No abstract

This paper reported a deep-learning based binaural separation using gammatone-frequency cepstral coefficient (GFCC) and multi-resolution cochleagram (MRCG) as spectral features and interaural time difference (ITD) and interaural level difference (ILD) as spatial features. A binary mask was estimated by deep neural network (DNN) binary classifier that used the features as a training data and ideal ratio mask (IRM) as a training target. In the experiment, a male speaker as a target speech at azimuth 0o and a female speaker as a masker speech at azimuth 30o, 20o, 10o, and 5o in rooms with 0.32, 0.47, 0.68, and 0.89 s reverberation time (RT60). As a training process, 50 mixtures were used for each condition experiment. The classifier contained two hidden layers, 200 binary neurons and 50 epoch, and Restricted Boltzmann Machine (RBM) was used as pre-training process. The RBM and the classifier learning rate was 1 up to 0.001 from epoch 1 to epoch 50. The sound quality results indicated by 88% intelligibility of STOI method which means that the separated sound is easily understood by the listener. The MOS value is 2.8 which means the sentence is clear but spectral distortion is slightly annoying.

Saat ini, banyak perangkat elektronik yang menggunakan baterai sebagai sumber dayanya seperti handphone dan laptop. Sebuah charger baterai yang bersumber AC (Alternating Current) memiliki sebuah penyearah AC ke DC (Direct Current). Keluaran penyearah AC-DC tidak sesuai untuk pengisian CC/CV (Constant Current/Constant Voltage), sehingga diperlukan buck converter untuk menghasilkan nilai yang diinginkan. Selain itu, penyearahan AC-DC membawa ripple yang dapat merusak baterai dan mempengaruhi rectification ratio (RR), sehingga memerlukan filter untuk mengurangi ripple dan meningkatkan rectification ratio. Percobaan dilakukan pada kondisi arus konstan atau CC 1,5A dan kondisi tegangan konstan atau CV 4,2V menggunakan variasi beban. Pada percobaan CC, diketahui bahwa peningkatan beban akan menyebabkan peningkatan duty cycle yang dibutuhkan. Pada uji coba CV, diperoleh hasil bahwa peningkatan beban menyebabkan pengurangan duty cycle yang dibutuhkan. Penggunaan filter pada kondisi CC dan CV dapat mengurangi ripple dan meningkatkan RR. Pada kondisi CC, ripple matematis, simulasi, dan uji coba secara berturut-turut berkurang 46,45%, 46,43%, dan 45,46%. RR matematis, simulasi, dan uji coba secara berturut-turut meningkat 18,17%, 18,17%, dan 21,59%. Pada kondisi CV, ripple matematis, simulasi, dan uji coba secara berturut-turut berkurang 46,44%, 46,6%, dan 48,78%. RR matematis, simulasi, dan uji coba secara berturut-turut meningkat 18,17%, 18,17%, dan 20,99%. Pengisian Li-ion 3Ah memakan waktu 4 jam 58 detik. Dimana pengisian CC selama 32 menit 10 detik dan pengisian CV selama 3 jam 28 menit 48 detik. Pada pengisian CC duty cycle meningkat saat terjadinya peningkatan tegangan baterai. Sedangkan pada pengisian CV, duty cycle menurun saat berkurangnya arus pengisian.

No abstract

No abstract