Salah satu metode analisa sinyal suara paru-paru adalah dengan menggunakan
stetoskop. Teknik ini disebut dengan teknik auskultasi. Kelemahan dari auskultasi adalah
dipengaruhi oleh tingkat kepekaan telinga, noise yang diakibatkan oleh lingkungan, dan lainlain.
Perancangan esktraktor ciri sinyal suara paru-paru sebagai tahap awal untuk
interpretasi dan klasifikasi sinyal paru-paru dengan menggunakan FPGA memiliki beberapa
kelebihan, antara lain sistem yang dirancang bersifat embedded, keefektifan harga, memiliki
tingkat kepresisian tinggi, dan mampu bekerja pada frekuensi tinggi. Sistem ekstraktor ciri
dirancang dengan menggunakan metode transformasi Wavelet dengan induk Daubechies 2.
Rekaman sinyal suara paru-paru diproses pada Matlab untuk diambil nilai digitalnya
kemudian diubah kedalam format binary 16 bit melalui bantuan Microsoft Excell 2007. Data
binary ini disimpan kedalam ROM sebagai generator data. Masukan dari generator ini akan
diteruskan pada IC FPGA untuk diekstraksi. Proses ekstraksi ini dengan melewatkan sinyal ke
beberapa sel wavelet yang disusun sebanyak 5 tingkat. Sel wavelet tersusun atas Low-Pass
Filter (LPF), High-Pass Filter (HPF), dan downsampler. Titik-titik tertentu yang mewakili
tiap-tiap tingkat akan dikuadratkan untuk didapatkan nilai positif dan dijumlahkan sehingga
didapatkan nilai koefisien cirinya. Nilai ini yang nantinya akan digambarkan sebagai pola ciri
melalui bantuan Microsoft Excell dan dibandingkan dengan hasil simulasi ekstraktor ciri
sinyal suara paru-paru pada Matlab[7].
Dengan menggunakan metode tersebut didapatkan nilai koefisien ciri untuk sinyal
bronchovesicular (97, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0), wheezing (118, 3, 0, 3, 0, 0, 0, 0, 0,
3, 0, 0, 1, 0, 0), bronchial (50, 150, 33, 103, 1, 16, 15, 18, 0, 0, 0, 1, 0, 0, 0), coarse crackles
(50, 134, 33, 123, 2, 25, 2, 28, 0, 5, 3, 0, 3, 0, 0), dan pleural friction (97, 62, 0, 50, 0, 0, 2, 0,
0, 4, 1, 0, 0, 0, 0) dengan total penggunaan pada FPGA Virtex 4 ML401 adalah 13% bagian
register, 88% LUT, 99% occupied slices, 80% DSP48, dan 50% untuk BUFGs (clock buffer).
Besarnya penggunaan memori dikarenakan penyimpanan data generator pada slice. sinyal suara paru-paru, transformasi Wavelet, FPGA