Compound Faults Separation Based on Intrinsic Characteristic-Scale Decomposition and Sparse Component Analysis

2020 ◽  
pp. 69-78
Author(s):  
Yansong Hao ◽  
Huaqing Wang ◽  
Liuyang Song ◽  
Lingli Cui
Keyword(s):  
Component Analysis ◽  
Characteristic Scale ◽  
Sparse Component Analysis ◽  
Intrinsic Characteristic

Multi-harmonic sources location based on sparse component analysis and complex independent component analysis

2020 ◽  
Vol 14 (19) ◽  
pp. 4195-4206
Author(s):  
Guangui Wang ◽  
Xiaoyang Ma ◽  
Weikang Wang ◽  
Honggeng Yang ◽  
Chang Chen ◽  
...  
Keyword(s):  
Independent Component Analysis ◽  
Component Analysis ◽  
Independent Component ◽  
Sparse Component Analysis

INDEPENDENT COMPONENT ANALYSIS (ICA) DAN SPARSE COMPONENT ANALYSIS (SCA) DALAM PEMISAHAN VOKAL DAN INSTRUMEN PADA SENI GEGUNTANGAN

2019 ◽  
Vol 8 (1) ◽  
pp. 105
Author(s):  
Angga Pramana Putra ◽  
Ni Wayan Wiantari ◽  
Putu Mira Novita Dewi ◽  
I Dewa Made Bayu Atmaja Darmawan
Keyword(s):  
Independent Component Analysis ◽  
Mean Square Error ◽  
Blind Source Separation ◽  
Component Analysis ◽  
Independent Component ◽  
Signal Separation ◽  
Blind Signal Separation ◽  
Mean Square ◽  
Blind Signal ◽  
Sparse Component Analysis

Geguntangan adalah pesantian dalam upacara keagamaan yang diiringi dengan gamelan. Indra  pendengaran manusia cenderung memiliki keterbatasan, yang menyebabkan tidak semua vokal yang  tercampur dengan gamelan bisa didengar jelas. Oleh karena itu diperlukan suatu sistem yang dapat digunakan untuk memisahkan vokal dengan gamelan pada geguntangan. Pemisahan sumber suara ini dikategorikan sebagai Blind Source Separation (BSS) atau disebut juga Blind Signal Separation yang  artinya sumber tidak dikenal. Algoritma yang digunakan untuk menangani BSS adalah algoritma Independent Component Analysis (ICA) dan Sparse Component Analysis (SCA) dengan berfokus  pada pemisahan sinyal suara pada file suara berformat *.wav. Algoritma SCA dan ICA digunakan  untuk proses pemisahan suara dengan parameter nilai yang digunakan adalah Mean Square Error (MSE) dan Signalto Interference Ratio(SIR). Dari hasil simulasi menunjukkan Hasil perhitungan MSE dan SIR dengan dengan menggunakan mixing matriks [0.3816, 0.8678], [0.8534, -0.5853] didapatkan untuk metode ICA nilai MSE sebesar 4.169380402433175 x 10-6 untuk instrumennya dan 2.884749383815846 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 53.79928479270223 untuk instrumennya dan 45.39891910741724 untuk vokalnya. Selanjutnya untuk metode SCA, nilai MSE sebesar 3.382207103335018 x 10-5 untuk instrumennya dan 3.099942460987607 x 10-5 untuk vokalnya dan didapatkan nilai SIR sebesar 44.707998026869014 untuk instrumennya dan 45.08646367168143 untuk vokalnya.

Sign in / Sign up

Export Citation Format

Share Document