5/2/2018

Sistem dan Sinyal Waktu

Diskrit

Implementasi Sistem Waktu Diskrit

• Struktur realisasi sistem LTI

• Realisasi rekursif dan nonrekursif dari

sistem FIR

1
 5/2/2018

Struktur realisasi sistem LTI

Sistem FIR : Finite-duration Impuls Response
h (n )  0, n  0 dan n  M
M 1
y( n )   h (k ) x (n  k )
k 0

Output pada waktu n = kombinasi linier dari input-input :

x(n), x(n-1), ……., x(n-M+1)
yang diberi bobot dengan harga-harga respon impuls :
h(k), k = 0, 1, ……, M-1
mempunyai memori terbatas sebanyak M
3

Sistem IIR : Infinite-duration Impuls Response


y( n )   h (k ) x (n  k )
k  

Output pada waktu n = kombinasi linier dari input-input :

x(n), x(n-1), x(n-2), ………
yang diberi bobot dengan harga-harga respon impuls :
h(k), k = 0, 1, ……
mempunyai memori tak terbatas

2
 5/2/2018

Realisasi rekursif dan nonrekursif dari

sistem FIR
Output sistem dengan respon impuls h(n) yang
mendapat input x(n) dapat dinyatakan dengan
konvolusi

y( n )   h (k ) x (n  k )
k  

Sistem FIR  Dapat langsung diimplementasikan

Penjumlahan, perkalian dan memori terbatas

Sistem IIR  Tidak dapat diimplementasikan

Penjumlahan, perkalian dan memori tak terbatas
5

Hubungan input-output :
y( n )  F [ y( n  1),  , y( n  N), x ( n ), x ( n  1),  , x ( n  M)]

N M
Sistem LTI : y( n )    a k y( n  k )   b k x ( n  k )
k 1 k 0

Persamaan Beda/ Persamaan diferensial

{ak} dan {bk} parameter-parameter konstanta

tidak tergantung pada x(n) atau y(n)

3
 5/2/2018

PERSAMAAN BEDA
(Persamaan diferensial)

• Sistem Rekursif dan Nonrekursif

• Persamaan Beda Koefisien Konstan
• Jawab Persamaan Beda
• Respon Impuls dari Sistem LTI rekursif

SISTEM REKURSIF DAN NONREKURSIF

Sistem Nonrekursif
§ Output hanya dinyatakan dengan input sekarang dan
input yang lalu
§ Konvolusi
§ Rata-rata kumulatip (cumulative average)

1 n
y( n )   x (k )
n  1 k 0
n  0, 1, 2, 

4
 5/2/2018

1 n n
y( n )   x (k )
n  1 k 0
(n  1) y(n )   x (k )
k 0
n 1
1 n 1
y(n  1)   x (k ) n y( n  1)   x (k )
n k 0 k 0

n n 1

 x(k)   x(k)  x(n)  ny(n  1)  x(n)  (n  1) y(n)

k 0 k 0

n 1
y( n )  y(n  1)  x (n )
n 1 n 1

Sistem Rekursif : Output sekarang dapat dinyatakan

dengan output – output yang lalu
9

y( n )  Fy( n  1),  y( n  N), x ( n ), x ( n  1),  x ( n  M)

Sistem rekursif : Untuk menghitung y(n) harus terlebih

dahulu menghitung y(0), y(1), …., y(n-1)

y( n )  Fx ( n ), x ( n  1), x ( n  2),  x ( n  M)

Sistem nonrekursif : Untuk menghitung y(n) tidak harus

terlebih dahulu menghitung y(0), y(1), …., y(n-1)

10

5
 5/2/2018

PERSAMAAN DIFERENSIAL
KOEFISIEN KONSTAN
Persamaan diferensial orde pertama

y(n )  a y(n  1)  x (n )

Koefisien konstan Linear Time Invariant System

n 1
y( n )  y(n  1)  x (n )
n 1 n 1

Koefisien tidak konstan Linear Time Variant System

11

y(n )  a y(n  1)  x (n )

y(0)  a y(1)  x (0)

y(1)  a y(0)  x (1)  a[ay(1)  x (0)]  x (1)

 a 2 y(n  1)  ax(0)  x (1)
y(2)  a y(1)  x (2)  a[a 2 y(1)  ax(0)  x (1)]  x (2)
 a 3 y(1)  a 2 x (0)  ax(1)  x (2)
y(n )  a y(n  1)  x (n )
 a n 1 y(1)  a n x (0)  a n 1x (1)    a ( x  1)  x (n )
n
y(n )  a n 1 y(1)   a k x (n  k )
k 0 12

6
 5/2/2018

n
y( n )  a n 1
y(1)   a k x (n  k )
k 0
n
y(1)  0  y zs (n ) a k x (n  k ) n0
k 0

Sistem relaks  yzs = zero-state response = forced response

x (n )  0  y zi (n )  a n 1 y(1) n0

Tanpa input  yzi = zero-input response = natural response

Total response y (n)  y zi (n)  y zs (n)

13

Orde pertama y(n )  a y(n  1)  x (n )

N M
Orde ke-N y( n )    a k y( n  k )   b k x ( n  k )
k 1 k 0

N M
y( n )   a k y( n  k )   b x (n  k )
k

k 1 k 0

N M
(1) y(n  0)   a k y(n  k )   b x (n  k )
k

k 1 k 0

N M

 a k y( n  k ) 
k 0
 b x (n  k )
k 0
k
a0  1

14

7
 5/2/2018

SOLUSI PERSAMAAN DIFERENSIAL

y( n )  y h ( n )  y p ( n )

yh = solusi homogen
yp = solusi particular

N
x (n )  0  a
k 0
k y h (n  k )  0 a0  1

Seperti persamaan diferensial biasa :

y h (n )  n
15

N N
y h (n )  n  a k y h (n  k )  0
k 0
a 
k 0
k
nk
0

n  a1n 1  a 2n  2    a N n  N  0

n  N (N  a1N 1  a 2N  2   a N 1  a N )  0

N  a1N 1  a 2N  2   a N 1  a N  0

Persamaan karakteristik pangkat N  akar-akarnya ada N

1 ,  2 ,  ,  N y h (n )  C1n1  C2n2    C N nN

16

8
 5/2/2018

Contoh
Diketahui persamaan diferensial orde kedua :

y( n )  3y( n  1)  4 y( n  2)  0

Tentukan zero-input responnya

Jawab :

2  3  4  0   1  1 2  4

y h ( n )  C1 ( 1) n  C 2 ( 4) n

17

y( n )  3y( n  1)  4 y( n  2)  0

y( n )  3y( n  1)  4 y( n  2)

y(0)  3y( 1)  4 y( 2)

y(1)  3y(0)  4 y( 1)
 3[3y( 1)  4 y( 2)]  4 y( 1)
 13y( 1)  12 y( 2)

y h ( n )  C1 ( 1) n  C 2 ( 4) n
y(0)  C1  C 2
y(1)   C1  4C 2
18

9
 5/2/2018

C1  C 2  3y( 1)  4 y( 2)

 C1  4C 2  13y( 1)  12 y( 2)

1 4
C1   y( 1)  y( 2) y( 1)  0 y( 2)  5
5 5
16 16 C1  1 C 2  16
C2  y( 1)  y ( 2)
5 5

y h ( n )  C1 ( 1) n  C 2 ( 4) n

y zi ( n )  ( 1)( 1) n  (16)( 4) n

 ( 1) n 1  ( 4) n  2
19

Contoh
Diketahui persamaan diferensial orde kedua :
y( n )  3y( n  1)  4 y( n  2)  x ( n )  2 x ( n  1)
x (n )  4 n u (n )
Tentukan solusi totalnya!

Jawab :

2  3  4  0   1  1 2  4

y h ( n )  C1 ( 1) n  C 2 ( 4) n

20

10
 5/2/2018

x(n) yp(n)
A K
A Mn K Mn
A nM KonM + K1nM-1+…..+KM
An nM An (KonM + K1nM-1+…..+KM)
A cos on K1 cos on + K2 sin on
A sin on K1 cos on + K2 sin on

x (n )  4 n u (n )  y p ( n )  K ( 4) n u ( n )

y h ( n )  C1 ( 1) n  C 2 ( 4) n y p ( n )  Kn( 4) n u ( n )21

y( n )  3y( n  1)  4 y( n  2)  x ( n )  2 x ( n  1)

x (n )  4 n u (n )  y p ( n )  Kn( 4) n u ( n )

Kn( 4) n u ( n )  3K ( n  1)( 4) n 1 u ( n  1)  4 K ( n  2)( 4) n  2 u ( n  2)

 ( 4) n u ( n )  2( 4) n 1 u ( n  1)

Semua suku tidak nol  n = 2

6 6
K  y p (n ) 
5 5
y( n )  C1 ( 1) n  C 2 ( 4) n 
n ( 4) n u ( n )
6
n ( 4) n u ( n )
5 22

11
 5/2/2018

Korelasi Sistem Waktu Diskrit

• Korelasi diri (autocorrelation) dan korelasi

silang (crosscorrelation)
• Bentuk normalisasi dari korelasi
• Aplikasi fungsi korelasi
• Aplikasi fungsi korel
• Aplikasi fungsi korelasi
• Aplikasi fungsi korelasi

Korelasi diri (autocorrelation)dan korelasi silang (crosscorrelation)

• Operasi matematik pada korelasi mirip dengan pada konvolusi

• Konvolusi dapat digunakan untuk menentukan output suatu
sistem dengan input sinyal x(n), bila respon impuls dari sistem
h(n) diketahui
 
y( n )  x ( n ) * h ( n )   x (k )h (n  k ) 
k  
 h (k ) x (n  k )
k  

• Fungsi korelasi digunakan untuk menentukan kemiripan antara

dua buah sinyal
• Fungsi korelasi silang :
 
rxy (k )   x ( n) y ( n  k )   x ( n  k ) y ( n)
n   n  
 
ryx (k )   y ( n) x ( n  k ) 
n  
 y ( n  k ) x ( n)
n  

rxy (k )  ryx (k ) rxy (k )  x(k )  y (k ) 24

12
 5/2/2018

• Bila y(n)=x(n)  korelasi diri :

 
rxx (k )   x ( n) x ( n  k ) 
n  
 x ( n  k ) x ( n)
n  

Contoh
Tentukan korelasi silang dari kedua sinyal berikut :
x ( n )  { ,0,0,2,1,3,7,1,2  3,0,0, }

y( n )  { ,0,0,1,1,2,2,4,1,2,5,0,0, }

Jawab :
Perhitungan korelasi lebih sederhana dari konvolusi, yaitu tidak perlu
dilipat, salah satu sinyal langsung digeser, dikalikan dan dijumlahkan

25

0 0 2 -1 3 7 1 2 -3 0 0 0 0 0 0 0 0 0
0 0 0 1 -1 2 -2 4 1 -2 5 0 0 7
1 0 0 1 -1 2 -2 4 1 -2 5 0 0 13
2 0 0 1 -1 2 -2 4 1 -2 5 0 0 -18
3 0 0 1 -1 2 -2 4 1 -2 5 0 0 16
4 0 0 1 -1 2 -2 4 1 -2 5 0 0 -7
5 0 0 1 -1 2 -2 4 1 -2 5 0 0 5
6 0 0 1 -1 2 -2 4 1 -2 5 0 0 -3
7 0 0 1 -1 2 -2 4 1 -2 5 0 0 0

0 0 2 -1 3 7 1 2 -3 0 0
-1 0 0 1 -1 2 -2 4 1 -2 5 0 0
-2 0 0 1 -1 2 -2 4 1 -2 5 0 33
-3 0 0 1 -1 2 -2 4 1 -2 5 0 -14
-4 0 0 1 -1 2 -2 4 1 -2 5 0 36
-5 0 0 1 -1 2 -2 4 1 -2 5 0 19
-6 0 0 1 -1 2 -2 4 1 -2 5 0 -9
-7 0 0 1 -1 2 -2 4 1 -2 5 0 26 10
-8 0 0 1 -1 2 -2 4 1 -2 5 0 0

13
 5/2/2018

Sifat-sifat korelasi diri dan korelasi silang

• Misalkan x(n) dan y(n) adalah dua buah sinyal energi
(energinya terbatas)
 
Ex   x 2 (n )  rxx (0)
n  
Ey  y
n  
2
(n )  ryy (0)

• Tinjau kombinasi linier dari keduanya :

f (n)  ax(n)  by (n  k )
• a, b konstanta sembarang dan k adalah pergeseran waktu
tertentu

27

Fungsi korelasi pada sinyal periodik

• Misalkan x(n) dan y(n) adalah dua buah sinyal periodik
• Sinyal periodik adalah sinyal daya (dayanya terbatas)
• Korelasi diri dan korelasi silang didefinisikan sebagai :
1 M
rxx (k )  lim
M 
 x(n)x(n  k )
2 M  1 n M
1 M
rxy (k )  lim
M 
 x ( n) y ( n  k )
2 M  1 n M

• Karena merupakan sinyal daya, maka :

1 N 1
rxx ( k ) 
N
 x(n)x(n  k )
n 0

1 N 1
rxy ( k ) 
N
 x ( n) y ( n  k )
n 0 28

14
 5/2/2018

Hubungan input-output fungsi korelasi

• Misalkan x(n) adalah sinyal input dari suatu sistim dengan
respon impuls h(n), maka outputnya adalah :

y( n )  h ( n ) * x ( n )   h (k )x (n  k )
k  

• Korelasi silang dari input dan output :

ryx (k )  y (k ) * x( k )  h(k )  x(k )  x( k )  h(k )  rxx (k )

• Korelasi silang adalah output dari sistem bila inputnya adalah

korelasi diri

29

Aplikasi fungsi korelasi

• Fungsi korelasi banyak diaplikasikan pada radar, sonar,
geologi dan komunikasi digital
• Pada radar, sonar dan geologi digunakan untuk menentukan
posisi obyek yang terdeteksi
• Misalkan x(n) adalah sinyal berupa gelombang yang
ditransmisikan yang dapat dipandang sebagai sinyal acuan dan
y (n) adalah sinyal yang diterima yang merupakan pantulan
(echo) dari suatu target
• Sinyal pantulan ini terdiri dari sinyal transmisi yang
teratenuasi setelah melewati jarak tertentu (pergeseran waktu)
dan sinyal gangguan (derau/noise)

30

15
 5/2/2018

y ( n)  ax ( n  D)  w( n)
M
ryx ( k )   y ( n  k )x ( n)
n 0
M
  [ ax ( n  D  k )  w( n  k )] x ( n)
n 0
M M
 a  x ( n  D  k )x ( n )   w ( n  k ) x ( n )
n 0 n 0
M M
ryx ( D)  a  x ( n)x ( n)   w( n  D) x ( n)
n 0 n 0

• Suku pertama berharga maksimum dan suku kedua cenderung berharga

kecil karena tidak ada korelasi antara sinyal transmisi dan sinyal derau
• Posisi target dapat dihitung dari :

c D ts
2 L  c( D t s )  L 
2
31

• Fungsi korelasi diri dapat digunakan untuk menentukan perioda

dari sinyal yang terbenam dalam derau
• Misalkan diperoleh sinyal diskrit yang berasal dari suatu
fenomena fisis :

y(n )  x (n )  w (n ), 0  n  M  1 M  N
 0, n  0 n  M
• Karena merupakan fungsi periodik, maka korelasi dirinya :
1 M 1
ryy () 
M
 y ( n) y ( n  k )
n 0

1 M 1

M
 [ x(n)  w(n)][ x(n  k )w(n  k )]
n 0

1 M 1
1 M 1

M
 x(n) x(n  k )  M  x(n)w(n  k )
n 0 n 0

1 M 1
1 M 1

M

n 0
w(n) x(n  k ) 
M
 w(n)w(n  k )
n 0
32

16
 5/2/2018

1 M 1
1 M 1
ryy (k ) 
M
 x(n) x(n  k )  M  x(n)w(n  k )
n 0 n 0

1 M 1
1 M 1
  w(n) x(n  k )  M 
M n 0 n 0
w(n) w(n  k )

 rxx (k )  rxw (k )  rwx (k )  rww (k )

• Karena x(n) periodik, maka suku pertama berharga maksimum pada ℓ

=0, N, 2N, . . .
• Karena tidak ada korelasi antara x(n) dan w(n), suku ke 2 dan 3 relatif
kecil sedangkan suku terakhir karena w(n) acak, maka akan berharga
kecil kecuali di ℓ = 0
• Korelasi diri dari sinyal yang dideteksi  korelasi diri dari sinyal yang
akan ditentukan periodanya

33

 2 
x (n )  sin  n 0  n  99
 10 
Px
SNR  34
Pw

17
 5/2/2018

Fungsi koherensi
• Dapat digunakan untuk mendeteksi kemiripan dua buah sinyal
dalam domain frekuensi
S xy ( )  TF[rxy (k )]
S xx ( )  TF[rxx (k )]
S yy ( )  TF[ryy (k )]
• Sxx dan Syy disebut sebagai power spectral density dari x dan y
• Dari sifat-sifat fungsi korelasi, maka :

Sxy ()  Sxx ()Syy ()

• Didefiniskan fungsi koherensi :

S2xy ()
0   2xy ()  1
Sxx ()Syy () 35

REPRESENTASI SINYAL

Grafik (Graphical Representation)

Fungsional (Functional Representation)

Tabel (Tabular Representation)

Deret (Sequence Representation)

18
 5/2/2018

Grafik (Graphical Representation)

n = integer (bilangan bulat) -  < n < 

xa(t)  x(n) = xa(nT), T = perioda sampling
x(n) = sinyal ke-n

Fungsional (Functional Representation)

1, n  1, 3

x(n)  4, n  2
0, n lainnya

Tabel (Tabular Representation)
n … - 2 -1 0 1 2 3 4 5 …
… 0 0 0 1 4 1 0 0 ---
x(n)

19
 5/2/2018

Deret (Sequence Representation)

Deret dengan durasi tak terbatas
x(n)   0, 0, 1, 4, 1, 0, 0, 

x(n)  0, 1, 4, 1, 0, 0, 

Deret dengan durasi terbatas

x(n)  3,  1,  2, 5, 0, 4,  1

x(n)  0, 1, 4, 1

SINYAL-SINYAL DASAR

Unit impulse sinyal

Unit step signal

Unit ramp signal

Exponential signal

20
 5/2/2018

Unit impulse signal

1, n  0
 ( n)  
0, n  0

Unit step signal

1, n  0
u ( n)  
0, n  0

21
 5/2/2018

Unit ramp signal

n, n  0
u r ( n)  
0, n  0

Exponential signal (a nyata)

x ( n)  a n

22
 5/2/2018

Exponential signal (a kompleks)

a  re j
x(n)  a n  (re j ) n  r n e jn

x(n)  r n (cos n  j sin n)

x(n)  r n cos n  j r n sin n)

 x R ( n)  j x I ( n)

n
x R (n)  r n cos n  (0,9) n cos
10

23
 5/2/2018

n
x I (n)  r n sin n  (0,9) n sin
10

x(n)  r n e jn
x(n)  A(n)  r n x(n)   (n)  n

24
 5/2/2018

KLASIFIKASI SINYAL

Sinyal energi
Sinyal daya
Sinyal simetris (sinyal genap)
Sinyal antisimetris (sinyal ganjil)

Sinyal Energi dan Sinyal Daya



 x ( n)
2
Energi dari sinyal x(n) E
n  

Bila E terbatas (0 < E < ) x(n) = sinyal energi

1 N


2
Daya dari sinyal x(n) P  lim x ( n)
N  2 N  1
n N

N
1
 x ( n)
2
EN  P  lim EN
n N N  2 N  1

Bila P terbatas dan  0 x(n) = sinyal daya

25
 5/2/2018

Bila x(n) adalah sinyal periodik :

x(n + N) = x(n)  N = perioda

k
x(n)  A sin(2 f o N ) fo 
N
1 N 1

 x ( n)
2
Daya dari sinyal x(n) P
N n 0

P terbatas :

Sinyal periodik = sinyal daya

Sinyal Simetris (Genap) x (  n)  x ( n)

26
 5/2/2018

Sinyal Antisimetris (Ganjil)

x (  n)   x ( n)

Bila x(n) adalah sinyal sebarang :

1
xe (n)  [ x(n)  x( n)]
2
1
xe ( n)  [ x ( n)  x (n)]  xe (n)
2

xe(n) adalah sinyal genap

27
 5/2/2018

1
xo (n)  [ x(n)  x( n)]
2
1
xo ( n)  [ x ( n)  x (n)]   xo (n)
2
xo (n) adalah sinyal ganjil

1
xe (n)  xo (n)  [ x(n)  x( n)] 
2
1
[ x(n)  x( n)]  x(n)
2

OPERASI-OPERASI SINYAL

Time delay/advance
Folding
Time Scaling (Down-sampling)

28
 5/2/2018

Time Delay/Advance
y(n )  TDk x (n )
 x (n  k )
y(n )  TD3 x (n )  x (n  3)
y(0)  x (0  3)  x (3)
y(1)  x (1  3)  x (2)
x (n ) digeser ke kanan 3
y(n )  TD 2 [ x (n )]  x (n  2)
y ( 0)  x ( 0  2)  x ( 2 )
y(1)  x (1  2)  x (3)
x (n ) digeser ke kiri 2

Folding

y (n)  FDx(n)  x(n)

y(n )  TD3 x (n )  x (n  3)
y(0)  x (0  3)  x (3)
y(1)  x (1  3)  x (2)
x (n ) dilipat

29
 5/2/2018

y1 (n )  FDx (n )  x ( n )
y 2 (n )  TD 2 y1 (n )
 TD 2 [ x ( n )]
 x ( n  (2))  x ( n  2)

dilipat

kemudian

digeser kekanan 2

Time Scaling
y ( n )  x ( n )
y( n )  x ( 2n )
y(0)  x (0)
y(1)  x (2)
y(1)  x (2)
y(2)  x (4)
y(3)  x (6)

30
 5/2/2018

Contoh
Diketahui suatu sinyal diskrit yang didefinisikan sebagai :

 n
1  3 ,  3  n  1

x (n )  1, 0n3
0, n lainnya


a). Gambarkan x(n)
b). Gambarkan setelah dilipat lalu digeser kekanan 2
c). Gambarkan setelah digeser kekanan 2 lalu dilipat

 n
1  3 ,  3  n  1

x (n )  1, 0n3
0, n lainnya



a)

-4 -3 -2 -1 0 1 2 3 4 5

31
 5/2/2018

x (n )

-4 -3 -2 -1 0 1 2 3 4 5

-5 -4 -3 -2 -1 0 1 2 3 4 5 6

y1 (n )  FDx (n )  x ( n )

y1 (n )  x ( n )

-5 -4 -3 -2 -1 0 1 2 3 4 5 6

b)

-3 -2 -1 0 1 2 3 4 5 6

y 2 (n )  TD2 x ( n )  x ( n  2)

32
 5/2/2018

x (n )

-4 -3 -2 -1 0 1 2 3 4 5

-2 -1 0 1 2 3 4 5 6 7

y 3 (n )  TD2 x (n )  x (n  2)

y 3 ( n )  x ( n  2)

-2 -1 0 1 2 3 4 5 6 7

c)

-7 -6 -5 -4 -3 -2 -1 0 1 2

y 4 (n )  FD[ y 3 (n )]  FDx (n  2)  x ((n  2))  x ( n  2)

33
 5/2/2018

Contoh
Diketahui suatu sinyal diskrit seperti terlihat di bawah ini :

-3 -2 -1 0 1 2 3 4 5 6

a). Gambarkan bagian genap dari x(n)=xe(n)

b). Gambarkan bagian ganjil dari x(n)=xo(n)
c). Jumlahkan kedua bagian ini, apakah sama dengan x(n)?

x (n )

-3 -2 -1 0 1 2 3 4 5 6

x (n )

-6 -5 -4 -3 -2 -1 0 1 2 3

34
 5/2/2018

1
x e (n )  x (n )  x (n )
2

-5 -4 -3 -2 -1 0 1 2 3 4 5

1
x o (n )  x (n )  x (n )
2

-5 -4 -3 -2 -1 - 0 1 2 4 5

Contoh
Gambarkan sinyal-sinyal berikut :

a ) x1 (n )  u (n )  u (n  3)
b) x 2 (n )  u (n )  u (n  1)
c) x 3 (n )  x (n )(n ), x (n )  {1,2,3,1,0}
d) x 4 (n )  x (n )(n  2)
2
e) x 5 ( n )   x (k ) x (n  k )
k  2

 x (2)(n  2)  x (1)(n  1)    x (2)(n  2)

35
 5/2/2018

u (n ) Unit step

u (n  3)

x1 (n )  u (n )  u (n  3) Pulsa

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

u (n ) Unit step

u (n  1)

x 2 (n )  u (n )  u (n  1)  (n ) Unit impuls

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

36
 5/2/2018

x (n )  {1,  2, 3,  1, 0}

( n )

x 3 (n )  x (n ) (n )  3 (n )  x (0 ) (n )

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

x (n )

(n  1)

x 4 (n )  x (n )(n  1)  x (1)(n  1)

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

37
 5/2/2018

x (n ) 2
x 5 (n )   x(n)(n  k)
k  2

x ( n )  ( n  2)
x (n )(n  1)

x ( n )( n )
x (n )(n  1)
x ( n )  ( n  2)

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6

Terima kasih

76

38