan ucapan memungkinkan suatu mesin dapat menerima perintah berupa sinyal ucapan dan mengenali ucapan tersebut. Pada kondisi lingkungan tenang sistem pengenalan ucapan memiliki akurasi pengenalan yang baik, tetapi akurasi pengenalan akan menurun dengan signifikan pada lingkungan berderau. Derau dapat merusak sinyal ucapan, sehingga menyebabkan kesalahan pada pengenalan ucapan. Untuk mengatasi masalah derau maka dirancang sebuah sistem pengenalan ucapan yang memiliki boll spectral subtraction dengan Gaussian window dan estimasi derau exponential averaging. Metoda boll spectral subtraction mengestimasi sinyal tanpa derau (sinyal bersih) berdasarkan input sinyal berderau (sinyal rusak). Pada tugas akhir ini dirancang dan dianalisa kinerja sistem boll spectral subtraction dengan Gaussian window untuk memperbaiki sinyal ucapan yang dirusak oleh derau sehingga sistem pengenalan ucapan mampu mengenali ucapan tersebut. Berdasarkan hasil penelitian, diperoleh kinerja metoda boll spectral subtraction dengan Gaussian window dan estimasi derau exponential averaging mampu memperbaiki sinyal ucapan berderau pada level SNR rendah (0 dB dan 5 dB) dan dapat menaikkan akurasi pengenalan ucapan meskipun tidak signifikan, tetapi tidak bekerja dengan baik pada level SNR 15 dB dan 20 dB sehingga menurunkan akurasi pengenalan ucapan. Peningkatan akurasi terbesar dengan menggunakan metode boll spectral subtraction dengan level SNR 0 dB pada derau AWGN adalah 9.07%, derau suara mobil adalah 1.94% dan derau suara pengering rambut adalah 2.6%. Kata Kunci: Sistem Pengenalan Ucapan, Boll Spectral Subtraction, Gaussian window, Exponential Averaging.

Actions (login required)

View Item