Pemrosessan Sinyal Waktu Diskrit Menggunakan Compressive Sensing Berdasarkan Algoritma Pemulihan L1

Abstract

Abstrak, — Metode Compressive Sensing merupakan metode yang banyak diaplikasikan pada pemrosesan sinyal. Kemampuan dan keunggulan metode ini mampu merekonstruksi sinyal dengan masukan yang terbatas. Makalah ini bertujuan menggunakan metode Compressive Sensing dalam mengolah sinyal digital waktu diskrit. Keutaman dari metode CS ini adalah memberikan perkiraan sinyal asli dari sejumlah kecil pengukuran linier inkoheren dengan memanfaatkan sifat kejarangannya Penyelesaian dengan metode Compressive Sensing menggunakan pendekatan sinyal sebagai kombinasi linier dari fungsi dasar yang merupakan matriks koefisien jarang (sparse matrix). Pemulihan sinyal dilakukan dengan meminimalkan ℓ1-norm dari persamaan sistem tersebut. Makalah ini menunjukkan bahwa dengan metode yang diterapkan pada pemrosessan sinyal, hanya dengan jumlah sinyal yang terbatas dapat dikembalikan lagi mendekati  dengan sinyal aslinya. Dengan perbedaan antara sinyal hasil pemulihan dengan sinyal asli yang cukup kecil. Kata kunci — Compressive Sensing, L1-norm, sinyal  waktu diskrit  pemulihan sinyal,  sinyal jarang.   Abstract — Compressive Sensing is a method that is widely applied to signal processing. The ability and superiority of this method is able to reconstruct signals with limited input. This paper aims to use the Compressive Sensing method in processing discrete time signals. The advantage of this CS method is to provide an original signal estimate from a small number of incoherent linear measurements by utilizing the sparsity properties. Solution using the Compressive Sensing method uses the signal approach as a linear combination of the basic functions which are sparse matrices. Signal recovery is done by minimizing L1-norm of the system equation. This paper shows that with the method applied to signal processing, a limited number of measurement signals can be returned close to the original signal. With the difference between the recovery signal and the original signal which is quite small. Keyword — Compressive Sensing, L1-norm, discrete time signals, recovery signal, sparse signal.