Untitled

Abstract

Abstrak -Tiga algoritma estimasi derau tanpa informasi sinyal transmisi dibandingkan hasil performanya. Ketiga algoritma estimasi tersebut yaitu Maximum Likelihood Estimator, algoritma estimasi berdasarkan Cyclic Prefix dan algoritma estimasi dengan metode Forward Consecutive Mean Excision (FCME). Perbandingan dilakukan dengan menggunakan masukan sinyal Digital Video Broadcasting -Terrestrial (DVB-T) dan dengan melakukan variasi nilai signal-to-noise-ratio (SNR) dan jumlah simbol Orthogonal frequency division multiplexing (OFDM). Performa dari ketiganya diukur dengan pengukuran error yang lazim digunakan, yaitu NormalizedMean-Square-Error (NMSE). Cyclic Prefix-Estimator dan Maximum Likelihood-Estimator memiliki performa yang stabil terhadap perubahan SNR, sedangkan FCME-estimator memiliki performa yang berfluktuasi terhadap perubahan SNR. Penambahan jumlah simbol juga menghasilkan performa yang membaik pada ketiganya. Performa dari ketiganya menunjukkan bahwa Maximum Likelihood-Estimator memiliki NMSE yang paling kecil. Artinya bahwa estimator ini memiliki tingkat akurasi yang tinggi. Kata kunci -Estimasi, derau, DVB-T, tanpa sinyal tambahanAbstract -The comparison of the performance of three algorithms of blind noise estimation without a priori information about transmitted signal is conducted in this research. The three estimators are maximum likelihood estimator, estimator based on cyclic prefix and estimator based on Forward consecutive mean excision (FCME). The comparison is done with the input DVB-T signal and with varied SNR and time observation. The performance of the three estimators are measured with NMSE. Cyclic prefix-estimator and Maximum likelihood-estimator has a stable performance against SNR, while FCME estimator has a fluctuative result. The number of simbol has an impact for three estimators, thus the performances are getting better as the number of simbol is inCognitive Radio easing. The comparison shows that maximum likelihood-estimator has the best performances of all. It means that this estimator has high accuracy.