BABI PENDAHULUAN 1.1
Latar Belakang Saat ini transformasi wavelet banyak sekali digunakan dan bermanfaat
untuk analisis numerik, analisis isyarat, aplikasi kontrol dan aplikasi audio [1]. Dalam analisis numerik, transformasi wavelet berguna dalam persamaan differensial baik itu ordinary maupun parsial. Dalam analisis isyarat, transformasi wavelet berguna untuk kompresi isyarat audio, gambar maupun video, klasifikasi tekstur, penghilangan derau atau denoising, dan aplikasi sidik jari. Dalam aplikasi kontrol transformasi wavelet bermanfaat dalam pendeteksi gerak, memposisikan robot, pendeteksi ciri secara real time, dan identifikasi. Dalam aplikasi audio, transformasi wavelet berguna untuk dekomposisi audio, identifikasi tutur, speech enhancement, dan penghilangan derau pada isyarat audio. Transformasi wavelet dapat digunakan untuk analisis multi resolusi dengan sangat baik untuk isyarat yang tidak stasioner. Inilah kelebihan transformasi wavelet. Transformasi wavelet dapat dibedakan menjadi dua yaitu transformasi wavelet kontinyu dan transformasi wavelet diskret. Dalam transformasi wavelet kontinyu, analisis multi resolusi dilakukan dengan melakukan kontraksi dan dilatasi dari fungsi wavelet. Sedangkan pada transformasi wavelet diskret menggunakan filter bank [1]. Filter bank terdiri dari tapis-tapis yang memisahkan isyarat menjadi komponen-komponen isyarat dengan lebar bidang frekuensi. Dalam transformasi wavelet diskret, untuk melakukan analisis atau transformasi maka isyarat masukan dimasukan ke dalam tapis low pass dan tapis high pass. Kedua tapis ini memisahkan isyarat menjadi komponen-komponen isyarat frekuensi rendah dan frekuensi tinggi. Proses pentapisan isyarat dapat dilakukan sampai beberapa tahap sesuai tahap atau tingkat transformasi wavelet yang ditentukan. Hasil dari proses pentapisan disebut koefisien approksimasi untuk tapis low pass dan koefisien detail untuk tapis high pass. Rekonstruksi atau invers hasil transformasi wavelet menjadi isyarat asli dilakukan dengan cara
1
melewatkan kembali isyarat hasil transformasi melalui tapis low pass dan high pass yang bersesuaian dengan tapis yang dipakai pada tahap transformasi. Implementasi transformasi wavelet diskret baik tahap analisis maupun dan rekonstruksinya dapat dilakukan dengan menggunakan perangkat lunak maupun perangkat keras. Ada banyak perangkat lunak yang dapat digunakan untuk mengimplementasikan transformasi wavelet, salah satunya adalah dengan menggunakan
Matlab.
Di
dalam
Matlab,
transformasi
wavelet
dapat
diimplementasikan secara mandiri ataupun dengan menggunakan toolbox dengan fungsi-fungsi yang sudah tersedia di dalamnya. Implementasi transformasi wavelet di dalam perangkat lunak lebih mudah dilakukan namun memerlukan perangkat pendukung komputer untuk melakukan dan menjalankannya. Karena diperlukan perangkat lunak khusus serta komputer sebagai pendukung maka waktu komputasi yang diperlukan menjadi lebih lama sehingga kurang cocok untuk aplikasi yang bersifat real time. Cara lain untuk mengimplementasikan transformasi wavelet adalah dengan mengimplementasikannya secara perangkat keras. Salah satu platform perangkat keras yang dapat digunakan untuk mengimplementasikan transformasi wavelet adalah Field Programmable Gate Array (FPGA). FPGA adalah IC chip yang berisi elemen-elemen dalam struktur larik atau array dua dimensi dan saklarsaklar
yang
dapat
diprogram
[2].
FPGA
dapat
diprogram
untuk
mengimplementasikan suatu fungsi logika yang sederhana sampai dengan fungsi logika yang kompleks ataupun rumit. Implementasi transformasi wavelet pada FPGA memungkinkan proses transformasi dilakukan dalam waktu yang lebih cepat sehingga cocok untuk aplikasi real time. Pada penelitian ini, untuk mengimplementasikan transformasi wavelet akan digunakan FPGA Xilinx Spartan-3E (XC3S500E-4FG320). FPGA Xilinx Spartan-3E dilengkapi dengan Configuration Logic Block (CLB) untuk implementasi fungsi logika, Input/Output Block (IOB) untuk aliran data baik itu internal maupun external, Block RAM untuk memori atau penyimpan data, Multiplier Block untuk pengali internal, dan Digital Clock Manager (DCM) Block untuk pengaturan isyarat clock [3]. Dengan fasilitas yang dimilikinya, FPGA
2
Xilinx Spartan-3E dapat digunakan untuk mengimplementasikan transformasi wavelet dan fungsi-fungsi lain yang lebih sederhana maupun yang lebih kompleks. Transformasi wavelet yang akan diimplementasikan pada penelitian ini adalah transformasi wavelet diskret Haar. Transformasi wavelet diskret Haar merupakan
transformasi
wavelet
yang
sederhana
dibandingkan
dengan
transformasi wavelet lainnya. 1.2
Perumusan masalah Perumusan masalah pada penelitian ini adalah optimasi kinerja dan
efisiensi penggunaan resources untuk mengimplementasikan transformasi wavelet diskret Haar pada FPGA Xilinx Spartan-3E yang dilakukan dengan pemilihan dan pengimplementasian struktur filter bank yang tepat, penggunaan format data serta tingkat dekomposisi yang sesuai. Akan diimplementasikan dan dibandingkan transformasi wavelet diskret Haar dengan beberapa macam struktur filter bank dan format data sehingga bisa diketahui struktur filter bank dan format data yang tepat yang dapat menghasilkan implementasi yang optimal dan efisien. Selain itu juga akan dibandingkan pengaruh tingkat dekomposisi terhadap kinerja serta penggunaan resources FPGA. 1.3
Keaslian penelitian Ada banyak penelitian yang mengulas mengenai transformasi wavelet
termasuk aplikasinya dalam dalam berbagai hal seperti pengolahan isyarat, pengenalan pola, dan sistem digital yang lain. Penelitian tersebut ada yang diimplementasikan dalam bentuk perangkat lunak maupun dalam bentuk perangkat keras. Lebih banyak penelitan yang terkait dengan trasformasi wavelet diimplementasi
secara
perangkat
lunak
dibandingkan
dengan
yang
diimplementasikan secara perangkat keras. Implementasi transformasi wavelet dalam bentuk perangkat keras menawarkan waktu proses yang lebih cepat serta tidak memerlukan komputer general purpose yang dilengkapi dengan perangkat lunak untuk menjalankan transformasi wavelet tersebut.
3
Dalam penelitian ini transformasi wavelet yang berupa transformasi wavelet diskret Haar akan diimplementasikan dalam perangkat keras yang berupa FPGA. Penelitian tentang transformasi wavelet pada FPGA telah banyak dilakukan sebelumnya baik itu untuk pengolahan citra maupun pengolahan isyarat suara [4][5][6][7][8][9][10][11][12]. Penelitian-penelitian tersebut berusaha untuk mengimplementasikan transformasi wavelet dengan unjuk kerja yang baik dan tingkat efisiensi yang tinggi dengan cara melakukan optimasi pada algoritma, metode komputasi dan arsitektur untuk transformasi wavelet pada FPGA semisal dengan menggunakan distributed algorithm (DA), teknik komputasi pipeline, maupun arsitektur yang scalable. Algoritma, metode komputasi maupun arsitektur berperan penting kinerja dan efisiensi penggunaan resources FPGA. Selain hal-hal tersebut ada hal lain yang turut mempengaruhi kinerja dan efisiensi FPGA yaitu struktur filter bank dan format data. Penelitian tentang struktur filter bank dan format data belum banyak dilakukan sebelumnya padahal pemilihan struktur filter bank dan format data akan sangat berpengaruh terhadap komputasi maupun efisiensi FPGA. Oleh karena itu pada penelitian ini akan difokuskan terhadap cara untuk melakukan optimasi kinerja dan efisiensi penggunaan resources FPGA pada saat melakukan implementasi transformasi wavelet. Optimasi dilakukan dengan cara melakukan pemilihan struktur filter bank dan format data yang tepat untuk implementasi transformasi wavelet diskret Haar. Selain diteliti tentang struktur filter bank dan format data, penelitian ini juga mengecek pengaruh tingkat dekomposisi terhadap penggunaan resources FPGA. FPGA yang digunakan pada penelitian ini adalah FPGA Xilinx Spartan-3E. Karena penelitian tentang struktur filter bank dan format data dalam transformasi wavelet belum banyak dilakukan dan penelitian ini berfokus terhadap optimasi kinerja dan efisiensi penggunaan resources FPGA yang didasarkan pada pemilihan struktur filter bank dan format data yang tepat untuk implementasi
transformasi
wavelet
maka keaslian
penelitian
ini
dapat
dipertanggungjawabkan. Pada akhir penelitian ini diharapkan dapat dihasilkan implementasi transformasi wavelet yang optimal dan efisien sehingga bisa
4
menjadi landasan ataupun acuan untuk penelitian berikutnya yang memanfaatkan transformasi wavelet dan FPGA sebagai media implementasinya. 1.4
Tujuan Penelitian Tujuan penelitan yang diharapkan dicapai melalui penelitan ini yaitu
melakukan optimasi kinerja dan efisiensi penggunaan resources FPGA Xilinx Spartan-3E yang digunakan untuk implementasi transformasi wavelet diskret Haar. 1.5
Manfaat Penelitian Hasil penelitian diharapkan dapat memberikan manfaat mengenai cara dan
teknik implementasi transformasi wavelet disket Haar pada perangkat keras FPGA Xilinx Spartan-3E yang dapat menghasilkan kinerja yang optimal, efisien dalam penggunaan resources dan memiliki akurasi yang baik. Selain itu juga diharapkan dapat menjadi acuan untuk penelitian selanjutnya dengan topik yang berkaitan dengan transformasi wavelet serta pemanfaatannya untuk pengolahan isyarat dengan menggunakan FPGA sebagai media implementasinya.
5
