ABSTRAKSI: Noise merupakan masalah sebagian besar aplikasi yang berhubungan dengan audio. Ada banyak sinyal yang masuk pada mikrofon pada proses input audio, umumnya terkontaminasi oleh kebisingan. Akibatnya, sinyal mikrofon harus dibersihkan dengan alat pemrosesan sinyal digital sebelum disimpan, dianalisis, ditransmisikan, atau dimainkan. Sehingga dianggap perlu melakukan pemrosesan terhadap sinyal suara yang masuk untuk mengurangi noise yang ada.
Salah satu Metode noise reduction yang berkembang saat ini adalah ANC(Active Noise Control). ANC berkerja dengan cara melakukan filter adaptif untuk mengurangi kebisingan. Pada prinsipnya ANC mengurangi noise frekuensi rendah dan menciptakan zona tenang dengan tujuan meningkatkan kualitas suara.
Berdasarkan penelitian sebelumnya Marco Jennifer Patrick[12] FXLMS lebih baik dalam melakukan noise reduction di banding LMS karena algoritma ini bekerja sebagai stochastic gradient-based algorithms dengan menggunakan vector gradient dari bobot filter tap weights yang konvergen ke solusi optimal dengan melewatkan masalah perhitungan fixed step maksimum pada iterasinya.
Pada tugas akhir ini akan diimpletasikan algoritma FXLMS (Filtered-X LMS) dimana data yang diujikan merupakan gabungan antara cleanspeech dan background noise. Hasil tugas akhir ini adalah meningkatkan SNR dan PSNR yang merupakan hasil dari filter ANC menggunakan algoritma FXLMS dan LMS.Kata Kunci : noise reduction, filtered-X Least Mean Square. LMSABSTRACT: Noise is a most problem of the applications that related to audio. There are a lot of incoming signals at microphones at input audio process, generally contaminated by noise. As a result, the microphone signal should be cleaned with digital signal processing tools before it is stored, analyzed, transmitted, or played. So it is considered necessary to perform signal processing incoming sound to reduce the existing noise.
One of noise reduction method developed at this time is ANC (Active Noise Control). ANC works by means of adaptive filters to reduce noise. In principle, the ANC reduce low frequency noise and create a quiet zone with the aim of improving the quality of the sound.
Based on previous studies Marco Jennifer Patrick [12] FXLMS is better than LMS algorithm at noise reduction on appeal because the works as a stochastic gradient-based algorithms using gradient vector of the weight of the filter tap weights converge to an optimal solution by passing the maximum step calculation problem fixed the iteration.
In this thesis would implemented FXLMS algorithm (Filtered-X LMS) where the data test is a combination between clean speech and background noise. Result of this thesis is increase the SNR and PSNR which is result of ANC filter using algorithms FXLMS and LMS.Keyword: noise reduction, filtered-X Least Mean Square. LMS