(Computational) Auditory Scene Analysis

Setelah pada posting sebelumnya, saya bercerita tentang metode pemisahan sinyal suara dengan Blind Source Separation atau BSS kali ini saya akan mengulas sedikit tentang metode pemisahan sinyal suara lainnya, yang lebih dekat ke bagaimana sistem pendengaran manusia bekerja memisahkan sumber - sumber suara. Metode itu dinamakan Computational Auditory Analysis atau disingkat CASA yang merupakan representasi komputasional dari ASA (Auditory Scene Analysis).

Skema Arsitektur CASA [1]

ASA diperkenalkan oleh Al Bregman (psikolog) untuk menjelaskan bagaimana sistem pendengaran manusia bekerja, khususnya dalam memisahkan dan mengidentifikasi lokasi sumber bunyi yang di dengar oleh telinga berdasarkan teori dan eksperimen psikologi terhadap sistem pendengaran manusia. Bregman berpendapat bahwa saat manusia mendengar suara pada dasarnya dia melakukan proses auditory scene analysis. Proses ASA tersebut dibagi menjadi dua tahap, yakni tahap segmentasi dimana terjadi pengelompokan elemen-elemen akustik berdasarkan time-frequency dan tahap kedua adalah pengelompokan elemen-elemen tersebut berdasarkan sumber-sumber suara yang sama. Skema arsitektur sistem CASA dapat digambarkan pada gambar diatas.

Blind Source Separation (BSS)

Penelitian pada bidang teori informasi dan pemrosesan sinyal salah satunya menuju pada pengembangan algoritma Blind Source Separation (BSS). BSS adalah teknik mengekstrak sinyal menjadi komponen individunya dari output pengukuran dimana output yang terukur hanyalah jumlahan dari beberapa sumber yang berbeda tanpa mengetahui sumber itu sendiri. BSS merupakan teknik yang lazim dipakai pada telekomunikasi nirkabel, dimana pengguna (telpon genggam, internet nirkabel dll) selalu terhubung pada antena (sensor) terdekat. Tugas sensor adalah memisahkan antara pengguna satu dengan yang lain sehingga pesan yg dikirim tidak salah alamat. Secara garis besar, BSS merupakan teknik untuk memisahkan jumlahan dari sinyal output tanpa mengetahui karakteristik dan jumlah sumbernya. Berdasarkan statistik sinyal masukan maka dapat ditentukan komponen-komponen sinyalnya. BSS memanfaatkan perbedaan sifat sinyal sebelum terdeteksi sensor dan memanfaatkan informasi yg diperoleh akibat perbedaan sudut datang dan jarak tempuh pada sensor. Perbedaan sifat sinyal pada sensor pertama dan sensor ke-n (dimana n adalah integer dan jumlah sensor) dipilah berdasarkan sifat statistik sinyal (independensi). Gambar 1 menunjukkan proses jumlahan sinyal suara dari dua sumber (s1 dan s2) yang ditangkap oleh sensor (x1 dan x2).

Gambar 1 Jumlahan Sinyal akustik

Tujuan dari algoritma BSS adalah bagaimana mendapatkan sumber s1(t) dan s2(t) dari output pengukuran sensor x(t). Secara matematis, jumlahan sinyal akustik diatas dapat diformulasikan:

xi(t)= A*sn(t)+n(t)..............................................................(1)

diamana x=[x1,x2,...xm]T adalah vektor yang mewakili sinyal terukur xi, s=[s1,s2,...,sn] adalah vektor yang mewakili sumber (m ≥ n). A adalah matriks jumlahan yang menduduki kolom penuh. BSS digunakan untuk menemukan matriks A-1, karena A-1x sama dengan matrik sumber s dengan x terukur (Zhou, 2007).

Bila noise (n(t)) pada persamaan 1 diatas diabaikan (sama dengan nol) maka persamaan tersebut dapat disederhanakan menjadi:
Xi(t)=A*sn(t)...............................................................(2)
Untuk Gb 1, dengan dua sumber, s1 dan s2, dan dua sensor, x1 dan x2, maka bila persamaan (2) tersebut diterapkan akan didapatkan:

Atau bila diuraikan menjadi,