Pengolahan Sinyal Dijital

TT 3113 TT-3113
PENGOLAHAN SINYAL PENGOLAHAN SINYAL

DIJITAL
1
DIJITAL
Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom
Outline
Pendahuluan
(Sejarah Perkembangan PSD)
Sinyal & Sistem y
Transformasi Fourier Waktu Diskrit
Transformasi Z Transformasi Z
Transformasi Fourier Diskrit
Sampling & Rekonstruksi Sinyal
Filter Dijital
2
j
TT 3113 TT-3113
Pengolahan Sinyal Dijital Pengolahan Sinyal Dijital
BAB #1 BAB #1
PENDAHULUAN
3
Outline
Pendahuluan (Sejarah Perkembangan
PSD) PSD)
Sinyal & Sistem
Transformasi Fourier Waktu Diskrit
Transformasi Z Transformasi Z
Transformasi Fourier Diskrit
Filt Dijit l Filter Dijital
4
Tujuan
Mengetahui perkembangan teknologi
i l dijit l pemrosesan sinyal dijital
Mengetahui keuntungan dan kerugian
pengolahan secara dijital
Mengetahui bidang yang terkait dengan g g y g g
pengolahan sinyal dijital
Mengetahui aplikasi pengolahan sinyal Mengetahui aplikasi pengolahan sinyal
dijital
5
Definisi
6
Definisi
Sinyal diartikan sebagai suatu fungsi dari sekumpulan
variabel bebas Sinyal membawa suatu informasi yang variabel bebas. Sinyal membawa suatu informasi yang
kemungkinan besar terdapat dalam suatu pengamatan.
Pengolahan diartikan sebagai suatu operasi dalam suatu
bentuk tertentu pada suatu sinyal, yang untuk selanjutnya
diekstrak ke dalam suatu bentuk yang lebih bermanfaat.
Dalam banyak kasus, pengolahan akan berlaku sebagai y , p g g
suatu transformasi yang bersifat non destruktif yang
menghasilkan sinyal data.
Dijit l b i ti b h l h dil k k Dijital memberi arti bahwa pengolahan yang dilakukan
menggunakan komputer dijital atau perangkat keras dijital
khusus.
7
Sejarah Perkembangan Sejarah Perkembangan
8
Tahun 1807 : Foirier mengembangkan Transformasi
Fourier untuk menyelesaikan permasalahan pada suatu Fourier untuk menyelesaikan permasalahan pada suatu
persamaan yang sulit.
Awal abad 18 : Laplace memodifikasi Transformasi
Fourier di atas untuk menyelesaikan persamaan-
persamaan diferensial yang lebih luas.
Masih di awal abad 18 : Gauss menemukan suatu metode Masih di awal abad 18 : Gauss menemukan suatu metode
yang dapat secara cepat digunakan untuk menghitung
Transformasi Fourier. Gauss kemudian mengembangkan
d d filt dijit l t k liti t t dasar-dasar filter dijital untuk proses penelitian tentang
planet dan komet.
9
Tahun 1900-1n : Bunsen menggunakan analisis spektral
untuk menemukan elemen-elemen baru untuk menemukan elemen elemen baru.
Awal 1900-an : Einstein menunjukkan hubungan yang
penting antara spektrum daya dan fungsi korelasi.
Tahun 1940-an : Teknologi radar dan sonar telah
dikembangkan . Kemajuan-kemajuan dalam bidang
pemrosesan sinyal digunakan pada sistem komunikasi pemrosesan sinyal digunakan pada sistem komunikasi.
Tahun 1960-an : Kalman mengembangkan filter yang
praktis untuk menunjukkan optimasi dari suatu
filter/kontrol.
10
Tahun 1960-an : Filter dijital yang lebih kompleks berikut
sistem-sistem kontrol dijital diimplementasikan di NASA sistem sistem kontrol dijital diimplementasikan di NASA
dan tempat-tempat lain. Pada masa ini pula filter adaptif
telah mulai dikembangkan.
Tahun 1964 : Kecepatan Transformasi Fourier
dikembangkan kembali. Algoritma-algoritma Markov yang
penting telah dikembangkan. p g g
Tahun 1970 : Teori dn pengertian dari filter/kontrol dijital
telah mapan.
Awal tahun 1980-an : Filter dijital sudah sangat populer
dikenal.
11
Tahun 1980-an : terjadi kemajuan yang pesat pada bidang
pengkodean gambar dan sinyal bicara pengenalan pengkodean gambar dan sinyal bicara, pengenalan
sinyalbicara, pencitraan bentuk radar, pencitraan di
bidang medis, dsb.
Akhir tahun 1980-an : Jaringan syaraf, Wavelets, dan
fractal mulai ditemukan. TV dijital mulai semakin
dikembangkan. g
Tahun 1990-an : Terjadi ledakan di dalam penggunaan
teknik-teknik pengolahan sinyal dijital untuk menggantikan
i kit i kit l kt ik k i l ( ti filt k d sirkit-sirkit elektronik konvensional (seperti : filter, kode-
kode, modulator, dsb).
12
Kapabilitas Kapabilitas
Pengolah Sinyal Dijital Pengolah Sinyal Dijital
13
Perkembangan Chip tidak lepas dari teknologi IC yaitu LSI
(Large Scale Integration) dan VLSI (Very Large Scale (Large Scale Integration) dan VLSI (Very Large Scale
Integration), ULSI (Ultra Large Scale Integration) serta
GSI (Giant Scale Integration).
LSI mengandung 1.000 sampai 9.999 transistor per chip.
VLSI mengandung 10.000 sampai 99.999 transistor per
chip chip.
ULSI mengandung 100.000 sampai 999.999 transistor per
chip.
GSI mengandung jutaan transistor per chip.
14
Kecepatan suatu prosesor juga tergantung waktu siklus
(cycle time) uaitu selang waktu antara pemanggilan (call) (cycle time) uaitu selang waktu antara pemanggilan (call)
akan informsi dan penyerahannya (delivery) dari piranti
penyimpan. Waktu siklus ini merupakan parameter unjuk
k j d i k t t k it d kerja dari kecepatan prosesor yang terkait dengan proses
pengepakan rangkaian.
15
16
Semakin rumit aplikasi, maka nilai BIPS (Billion Input Per
Second)/GFLOPS (Giga Floating Point Solutions) juga Second)/GFLOPS (Giga Floating Point Solutions) juga
semakin tinggi. Nilai BIPS/GFLOPS menunjukkan input
dalam satu detik sebagai solusi pengolahan bagi
b k d t fl ti banyaknya data floating.
17
Kebutuhan Kinerja Berdasarkan Servis Kebutuhan Kinerja Berdasarkan Servis
18
Aplikasi yang menggunakan Chip DSP sebagai unjuk data
perbandingan adalah : perbandingan adalah :
Video Conferencing
Graphics Processing p g
Speech Processing
Virtual reality
Video Recognisers
Radar/Sonar Processing
19
Sebagai gambaran pertumbuhan kecepatan konverter A/D
dari tahun ke tahun untuk tipe 12 bit adalah : dari tahun ke tahun untuk tipe 12 bit adalah :
Tahun 1983 : 100.000 sampel / detik
Tahun 1987 : dalam jutaan sampel / detik j p
Tahun 1993 : 30 juta sampel / detik
Tahun 1996 : 50 juta sampel / detik
Saat ini : ????
20
Dari sisi harga dapat ditunjukkan bahwa :
Tahun 1982 : Chip TMS320C10 biayanya berkisar
US$300
Tahun 1996 : Chip TMS320C30 (kecepatannya lebih
ti i dib di TMS320C10) bi b ki US$30 tinggi dibanding TMS320C10) biayanya berkisar US$30
21
Grafik Pertumbuhan Pasar Chip DSP Grafik Pertumbuhan Pasar Chip DSP
22
Sekilas Sekilas
23
Pengolahan sinyal dijital secara umum meliputi 3 tahap yaitu
Sinyal analog didigitasi melalui proses pencuplikan dan
k antisasi sehingga sin al dik antisasi ke bent k bit bit kuantisasi , sehingga sinyal dikuantisasi ke bentuk bit-bit
sejumlah terbatas. Proses ini disebut konversi Analog ke
dijital.
Sampel-sampel terdigitasi diolah oleh Digital Signal
P (DSP) Processor (DSP).
Sinyal keluaran DSP dikonversi kembali ke bentuk analog Sinyal keluaran DSP dikonversi kembali ke bentuk analog
oleh analog reconstructor (yang disebut dengan proses
Digital to Analog Convertion/DAC)
24
Keuntungan :
Toleransi terhadap harga komponen tidak kritis
Performansi relatif tidak sensitif terhadap lingkungan Performansi relatif tidak sensitif terhadap lingkungan ,
misalnya temperatur
Akurasi tinggi, karena dapat dikontrol secara presisi. gg p p
Keakurasian tergantung dari panjang word.
Rangkaian mudah direproduksi
D t li ik i t l tif id l i l filt Dapat merealisasikan sistem yang relatif ideal, misal filter
berfasa linear.
Parameter-parameter filter seperti frekuensi cut-off dapat Parameter parameter filter seperti frekuensi cut off, dapat
dikontrol dengan mudah.
25
Keuntungan :
Mudah dikembangkan ke sistem adaptif.
Teori matematika yang komplek sekalipun dapat Teori matematika yang komplek sekalipun dapat
diimplementasikan seperti : Aljabar linear untuk
Coding/Decoding dalam error control, Transformasi Diskrit
(DFT, DCT dsb), Teori filter kalman untuk pemrosesan
sinyal acak.
Simulasi software dapat secara eksak Simulasi software dapat secara eksak
menunjukkan/mewakili performansi hasil.
Dengan perkembangan teknologi VLSI : Reliabilitas tinggi,
Ukuran Kecil, Pemrosesan kompleks, Harga murah.
Dan sebagainya
26
Kerugian :
DSP selalu menggunakan daya listrik, tidak ada rangkaian
dijital pasif dijital pasif.
Keterbatasan frekuensi tinggi yang diolah, karena
keterbatasan frekuensi ADC.
Sinyal alam adalah sinyal analog.
Dan sebagainya
27
Bidang Ilmu Terkait
Teori Komunikasi
Analisis Numerik
Statistik dan Probabilitas
Pemrosesan SinyalAnalog
Teori Keputusan Teori Keputusan
Elektronika Dijital dan Elektronika Analog
Dan sebagainya
28
Aplikasi PSD
Medical :
Pencitraan untuk diagnosis Pencitraan untuk diagnosis
Analisis Elektrokardiogram
Medical Image Medical Image
Komersial :
Kompresi Suara dan Citra untuk Multimedia
Efek Spesial pada film
Video Conferencing
29
Telephon :
Kompresi data dan Voice p
Reduksi Echo
Multipleksing Sinyal
Filtering Filtering
Pengkodean sinyal bicara, Pemrosesan Sinyal bicara dan Audio,
Pengenalan sinyal Bicara
Militer :
Radar
Sonar
Pemandu Koordinat
Keamanan Komunikasi Keamanan Komunikasi
30
Industri :
Kontrol dan monitoring proses Kontrol dan monitoring proses
Pengetesan non destruktif
CAD CAD
Scientific :
Perekaman dan analisis gempa
Akuisisi data
Analisis Spektral
Simulasi dan pemodelan
31
Ruang angkasa :
Perbaikan kualitas foto udara Perbaikan kualitas foto udara
Kompresi data
Remote sensing Remote sensing
32
Penyebab Perkembangan PSD
Teknologi Piranti : Mikroelektronik, Superkonduktor, dsb
Teknologi Sensor : Sistem Intelegen Interface mesin Teknologi Sensor : Sistem Intelegen, Interface mesin-
manusia.
Teknologi algoritma : Sistem adaptif, Sistem Expert, g g p p
Algoritma pemodelan (jaringan syaraf tiruan, Fuzzy logic,
algoritma genertika dsb)
33
TT 3113 TT-3113
BAB #2 BAB #2
SINYAL & SISTEM
34
Definisi Definisi
35
Sistem dapat didefinisikan sebagai sekumpulan objek
yang disusun membentuk proses dengan tujuan tertentu yang disusun membentuk proses dengan tujuan tertentu.
Sebagai model matematik yang menghubungkan antara
input dan output, umum disebut I/O system
Masukan dari enviroment ke system dan keluaran dari
system ke enviroment di sebut sinyal.
Diskrit : hanya terdefinisi pada bilangan integer Diskrit : hanya terdefinisi pada bilangan integer.
Kontinyu : di luar definisi diskrit.
36
Input Output
Input Outpu
System
pu
Sinyal
p
t
Sinyal
environment environment
37
Sinyal bisa digambarkan sebagai fungsi
waktu/time signals dan fungsi frekuensi Sinyal waktu/ time signals dan fungsi frekuensi. Sinyal
fungsi waktu dapat dibedakan menjadi Sinyal
Waktu Kontinyu (t) dan Sinyal Waktu Diskrit (n). Waktu Kontinyu (t) dan Sinyal Waktu Diskrit (n).
Sistem yang menghubungkan sinyal input Sistem yang menghubungkan sinyal input
kontinyu dengan sinyal output kontinyu disebut
Sistem Waktu Kontinyu (SWK) dan Sistem yang y ( ) y g
menghubungkan sinyal input diskrit dengan sinyal
output diskrit disebut Sistem Waktu Diskrit.
38
Konvensi :
- t = waktu kontinyu
- n = waktu diskrit
- = frekuensi kawasan waktu kontinyu
= frekuensi kawasan waktu diskrit - = frekuensi kawasan waktu diskrit
39
x(t)
x(t) SWK y(t) y(t)=T(x(t))
t
y(n)
x(n) SWD y(n)
x(n)
y(n)=T(x(n)) y(n) T(x(n))
n
40
Sampling
Rekonstruksi
Waktu Kontinyu t Waktu Diskrit
t
Sampling
Pasangan

1
Kontinyu
Pasangan

1
Diskrit
Frekuensi Kontinyu
y
Frekuensi Diskrit
Rekonstruksi
41
Si l i l D Sinyal-sinyal Dasar
42
Sinyal impulse (t),(n)
Sinyal impuls / delta kontinyu
) t (
=
=
0 t 1,
(t)
Si l i l / d lt di k it
t
1
=
ainnya l t 0,
(t)
Sinyal impuls / delta diskrit
) n (

= 0 n 1
n
1
) (
=
=
ainnya l n 0,
0 n 1,
(n)
43
Setiap sinyal waktu diskrit dapat dinyatakan sebagai
deretan sinyal impuls yang dikalikan dengan suatu deretan sinyal impuls yang dikalikan dengan suatu
koefisien (konstanta)
44
Sinyal langkah satuan u(t),u(n)
Sinyal impuls / delta kontinyu
) t (
>=
=
0 t 1,
u(t)
Si l i l / d lt di k it
t
1
=
ainnya t 0,
u(t)
l
Sinyal impuls / delta diskrit
) n (

=> 0 n 1
n
1
) (
=>
=
ainnya n 0,
0 n 1,
(n) u
l
45
Sinyal Segitiga
) t (
1
) t (
t
-1 1
1 t 1 - ; 1 ) ( = t t 1 t 1 ; 1 ) ( t t
46
Sinyal Persegi Rect(t) atau (t)
(t) ( )
t
-0,5 0,5
1 , -0,5 t 0,5
Rect(t) = (t)=
0 , t lainnya
47
Sinyal sinc atau [sin(t)/t]
sinc (t)
t
0 1 3 2 -1 -2
~ t ~
t
t sin
) t ( c sin < <
=
48
t
Fungsi Genap
&
Fungsi Ganjil Fungsi Ganjil
49
Seperti halnya fungsi waktu kontinyu, maka fungsi waktu
diskrit dapat dibedakan menjadi fungsi genap fungsi ganjil diskrit dapat dibedakan menjadi fungsi genap, fungsi ganjil
dan bukan fungsi genap maupun ganjil. Namunseperti
fungsi waktu kontinyu, setiap fungsi waktu diskrit dapat
di ik j di b i d b i jil B ik t diuraikan menjadi bagian genap dan bagian ganjil. Berikut
contoh fungsi genap dan fungsi ganjil waktu diskrit.
F i G W kt Di k it F i G jil W kt Di k it Fungsi Genap Waktu Diskrit Fungsi Ganjil Waktu Diskrit
50
Diberikan g(n) adalah fungsi waktu diskrit maka bila g
e
(n) adalah bagian
genap dari g(n) dan g
o
(n) adalah bagian ganjil dari g(n) maka :
g
e
(n) = [g(n) + g(-n)]/2 dan g
o
(n) = [g(n) + g(-n)]/2
Bila g(n) adalah fungsi genap maka : Bila g(n) adalah fungsi genap maka :
g
e
(n) = [g(n) + g(-n)]/2 = g(n) dan g
o
(n) = [g(n) + g(-n)]/2 = 0
Bila g(n) adalah fungsi ganjil maka :
g
e
(n) = [g(n) + g(-n)]/2 = 0 dan g
o
(n) = [g(n) + g(-n)]/2 = g(n)
51
Contoh soal 2.1.
Periksalah apakah g(n) = sin (2n/7)(1+n
2
) merupakan Periksalah apakah g(n) = sin (2n/7)(1+n
2
) merupakan
fungsi genap atau fungsi ganjil?
52
Contoh soal 2.2.
Sketsalah bagian genap dan bagian ganjil dari g(n) = u(n) u(n-4) g g p g g j g( ) ( ) ( )
Solusi :
Bagian genap dari g(n) adalah :
Bagian genap dari g(n) Bagian ganjil dari g(n)
53
Latihan :
1 Sketsalah bagian genap dan bagian ganjil dari g(n) = cos[2n/4] 1. Sketsalah bagian genap dan bagian ganjil dari g(n) = cos[2n/4]
2. Diberikan sinyal sebagai berikut :
Sketsalah Sketsalah
a. g(-n) b. g(2-n) c. g(2n) d. g(n/2)
54
Operasi Sinyal Operasi Sinyal
55
Sinyal dapat dioperasikan berdasar amplitudonya
maupun waktunya Pada kuliah ini operasi sinyal maupun waktunya. Pada kuliah ini, operasi sinyal
yang dibahas adalah berdasar waktunya seperti :
Pencerminan
Penskalaan Waktu Penskalaan Waktu
Pergeseran
56
Sinyal Waktu Diskrit f(n) Sinyal Waktu Diskrit f(n)
(
(
=
b
n ( a f ) b an ( f
(

a
n ( a f ) b an ( f
57
Sifat & Klasifikasi Sistem
58
a). Statis (memoryless) dan Dinamis (with
) memory)
Sistem statis jika keluaran sistem hanya
tergantung/hanya dipengaruhi pada
masukan saat itu (memoryless), sedangkan
sistem dinamis jika keluaran sistem dapat
mengingat masa lalu (with memory)
59
b). Linieritas dan homogenitas
Sistem linier jika memenuhi prinsip superposisi
SWD
x1[n] y1n]
SWD
x2[n] y2[n]
SWD
x1[n]+x1[n] y1[n]+y1[n]
Dan homogenitas
x
1
(n)+ x
2
(n) = y
1
(n) + y
2
(n)
60
Mengapa diperlukan sistem yang linear ?
Pada gambar di bawah ini pada gambar (a) terlihat bahwa Pada gambar di bawah ini,pada gambar (a) terlihat bahwa
suatu sinyal sebagai masukan sistem yang linear akan
dihasilkan sinyal output yang sama dengan sinyal
inputnya, hanya mengalami penundaan (delay).
Sedangkan pada gambar (b) terlihat bahwa suatu sinyal
sebagai masukan suatu sistem yang tidak linear akan g y g
menghasilkan sinyal output yang mengalami distorsi
phasa.
61
62
Pergeseran Waktu
Sistem tak ubah waktu jika output sistem tidak berubah
bentuk walaupun inputnya digeser tetapi outputnya akan
bergeser sejauh pergeseran input. g j p g p
SWD
y[n]
x[n]
SWD
x[n - k]
y[n - k]
63
Dengan kata lain :
Jika y
1
(n) adalah output sistem dengan input x
1
(n)
y
2
2
(n) y
2
2
(n)
dan x(n) = x
1
(n-k)maka y(n) = y
1
(n k)
Sistem disebut LTW (Linear dan Tak Berubah terhadap
W kt ) t LTI (Li Ti I i t) jik Li i d t k Waktu) atau LTI (Linear Time Invariant) jika Linier dan tak
ubah waktu .
64
d). Kausalitas
Sistem LTW disebut kausal adalah sistem yang dapat Sistem LTW disebut kausal adalah sistem yang dapat
direalisasikan. Sistem LTW disebut kausal bila keluaran
pada waktu n=n
0
(untuk SWD) hanya bergantung pada
harga-harga dari masukan n<n
0
(sebelumnya dan
sekarang)dan keluaran-keluaran sebelumnya.
Dengan kata lain bahwa keluaran saat ini y(n) (untuk SWD)
hanya bergantung pada harga-harga dari masukan saat
ini x(n) dan atau masukan-masukan sebelumnya dan atau
keluaran-keluaran sebelumnya.
65
Kondisi Perlu dan Cukup (KPC) untuk menyatakan Kondisi Perlu dan Cukup (KPC) untuk menyatakan
kausalitas adalah :
h (n) = 0 untuk n < 0 . h(n) adalah respon impuls sistem. ( ) ( ) p p
Respons impuls
h(n)
kausal
h(n)
Non kausal
n
0
ausa
n
0
Non kausal
66
e). Stabilitas
Sistem LTW disebut stabil bila setiap masukan terbatas Sistem LTW disebut stabil bila setiap masukan terbatas
menghasilkan keluaran terbatas BIBO Bounded input
Bounded output.
Kondisi yang diperlukan dan cukup (KPC)untuk menyatakan
stabilitas adalah :
untuk SWD
( )
=
<
n
n h
untuk SWD
untuk SWK
= n
( )
< dt t h
67

Contoh : Respons impuls LTW suatu SWD
h(n)
Stabil
n
0
.......
h(n)
Tidak Stabil
n
0
.......
68
Stabilitas sistem dapat juga dilihat dari letak pola dari fungsi
transfer sistem: transfer sistem:
Untuk SWK stabil, letak pole di sebelah kiri sumbu
imajiner
Untuk SWD stabil, letak pole didalam lingkaran satuan
J di t k k li h i l d i t i i i t l Jadi untuk kuliah sinyal dan sistem ini sistem yang perlu
adalah LTW/LTI (Linier tak ubah waktu / linier time
invariant) dengan memeriksa apakah sistem tersebut ) g p
kausal dan stabil.
69
Contoh soal 2.3.
Diketahui suatu SWD yang merupakan transformasi deretan Diketahui suatu SWD yang merupakan transformasi deretan
masukan x(n) dengan hubungan input output sebagai
berikut :
y(n) = ax
2
(n-1)
y(n) = ax(n-2) + bx(n+2)
P ik if t i t di t Periksa sifat sistem diatas
70
Solusi :
y(n) = ax
2
(n 1) y(n) = ax
2
(n-1)
Linearitas
Jika input x
1
(n) maka output y
1
(n) = ax
1
2
(n-1) Jika input x
1
(n) maka output y
1
(n) ax
1
(n 1)
Input x
2
(n) maka output y
2
(n) = ax
2
2
(n-1)
Ambil x(n) = x
3
(n) = x
1
(n) + (3x
2
(n)
Maka
y(n) = y
3
(n) = a [x(n-1)]
2
= a [ x
1
(n-1) + x
2
(n-1)]
2
= a [
2
x
1
2
(n-1) + 2x
1
(n-1) x
2
(n-1) +
2
x
2
(n-1)]
y (n) + y (n) y
1
(n) + y
2
(n)
71
Pergeseran waktu
Jika input x (n) maka output y (n) = a x
2
(n 1) Jika input x
1
(n) maka output y
1
(n) = a x
1
2
(n-1)
Jika input x
1
(n-k) maka output y
1
(n) = a x
1
2
(n-k-1)
= y
1
(n-k) y
1
(n k)
Syarat kausal : output saat ini hanya tergantung pada
input saat ini dan/atau input saat sebelumnya dan / atau
t t t b l output saat sebelumnya.
Stabilitas
y(n) = a x
2
(n 1) jika < M maka y(n) = a x
2
(n-1) jika < M maka
Jadi sistem tsb nonlinier time invariant kausal stabil Jadi sistem tsb nonlinier time invariant kausal stabil
72
y(n) = a x(n-2) + b x (n + 2)
Bukti kausal dapat dilihat dari respons impuls
h(n) h(n)
a b
2 0 -2
3 2 1
l

karena h(n) ada untuk n < 0
causal non
73
Diambil x(n) = x
3
(n) = x
1
(n) + x
2
(n)
maka y(n) = y (n) = {a x (n 2 + b x(n+2)}+ {a x (n 2) + b maka y(n) = y
3
(n) = {a x
1
(n-2 + b x(n+2)}+ {a x
2
(n-2) + b
x
2
(n+2)}
= y
1
(n) + y
2
(n) y
1
( ) y
2
( )
sistem Linier
Jika x(n) = x
1
(n) maka y(n) = y
1
(n) = ax
1
(n-2) +bx
1
(n+2)
Jika x(n) = x (n-k) maka y (n) = a x
1
(n-k-2) + b x
1
(n-k-2)
= y
1
(n-k-t)
Kesimpulan sistem : Linier, Tak ubah waktu, Non kausal,
Stabil Stabil
74
Sistem Operator Sistem Operator
75
Sistem operator :
L = Output/Input =Fungsi alih sistem (fungsi transfer sistem) p p g ( g )
Untuk SWK L(p) = N(p)/D(p) = Numerator/Denumerator
Dimana p = operator diferensial d/dt
p
-1
= operator integral ( ) dt p
-1
= operator integral (.) dt
Untuk SWD L(q) = N(q)/D(q) = Numerator/Denumerator
Dimana q = operator maju
q
-1
= operator tunda
q
-1
.x(n) = x(n-1)
q.x(n) = x(n+1) q ( ) ( )
Untuk menganalisis suatu sistem maka buat dulu model matematis
(hubungan input-outputnya).
76
Contoh soal: 2.4.
Carilah sistem operator (Fungsi transfer sistem) dari Sistem Carilah sistem operator (Fungsi transfer sistem) dari Sistem
Waktu Diskrit dengan hubungan input-output sebagai
berikut :
3y(n) + 4y(n-1) + 7y(n-2) = 2x(n) + 5x(n-1)
Solusi :
D k t did t Dengan menggunakan operator q didapat :
y(n)(3 + 4q
-1
+ 7q
-2
) = x(n) (2 + 5q
-1
)
7 4 3
5 2
7 4 3
5 2
2
2
2
2
2 1
1
+ +
+
=
+ +
+
= =

q q
q
q
q
x
q q
q
) n ( x
) n ( y
) q ( L
7
7
Solusi Persamaan Difference Solusi Persamaan Difference
(Perbedaan)
78
Persamaan Perbedaan (u/ SWD)
Bentuk umum sistem LTW

= =
> =
N
i
M
i
i i
M ) i n ( x b ) i n ( y a
0 0
0
Untuk penyederhanaan , ambil a
0
= 1
y(n) + a
1
y(n-1) + + a
N
y(n-N) = b
0
x(n) + + b
M
x(n-M)
dengan operator q :
dimana q
-1
x(n) = x(n-1) dan q x(n) = x(n+1),
maka didapat:
y(n) (1 + a
1
q
-1
+ + a
N
q
-N
) = x(n) (b
0
+ b
1
q
-1
+ + b
M
q
-M
)
79
N
N
M
M
q a ... q a q
q b ... q b b
) q ( D
) q ( N
) n ( x
) n ( y
) q ( L

+ + +
+ + +
= = =
1
1
1
1 0
jadi : D(q) y(n) = N(q) x(n) jadi : D(q). y(n) = N(q). x(n)
80
Seperti halnya SWK ,maka pada SWD juga ada dua macam
solusi yaitu solusi komplementer (solusi umum) dan solusi solusi yaitu solusi komplementer (solusi umum) dan solusi
partikular (solusi khusus) :
y(n) = y
c
(n) + y
p
(n)
S l i k l t jik d t k ( ) 0 Solusi komplementer jika deretan masukan x(n) = 0
D(q) y
c
(n) = N(q).0 = 0, maka D(q) = 0 dengan solusi :

= =
= =
m
k
m
k
m
k k k k
c
r A ) n ( y A ) n ( y
1 1
81
dimana r
k
= akar polynomial D(q) dengan solusi :
(i) r riil dan tunggal y (n) = r
n
(i) . r
k
riil dan tunggal y
k
(n) = r
k
n
(ii). r
k
riil dan jamak sejumlah m buah
y
k
(n) = r
n
, nr
n
, n
2
r
n
,,n
m-1
r
n
y
k
(n) r , nr , n r ,,n r
(iii). r
k
kompleks tapi tunggal , r
k
= + j = re
j
y
k
(n) = r
n
cos n dan r
n
sin n
(iv). r
k
kompleks dan jamak sejumlah m buah
y
k
(n) = r
n
cos n ; r
n
sin n
= nr
n
cos n ; nr
n
sin n
.
= n
m-1
r
n
cos n ; n
m-1
r
n
sin n = n
m-1
r
n
cos n ; n
m-1
r
n
sin n
82
Solusi khusus jika deretan masukan ada
D(q) y (n) = N(q)x(n) D(q) y
p
(n) = N(q)x(n)
y
p
(n) =
) n ( x ) q ( L ) n ( x
) q ( N
y
p
(n)
Kasus khusus jika input eksponensial , ambil x(n) = A(s)
n
) n ( x ) q ( L ) n ( x
) q ( D
q
=
didapat : y
p
(n) = L(q)x(n)
q = s
Stabilitas sistem SWD stabil jika magnitudo akar polynomial
D(q) < 1 (atau didalam lingkaran satuan).
83
Contoh soal 2.5.
y(n + 3) 8y(n + 2) + 37y(n+1) 50y(n) = 8(0 5)
n
y(0) = 2 y(n + 3) 8y(n + 2) + 37y(n+1) 50y(n) = 8(0,5)
n
, y(0) = 2,
y(1) = 3, y(2) = 5
dengan operator q g p q
y(n) (q
3
8q
2
+ 37q - 50) = 8(0,5)
n
5 0 8 ) , (
) ( L
) q ( N ) n ( y
n
D( ) (
3
8
2
37 50) ( 2)(
2
6 25)
50 37 8
5 0 8
2 3
+
= = =

q q q
) , (
) q ( L
) q ( D
) q ( N
) n ( x
) n ( y
D(q) = (q
3
8q
2
+ 37q 50) = (q 2)(q
2
6q + 25)
84
D(q) = (q
3
8q
2
+ 37q 50) = (q 2)(q
2
6q + 25)
Akar-akar D(q)
q
1
= 2
q
2,3
= 4 3
2
100 36 6
j
j
=

q
2
= 3 + j4 = 5 < 0,927 rad
q
3
= 3 j4 = 5 < -0,927 rad
3
j
Solusi komplementer
y
c
(n) = A(2)
n
+ B(5)
n
cos 0,927n + C(5)
n
sin 0,927n
85
solusi partikular
y (n) = L(q) x(n) =
5 0 8
2 3
) , (
n
y
p
(n) = L(q) x(n) =
q = s q = 0,5
50 37 8
2 3
+ q q q
y
p
(n) =
n
n
) , (
) , ( ) , ( ) , (
) , (
5 0
267
69
50 5 0 37 5 0 8 5 0
5 0 8
2 3
=
+
solusi total/lengkap
i ) ( C ) ( B ) ( A ) ( ) (
n n n n
927 0 5 927 0 5 2 5 0
64
n , sin ) ( C n , cos ) ( B ) ( A ) , ( ) n ( y
n n n n
927 0 5 927 0 5 2 5 0
267
64
+ + + =
86
64
C B A ) ( 2
267
64
0 = + + + = C B A ) ( y
32
B ) ( 3 927 0 5 927 0 5 2
267
32
1 = + + + = , sin C , cos B A ) ( y
5 8546 1 25 8546 1 25 4
16
2 = + + + = sin cos B A ) ( y 5 8546 1 25 8546 1 25 4
267
2 = + + + = , sin , cos B A ) ( y
didapat : A = 2,1886
B = 0,05108
C = 0 35666 C = 0,35666
87
Sehingga:
- cek stabilitas :
n , sin ) ( , n , cos ) ( , ) ( , ) , ( ) n ( y
n n n n
927 0 5 35666 0 927 0 5 05108 0 2 1886 2 5 0
267
64
+ + + =
cek stabilitas :
Plot akar D(q) :
Im D(q) x
1 2 3 Re D(q)
x
sistem tidak stabil (karena ada akar polinomial D(q) yang
terletak di luar lingkaran satuan)
88
Realisasi SWD
89
Syarat sistem dapat direalisasi jika kausal dapat direalisir
dalam bentuk dalam bentuk
struktur langsung tipe I
struktur langsung tipe II g g p
90
Realisasi SWD
Struktur Langsung Tipe I :
Hubungan input output Sistem Waktu Diskrit dapat dituliskan Hubungan input-output Sistem Waktu Diskrit dapat dituliskan
sebagai berikut

N N

= =
=
0 i
i
0 i
i
) i n ( x b ) i n ( y a
Untuk penyederhanaan, ambil a
0
= 1, sehingga didapat
hubungan berikut :
N N
) n n ( x b ... ) 1 n ( x b ) n ( x b
) i n ( y a ) i n ( x b ) n ( y
n 1 0
N
0 i
i
N
0 i
i
+ + + =
=

= =
91
) m n ( y a ... ) 1 n ( y a
n 1
+ +
q
-1
q
-1
b
1
b
N
+ + +
x(n)
y(n)
1
b
0
q
-1
q
-1
a
N
a
N-1
q
-1
92
Struktur Langsung Tipe II
Mengacu pada hubungan input outpur SWD berikut ini Mengacu pada hubungan input-outpur SWD berikut ini,
) i n ( x b ) i n ( y a
N
i
N
i
=

) ( b ) 1 ( b ) ( b
) n n ( y a ... ) 1 n ( y a ) n ( y a
) i n ( x b ) i n ( y a
n 1 0
0 i
i
0 i
i
= + + +

= =
) n n ( x b ... ) 1 n ( x b ) n ( x b
n 1 0
+ + +
93
| | | |
n 1 n 1
b b b ) ( ) (

| | | |
n
1
n
n
1
1 0
n
n
1
1 0
n
n
1
1 0
q a
1
q b ... q b b ) n ( y ) q ( N
) q ( L
q b ... q b b ) n ( x q a _ ... q a a ) n ( y
(
(
(
(
(
=
+ + +
= = =
+ + + = + +

43 42 1
43 42 1
) q ( L
0 i
i
) q ( L
n
0 i
i
i
n
n
1
1 0
2
1
q a
q a
q a ... q a a ) n ( x ) q ( D
) q ( L
(
(
(
(
=
+ + +
= = =

=
=

94
Fungsi Transfer L(q) diuraikan menjadi 2, sehingga L(q) =
L
1
(q) L
2
(q) Masing-masing fungsi transfer dapat L
1
(q). L
2
(q) . Masing masing fungsi transfer dapat
digambarkan struktur realisasinya dan kemudian digabung
kembali, hingga didapat L(q) total.
= =
=

n
0 i
1
i
n
1
i
1
) n ( x q a ) n (
) n ( x
) n (
q a
1
) q ( L

=
n
0 i
i
) i n ( a ) n ( x ) n (
q a
=
i
) i n ( a ) n ( x ) n (
95
x(n)
(n)
+
q
1
q
2
a
1
q
N
a
2
a
N

= = =
N N
1
i
1
i
q b ) n ( ) n ( y q b
) n ( y
) q ( L

= =
= =
=
0 i 0 i
i i 2
q b ) n ( ) n ( y q b
) n (
) q ( L
96
y(n)
(n)
+
b
0
q
-1
q
-2
b
1
q
-N
b
2
b
N
97
Rangkaian total digabung :
L(q) = L (q) L (q) L(q) = L
1
(q) . L
2
(q)
) n ( y
.
) n ( ) n ( y
=
) n ( ) n ( x ) n ( x
( )
x (n)
b
0
y(n)
q
1
b
1
a
1
+ +
b
0
q
2
b
2
a
2
b
N
a
N
q
N
98
N
N
Contoh soal 2.6.
Buat realisasi tipe I dan tipe II dari SWD dengan hubungan Buat realisasi tipe I dan tipe II dari SWD dengan hubungan
input-output sebagai berikut:
y(n) + 3y(n-1) + 5(n-2) + 7y(n-2) = 6 x(n) + 4 x(n-1) y( ) y( ) ( ) y( ) ( ) ( )
Jawab :
Struktur langsung tipe I :
y(n) = 6x(n) + 4x(n-1) 3y(n-1) 5y (n-2) 7y(n-3)
99
x (n)
q
-1
6
4
+
q
-1
y (n)
-3
q
-1
-5
q
-1
-7
100
Struktur langsung tipe II :
y(n) [1 + 3q
-1
+ 5q
-2
+ 7q
-3
] = x(n) [6 + 4q
-1
] y(n) [1 + 3q
1
+ 5q
2
+ 7q
3
] = x(n) [6 + 4q
1
]
1
3 2 1 3 2 1
q 4 6 x
1 q 4 6
) (
) n ( y
1
+ =
+
=

(n)/x(n) = 1/[1 + 3q
-1
+ 5q
-2
+ 7q
-3
]
3 2 1 3 2 1
q
q 7 q 5 q 3 1 q 7 q 5 q 3 1
) n ( x

+ + + + + +
x(n) = (n) + 3(n-1) + 5(n-2) + 7(n-3)
(n) = x(n)-3(n-1)-5(n-2)-7(n-3)
y(n)=6(n) + 4(n-1) + =
1
q 4 6
) n (
) n ( y
101
x (n)
6
y(n)
q
-1
4
3
+ +
6
n
q
-2
4
-3
-5
n-1
-7
q
-1
n-2
n-3
102
Respons Impulse Respons Impulse
103
Respons impuls adalah respons sistem (output sistem) jika masukannya
diberi sinyal impuls
SWD h
(n)
(t)
(n
)
Si t i di b k d i l k d
SWK
(n)
h
(t)
(t)
Respons impuls
Sistem sering digambarkan dengan respons impulsnya karena dengan
respons impuls dapat dilihat apakah sistem tersebut kausal dan stabil
atau tidak.
h(n)
h( )
y (n)
x (n)
x (t)
SWD
SWK

104
h(t) y (t)
( )
Respons Impuls SWD
Diketahui SWD - LTW
y(n) + a y(n 1) + a y(n 2) + + a y(n N) = x(n) y(n) + a
1
y(n-1) + a
2
y(n-2) + .+ a
n-
y(n-N) = x(n)
Respons impuls sistem adalah respons sistem (output) jika
x(n) = (n) ( ) ( )
Sehingga dapat dituliskan h(n) = y(n)
x(n) = (n)
Jadi
h(n) + a
1
h(n-1) + a
2
h(n-2) + . + a
N
h(n-N) = (n)
k SWD k l > h( ) 0 t k <0 karena SWD kausal ==> h(n) = 0 untuk n<0
105
maka
n = 0 h(0) = (0) = 1 ; h(n 1) ; h(n 2) dst = 0 n = 0 h(0) = (0) = 1 ; h(n-1) ; h(n-2) dst = 0
n = 1 h(1) + a
1
h(0) + 0 + .+ 0 = (1) = 0
n = 2 h(2) + a
1
h(1) + a
2
h(0) + = (2) = 0 n 2 h(2) a
1
h(1) a
2
h(0) (2) 0
dst
ingat solusi persamaan y(n) = y
c
(n) + y
p
(n)
p
D(q) y(n) = N(q) x(n)
m
y
c
(n) D(q) y
c
(n) = 0 D(q) = 0 maka y
c
(n) =
=
m
1 k
n
k k
r A
106
y
p
(n) y
p
(n) = L(q) x(n)|
q=s
untuk x(n) = A(s)
n
tetapi input disini bukan eksponesial maka y (n)=0 tetapi input disini bukan eksponesial maka y
p
(n)=0
107
Contoh soal 2.7.
y(n) 0 8y(n 1) + 0 15 y(n 2) = x(n) y(n) 0,8y(n-1) + 0,15 y(n-2) = x(n)
Respons impuls
h(n)-0,8 h(n-1) + 0,15 h(n-2) = (0) h(n) 0,8 h(n 1) 0,15 h(n 2) (0)
n=0 h(0) 0,8 h(-1) + 0,15 h(-2) = (0) = 1 h(0) = 1
n=1 h(1) 0,8 h(0) + 0,15 h(-1) = (1) = 0 h(1) = 0,8
n=2 h(2) 0,8 h(1) + 0,15 h(0) = (2) = 0 h(2) = 0,8 x
0,8 0,15 = 0,49
108
solusi
y (n) =
n n
m
n
A A A ) ( ) (
y
c
(n) =
dimana y(n) [1- 0,8 q
-1
+ 0,15 q
-2
] = x(n)
n n
k
n
k k
r A r A r A ) ( ) (
2 2 1 1
1
+ =
=
dimana y(n) [1 0,8 q 0,15 q ] x(n)
q q q 1
2 2 2
L(q) =
) 3 , 0 q )( 5 , 0 q (
q
15 , 0 q 8 , 0 q
q
2
q
x
q 15 , 0 q 8 , 0 1
1
2 3 2 1

=
+
=
+

109
Jadi
y (n) = A (0 5)
n
+ B (0 3)
n
y
c
(n) = A (0,5)
n
+ B (0,3)
n
n=0 y(n) = A + B = h(0) = 1
n=1 y(n) = 0,15A + 0,3 B = h(1) = 0,8 n 1 y(n) 0,15A 0,3 B h(1) 0,8
A + 0,6 B = 1,6
A + B = 1
- 0,4B = 0,6 B = -1,5
A = 2,5
Maka y(n) = h(n0 = [2,5 (0,5)
n
1,5 (0,3)
n
] u(n)
Bagaimana kalau imputnya superposisi ?
Karena sistem linier maka outputnya juga superposisi Karena sistem linier maka outputnya juga superposisi
110
Contoh soal 2.8.
y(n) 2y(n 1) + 1 31 y(n 2) 0 28 y(n 3) = x(n) + 3x(n 2) y(n) 2y(n-1) + 1,31 y(n-2) 0,28 y(n-3) = x(n) + 3x(n-2)
respons impuls didapat jika x(n) = (n) dan 3x(n-2) = 3(n-2)
y(n) [1 2 q
-1
+ 1,31 q
-2
0,28 q
-3
] = x(n) [1 + 3 q
-2
] y(n) [1 2 q 1,31 q 0,28 q ] x(n) [1 3 q ]
L(q) = y(n)/x(n) = N(q)/D(q) = [1 + 3 q
-2
] / [1 2 q
-1
+ 1,31
q
-2
0,28 q
-3
]
Kalikan L(q) dengan q
3
/ q
3
, didapat :
q 3 q
3
+
28 , 0 q 31 , 1 q 2 q
q 3 q
) q ( L
2 3
+
+
=
111
D(q) = q
3
-2 q
2
+ 1,31 q - 0,28 = (q - 0,5) (q - 0,7) (q - 0,8)
y
c
(n)=A(0,5)
n
+ B(0,7)
n
+ C(0,8)
n
y
c
( ) ( , ) ( , ) ( , )
Input 1 : (n) maka h(n) = 2h(n-q) + 1,31 h(n-2)-0,28 h(n-3)=(n)]
n = 0 h(0) = 1
n =1 h(1) 2h(0) + 0 + 0 = 0 h(1) = 2 n =1 h(1) 2h(0) + 0 + 0 = 0 h(1) = 2
n = 2 h(2) 2h(1) + 1,31 h(0) 0 = 0 h(2) = 2,69
dimana
2 / 49
6 / 25
2 8 , 0 7 , 0 5 , 0 ) 1 (
1 ) 0 (
=
=
= + + =
= + + =
B
A
C B A h
C B A h
3 / 64 69 , 2 64 , 0 49 , 0 25 , 0 ) 2 ( =
)
= + + = C C B A h
112
Jadi
untuk n 0
n n n
1
) 8 , 0 (
3
69
) 7 , 0 (
2
49
) 5 , 0 (
1
25
) n ( h + =
Input 2 : 3(n-2)
outputnya h(n) 2h(n-1) + 1,31 h(n-2) 0,28 h(n-3) = 3 (n-2)
n = 0 h(0) 2h(-1) + 1,31 h(-2) 0,28 h(-3) = 3 (-2) = 0
h(0) = 0
n = 1 h(1) 2h(0) + 0 0 = 3 (-1) = 0 h(1) = 0 ( ) ( ) ( ) ( )
n = 2 h(2) 2 h(1) + 1,31 h(0) 0 = 3 (0) = 3 h(2) = 3
113
Maka
h(0) = A + B + C = 0 A= 50 h(0) = A + B + C = 0 A= 50
h(1) = 0,5A + 0,7B + 0,8C = 0 B = -150
h(2) = 0,25A + 0,49B + 0,64C = 3 C = 100 h(2) 0,25A 0,49B 0,64C 3 C 100
jadi
h
2
(n) = 50(0,5)
n
150 (0,7)
n
+ 100 (0,8)
n
n 2
Maka : h(n) = h
1
(n) + h
2
(n)
= + = 1 dan 0 n untuk ) 8 0 (
64
) 7 0 (
49
) 5 0 (
25
n n n
+ =
= + =
2 n untuk ) 8 , 0 (
3
364
) 7 , 0 (
2
349
) 5 , 0 (
6
325
1 dan 0 n untuk ) 8 , 0 (
3
) 7 , 0 (
2
) 5 , 0 (
6
) n ( h
n n n
114
Latihan :
Carilah respons impuls sistem dengan persamaan Carilah respons impuls sistem dengan persamaan
perbedaan berikut :
y(n) = x(n) +0,8 y(n-1) y( ) ( ) y( )
25y(n) + 6y(n-1) + y(n-2) = x(n)
2y(n) + 6y(n-2) = x(n) x(n-2)
115
Konvolusi
116
Konvolusi
Adalah suatu operasi perkalian sekaligus penjumlahan
dalam kawasan waktu (SWD) atau suatu operasi dalam kawasan waktu (SWD) atau suatu operasi
perkalian sekaligus integral dalam kawasan waktu (SWK).
Dapat digunakan untuk mendapatkan respons sistem
t h d k b b J di k t f i terhadap masukan bebas. Jadi merupakan transformasi
dari masukan ke keluaran.
117
Penjumlahan Konvolusi
Jika x(n) adalah input suatu SWD LTW dan y(n) adalah
output sistem tersebut dimana y(n) = T [x(n)] maka : output sistem tersebut dimana y(n) T.[x(n)] , maka :

= =
~ ~
) k ( h ) k n ( x ) k n ( h ) k ( x ) n ( y
dimana operasi diatas didefinisikan sebagai operator
k l i * hi

= = ~ k ~ k
) k ( h ) k n ( x ) k n ( h ) k ( x ) n ( y
konvolusi * , sehingga

= = =
~ ~
) k ( * ) k n ( x ) k n ( h ) k ( x ) n ( h * ) n ( x ) n ( y
Dimana h (n) adalah respons impuls

= = ~ k ~ k
) k ( ) k n ( x ) k n ( h ) k ( x ) n ( h ) n ( x ) n ( y
Dimana h (n) adalah respons impuls
118
Blok diagram penjumlahan konvolusi
x[n] y[n]
H
[ ] y[ ]
x(n) * h(n) = y(n)
119
Sifat-sifat Konvolusi :
Komutatif :
x(n) * y(n) = y(n) * x(n)
Asosiatif :
x(n) * [y(n) * z(n)] = [x(n) * y(n)] * z(n) x(n) * [y(n) * z(n)] = [x(n) * y(n)] * z(n)
Distributif untuk operasi penjumlahan
x(n) * [y(n) + z(n)] = x(n) * y(n) + x(n) * z(n)
Memiliki elemen identity : (n)
x(n) * (n) = (n) * x(n) = x(n)
Konvolusi dari suatu deretan pulsa sampling tertunda dengan x(n) p p g g ( )
x(n) * (n-k) = x(n-k)
Lihat lagi operasi pencerminan dan pergeseran
120
Contoh soal 2.9.
x[n] y[n]
h(n)
x[n] y[n]
Dengan input x(n) dan respons impuls h(n) seperti di bawah
ini, dapatkan output sistem y(n) = x(n)*h(n)
x (n) h (n)
3
2
n
0 1 2
0,5
n
0
1
121
Jawab :
=
= =
~
~ k
) k n ( h ) k ( x ) n ( h * ) n ( x ) n ( y
Disini k merupakan variabel penjumlahan untuk harga n
tertentu. Misalnya diberikan harga suatu n=N
0
maka
j l hk k li t d t (k) d jumlahkan semua perkalian antara deretan x(k) dengan
h(n
0-
k) untuk semua k [-~ , ~], dimana h(n
0
-k) = h-(k-n)
yaitu pencerminan dari h(k) kemudian digeserkan sejauh y p ( ) g j
n
0
.
122
Dengan kata lain dapat dituliskan langkah-langkah
penjumlahan konvolusi sebagai berikut : penjumlahan konvolusi sebagai berikut :
Gambarkan x(n) dan h(n) ( ) ( )
Ubah peubahnya dari n menjadi k, sehingga didapat x(k)
dan h(k)
L k k i t h d b tik l d i h(k) Lakukan pencerminan terhadap sumbu vertikal dari h(k)
atau x(k) sehingga didapat h(-k) atau x(-k)
123
Misalkan yang dicerminkan adalah h(k) maka didapat h(-
k) dan x(k) Geser h(-k) untuk n =0 dan kalikan besaran k) dan x(k). Geser h( k) untuk n 0 dan kalikan besaran
pada h(-k) dan x(k) pada waktu yang sama dan
jumlahkan. Sehingga akan dikalikan h(-k) dengan x(k).
G l i h( k) t k 1 k kit k lik Geser lagi h(-k) untuk n=1, maka kita akan mengalikan
h(1-k) dengan x(k), begitu seterusnya hingga antara h(n-k)
dan x(k) tidak bersinggungan lagi.
124
Energi & Daya Sinyal Energi & Daya Sinyal
125
Energi Sinyal
Energi sinyal waktu diskrit x(n) didefinisikan sebagai E
x
berikut : berikut :
126
Contoh 2.10.
Carilah energi sinyal waktu diskrit x(n) = ()
n
u(n) Carilah energi sinyal waktu diskrit x(n) = ()
n
u(n)
Solusi :
Dari definisi : Dari definisi :
= 1/[1-1/4] = 4/3
127
Daya Sinyal
Daya rata-rata sinyal waktu diskrit didefinisikan sebagai
berikut : berikut :
Untuk sinyal waktu diskrit periodik, daya rata-ratanya adalah
:
128
Latihan :
Carilah energi dan daya sinyal berikut ini : Carilah energi dan daya sinyal berikut ini :
x(n) = 10 sin (2n/4)
129
TT-3113
BAB #3 BAB #3
TRANSFORMASI FOURIER
WAKTU DISKRIT
130
Tujuan
Memahami prinsip dasar deret Fourier dan
T f i F i W kt Di k it t Transformasi Fourier Waktu Diskrit serta
dapat menerapkannya pada berbagai
Si l W kt Di k it Sinyal Waktu Diskrit
Memahami sifat-sifat deret Fourier dan
Transformasi Fourier Waktu Diskrit dan
menerapkan dalam analisis sinyal
131
Deret Fourier Waktu Diskrit
(DFWK)
132
DFWK bentuk Trigonometri
Diberikan sebuah sinyal waktu diskrit x(n) periodik dengan
periode N : periode N :
x(n)=x(n+kN)
n
x(n) = a
n
cos ( 2n/N)
n
x(n) = b
n
sin ( 2n/N)
n
0 1
7
133
DFWK :

+ + =
0 0 0
) sin cos ( ) (
n n
t n b t n a a t x
DFWK :
DFWD :
=
+ +
1
0 0 0
) sin cos ( ) (
n
n n
t n b t n a a t x
=
+ + =
1
0
) sin cos ( ) (
k
o k o k
n kw b n kw a a n x
DFWD :
Dimana frekuensi sudut = 2/periode
0
= 2/T;
0
=
2/N
=1 k
Bentuk-bentuk trigonometri yang penting :
cos(N
0
n)=cos (2n)=cos (0
0
n)
([N 1] ) ( ) cos([N+1]
0
n)=cos(
0
n)
cos([N+2]
0
n)=cos(2
0
n)
cos([N+k]
0
n)=cos(k
0
n) cos([N k]
0
n) cos(k
0
n)
134
DFWK bentuk Eksponensial
DFWK :

=

=
n
t jn
n
e c t x
0
) (
=
T t
t
t jn
n
dt e t x
T
c
0
0
0
) (
1
DFWD :
= =
1
0
,.... 2 , 1 , 0 , ) (
0
N
k
k
n e a n x
n jk
=0 k
( ) 1 ... 2 , 1 , 0 ,
1
0
1
0
= =

N k e n x
N
a
n jk
N
n
k

0 n
135
Disingkat penulisannya :

=
= =
1 N
0 k
kn
N k
,.... 2 , 1 , 0 n , w a ) n ( x
( ) 1 ... 2 , 1 , 0 ,
1
1
0
= =

N k w n x
N
a
kn
N
N
n
k
0
2
j
N
j
N
e e w =
N
k 2 j
k
N
e w

=
136
Bentuk DFWD cukup dianalisis 1 periode dari n =0 sampai
dengan N-1 karena sifat eksponensial dan periodisitas : dengan N 1, karena sifat eksponensial dan periodisitas :
| | 1
2
2
0
= =
(
=
k j
N
N
k j
N
jk
e e e

Dimana k adalah integer sejumlah N dari 0 sampai N-1.

| |
(

137
Respons Steady State thd
masukan sinusoidal
138
Sistem dalam notasi operator q : L(q) = y(n)/x(n) = N(q)/D(q)
Respons sistem : y(n) = y (n) + y (n) Respons sistem : y(n) = y
c
(n) + y
p
(n)
Respons steady state input eksponensial x(n) = A
y
ss
(n) = [N(q)/D(q)] x(n) dimana q=
| |
n jk
e
0
| |
0
j
e y
ss
(n) [N(q)/D(q)] x(n) dimana q
Jika input sinusoidal maka ubah dahulu ke dalam bentuk
eksponensial
| | e
139
Contoh
Tentukan respon tunak (steady state) dari sistem waktu
diskrit berikut : diskrit berikut :
y(n+2)-0.8y( n+1)+0.15y(n)= x(n) dimana x(n) = 5 + 2 e
j2n/10
Jadi disini seolah-olah inputnya ada 2 buah yaitu x
1
(n) = 5
dan x
2
(n) = e
j2n/10
Dengan menggunakan operator q dapat ditulis : Dengan menggunakan operator q, dapat ditulis :
y(n)[q
2
0,8 q + 0,15] = x(n)
L(q) = y(n)/x(n)
1
2
=
L(q) y(n)/x(n)
y
ss1
(n) = L(q) x
1
(n) dengan q = e
j0
15 . 0 8 . 0
2
+ q q
286 14 35 0 / 5
5
140
286 , 14 35 , 0 / 5
15 . 0 8 , 0
0 0
= =
+
=
j j
e e
y
ss2
(n) = L(q) x
2
(n) dengan q = e
j2/10
10
2
10
4
10
2
15 0 8 0
2
=
j j
n j
e

10
2
10 10
15 , 0 ) 4 . 0 sin 8 , 0 2 . 0 cos 8 , 0 4 , 0 sin 4 , 0 (cos
2
15 . 0 8 , 0
+ +
=
+
n j
j j
e
e e

) 94 , 1 2 , 0 (
10
2
873 , 3
488 , 0 188 , 0
2
, ) , , , , (
=
+
=
n j
n j
e
j
e
j j
Sehingga : y
ss
(n) =
) 94 , 1 2 , 0 (
873 , 3 286 , 14

+
n j
e

141
Transformasi Fourier
Waktu Diskrit
(TFWD) ( )
142
Tinjau sinyal waktu diskrit terbatas :
x(n) 0 0 n N x(n) 0 , 0 n N
1
Buatlah x(n) menjadi sinyal periodik dengan periode N
(dimana N> N
1
) (
1
)
x(n)
n
N
1
-1 0
(a)
) (
~
n x
N
1
-1 0 -N N
n
(b)
143
Dengan menggunakan analisis DFWD dapat ditulis :
=
1 N
0 n
) n jk (
k
0
e a ) n ( x
~
) n jk (
1 N
0 n
k
0
e ) n ( x
~
N
1
a

=
Karena =0, n> N
1
, maka
) (
1
0
) (
1
n jk
N

) (
0
0
) (
n jk
n
k
e n x
N
a

=
=
kn
N
w n x a

1
) (
1
144
N
n
k
w n x
N
a
=
=
0
) (
Karena x(n) 0, 0nN1 maka
kn
N
n
n
k
w n x
N
a

=
=
= ) (
1
) (
0
) (
1
n jk
n
n
k
e n x
N
a

=
=
=
Perlu diingat bahwa
0
= 2/N
Perlu diperhatikan bahwa akan mendekati x(n) untuk nilai N
yang semakin tinggi.
145
Sehingga dapat dinyatakan :
) n ( x ) n ( x
~
lim
N
=

Sedangkan bila N~ maka
0
0 sehingga spektrumnya
kontinyu.
) (
0
) ( .
n jk
n
n
k
e n x a N

=
=
=
) (
) ( .
n j
n
k
e n x a N

=
=
146
n =
) ( .
j
k
e X a N

=
Dengan = k.
0
inilah yang disebut sebagai Transformasi Fourier Waktu
) (
k
inilah yang disebut sebagai Transformasi Fourier Waktu
Diskrit dari x(n).
Kembali ke persamaan sebelumnya :
=
=
1
0
) (
0
) ( ) (
~
N
n
n jk
k
e a n x

=
=
1
0
) (
0
0
)] (
1
[ ) (
~
N
n
n jk
e k X
N
n x


147
) n jk
0
N
0
0
e ) k ( X
2
) n ( x
~

Untuk N~,
0
0 maka x(n)
0 n
2
=

Untuk N ,
0
0 maka x(n)
Sehingga
0
berubah menjadi suatu elemen frekuensi d,
dengan demikian :

=

2
0
) n jk
d e ) ( X
2
1
) n ( x
148
Jadi pasangan Transformasi Fourier Waktu Diskrit (TFWD)
dan inversenya adalah sebagai berikut : dan inversenya adalah sebagai berikut :
) (
) ( ) (
n j
n
e n x X

= ) ( ) (
n =
2
)
) (
1
) ( d X
n jk

=
0
)
) (
2
) ( d e X n x
n jk
149
TFWD TFWD
Sinyal Sinusoidal Sinyal Sinusoidal
150
n j
0
Ae ) n ( x

=
=
=
k
0
) k 2 ( 2 ) ( X
( ) ) e e (
2
A
n cos A n x
n j n j
0
0 0

+ = =
=
+ + =
k
0 0
) k 2 ( ) k 2 ( ) ( X
151
Dengan cara yang sama kita dapat menunjukkan bahwa
TFWD dari fungsi sinus TFWD dari fungsi sinus
) e e (
) j 2 (
A
n sin A ) n ( x
n j n j
0
0 0

= =
Adalah :
) j 2 (
=
+ + =
k
0 0
) k 2 ( ) k 2 ( [ j ) ( X
152
TFWD sinyal cosinusoidal
X(n)
n

TFWD sinyal sinusoidal
n
-2 0 2
0

0

X(n)
n
-2 0
0
153
Sifat sifat TFWD Sifat-sifat TFWD
154
a. Periodik atau berulang
X(+2)=X()
b. Linearitas b. Linearitas
Jika dan
| | ) ( X ) n ( x
1 1
= F
| | ) ( X ) n ( x
2 2
= F
Maka :
| |
1 1
| | ) ( X a ) ( X a ) n ( x a ) n ( x a
2 2 1 1 2 2 1 1
+ = + F| | ) ( ) ( ) ( ) (
2 2 1 1 2 2 1 1
155
c. Pergeseran waktu dan frekuensi
maka
Jika maka
| | ) ( X ) n ( x = F
| | ) ( X e ) n n ( x
0
n j
0
=

F
Jika maka | | ) ( X ) n ( x = F | | ) ( X ) n ( x e
0
n j
0
=

F
156
d. Penskalaan waktu dan frekuensi
Jika maka
dimana k> 1
| | ) ( X ) n ( x = F | | ) k / ( X ) nk ( x = F
dimana k> 1
e. Differensiasi dan penjumlahan
Jika maka
| | ) ( X ) n ( x = F
| | ) ( X e 1 ( ) 1 n ( x ) n ( x
) j
=

F
(
n
1
Dan

=

=
+
=
(
k
j
m
) k 2 ( ) 0 ( X ) ( X
e 1
1
) m ( x F
157
f. Differensiasi dalam frekuensi
Jika maka
| | ) ( X ) n ( x = F
| |
) ( d
) ( dX
j ) n ( nx
= F
g.Teorema Parseval
1
Jika maka
| | ) ( X ) n ( x = F
=
2
0
2
n
2
d ) ( X
2
1
) n ( x
h. Konvolusi
Jika maka
=
=
k
) k n ( h ) k ( x ) n ( y
) ( X ) ( H ) ( Y =
158
= k
i. Konvolusi Periodik/Konvolusi sirkular
) n ( R ) m n ( x
~
) m ( x
~
m n x m x ) n ( y
N 2
1 N
0 m
1
N k
1 k
2 1
= =

+
+
dimana ,
0 m 1 k = +
k adalah integer, ekspresi <r> adalah r modulo N untuk r
integer sembarang, N adalah perioda
( ) ( ) d t t b t x
1
(n)=x
2
(n)= deretan terbatas
y(n) adalah respons sistem
159
TT-3113
BAB #4 BAB #4
T f i Z Transformasi Z
160
Tujuan
Memahami sifat sifat Transformasi Z Memahami sifat-sifat Transformasi Z
Memahami hubungan antara Transformasi Z dengan
Transformasi Fourier Waktun Diskrit serta hubungan g
Transformasi Z dengan Transformasi Laplace
Dapat menggunakan Transformasi Z untuk memecahkan
persamaan perbedaan dengan kondisi awal persamaan perbedaan dengan kondisi awal.
161
Bila ada deretan x(n) maka TZ[x(n)] didefinisikan sebagai :
TZ 2 sisi
=
n
n
z nT x z X ). ( ) (
TZ 2 sisi
= n
TZ 1 sisi
=
=
=
n
n
n
z nT x z X
0
). ( ) (
162
Definisi diperluas :
TZ[h(n)] = H(z) = h(n) z
-n
= n
Untuk z = e
j
didapat H(e
j
)
Sehingga bila ada respons frekuensi h(n), dapat dihitung
H(z), kemudian z diganti dengan e
j
didapat H(e
j
) yaitu
Respons Frekuensi Respons Frekuensi.
Dengan kata lain, untuk mencari respons frekuensi dapat
dilakukan melalui TZ.
163
Daerah Konvergensi Daerah Konvergensi
164
Daerah Konvergensi merupakan tempat kedudukan (harga-
harga) dari z yang menyebabkan TZ nya berharga harga) dari z yang menyebabkan TZ nya berharga
berhingga.
a. Diberikan sinyal kausal x(n) = A
n
u(n), || >0 maka :
X( ) A ( ) A A A ( / )
X(z) = A
n
u(n).z
-n
= A
n
z
-n
= A
n
z = A (/z)
n
X(z) akan berhingga bila (/z) < 1 atau |z| > ||
= n

=0 n

=0 n

=0 n
X(z) akan berhingga bila (/z) < 1 atau |z| > ||
Sehingga X(z) = , |z| > || dengan daerah konvergensi
di setiap titik di luar lingkaran dengan jari-jari .
1
1

z
A
di setiap titik di luar lingkaran dengan jari jari .

165
b. Diberikan sinyal antikausal x(n) = A
-n
u(-n), || >0 maka :
X(z) = A
-n
u(-n).z
-n
= A
-n
z
-n
= A
-n
z
-n
= A (.z)
n
= n

=0 n
= n

= n
X(z) akan berhingga bila (z) < 1 atau |z| < |1/|
Sehingga X(z) = , |z| < |1/| dengan daerah konvergensi
A
1
di
setiap titik di luar lingkaran dengan jari-jari 1/.
z 1
166
Deretan Deretan
dalam Waktu Terbatas dalam Waktu Terbatas
167
Bila x(n) 0, n [N
1
,N
2
] dengan N
1
< N
2
dan N
1
,N
2
terbatas,
maka : maka :
X(z) = x(n).z
=
2
1
N
N n
X(z) konvergen di setiap titik pada bidang z dengan
kemungkinan pengecualian di z = 0 atau z = ~.
( 3) 2 ( 2) 5 ( 1) 3 (0) 0 (1) 4 (2) 2 (3) x(-3) = 2, x(-2) = -5, x(-1) = 3, x(0) = 0, x(1) = 4, x(2) = 2, x(3)
= -4, x(4) = -2
2
3
4
2
x(n)
0 -1
-2
-3 1 2
3 4
5
-4
-2
168
-5
4 3 2 1 1 2 3
2 4 2 4 3 5 2 ) (

+ + + = z z z z z z z z X
Terlihat bahwa bila ada z berpangkat positif, maka z = ~ tidak berlaku
karena hasilnya tak terhingga. Begitu pula bila ada z berpangkat
negative maka z = 0 tidak berlaku karena hasilnya juga tak terhingga negative maka z 0 tidak berlaku karena hasilnya juga tak terhingga.
Bila deretan dengan waktu terbatas adalah Respons Impuls h(n) dari
suatu sistem linear dan tak berubah terhadap waktu maka sistem suatu sistem linear dan tak berubah terhadap waktu maka sistem
tersebut disebut dengan SISTEM RESPONS IMULS TERBATAS
(RIT) atau FINITE IMPULSE RESPONSE SYSTEM (FIR SYSTEM).
Bila N
1
= -~ dan/ N
2
= ~ maka sistemnya disebut dengan SISTEM
RESPONS IMULS TAK TERBATAS atau INFINITE IMPULSE
RESPONSE SYSTEM (IIR SYSTEM) RESPONSE SYSTEM (IIR SYSTEM).
169
Deretan Kausal Deretan Kausal
170
Bila x(n) 0, n [N
1
,~] dengan N
1
0 , maka :
X(z) = x(n).z
-n
= 1 N n
Contoh :
Diberikan sinyal x(n) = a
n
u(n)
X(z) = , |z| > ||
1
1
1
az
X(z) konvergen di setiap titik di luar lingkaran dengan jari-jari
a. Bila a < |1|, maka sistem stabil.
171
Deretan Tidak Kausal Deretan Tidak Kausal
172
Bila x(n) 0, n [-~, N
1
] dengan N
1
<0 , maka :
X(z) = x(n).z
-n
=
1 N
n
Contoh :
Diberikan sinyal x(n) = - b
n
u(-n-1)
X(z) = -b
n
.z
- n
= -b
-n
.z
n
= - b
-n
.z
n
= 1 - b
-n
.z
n
=
1
n

=1 n

=1 n
=0 n
= 1 - (b
-1
.z)
n
=0 n
173
X(z) akan konvergen bila |b
-1
.z| < 1.
X(z) = 1 - = , |z| < |b|
z b
1
1
1
b z
z
X(z) konvergen di setiap titik di dalam lingkaran dengan jari-

jari b.
174
Deretan Dua Sisi Deretan Dua Sisi
175
Bila x(n) 0, n [-~, ~], maka :
X(z) = x (n) z
-n
= x(n). z
-n
+ x(n). z
-n
= n

=0 n

=
1
n
Contoh :
Diberikan sinyal x(n) = a
n
u(n)
b ( 1) | | |b| = - b
n
u(-n-1) , |a| < |b|
X(z) = + = dengan ROC |a| < |z| < |b|
z
z
2 ( b a z z
X(z) = + = , dengan ROC |a| < |z| < |b|
a z
b z
) )( ( b z a z
176
TZ TZ
beberapa Sinyal beberapa Sinyal
177
a. Sinyal impuls
0 n 1
X (z) = x(n) z
-n
= 1
=
=
ainnya l n 0,
0 n 1,
(n)
X (z) = x(n) z
n
= 1
b. Deretan konstan
=0 n
= = , ,......... 2 , 1 , 0 , ) ( n A n x
X(z) = z
-n
= A( 1 + z
-1
+ z
-2
+ )
=0
) (
n
n x
A
= , |z| > |1|
178
1
1

z
A
c. Deretan eksponensial
n
r A n x ) (
u(n)
X (z) = A r
n
z
-n
= A (r z
-1
)
n
= = , >
r A n x . ) ( =
=0 n

=0 n
1
1

rz
A
r z
AZ
z r
d. Deretan sinusoidal/cosinusoidal
Diberikan sinyal cosinusoidal
n A n x cos . ) ( =
Diberikan sinyal cosinusoidal
X(z) = TZ TZ
| | n A cos
(
+

2 2
n j n j
Ae Ae

X(z) = (A/2)

j
e z
z
(
+
j
e z
z
(
+
j j
e z e z Az
=
179
(
+
+
1 2
2 j j
ze ze z
e z e z Az
=
(
+

1 cos 2
cos 2 2
2
2
z z
z Az
= , > 1
|
1 cos 2
cos [
2
+

z z
z Az
z
Im[z]
lingkaran
satuan
n Re[z]
180
Diberikan sinyal sinusoidal
X(z) =TZ [A sin ] = TZ n
(
(

Ae Ae
n j n j
X(z) =TZ [A.sin ] = TZ
=
n
(
j
e
j
e
2 2
(

j j
z z A

= ; > 1
(

j j
e z e z j 2
1 cos 2
sin
2
+
z z
Az
z
1 cos 2 + z z
Im[z]
lingkaran
satuan
n Re[z]

181
Sifat-sifat TZ Sifat sifat TZ
182
Linearitas
Bila deretan x(n) = x
1
(n) + x
2
(n), dengan dan konstan,
maka : maka :
X(z) = TZ
| | ) ( ) (
2 1
n x n x +
( )
) ( ) (
). ( ). (
2 1
2
0
1
0
z X z X
z n x z n x
n
n
n
n

+ =
+ =

=

dengan X
1
(z) = TZ[x
1
(n)] , ROC R
1 -
< < R
1+;
X ( ) TZ[ ( )] ROC R < <R d
) ( ) (
2 1

z
X
2
(z) =TZ[x
2
(n)] , ROC R
2 -
< <R
2+
dan
X(z) = Z [x(n)],
z
183
Maka TZ[x
1
(n) + x
2
(n)] dengan ROC dari hasil TZ ini
diberikan oleh irisan ROC dari X
1
(z) dan ROC dari X
2
(z) diberikan oleh irisan ROC dari X
1
(z) dan ROC dari X
2
(z).
ROC : max [R
1 - ;
R2-] < < min [R
1+ ;
R
2+
] z
184
Pergeseran Deretan
Diberikan x
k
(n) = x(n-k) adalah deretan x(n) yang tergeser
sebesar k cuplikan dan bila sebesar k cuplikan dan bila
TZ[x(n)] = X(z) maka :
TZ[x(n-k)] = X
k
(z) [ ( )]
k
( )
= x
k
(n) z
-n
= x(n-k) z
-n
= n

= n
Sebut n-k = m maka X
k
(z) = x(m)z
-(m+k)
=z
-k
x(m) z
-m
= n

= n
= z
-k
X(z)
185
Bila TZ[x(n)] = X(z) , R
x -
< < R
x+;
Maka :
z
Maka :
TZ[x(n-k)] = z
-k
X(z), R
x -
< < R
x+;
Jadi daerah konvergensi (ROC) dari x(n) dan x(n-k) adalah
z
Jadi daerah konvergensi (ROC) dari x(n) dan x(n k) adalah
sama , dengan kemungkinan pengecualian di z = 0 dan z
= ~.
186
Perkalian dengan n (diferensiasi)
Jika : X(z) = TZ [x(n)], maka :
TZ
| | ) ( ) ( z X
dz
d
z n nx =
Bentuk umum :
| |
m
m
m m
dz
z x d
z n x n
) (
) ( ) ( =
Bukti TZ
| |

=

= =
0
1
0
) ( ) ( ) (
n
n
n
n
z n nx z z n nx n nx

(
(
= =
1
) ( ) )( (
n n
z
d
z n x z z n n x z

= =
(
= =
0 0
). ( ) . )( (
n n
z
dz
z n x z z n n x z
) ( ). ( z X
d
d
z z n x
d
d
z
n
=
(

187
0
dz dz
n
(
=
Perkalian dengan r
n
Jika : X(z) = TZ [x(n)], maka : TZ
| | ) ( ) (
r
z
X n x r
n
=
Bukti :
| | ) ( ). ( ). ( ) (
0 0
r
z
X
r
z
n x z n x r n x r
n
n
n
n n n

=
=
|
.
|
\
|
= =
188
Penjumlahan Konvolusi
Jika X (z) =TZ [x (n)] , ROC R
1-
< < R
1+;
X (z)=TZ[ x (n)] ROC R < < R
z
z
X (z)=TZ[ x (n)] , ROC R
2 -
< < R
2+,
Maka :X
1
(z) X
2
(z) = TZ
Bukti :
z
(
=0
2 1
) ( ). (
k
k n x k x
Bukti :
TZ
n
n k k
z k n x k x k n x k x

=

(
=
(
. ) ( ). ( ) ( ). (
0 0
2 1
0
2 1

, ). ( ) (
0 0
2 1
k n m z m x k x
k n
k m
= =

=

| | | |
) ( ). (
, ). ( ) (
2 1
0 0
2 1
z X z X
z m x z k x
k n
m k
=
=

=

189
Contoh :
x(n) = u(n) maka X(z) = z
-n
= |z| > |1|
1
x(n) = u(n), maka X(z) = z

n
= , |z| > |1|
h(n) = a
n
u(n), maka H(z) = a
n
z
-n
= , |z| > |a|, dengan
1
1

z
=0 n
1
h(n) a u(n), maka H(z) a z , |z| |a|, dengan
a < 1, maka :

=0 n
1
1

az
1
(
2
z
Y(z) = X(z).H(z) = . = , |z| > |1|
1
1
1
z
1
1
1
az
(
) )( ( b z a z
z
190
Teorema Nilai Awal
Jika : X(z) = Z [x(n)], maka :
Penerapan utama dari sifat ini adalah untuk menentukan
) ( lim ) 0 ( z X x
z
=
Penerapan utama dari sifat ini adalah untuk menentukan
nilai awal x(0) secara langsung dari X(z), tanpa
melakukan evaluasi inverse TZ. Buktinya diberikan seperti
berikut ini : berikut ini :
Dari persamaan definisi TZSS,
X(z) = x(0) + x(1) z
-1
+ x(2) z
-2
+ x(3) z
-3
+ X(z) x(0) x(1). z x(2).z x(3).z ....
Bila z , maka seluruh suku akan menjadi sangat kecil,
kecuali suku pertama. Hal ini membuktikan persamaan
nilai awal di atas.
191
Teorema Nilai Akhir
Jika TZ [x(n)] = X(z) dan semua pole X(z) terletak didalam
lingkaran satuan dengan pengecualian yang mungkin dari lingkaran satuan, dengan pengecualian yang mungkin dari
pole yang sederhana pada z = 1, maka nilai x(n) pada n
diberikan oleh :
li
(
x(n)=
Bukti :
x n
lim
lim
z1
z
z
X z
|
\
|
.
|
(
1
( )
Bukti :
Dengan mempertimbangkan TZ , Dari sifat
pergeseran maka dapat dituliskan :
)] ( ) 1 ( [ n x n x +
p g p
TZ
)] ( ) 1 ( [ n x n x + ) ( )] 0 ( ) ( [ z X zx z zX =
n
k
z n x n x

+ =

)] ( ) 1 ( [ lim
192
n
k
z n x n x
=

+
)] ( ) 1 ( [ lim
0
Hal ini dapat disusun kembali sebagai :
dengan pengambilan z pada kedua sisi, kita dapatkan :
n
k
n
k
z n x n x x z X z

=

+ =

)] ( ) 1 ( [ lim ) 0 ( ) ( ) 1 (
0
dengan pengambilan z pada kedua sisi, kita dapatkan :
... )] 1 ( ) [ ... )] 1 ( ) 2 ( [ )] 0 ( ) 1 ( [ ) 0 ( ) ( ) 1 (
1
k x Xk x x x x x z X z im l
z
+ + + + + =
) ( lim k x
k
=
193
Penskalaan
Bila TZ[x(n)] = X(z) maka :
TZ[
n
x(n)] =
n
x(n) z
-n
= x(n) (z/)
-n
=0 n

=0 n
= G(z/)
Dengan cara yang sama :
n j
e
0
0
j
e
TZ[ x(n)] = G(z )

194
Latihan
Carilah hasil TZ dan daerah konvergensi dari sinyal :
x(n) = [3(4/5)
n
(2/3)
2n
] u(n) x(n) = [3(4/5)
n
(2/3)
2n
] u(n)
x(n) = 2
n
u(n) + 3
n
u(-n)
195
Inverse Transformasi Z Inverse Transformasi Z
196
Tujuan dari Inverse Transformasi Z adalah
b lik d i k f k i ( ) mengembalikan dari kawasan frekuensi (z)
ke kawasan waktu (n).
Ada beberapa metode Inverse p
Transformasi Z, antara lain :
197
Metode Penyesuaian Koefisien
Jika X (z) = maka : x (n) = a untuk n=0 1 2
n
Jika X (z) = maka : x (n) = a untuk n=0,1,2,
Contoh :
=0 n
n
n
z a
Contoh :
X (z) =
lakukan pembagian :
4 6 4
5 3
2 3
2
+ +

z z z
z z
x (z) = 0z
0
+3z
-1
+7z
-2
+

a
0
a
1
a
2
x(0) x(1) x(2)

x(0) x(1) x(2)
198
Metode Deret Taylor
Merefer pada suatu bilangan komplek c dimana |c| < 1.
1
=
c 1
1
=0 n
n
c
199
Metode Ekspansi Parsiil
Metode ini merupakan metode yang paling popular, karena
cukup melihat pasangan TZ dan inversenya yang cukup melihat pasangan TZ dan inversenya yang
sederhana.
N
) (i a
X(z) =
(i) (i)
=
N
i 1
1
) ( 1
) (
z i p
i a
) (i a
a(i) p
n
(i)
Maka x(n) = a(i) p
n
(i) n 0
1
) ( 1
) (
z i p
N
Maka x(n) = a(i) p
n
(i) , n 0
= 0 , n < 0
= i 1
200
TT-3113
BAB #5 BAB #5
TRANSFORMASI FOURIER TRANSFORMASI FOURIER
DISKRIT
201
Tujuan
Memamahi hubungan Transformasi Fourier
Diskrit dengan Transformasi Fourier Waktu Diskrit Diskrit dengan Transformasi Fourier Waktu Diskrit
dan Transformasi Z
Memahami sifat sifat Transformasi Fourier Waktu Memahami sifat-sifat Transformasi Fourier Waktu
Diskrit
Memahami aplikasi Transformasi Fourier Diskrit Memahami aplikasi Transformasi Fourier Diskrit
pada pengolahan sinyal dijital
202
Analisis Fourier
Sinyal Waktu Kontinyu Periodik, digunakan Deret Fourier Waktu
Kontinyu (DFWK), akan didapatkan spektrum yang diskrit.
Sinyal Waktu Kontinyu Non Periodik (terbatas), digunakan
Transformasi Fourier Waktu Kontinyu (TFWK), akan didapatkan
spektrum yang kontinyu.
Sinyal Waktu Diskrit Periodik, digunakan Deret Fourier Waktu Diskrit
(DFWD), akan didapatkan spektrum yang diskrit.
Sinyal Waktu Diskrit Non Periodik (terbatas), digunakan Transformasi y ( ), g
Fourier Waktu Diskrit (TFWD), akan didapatkan spektrum yang
kontinyu.
Sinyal Waktu Diskrit Non Periodik (terbatas), dan diinginkan spektrum y ( ), g p
diskrit, maka digunakan Transformasi Fourier Diskrit (TFD).
203
Representasi Fourier
204
Formulasi Transformasi Fourier Diskrit

= =
1 N
N
kn 2 j
1 N 1 0 k e ) n ( x ) k ( X

=
= =
0 k
1 N ,.... 1 , 0 k , e ) n ( x ) k ( X
k
)
) N
k 2
( X ) ( X ) k ( X
N / kn 2

= =
=
)
1 ,... 2 , 1 , 0 , ) (
1
) (
1
= =

N n w k X
N
n x
N
kn
N
) ( ) (
0
=
N
k
N
205
Contoh
Diberikan respons impuls sistem adalah :
h(n) = 1/3 0 n 2 h(n) = 1/3 , 0 n 2
= 0 , n lainnya
Bila dicari hasil TFWD[(h(n)] yaitu H(e
j
) dan hasil TFD
[h(n)] yaitu H(k) seperti ditunjukkan dalam gambar berikut
i i ini.
206
Hubungan antara TFWD dan TFD dari deretan kausal untuk N=4 dan N=8
207
Sifat-sifat TFD
Jika maka:
| | N ,.... 3 , 2 , 1 , 0 k ), k ( X ) n ( x = = F
1 i i
| | ) ( ) ( ) ( ) ( k X k X F
1.Linearitas
2.Pergeseran waktu
km
N
w k X m n x

= ) ( )] ( [ F
| | ) ( ) ( ) ( ) (
2 2 1 1 2 2 1 1
k X a k X a n x a n x a + = + F
3.Pergeseran frekuensi
4 D lit ) ( )] ( [ N k F
) ( ] ) ( [ m k X w n x
mn
N
=
F
4.Dualitas
5. Konvolusi Sirkular
) ( )] ( [ n Nx k x = F
) ( ) ( ) ( ] mod ) [(
1
0
k Y k X i y N i n x
N
i
=
(
=
F
6. Perkalian
7 T P l
(
1
0
1
) ( ] mod ) [( )] ( ) ( [
N
i
i Y N i k x N n y n x F

=
1
2
1
2
) ( ) (
N N
k X n x N

208
7.Teorema Parseval

= = 1 1
) ( ) (
k n
k X n x N
Transformasi Fourier Cepat
209
Komputasi langsung dari TFD tidak efisien, karena tidak
memanfaatkan sifat simetri dan sifat keperiodikan memanfaatkan sifat simetri dan sifat keperiodikan
(periodisitas).
Sifat simetri : W
N
kn
= - W
N
k
Sifat periodisitas : W
k+n
= W
k
Sifat periodisitas : W
N
k+n
= W
N
k
TFD langsung : N
2
perkalian g g p
N
2
N penjumlahan
210
Refer TFD :
N 1 N-1
X(k) = x(n) W
N
kn
, k = 0, 1, ...., N-1
n=0
W
N
k
= e
-j2/N
Bila x(n) deretan waktu diskrit dengan panjang N, maka X(k)
merupakan deretan frekuensi dengan panjang N. p g p j g
211
TFD 2 Titik
1
X(k) = x(n) W
kn
k = 0 1 X(k) = x(n) W
2
kn
, k = 0, 1
n=0
k =0 X(0) = x(0) + x(1) k 0 X(0) x(0) x(1)
k=1 X(1) = x(0) x(1)
Diperlukan : 4 perkalian dan 2 penjumlahan.
x(0) X(0)
x(1) X(1)
212
TFD 4 Titik
3
X(k) = x(n) W
kn
k = 0 1 2 3 X(k) = x(n) W
2
kn
, k = 0, 1 , 2 , 3
n=0
X(0) = x(0) + x(1) + x(2) + x(3) X(0) x(0) x(1) x(2) x(3)
X(1) = x(0) + x(1) W
4
1
+ x(2) W
4
2
+ x(3) W
4
3
= x(0) -j x(1) - x(2) + j x(3)
X(2) = x(0) + x(1) W
4
2
+ x(2) W
4
4
+ x(3) W
4
6
= x(0) - x(1) + x(2) - x(3)
X(3) = x(0) + x(1) W
4
3
+ x(2) W
4
6
+ x(3) W
4
9
= x(0) +j x(1) - x(2) j x(3)
Diperlukan : 16 perkalian dan 12 penjumlahan Diperlukan : 16 perkalian dan 12 penjumlahan.
213
X(0) = [x(0) + x(2)] + [x(1) + x(3)]
X(1) = [x(0) x(2)] j[ x(1) x(3)] X(1) = [x(0) - x(2)] j[ x(1) - x(3)]
X(2) = [x(0) + x(2)] - [x(1) + x(3)]
X(3) = [x(0) - x(2)] + j[ x(1) - x(3)] X(3) [x(0) x(2)] j[ x(1) x(3)]
x(0) X(0)
(1) X(1) x(1) X(1)
x(2) X(2)
x(3) X(3)
214
Transformas Fourier Cepat
(Fast Fourier Transform)
FFT
215
Algoritma FFT
Desimasi dalam waktu
Desimasi dalam frekuensi
216
Desimasi dalam Waktu
N-1
Refer TFD : X(k) = x(n) W
N
kn
, k = 0, 1, ...., N-1
n=0
W
N
= e
-j2/N
217
Misalkan n = 2r , untuk ndeks genap
n = 2r+1 untuk indeks ganjil n = 2r+1 ,untuk indeks ganjil
(N/2)-1 (N/2)-1 ( ) ( )
X(k) = x(2r) W
N
2rk
+ x(2r+1) W
N
(2r+1)k
r=0 r=0
(N/2)-1 (N/2)-1
= x(2r) W
N
2rk
+ W
N
k
x(2r+1) W
N
2rk
r=0 r=0

= N/2 point TFD bag genap + N/2 point TFD bag ganjil
218
Dengan
W
2rk
= exp[ j(2/N)2rk] = exp exp[ j{2/(N/2)}rk] = W
rk
W
N
2rk
= exp[-j(2/N)2rk] = exp exp[-j{2/(N/2)}rk] = W
rk
N/2
Sehingga : gg
(N/2)-1 (N/2)-1
X(k) = x(2r) W
rk
N/2
+ W
k
N
x(2r+1) W
rk
N/2
r=0 r=0
= G(k) + W
k
N .
H(k) ; k = 0, 1, ..., N-1
219
Dimana :
G(k) = TFD N/2 titik bagian genap dari deretan x(n)
H(k) = TFD N/2 titik bagian ganjil dari deretan x(n)
220
Gambar a
FFT 8 titik (N = 2
3
) Desimasi dalam Waktu ( )
TFD N titik didekomposisi dalam TFD N/2 titik
221
Gambar b
FFT 8 titik (N = 2
3
) Desimasi dalam Waktu ( )
TFD N/2 titik didekomposisi dalam TFD N/4 titik
222
Gambar b
Substitusi gambar b ke dalam gambar a
223
Flow Graph 2 titik Flow Graph 2 titik
224
Flow Graph dari perhitungan TFD 8 titik dekomposisi desimasi dalam waktu p p g p
225
Struktur FFT 8 titik
226
Perhitungan kompleksitas perkalian dan penjumlahan dalam FFT Perhitungan kompleksitas perkalian dan penjumlahan dalam FFT
227
Pengurutan kembali deretan dengan bit reversal Pengurutan kembali deretan dengan bit reversal
228
Tugas
Turunkan formulasi Desimasi Dalam
F k i d FFT Frekuensi pada FFT
229
TT-3113
BAB #6 BAB #6
SAMPLING & SAMPLING &
REKONSTRUKSI SINYAL
230
Tujuan
Memahami kaidah-kaidah pencuplikan
i l t k t k i sinyal serta rekonstruksinya
Memahami kaidah-kaidah pada quantisasi
231
Latar Belakang Latar Belakang
232
Pemrosesan Sinyal Dijital
233
Sampling
Sampling ideal :
234
Contoh
Sinyal Sinusoidal x(t) = e
2jft
dengan frekuensi f ,
Sebelum proses sampling : spektralnya pada frekuensi f Sebelum proses sampling : spektralnya pada frekuensi f
Setelah proses sampling :
X(nT) = e
2jnft
: spektralnya pada frekuensi = f yang X(nT) e : spektralnya pada frekuensi f yang
periodik dengan dengan n f
s
.
Pengulangan Spektrum akibat pencuplikan
235
f
s
= frekuensi sampling = 1/T = sampling rate
Sinyal x(t) dibuat bandlimited, spektrumnya bandlimited
dengan frekuensi sebesar f
max
Samping rate dipilih paling tidak = 2 x frekuensi maksimum dari Samping rate dipilih paling tidak = 2 x frekuensi maksimum dari
sinyal yang ada.
fs 2 f
max
atau T 1/(2 f
max
)
236
Sampling Rate minimum fs = 2 f
max
disebut
N i t R t Nyquist Rate
Sedangkan besaran fs/2 disebut frekuensi
Nyquist atau Folding frequency yq g q y
[ fs/2 fs/2 ] disebut Nyquist Interval [-fs/2 , fs/2 ] disebut Nyquist Interval
237
Contoh
Aplikasi f
max
fs
Geofisika 500 Hz 1 kHz
Biomedical 1 kHz 2 kHz
Mekanikal 2 kHz 4 kHz
Speech 4 kHz 8 kHz Speech 4 kHz 8 kHz
Audio 20 kHz 40 kHz
Video 4 MHz 8 MHz
238
Untuk sinyal yang tidak bandlimited, dibuat
b dli it d d di filt l h filt bandlimited dengan diprefilter oleh filter
analog Low Pass disebut sebagai
A ti li i filt d t ff Antialiasing pre filter dengan cut off
frequency :
f
max
f
s
/2
max s
239
Output dari analog Low Pass Pre Filter menjadi bandlimited
Prefilter Antialiasing Prefilter Antialiasing
240
Pembatasan Hardware
Bila total waktu proses atau waktu komputasi = Tprocess
dan periode pencuplikan = T maka : dan periode pencuplikan T, maka :
T T
process
Dengan kata lain : Computation Rate atau Processing
Rate adalah :
f
process
= 1/T
process
Sehingga berlaku : 2 f
max
f
s
f
process
241
Ilustrasi
Sinyal frekuensi tunggal :
x(t) = Cos (2ft) disampling dengan 3 macam frekuensi x(t) = Cos (2ft) disampling dengan 3 macam frekuensi
sampling : f
s1
= 8f, f
s2
= 4f dan f
s3
= 2f
Sinyal Sinusoidal pada rate f
s
= 8f; 4f; 2f
s
242
Dari ketiga gambar tersebut di atas, apa komentar anda ???
Jumlah sample/cycle = f
s
/f
= (sample/sec)/(cycles/sec) (sample/sec)/(cycles/sec)
= samples/cycle
f
s
/f 2 samples/cycle sehingga f
s
2f
Seringkali f dinormalisir terhadap frekuensi Nyquist :
f = f /2 sehingga f/ f f
N
= f
s
/2 sehingga f/ f
N
243
Dalam hal ini interval Nyquist menjadi [-1, 1]
Unit Frekuensi
244
Analog Reconstruction & Aliasing
x(t) = e
jt
= e
j2ft
disampling dengan periode T sehingga t = nT :
x(nT) = e
jnT
= e
j2fnT
Definisikan m=0 + 1 + 2 x (t) = exp2j(f+mf )nT Definisikan m=0,+-1, +-2,.x
m
(t) = exp2j(f+mf
s
)nT
Ingat : exp2jmf
s
nT = exp2jmn = 1
Maka : x
m
(t) = exp2j(f+mf
s
)nT = exp2jfnT. exp2jmf
s
nT
= exp2jfnT
= x(nT) = x(nT)
245
Ideal Reconstructor Ideal Reconstructor
246
Ideal Analog Reconstructor melewatkan
i l d k f k i semua sinyal dengan komponen frekuensi
yang ada di dalam interval Nyquist [-fs/2 ,
f /2 ] d hil k i l d fs/2 ] dan menghilangkan sinyal dengan
frekuensi di luar interval tersebut.
Dengan kata lain : Ideal Analog g g
Reconstructor bekerja sebagai LPF dengan
cut off sama dengan frekuensi Nyquist fs/2. g yq
247
Ilustrasi
Diberikan x(t) = 4 + 3 Cos (t) + 2 Cos (2t) + Cos (3t)
(t dalam ms) Tentukan sampling rate minimum agar tak (t dalam ms). Tentukan sampling rate minimum agar tak
terjadi aliasing.
Tunjukkan bila sinyal disampling Nyquist rate
(tunjukkan x
a
(t) dan x(t))
Solusi : Solusi :
Frekuensi yang ada pada x(t) adalah :
f
1
= 0 Hz f
2
= 0 5 kHz f
3
= 1kHz f
4
=1 5 kHz f
1
0 Hz, f
2
0,5 kHz, f
3
1kHz, f
4
1,5 kHz,
f
max
= f
4
=1,5 kHz
Nyquist rate = 2 f
max
= 2f
4
= 3 kHz
max 4
248
Bila sinyal disampling 0,5 Nyquist rate :
fs = 1 5 kHz interval Nyquist [ 0 75; 0 75] kHz fs = 1,5 kHz, interval Nyquist [-0,75; 0,75] kHz
f
1
dan f
2
tidak masalah (f
1a
= f
1 ,
f
2a
= f
2
)
Tetapi f
3
dan f
4
di luar interval Nyquist.
f
3a
= f
3
mod(fs) = 1 mod(1,5) = 1 1,5 = -0,5 kHz
f
4a
= f
4
mod(fs) = 1,5 mod(1,5) = 1,5 1,5 = 0 kHz
Ditulis kembali x(t) dengan frekuensi yang baru :
x(t) = 4Cos 2f t + 3Cos 2f t 2 Cos 2f t + Cos 2f t x(t) = 4Cos 2f
1
t + 3Cos 2f
2
t 2 Cos 2f
3
t + Cos 2f
4
t
249
Terjadi aliasing :
x
a
(t) = 4Cos2f
1a
t + 3Cos 2f
2a
t+2Cos2f
3a
t+Cos 2f
4a
t
= 4 + 3 Cos t + 2 Cos(-t) + Cos 0 4 3 Cos t 2 Cos( t) Cos 0
= 5 + 5 Cos t
250
Pada frekuensi = 0 kHz, amplitudonya (4 + 0,5 + 0,5) = 5
= + 0 5 kHz amplitudonya (3/2 + 2/2) = 2 5 = +- 0,5 kHz, amplitudonya (3/2 + 2/2) = 2,5
251
Kuantisasi
Konversi Analog ke Dijital Konversi Analog ke Dijital
252
Setelah melewati DS Processor, terapkan D/A Converter
untuk mengembalikan ke bentuk analog kembali untuk mengembalikan ke bentuk analog kembali.
Sinyal terkuantisasi x
Q
(nT) direpresentasikan oleh B bits y
Q
( ) p
yang mempunyai nilai 2
B
yang mungkin (2
B
level
quantisasi)
Dimana : R = range Dimana : R = range
Q = spasi antar level
= lebar quantisasi lebar quantisasi
= resolusi quantizer
2
B
= jumlah level quantisasi
253
Kuantisasi sinyal Kuantisasi sinyal
254
Dalam range skala penuh dibagi secara uniform ke dalam 2
B
level
quantisasi.
Q = R/(2
B
) atau R/Q = 2
B
Misal harga R antara 1 s/d 10 volt, dengan melihat gambar
sebelumnya , maka B = 3 atau 2
B
= 8 level.
Untuk Bipolar ADC : -R/2 x
Q
(nT) < R/2
Untuk Unipolar ADC : 0 x (nT) R/2 Untuk Unipolar ADC : 0 x
Q
(nT) R/2
Dengan maksimum level : R/2 - Q.
255
Beberapa Definisi dalam Kuantisasi
ROUNDING : pembulatan ke harga terdekat dari level
quantisasi quantisasi
TRUNCATION : memotong bagian atas (membulatkan ke
harga di bawahnya yang terdekat)
QUANTIZATION ERROR : selisih antara sinyal
terkuantisasi dengan sinyal tersample x(nT)
e(nT) = x (nT) x(nT) atau e = x x e(nT) = x
Q
(nT) x(nT) atau e = x
Q
x
Q/2 e Q/2
256
Mean Error Mean Square Error
Terlihat bahwa e tidak dapat merepresentasikan error.
Perlu definisi harga rms :
Pelajari lebih lanjut mengenai probabilitas dan statistik
257
Bila R = range dari sinyal dan Q = noise kuantisasi maka
S/N Ratio (SNR) adalah : S/N Ratio (SNR) adalah :
SNR = 20 log
10
(R/Q) = 20 log
10
(2
B
) g
10
( ) g
10
( )
= B. 20 log
10
2
Jadi : Jadi :
SNR = 20 log
10
(R/Q) = 6 B (dB) SNR 20 log
10
(R/Q) 6 B (dB)
= disebut dynamic range dari quantizer
258
Contoh soal
Dalam aplikasi audio dijital, sinyal dicuplik pada laju
pencuplikan 44 kHz dan masing-masing cuplikan pencuplikan 44 kHz dan masing masing cuplikan
dikuantisasi menggunakan A/D konverter yang
mempunyai range/jangkauan skala penuh 10 volt.
T t k j l h bit B jik k l h k ti i f ktif Tentukan jumlah bit B jika kesalahan kuantisasi efektif
(rms) dijaga di bawah 50 mikro volt. Kemudian tentukan
kesalahan (dalam rms) dan bit rate per second. Hitung
pula dynamic range dari kuantiser.
259
Solusi
Jumlah bit B = log
2
[R/(e
rms
12)] = log
2
[10/(50.10
-6
12)] =
15 82 dibulatkan ke 16 Sehingga terdapat 2
B
= 65 536 15,82 , dibulatkan ke 16. Sehingga terdapat 2 65.536
level kuantisasi.
Dengan harga B tersebut dapat dihitung erms = R.2
-B
/12
= 44 mikro volt.
Bit Rate =B.f
s
= 16. 44 = 704 kbits/sec. Ini merupakan
tipikal bit rate untuk CD player tipikal bit rate untuk CD player.
Dynamic range dari kuantiser : 6B = 6. 16 = 96 dB.
Sebagai catatan, dynamic range alat pendengaran
manusia sekitar 100 dB. Ini sebagai alasan mengapa
Dijital Audio kualitas CD diperlukan minimal 16 bit
kuantisasi. kuantisasi.

260
TT-3113
BAB #7 BAB #7
FILTER DIJITAL FILTER DIJITAL
261
Tujuan
Memahami sifat-sifat filter dijital
Dapat merancang filter dijital respons
impuls terbatas dan filetr dijital respons
impuls tak terbatas dengan berbagai
metode
262
Pendahuluan
Pemfilteran Dijital adalah pemrosesan sinyal dengan
menggunakan program komputer yakni memproses suatu menggunakan program komputer yakni memproses suatu
file dari sampel-sampel sinyal dan menghasilkan suatu file
baru dari sampel-sampel terfilter.
Sehingga pemfilteran dijital dapat diimplementasikan pada
suatu komputer dijital suatu komputer dijital.
Dewasa ini ada kecenderungan untuk g
mengimplementasikannya secara cepat, untuk desain
khusus dan murah sehingga sering ditambahkan dengan
suatu Digital Sinyal Prosessor (DSR) Chip suatu Digital Sinyal Prosessor (DSR) Chip.
263
Deskripsi Desain Filter Dijital
Blok Diagram Pemfilteran Dijital
Sinyal analog band limited dicuplik periodik dan
dikonversikan dalam sampel dijital x(n), untuk n = 0, 1, 2,
.....
Prosesor Dijital mengimplementasikan operasi filtering,
mapping deretan input x(n) ke deretan output y(n)
menurut algoritma komputasi pada filter.
264
Digital to Analog Converter (DAC) mengkonversi output
filter dijital ke dalam nilai-nilai analog kemudian di filter dijital ke dalam nilai nilai analog, kemudian di
smoothing dan menghilangkan komponen frekuensi tinggi
yang tidak diinginkan. Prosesor Dijital
i l t ik i filt i i d t mengimplementasikan operasi filtering, mapping deretan
input x(n) ke deretan output y(n) menurut algoritma
komputasi pada filter.
265
Keuntungan Filter Dijital
Filter dijital dapat mempunyai karakteristik yang tidak
dapat dipenuhi filter analog seperti respons fasa yang dapat dipenuhi filter analog, seperti respons fasa yang
benar-benar linear.
Performansi filter dijital relatif tak berubah dengan
perubahan lingkungan seperti variasi temperatur.
Cut off, daerah transisi dsb di bawah kontrol komputer,
sehingga dapat diset high precission Kepresisian sehingga dapat diset high precission . Kepresisian
ditentukan panjang word
Fleksibilitas tinggi : cut off, daerah transisi dsb dapat
bervariasi dengan perubahan kecil pada program.
266
Mudah membangun filter linear fasa
Respons Frekuensi dapat otomatis di ajust jika Respons Frekuensi dapat otomatis di ajust jika
diimplementasikan menggunakan prosesor terprogram
(kasus Filter adaptif)
Dapat memfilter sejumlah input
Data terfilter & data tak terfilter dapat disimpan untuk
keperluan yang akan datang keperluan yang akan datang
Dengan perkembangan teknologi elektronika, filter dijital
dapat dipabrikasi dengan ukuran kecil, konsumsi daya p p g , y
rendah, harga murah
Mudah dalam pengembangan ke filter adaptif.
267
Aplikasi Filter Dijital
Kompresi Data.
Biomedical Signal Processing Biomedical Signal Processing.
Speech Processing.
Image Processing. Image Processing.
Digital Audio.
Telephone Echo Cancellation.
Video Processing.
Watermaking.
Steganografi.
Inverse Filtering.
Dsb Dsb.
268
Gambaran Implementasi Sederhana
Step 1 : Pada sampel sinyal x(n) diterapkan Transformasi
Fourier sehingga didapat fungsi di kawasan frekuensi Fourier, sehingga didapat fungsi di kawasan frekuensi
X(f).
Step 2 : Terapkan fungsi pemberat H(f) pada kawasan
frekuensi, sehingga didapatkan X(f) yang terfilter.
Step 3 : Terapkan Inverse Transformasi Fourier untuk
mendapatkan sinyal y(n). p y y( )
269
Implementasi Sederhana Pemfilteran Dijital p j
270
Tipe Filter Dijital
Filter Respons Impuls Tak Terbatas (RITT) /Infinite Impulse
Response (IIR) : Response (IIR) :
~
y(n) = h(k).x(n-k) y( ) ( ) ( )
k=0
Terlihat bahwa Respons Impuls IIR Filter TAK TERBATAS
Secara Praktis tidak feasibel menghitung output filter IIR
dengan persamaan di atas karena respons impulnya dengan persamaan di atas, karena respons impulnya
sangat panjang (teori : tak terbatas)
271
Sehingga Filtering IIR diekspresikan dalam bentuk Rekursif
sebagai berikut : sebagai berikut :
~
y(n) = h(k).x(n-k) y( ) ( ) ( )
k=0
~ ~
= a
k
.x(n-k) - b
k
.y(n-k)
k=0 k=1
a
k
dan b
k
adalah koefisien filter IIR
272
Filter Respons Impulse Terbatas (RIT) / Finite Impulse
Response (FIR) : Response (FIR) :
N-1 N 1
y(n) = h(k).x(n-k)
k=0
273
Komparasi FIR & IIR Filter
FIR Filter :
Sederhana (+) Sederhana (+)
Stabil (+)
Hampir selalu berfasa linear (+) Hampir selalu berfasa linear ( )
Delay = 0,5 panjang h(n) (-)
IIR Filter :
Orde rendah & Delay pendek (+)
Sulit membuat fasa linear (-)
Ada kemungkinan tak stabil (-)
274
Pertimbangan Pemilihan
1. Filter FIR dapat secara tepat mempunyai respons fasa
linear implikasinya tak ada distorsi fasa (Perlu dalam linear, implikasinya tak ada distorsi fasa (Perlu dalam
transmisi data, biomedical, digital audio, image processing
dsb.)
Fasa Filter FIR non linear
2 Filter FIR direalisasikan non rekursif 2. Filter FIR direalisasikan non rekursif
Filter FIR selalu stabil
Filter IIR belum tentu stabil Filter IIR belum tentu stabil
275
3. Filter FIR banyak memerlukan koefisien dibanding Filter
IIR Kurang ekonomis dalam hal komputasi dan memory IIR. Kurang ekonomis dalam hal komputasi dan memory
penyimpanan
4. Filter analog dapat dengan mudah ditransform dalam
ekivalen Filter IIR menyesuaikan spesifikasi.
Tak dapat dilakukan pada Filter FIR karena tak ada Tak dapat dilakukan pada Filter FIR karena tak ada
analoque counterpart nya
5. Dan sebagainya.
276
Kompromi (Pedoman umum)
Penggunaan IIR Filter
Bila diperlukan filter dengan cut off curam terutama Bila diperlukan filter dengan cut off curam, terutama
penggunaan karakteristik ellyptic akan menggunakan
koefisien yang lebih kecil dibanding ilter FIR
Penggunaan FIR Filter
Bil j l h k fi i tid k t l l b d kh bil Bila jumlah koefisien tidak terlalu besar dan khusunya bila
diperlukan syarat tanpa distorsi fasa (distorsi fasa yang
kecil))
277
Ilustrasi
Dua fungsi transfer yang mempunyai respons amplitudo
hampir sama sebagai berikut : hampir sama sebagai berikut :
IIR : H(z) =[a0+a1z-1+a2z-2]/[1+b1z-1+b2z-2] ( ) [ ] [ ]
dengan a
0
= 0,4981819 b
1
= -0,6744878
a
1
= 0,9274777 b
2
= -0,3633482
a
2
= 0,4981819
278
11
FIR : H(z) = h(k) z
-k
k=0
dengan h(0) = 0,546.10-12 = h(11)
h(1) = -0,450.10-1 = h(10)
h(2) = 0,691.10-1 = h(9)
h(3) 0 553 10 1 h(8) h(3) = -0,553.10-1 = h(8)
h(4) = -0,634.10-1 = h(7)
h(5) = 0 5789 10-0 = h(6) h(5) 0,5789.10 0 h(6)
279
Blok Diagram IIR untuk kasus di atas :
w(n) = x(n) b
1
(n-1) b
2
(n-2)
y(n) = a
0
(n) + a
1
w(n-1) + a
2
w(n-2)
Jumlah perkalian = 5; jumlah penambahan = 4
Data & koefisien yang disimpan = 10 (?)
yaitu :x(n) w(n) w(n 1) w(n 2) dan koefisien : a a a b b yaitu :x(n), w(n), w(n-1), w(n-2), dan koefisien : a
0
, a
1
, a
2
, b
1
, b
2
280
Blok Diagram FIR untuk kasus di atas :
11
y(n) = h(k) x(n-k)
k=0
Jumlah perkalian = 12; jumlah penambahan = 11
Data dan koefisien yang disimpan = 24 yaitu x(0) s/d x(11)
d h(0) /d h(11) dan h(0) s/d h(11)
281
Mengapa diperlukan Filter Fasa Linear?
282
Filter Fasa Minimum
Secara umumn, diinginkan adanya delay sekecil-kecilnya
yang mungkin dalam suatu filter Delay minimum atau yang mungkin dalam suatu filter. Delay minimum atau
fasa minimum filter dapat dicapai dengan tidak
membangun Right Half Plane Zeros.
Filter berfasa minimum adalah suatu filter dimana seluruh
pole dan zero dari fungsi transfernya di dalam lingkaran
satuan. Bila dilihat dari fasanya, sistem berfasa minimum y ,
akan memenuhi hubungan :
= - =0 = 0
283
Filter Dijital Filter Dijital
Respons Impuls Tak Respons Impuls Tak
Terbatas Terbatas
284
Respons Impuls h(n) = 0 , n < 0
) ( ... ) 1 (
) ( ... ) 1 ( ) ( ) (
1
1 0
q n y b n y b
p n x a n x a n x a n y
n
n
+ +
+ + + =
Transformasi Z :
) ( ) (
1
q y y
n
285
Syarat :
Minimum ada sebuah ak 0
Akar-akar dari penyebut tidak dihilangkan oleh akar-
akar dari pembilang
Z d t di b t t l h di d l Zero dapat disembarang tempat, pole harus di dalam
lingkaran satuan.
Biasanya M N Biasanya M N
286
Fungsi Magnitude Squared :
|H(e
j
)|
2
= |H(z).H(z
-1
)| untuk z= e
j
Respons Fasa : Respons Fasa :
(e
j
) = tan
-1
{Im[H(z)}/Re[H(z)]} untuk z= e
j
= (1/2j).ln[H(z)/H(z
-1
)] untuk z= e
j
Group Delay : p y
g
(ej) = - d(e
j
)/d = -( jz d/dz)| untuk z= e
j
287
Penentuan Koefisien Filter RITT
Menentukan b dan a agar Respons Filter mendekati Menentukan b
k
dan a
k
agar Respons Filter mendekati
sifat yang diinginkan.
Pendekatan : bidang z untuk filter dijital g j
bidang s untuk filter analog
Penentuan h(n) Filter :
Spesifikasi filter
S ifik i filt did k ti d filt di it l k l Spesifikasi filter didekati dengan filter digital yang kausal
(pole berhingga).
Realisasi filter Realisasi filter
288
Metode Pendekatan :
Transformasi Respons Impuls p p
Transformasi z Bilinear (BZT Method)
Transformasi Matched Z Transformasi Matched Z
289
Transformasi Respons Impuls
Respons Impuls Filter Dijital adalah versi cuplikan dari
respons impuls analog respons impuls analog
Fungsi Transfer Filter Analog :
M M
b
k
.s
k
(s +c
k
)
k=0 k=1 k 0 k 1
H(s) = ----------- = ------------
N N
a
k
. S
k
(s + d
k
)
k=1 k=1
290
Dengan perluasan pecahan parsial :
N
H(s) = c
k
/(s+d
k
)
k=1
Dimana : c
k
= H(s).(s+d
k
)|s=d
k
d
k
= tempat pole ke-k
291
Respons Impuls :
N
h(t) = c
k
. exp[-d
k
t u(t)]
k=1 k=1
Dengan pencuplikan : g p p
N
h(nT) = c
k
. exp[-d
k
nT u(nT)] ;
k=1
T= Periode pencuplikan
292
Transformasi Z :
~ ~ N
H(z) = h(nT) z
-n
= c
k
. exp[-d
k
nT] z
-n
n=0 n=0 k=1
~ N
= c
k
exp[-d
k
T. z
-1
]
n
n=0 k=1
N
= c
k
/[1- exp(-d
k
T. z
-1
)]
k=1
293
Hubungan Pemetaan :
1/(s+d
k
) 1/[1- exp(-d
k
T. z
-1
)] untuk pole sederhana
Bila d
k
komplek maka c
k
juga komplek, karena h(t) riil maka
akan ada pole d
k
* dan c
k
* , dimana * = komplek konjugate
c
k
/(s+d
k
) + c
k
* /(s+d
k
*)
294
Bila d
k
=
k
+ j
k
dan c
k
= g
k
+ jh
k
c
k
/(s+d
k
) + c
k
* /(s+d
k
*)
= 2 g
k
. s+2(
k
g
k
+
k
h
k
)/[s
2
+2
k
.s +(
k
2
+
k
2
)
295
Dengan pemetaan : 1/(s+d
k
) 1/[1- exp(-d
k
T. z
-1
)]
maka :
c
k
/[1- exp(-d
k
.T. z
-1
)] + c
k
*/[1- exp(-d
k
*T. z
-1
)]
= 2 g
k
- exp(-
k
T) . z
-1
[2 g
k
Cos(
k
T)-2 h
k
Sin(
k
T)
(7.17)
1 2 ( d *T)
1
C ( T) ( 2 T)
2
1- 2 exp(-d
k
*T). z
-1
Cos(
k
T) + exp(-2
k
T). z
-2
296
Sehingga :
s + + (h/g)
s
2
+2 s +
2
+
2
s 2 s
1 - exp(-T). z
-1
[Cos(T) - (h/g) Sin(T)]
(7.18)
1 - 2 exp(-T). z
-1
Cos(T) + exp(-2T). z
-2
297
Contoh :
h(t) = exp( T) Cos (t) u(t) h(t) = exp(-T). Cos (t).u(t)
H(s) = (s+)/s
2
+2 s+
2
+
2
H(s) (s )/s 2 s
H(z) = [1- exp(-T). z

-1
Cos (T)] / [1-2 exp(-T).z
-1
Cos(T)+exp(-2T) z
-2
]
K i l Kesimpulan :
Koefisien filter dijital tergantung periode pencuplikan
298
Karena respons impuls filter dijital adalah hasil cuplikan
dari respons impuls filter analog maka ada efek aliasing dari respons impuls filter analog maka ada efek aliasing.
~
H(ejT) = (1/T) H(j +j l
s
) ( j ) ( ) (j j
s
)
l=-~
2 /T F k i lik ( di ) t k
s
= 2/T = Frekuensi pencuplikan (radian) untuk
sistem dijital
299
Transformasi Z Bilinear
Definisi : s (2/T) (1-z
-1
)/(1+z
-1
)
z = [(2/T)+s]/[(2/T)-s]
Bila s = j z = [(2/T) + j]/[(2/T)- j]
= 0 z = 1
= ~ z = -1 z 1
= - ~ z =-1
300
Bila s = + j z = [(2/T) + + j]/[(2/T)- -j]
< 0 (Bidang s sebelah kiri) |z | < 1 (didalam lingkaran ( g ) | | ( g
satuan)
F i t f filt dijit l did t d t f i Fungsi transfer filter dijital didapat dengan transformasi
bilinear
H(z) = H(s) untuk s=(2/T)(1-z
-1
)/(1+z
-1
)
301
Transformasi dari bidang s ke bidang z Transformasi dari bidang s ke bidang z
302
Jadi dengan transformasi Bilinear ini tidak terjadi Aliasing Jadi dengan transformasi Bilinear ini tidak terjadi Aliasing
303
Hubungan Non Linear
Hubungan antara frekuensi analog dan frekuensi dijital
ditunjukkan pada persamaan sebagai berikut : j p p g
Bila s = j dan z = exp(jT) , maka :
j (2/T)(1 exp(-jT)/ (1 + exp(-jT)
j (2/T)[ exp(jT/2) exp(-jT/2)]. exp(-jT/2)/{[exp(jT/2
+ exp(-jT/2)]. exp(-jT/2)}
304
Hubungan antara Frekuensi Analog dan Frekuensi Dijital
dalam Transformasi Bilinear
j (2/T) j tan (T/2)
(2/T) tan (T/2) (2/T) tan (T/2)
305
Sifat-sifat Transformasi Bilinear :
Pemetaan sederhana : Pemetaan sederhana :
Bidang s Bidang z
Sumbu j Lingkaran satuan Sumbu j Lingkaran satuan
Bila filter analog stabil dan kausal (dapat direalisasikan)
maka filter dijitalnya juga stabil dan dapat direalisasikan.
Karena Transformasi Non Linear maka response
frekuensi filter analog harus konstan per segmen.
Response Impuls maupun response fasa filter tidak sama Response Impuls maupun response fasa filter tidak sama
dengan filter analog.
306
Filter Analog sbg Counterpart g g
Filter Dijital
307
Filter analog yang digunakan sebagai
C t t filt IIR d l h Counterpart filter IIR adalah :
Filter Butterworth
Filter Chebyshev
Filter Ellyptic Filter Ellyptic
308
Respons Frekuensi Filter
(a) Butterworth (b) Chebyshev tipe-I (c) Chebyshev tipe-II (d) Elliptic
309
Filter Butterworth Filter Butterworth
310
Filter yang akan kita rancang biasanya adalah filter yang
sudah dinormalisasi sudah dinormalisasi.
Contoh : LPF dengan Frekuensi Cut Off fco = 1 rad/det
Filter frekuensi kendali (normalisasi). ( )
Respons Magnitude Squared :
|H( )|
2
= 1/[1+(
2
)
n
]
D f k i t ff (1 d/ ) Dengan = frekuensi cut off (1 rad/s)
n = derajad filter
H(s) H(-s) = 1/[1+(-s
2
)]
n
H(s).H(-s) = 1/[1+(-s )]
311
Tempat kedudukan pole-pole filter Butterworth p p p
(a). n ganjil (b). n genap
312
Fungsi transfer Filter Butterworth dapat dituliskan sebagai
berikut : berikut :
n
H(s) k /[ (s s )] H(s) = k
0
/[ (s-s
k
)]
k=1
dimana s
k
adalah pole-pole filter Butterworth
s
k
= exp [j(0,5 + (2k-1)/2n] dengan k = 1, 2, , n
313
H(s) = 1/[ (s-s
k
)] = 1/B
n
(s)
LHP
Poles
Dengan B
n
(s) adalah polinomial Butterworth.
Pole-pole s
k
dicari dari hubungan sebagai berikut :
Untuk n ganjil : 1 k/n ; k = 0 1 2 2n-1 Untuk n ganjil : 1 k/n ; k 0, 1, 2, ..., 2n 1.
Untuk n genap : 1 /2n + k/n; k = 0, 1, 2, ..., 2n- g p ; , , , ,
314
Polinomial Butterworth
315
316
Sifat Filter Butterworth :
Hanya mempunyai pole Hanya mempunyai pole
Pada =1 H() = 1/2
Derajad filter n menentukan karakteristik filter Derajad filter n menentukan karakteristik filter
Bila redaman pada
t
> 1 (yaitu di daerah stopband)
sebesar A db, maka dari hubungan :
|H( )|
2
1/[1 (
2
)
n
] t lih t b h H( ) 1/A |H( )|
2
= 1/[1+(
2
)
n
], terlihat bahwa H(
t
) = 1/A
317
Sehingga didapat persamaan :
|(1/A)
2
|= 1/[1 +
t
2n
]
Dari persamaan tersebut, derajad (orde) filter n dapat dicari :
n = log (A
2
1)/(2 log
t
)
318
Kuadrat respons frekuensi untuk berbagai orde filter
Semakin tinggi orde filter (n) maka semakin curam respons
frekuensi dan kuadrat respons frekuensinya frekuensi dan kuadrat respons frekuensinya.
319
Contoh-contoh :
1) H(s) =k /(s s ) Orde 1 1). H(s) =k
0
/(s-s
1
) Orde-1
s
1
= ej(0,5+0,5) = ej = -1 s
1
ej(0,5 0,5) ej 1
H(s) = k
0
/(s+1) pada s =0 maka H(s) = 1 sehingga k
0
=1
Didapat H(s) = 1/(s+1)
320
2. Diberikan LPF Butterworth dengan redaman pada t > 3
rad/detik sebesar 30 db rad/detik sebesar 30 db
Berapakah orde filter tersebut?
Carilah pole-pole filter tersebut. p p
Carilah fungsi transfer filter tersebut.
321
Gain Filter Butterworth untuk berbagai orde n Gain Filter Butterworth untuk berbagai orde n
322
Perencanaan Filter Dijital dengan Transformasi
Analog-Analog Analog Analog
Dengan Transformasi Analog-Analog
LPF Transformasi PencuplikanFilter Dijital p j
analog Analog-analog
c
= 1
323
T f i A l A l Transformasi Analog-Analog
324
Dengan Transformasi Dijital-Dijital
Perencanaan Filter Dijital dengan Transformasi Dijital Dijital Perencanaan Filter Dijital dengan Transformasi Dijital-Dijital
LPF Pencuplikan Transformasi Filter Dijital
Analog Dijital-Dijital
c
= 1
325
T f i Dijit l Dijit l Transformasi Dijital-Dijital
326
Perencanaan LPF Butterworth
Bila 1 dan 2 masing-masing adalah frekuensi passband
dan frekuensi stop band serta K1 dan K2 masing-masing dan frekuensi stop band serta K1 dan K2 masing masing
gain pada frekuensi 1 dan 2 maka :
327
Gain (dalam dB) dari LPF
328
Gain pada passban dan Gain pada stop band
329
Derajad filter Derajad filter
330
Perencanaan BPF Butterworth
Tipikal BPF untuk ditransformasike LPF
331
Fungsi Transfer BPF
332
r
diambil yang lebih kecil dari harga mutlak A atau harga
mutlak B, dimana A dan B adalah kecuraman daerah
transisi dari BPF.
333
Latihan
Diinginkan filter dijital yang akan melalukan
it f k i d i 0 /d 100 H J i filt pita frekuensi dari 0 s/d 100 Hz. Jenis filter
yang dipilih adalah Butterworth derajad
( d ) 2 F k i lik 625 H (orde) 2. Frekuensi pencuplikan 625 Hz.
Perencanaan filter dengan menggunakan
T f i Bili Transformasi Bilinear.
Tentukan fungsi transfer filter analog H(s)
dan Fungsi Transfer filter Dijital H(z)
334
Filter Chebyshev Filter Chebyshev
335
Tipe I : Hanya mempunyai pole
Response Magnitude Squared : Response Magnitude Squared :
Dimana Tn() = polinomial Chebyshev derajad n
Tn() = Cos (n Cos-1 ) || 1
= Cosh (n Cosh-1 ) || > 1
= parameter ripple di passband = parameter ripple di passband
336
= 1 maka |H(1)| = 1/(1 + 2)
= r maka |H(r)| = 1/A2 = r maka |H(r)| = 1/A2
n ganjil n genap
337
Kuadrat Respon Magnitude dari Filter Che Byshev type I
untuk orde n ganjil dan n genap untuk orde n ganjil dan n genap
Pada = 1 H(1)
2
= 1/(1 +
2
) ( ) ( )
=
r
H(
r
)
2
= 1/A
2
338
Polinomial Chebyshev
T
0
() = 1
T () = T
1
() =
T
2
() = 2
2
1
T
3
() = 4
3
3 T
3
() 4 3
T
4
() = 8
4
8
2
+ 1
T
5
() = 16
5
20
3
+ 5
T
6
() = 32
6
48
4
+ 18
2
1
T
n+1
() = 2 T
n
() T
n-1
()
T
2
() = 0 5 [T () + 1] T
n
() = 0,5 [T
2n
() + 1]
339
(a). plot dari polinomial Chebyshev orde 5 yaitu T
5
()
(b) plot kuadrat respons magnitudenya |H (j)|
2
(b). plot kuadrat respons magnitudenya |H
5
(j)|
2
340
Pole=pole dari H
n
(s). H
n
(-s) didapat dengan menentukan
akar-akar dari persamaan : akar akar dari persamaan :
1 +
2
T
n
2
(s/j) = 0
n
( j)
T t k d d k l l Filt Ch b h d l h Tempat kedudukan pole-pole Filter Chebyshev adalah
sebagai berikut :
Bila s
k
=
k
+ j
k
dengan k = 1 2 n maka : Bila s
k

k
j
k
dengan k 1, 2, n, maka :
k
2
/sinh Q +
k
2
/cosh Q = 1
k k
341
Dimana :
k
= - sinh Q sin[(2k-1)/2n] ;
k
= cosh Q cos [(2k-1)/2n]
k
cosh Q cos [(2k 1)/2n]
sinh Q = ( -
-1
)/2; cosh Q = ( +
-1
)/2
= [(1 + 1 +
2
)/]
1/n
342
(a). Tempat kedudukan pole-pole
(b). Dari H(s) untuk n=6, = 0,7647831
343
Sifat-sifat Filter Chebyshev :
Tempat kedudukan pole-pole nya didalam
lli ellip
Passband tidak rata (tipe-I)
Daerah Transisi curam
Fasanya terpengaruh ripple juga Fasanya terpengaruh ripple juga
Aplikasi filter microwave
344
Sifat filter Chebyshev ditentukan oleh :
Derajad filter (n)
Faktor ripple () pp ( )
Frekuensi daerah stopband (r)
Redaman pada stopband (A) Redaman pada stopband (A)
345
Bila Faktor ripple, Redaman stopband dan frekuensi
stopband diketahui maka orde (derajad) filter dapat dicari stopband diketahui, maka orde (derajad) filter dapat dicari
dengan hubungan :
n = log (g + g
2
-1)/[log(
r
+
r
2
-1]
Dimana g = [A
2
1)/
2
]
346
Pole-pole Filter Chebyshev dapat juga ditentukan dengan
menggunakan persamaan sebagai berikut : menggunakan persamaan sebagai berikut :
347
Fungsi Transfer :
Dimana K adalah konstanta sedemikian sehingga harga H(0)
= 1 untuk n ganjil dan H(0) = 1/(1 +
2
)
1/2
untuk n genap.
S d k V ( ) d l h li i l d l b i b ik t Sedangkan V
n
(s) adalah polinomial dalam s sebagai berikut :
V (s) = s + b s
n-1
+ + b s + b V
n
(s) = s
n
+ b
n-1
s ++ b
1
s + b
0
348
Sehingga Konstanta K dapat dengan mudah ditentukan
sebagai berikut : sebagai berikut :
349
Langkah-langkah Perencanaan Tipe-I
Data data Data-data
- r
- AA
Hitung Pole dan Zero untuk mendapatkan H(s)
H(s) rangkaian L/C (analog) dengan cara sintesa
Untuk filter dijital :
H(s) dengan pendekatan didapat H(z), dengan
t f i Bili transformasi Bilinear
350
Perencanaan (seperti pada Filter Butterworth).
Low Pass Filter
Band Pass Filter Band Pass Filter
High Pass Filter
Band Stop Filter
Dengan menggunakan filter prototipe nya adalah LPF
351
Dengan Transformasi Frekuensi :
1) LPF analog Transf Frekuensi Pencuplikan 1). LPF analog Transf. Frekuensi Pencuplikan
Filter Dijital
c=1 analog-analog g g
2). LPF analog Pencuplikan Tranf. Frekuensi
Filt Dijit l Filter Dijital
c=1 Dijital-dijital
352
Contoh-contoh :
LPF ke HPF
H(s) = 1/(s+1) H(s) 1/(s 1)
misal u = 2 rad/s maka H(s) = 1/(2/s +1) = s/(2 + s)
s (2/T) (1-z-1)/(1+z-1)
Didapat H(z)
353
LPF ke BPF
misal L = 2 rad/s u = 3 rad/s misal L = 2 rad/s, u = 3 rad/s
H(S) = 1/[{(s2+6)/s(1)}+1] = s/[s2 + s + 6]
Untuk s=0, H(s) = 0 Untuk s 0, H(s) 0
s= ~ , H(s) = 0
s= j3, H(s) =j3/(-9+j3+6) = j3/(j3+3), |H(s)|= 3/(32) = 1/2
s=j2, H(s) = j2/(-4+j2+6) = j2/(2+j2), H(s) =2/(22) = 1/2
354
Latihan
Transformasi Bilinear dengan bentuk umum :
s k(z-1)/(z+1) ( ) ( )
Diinginkan filter dijital yang akan melalukan pita frekuensi dari 0 Hz
sampai 100 Hz dengan ripple 0,5 db, diluar pita frekuensi tersebut di
atas redaman akan naik secara monoton sehingga pada frekuensi gg p
183 Hz minimum redaman 19 db. Bila k=1 dan frekuensi pencuplikan
1000 Hz :
a). Hitung frekuensi ekivalen dari 100 Hz dan 183 Hz pada domain ) g p
analog
b). Jenis filter analog adalah Chebyshev tipe-I, hitung derajad filter (n)
yang dibutuhkan y g
c). Hitung harga-harga pole dan tentukan fungsi transfer dari filter analog
d). Dengan menggunkan transformasi bilinear, tentukan fungsi transfer
H(z) dari filter dijital H(z) dari filter dijital
355
Polinomial Chebyshev V
n
(s)
356
357
358
359
Filter Ellyptic Filter Ellyptic
360
Respons Magnitude Squared
Dimana Rn() adalah fungsi rasional Chebyshev sebagai
fungsi yang ditentukan dari karakterisstik ripple.
361
Kuadrat Respons Magnitude untuk LPF Ellyptic
362
Kuadrat Respons magnitude Ternormalisasi
363
Fungsi Transfer Filter Elliptic
364
Parameter-paremeter filter Elliptic :

A
r r
G1 dan G2
Dengan hubungan sebagai berikut :
365
Koefisien dari Fungsi Transfer LPF Elliptic
ternormalisasi H
N
(s) ternormalisasi H
N
(s)
366
367
368
369
370
371
372
Filter Non Rekursif Filter Non Rekursif
373
Fungsi Transfer :
H(z) = Y(z)/X(z)
N-1
H(z) = h(n) z
-n
N 0 N=0
Persamaan Perbedaan :
N-1
y(n) = h(i).x(n-i) = h(0).x(n) + h(1).x(n-1) + ...+ h(N-1).x(n-N+1)
i=0
374
Struktur Filter Non Rekursif
375
Karakteristik Filter Respons Impuls Terbatas
(RIT) dengan Fasa Linear (RIT) dengan Fasa Linear
Bila h(n) adalah deretan waktu terbatas kausal 0 n N-1,
maka maka
TZ :
N-1 N 1
H(z) = h(n) z
-n
= h(0) + h(1). z
-1
+...+ h(N-1).z
-N+1
n=0
TFWD :
N-1
H(e
j
) = h(n) e
-jn
n=0
376
Fungsi periodik dengan periode 2 :
H(e
j
) = H(e
j(+2m)
, m = 0, +- 1, +- 2, ...
Bila h(n) nyata : H(e
j
) = H(e
j
) e
j()
H(e
j
) = H(e
-j
); 0 fungsi genap
( ) ( ) f i jil () = - (-) fungsi ganjil
377
Persyaratan h(n) agar karakteristik tercapai linear :
() = - . -
= konstanta pelambat fasa
maka :
N-1
H(e
j
) = h(n) e
-jn
= H(e
j
) e
-j
n=0
378
Bagian Riil :
N-1
H(e
j
) Cos = h(n) Cos n
n=0
Bagian Imajiner :
N-1
H(e
j
) Sin = h(n) Sin n
n=0
N-1 N-1
tan = Sin / Cos = h(n) Sin n /[h(0) + h(n) Cos n ]
n=0 n=0
379
Solusi :
1) = 0 h(0) sebarang 1). = 0 h(0) sebarang
h(n) = 0, n 0
Respons Impuls dari filter adalah sebuah impuls. Respons Impuls dari filter adalah sebuah impuls.
N-1 N-1
2). 0 h(n) Cos n Sin - h(n) Sin n Cos = 0
n=0 n=0
N-1
h(n) Sin [(-n)] = 0
n=0
380
Salah satu solusi :
= (N-1)/2
h(n) = h(N-1-n) , 0 n N-1
Untuk setiap N hanya ada satu sehingga fasa linear dan Untuk setiap N, hanya ada satu sehingga fasa linear dan
deretan h(n) simetris.
381
a). N ganjil bilangan bulat
Filter delay adalah sejumlah cuplikan yang berharga Filter delay adalah sejumlah cuplikan yang berharga
bulat.
Contoh N = 11 = 5
382
b). N genap bilangan pecahan
Contoh N = 10 = 4 5 Contoh N = 10 = 4,5
383
Filter dengan fasa linear :
H(e
j
) = H(e
j
) e
j(-)
Solusi : = (N-1)/2 dan = +- /2
h( ) h(N 1 ) 0 N 1 h(n) = - h(N-1-n) , 0 n N-1
maka respons impulsnya anti simetris terhadap pusat maka respons impulsnya anti simetris terhadap pusat
deretan.
384
Respons Frekuensi Filter FIR fasa Linear
H(
j
) H*(
j
)
j( )
H(e
j
) = H*(e
j
) e
j(-)
0 i t i = 0, simetris
= /2 anti simetris /2, anti simetris
Tanda * bukan menyatakan konjugate, tetapi menyatakan y j g , p y
amplitudo yang bukan harga mutlak.
385
1). Respons Impuls Simetri dan N ganjil
(N-1)/2
H(e
j
) =[ a(n) Cos n ] e
-j(N-1)/2
0 n=0
(N-1)/2
H*(e
j
) =[ a(n) Cos n ] H*(e
j
) =[ a(n) Cos n ]
n=0
a(0) = h[(N-1)/2] ( ) [( ) ]
a(n) = 2 h[(N-1)/2 n] , n = 1, 2, ..., (N-1)/2
386
Gambarkan Respons Frekuensi Sistem dengan respons
Impuls sebagai berikut : Impuls sebagai berikut :
a). h(n) = (n) + 2 (n-1) + 3 (n-2) + 2 (n-3) + (n-4) ) ( ) ( ) ( ) ( ) ( ) ( )
b). h(n) = 1 , 0 n 4
= 0 , n lainnya
387
2). Respons Impuls Simetri dan N genap
N/2
H(e
j
) =[ b(n) Cos (n-0,5) ] e
-j(N-1)/2
n=1
N/2
H*(e
j
) =[ b(n) Cos (n 0 5) ] H*(e
j
) =[ b(n) Cos (n-0,5) ]
n=1
Terlihat bahwa untuk = H*(e
j
) = 0, sehingga ( ) , gg
tidak cocok untuk HPF.
b(n) = 2 h[(N/2) n]
388
a). h(n) = - (n) - 2 (n-1) + 3 (n-2) + 3 (n-3) - 2 (n-4) -
(n-5)
b). h(n) = 1 , 0 n 5
= 0 , n lainnya
389
3). Respons Impuls Anti Simetri dan N ganjil
(N-1)/2
H(e
j
) =[ c(n) Sin n ] e
-j(N-1)/2
. e
j/2
n=1
(N-1)/2
H*(e
j
) =[ c(n) Sin n ]
1 n=1
Dengan : c(n) = 2 h[(N-1)/2 - n] , n = 1 , 2, ..., (N-1)/2
Terlihat bahwa respons frekuensinya imajiner.
390
h(n) = - (n) + 2 (n-1) - 3 (n-3) + (n-4) ( ) ( ) ( ) ( ) ( )
391
4). Respons Impuls Anti Simetri dan N genap
N/2
H(e
j
) =[ d(n) Sin (n-0,5) ] j. e
-j(N-1)/2
n=1
N/2
=[ d(n) Sin (n-0,5) ] e
-j(N-1)/2
. e
j/2
1 n=1
N/2
H*(e
j
) =[ d(n) Sin (n 0 5) ] dengan H (e
j
) =[ d(n) Sin (n-0,5) ] dengan
n=1
d(n) = 2 h[(N)/2 - n] , n = 1 , 2, ..., N/2
392
Untuk = 0 H*(e
j
) = 0
Cocok untuk : Transformator Hilbert
Diferensiator Diferensiator
Impuls sebagai berikut :
h(n) = - (n) - 2 (n-1) + 3 (n-2) - 3 (n-3) + 2 (n-4) + (n-
5) 5)
393
Perbandingan respons impuls dari ke empat
tipe FIR linear fasa tipe FIR linear fasa.
394
Delay Filter FIR fasa Linear
Untuk Sistem dengan Respons Impuls Simetris Group
Delay nya sebesar : Delay nya sebesar :
[(N-1)/2] T [( ) ]
Untuk Sistem dengan Respons Impuls Anti Simetris
Group Delay nya sebesar : Group Delay nya sebesar :
[(N-1-)/2] T [(N 1 )/2] T
Dengan T adalah Periode Pencuplikan.
395
Perancangan Filter FIR Fasa
Linear dengan Metode
Jendela (Windowing) Jendela (Windowing)
396
Respons frequensi yang diinginkan:
) (
) ( ). ( ) (
j
n
n j n j j
e e H e n h e H

= =
Dimana :
d e e H n h
n j j
). (
2
1
) (
Maka : koefisien dari deret Fourier h(n) identik dengan
respons impuls filter.
397
(a). Respons Frekuensi LPF Ideal
(b). Respons Impuls LPF Ideal
398
Umumnya respons impuls tak kausal, dan panjangnya tak
terbatas atau dengan kata lain akan dtemukan kesulitan terbatas, atau dengan kata lain akan dtemukan kesulitan
karena :
Respons Impuls tak terbatas
Filter tak dapat direalisasikan, karena diperlukan
pelambat tak terbatas agar bersifat kausal
Pendekatan : Pendekatan :
H(e
j
) didekati dengan deret Fourier terbatas n = +- M
Akibatnya : Akibatnya :
Fenomena Gibbs
Overshoot dan ripple di titik diskontinyu respons
frekuensi.
399
Efek pemotongan(pembatasan) respons impuls terhadap respons frekuensi
(a) 13 koefisien (b) 25 koefisien (c) Koefisien tak terbatas (a). 13 koefisien (b). 25 koefisien (c). Koefisien tak terbatas
400
Ilustrasi penentuan koefisien filter dengan metode jendela Ilustrasi penentuan koefisien filter dengan metode jendela
401
h(n) Low Pass Filter :
h(n) = 2.f
c
. Sin (n
c
) ; - n dan n 0
= 2.f
c
; n = 0 (menggunakan aturan LHopital) 2.f
c
; n 0 (menggunakan aturan L Hopital)
402
Respons Impuls LPF HPF BPF dan BSF Respons Impuls LPF, HPF, BPF dan BSF
403
Contoh :
a. LPF Ideal dengan
di il i dil

0
1
) (

=
j
e H
atas di nilai diluar
0
) (

d H h
n j j
) (
1
) (
d e e H n h
n j j
). (
2
) (
d e
n j
. 1
2
1
sin
0
n
c
sin
=
0 , < < n n
c
h(n) merupakan deretan tak terbatas dan tidak kausal
c
=
0 = n
404
b. LPF Ideal dengan

0
) (

j
j
e
e H
d e e H n h
n j j
). (
2
1
) (

d e e
n j j
.
2
1

) (
) ( sin

=
n n
n
c
< < n n ,
c
=
0 = n
h(n) hanya merupakan deretan h(n) pada a) yang digeser ( ) y p ( ) p ) y g g
kekanan sebesar , tetap merupakan deretan tak terbatas
dan tidak kausal
405
c. HPF Ideal dengan

0
1
) (
c

=
j
e H
d e e H n h
n j j
). (
2
1
) (
(
(
+ =

c
c
d e d e
n j n j
. 1 . 1
2
1

n
c
sin
=
0 , < < n n
c
=
Untuk mendapatkan respons impuls terbatas dapat
dilakukan pemotongan respons impuls tak terbatas dilakukan pemotongan respons impuls tak terbatas.
406
Untuk membuat respons impuls terbatas maka n akan
dibatasi -M n M diperoleh : dibatasi M n M , diperoleh :

=
diatas nilai diluar
M n M n h
n h
0
) (
) (
~
Jadi :
diatas nilai diluar 0

) ( * ) ( ) (
~
j j j
e W e H e H

=
d e W e H n h
n j j ) (
( ). (
2
1
) (
~
407
Produk konvolusi antara dua buah respons frequensi
Ada perubahan bentuk spektral yang inginkan oleh Ada perubahan bentuk spektral yang inginkan, oleh
karena itu kita harus memilih window yang baik
Zero menjadi terbatas j
Ada fenomena Gibbs
408
Agar kausal, kalikan respons impuls yang tak kausal dengan
deretan pemberat terbatas deretan pemberat terbatas.

=
M n M n h
n h
2 0 ) (
) (
~
Respons frekuensi filter :
=
diatas nilai diluar
n h
0
) (
) ( ) (
~
) (
jM j j
e e H e H

=
409
Jenis Filter Respons Impuls Terbatas
Spesifikasi I II III IV
Panjang N Ganjil Genap Ganjil Genap
Derajat Filter Genap Ganjil Genap Ganjil
Sifat h(n) Simetri Simetri Anti Simetri Anti Simetri
Sifat H(e
jw
) Simetri Simetri Anti Simetri Anti Simetri
Perioda H(e
jw
) 2 4 2 4
H(1) Sembarang Sembarang 0 0
H(-1) Sembarang 0 0 Sembarang
Pemakaian LP, HP, BP,
Multiband
LP, BP Differensiator
Transformasi Hilbert
Differensiator
Transformasi Hilbert
410
Perbandingan Karakteristik Jendela pada Kawasan
Waktu dan Frekuensi Waktu dan Frekuensi
411
Jendela Persamaan
Rectangular

N n 1 0 1
g
Kausal

=
diatas nilai diluar
N n
n w
, 0
1 0 , 1
) (
Tidak kausal

=
diatas nilai diluar
N n
n w
, 0
1 0 , 1
) (
Bartlett

=
, 0
2 / ) 1 ( 2 / ) 1 ( , 1
) (
diatas nilai diluar
N n N
n w

= ) 1 ( 2 / ) 1 (
2 / ) 1 ( 0
) 1 /( 2 2
) 1 /( 2
) ( N n N
N n
N n
N n
n w

) 1 ( 2 / ) 1 (
0
) 1 /( 2 2 ) ( N n N N n n w
412
Jendela Persamaan
Hanning
|
N n
n
1 0
2
cos 5 0 5 0

Hanning
H i
=
diatas nilai diluar
N n
N
n w
,
1 0 ,
0
1
cos 5 , 0 5 , 0
) (
Hamming

|
.
|
\
|
=
d l d l
N n
N
n
n w
1 0 ,
1
2
cos 46 , 0 54 , 0
) (

Blackman

. \
diatas nilai diluar
N
,
0
1
) (
| | | |
4 2
Keiser

|
.
|
\
|
+
|
.
|
\
|
=
diatas nilai diluar
N n
N
n
N
n
n w
,
1 0 ,
0
1
4
cos 08 , 0
1
2
cos 5 , 0 42 , 0
) (

Keiser

di il i dil
1 N n ,0

) (
1
1 2
1
) (
0
2
0

(
(
|
.
|
\
|
=
a I
N
N n
a I
n w
413
atas di nilai diluar ,
0
) (
0
Window Kaiser
| |
2
, L 25 adalah fungsi bessel termodifikasi orde nol
=
|
|
.
|
\
|
=
L
k
k
k
k
x
x I
0
2
0
! 2
) (
}) , log(min{ 20
s p
A =
50 A ) 7 8 ( 1102 0
A
21 A
50 A 21
50 A

0
) 21 ( 07886 , 0 ) 21 ( 5842 , 0
) 7 , 8 ( 1102 , 0
<
<
>
= A A
A
) ( 285 , 2
95 , 7
p s
A
N


414
Parameter dari berbagai Jendela
415
Latihan
Diinginkan membuat filter digital respons impuls terbatas
yang mempunyai karaktersitik sbb : yang mempunyai karaktersitik sbb :
2 / 2 / ,-
2 / ,-
e j
).e - j(-
) (
j4,5 -
j4,5 -

=
j
e H
2 / ,

).e j(-
.e j ) (
j4,5 -

+
= e H
Desain filter ini memakai metoda windowing, window yang
dipakai Blackman dengan persamaan :

|
.
|
\
|
+
|
.
|
\
|
=
diatas nilai diluar
N n
N
n
N
n
n w
,
1 0 ,
0
1
4
cos 08 , 0
1
2
cos 5 , 0 42 , 0
) (

416
Frequensi sampling 20 KHz

Gambarkan respons frekuensi Amplituda Gambarkan respons frekuensi Amplituda
Hitung koefisien filter digital tsb.
Apakah desain saudara menghasilkan filter stabil dan Apakah desain saudara menghasilkan filter stabil dan
kausal?
Gambarkan realisasi filter tsb
Gambarkan respon amplituda yang didapatkan
Filter ini sebagai apa ?
417
Perancangan Filter Perancangan Filter
FIR Metode Sampling FIR Metode Sampling
Frekuensi Frekuensi
418
Filter Non Rekursif Sampling Frekuensi
Respons frekuensi LPF Ideal
Dengan mengambil N sample dari Respons Frekuensi pada
interval :
Tipe I : f
k
= F
s
.(k/N) ; k = 0, 1, 2, ..., N-1
(7 116) (7.116)
Tipe II : f
k
= F
s
.(k+0,5)/N ; k = 0, 1, 2, ..., N-1 Tipe II : f
k
F
s
.(k 0,5)/N ; k 0, 1, 2, ..., N 1
419
Refer : Inverse Transformasi Fourier Diskrit (TFD)
Koefisien filter h(n) ditentukan dengan menggunakan Inverse
TFDdari sampel-sampel ideal/target respons frekuensi .
Sampel-sampel dari LPF Ideal Sampel-sampel dari LPF Ideal
420
Untuk filter fasa linear, respons impuls simetris dan N genap
Dengan = (N-1)/2
421
Untuk filter fasa linear, respons impuls simetris dan N ganjil,
persamaannya seperti di atas hanya k = 0 1 (N-1)/2 persamaannya seperti di atas hanya k 0,1,...(N 1)/2.
Respons Frekuensi LPF yang diturunkan dari sampel- p y g p
sampel frekuensi gambar sebelumnya.
422
Ada 4 kemungkinan sampling pada bidang z sebagai berikut :
423
Contoh soal
Diberikan spesifikasi LPF Filter sebagai berikut :
Passband 0 5 KHz Passband 0 5 KHz
Frekuensi Sampling 18 KHz
Panjang Filter 9 Panjang Filter 9
Tentukan koefisien filter menggunakan metoda sampling
frekuensi.
424
Solusi
Respons Frekuensi ideal
Sampel-sampel yang diambil pada interval k. F
s
/N adalah
18/9 = 2 KHz. Sehingga sampel-sampel frekuensi tersebut
adalah : adalah :
H(k) = 1 ; k = 0, 1, 2
= 0 ; k = 3, 4 0 ; k 3, 4
425
Lanjutkan sehingga didapat :
h(0) = 0 07252 = h(8) h(0) = 0,07252 = h(8)
h(1)= -0,1111 = h(7)
h(2) = -0,05912 = h(6) h(2) 0,05912 h(6)
h(3)= 0,3199 = h(5)
h(4)= 0,5555 = h(4)
426
Filter Rekursif Sampling Frekuensi
Transformasi Fourier Diskrit dan Inverse-nya :
N-1
H(k) = h(n) e
-j(2/N)kn
n=0
N-1
h(n) = (1/N) H(k) e
j(2/N)kn
0 n=0
dan H(k) = H(z) untuk z = e
j(2/N)k
dan H(k) = H(z) untuk z = e
j(2/N)k
427
Fungsi transfer filter :
N-1 N-1 N-1
H( ) h( )
n
[(1/N) H(k)
j(2/N)kn
]
n
H(z) = h(n) z
-n
= [(1/N) H(k) e
j(2/N)kn
] z
-n
n=0 n=0 k=0
N-1 N-1
= [(1/N) H(k) e
j(2/N)kn
] z
-n
k=0 n=0
N-1 N-1 N 1 N 1
= [(H(k)/N)] (e
j(2/N)kn
z
-1
)
n
k=0 n=0
N-1
= [(H(k)/N)] [(1 - e
j2k
z
-N
) / (1 - e
j2k/N
z
-1
)]
k=0
428
Karena e
j2k
= 1 , maka :
N-1
H(z) = [(1- z
-N
)/N)] [H(k) / (1 - e
j2k/N
z
-1
)]
k=0
= H
1
(z). H
2
(z)
Dengan : H
1
(z) = (1- z
-N
)/N)
N-1
H
2
(z) = [H(k) / (1 - e
j2k/N
z
-1
)]
K=0
429
Terlihat bahwa pada bentuk rekursif, H(z) dapat
diekspresikan dengan cascade 2 filter : diekspresikan dengan cascade 2 filter :
H
1
(z) yang mempunyai N zero uniform yang terdistribusi di
sekeliling lingkaran satuan.
H
2
(z) yang merupakan penjumlahan N single All-pole
filter
Zero dari H
1
(z) dan pole dari H
2
(z) terletak pada lingkaran
satuan pada titik z
k
= e
j2k/N
Pole-Zero Cancelation p
k
membuat H(z) sebagai filter tanpa pole.
430
Secara praktis, efek finite wordlength menyebabkan pole
dari H
2
(z) tidak benar-benar pada lingkaran satuan pole dari H
2
(z) tidak benar benar pada lingkaran satuan pole
tidak dihilangkan oleh zero yang ada H(z) sebuah IIR
yang potensial tidak stabil.
Problem di atas dapat dihindari dengan mencuplik H(z) pada
jari-jari r yang sedikit lebih kecil ( mendekati) jari-jari jari jari r yang sedikit lebih kecil ( mendekati) jari jari
lingkaran satuan, sehingga :
N-1
H(z) = [(1- z
-N
)/N)] [H(k) / (1 r.e
j2k/N
z
-1
)]
k=0 k=0
431
Untuk kasus linear fasa dan simetris :
H(z) = [(1- z
-N
)/N)]
M
x { [H(k){2 cos(2k/N)-2 r cos[2k(1+)/N].z
-1
}/[1-2r cos(2k/N) z
-1
+ r
2
z
-2
]
k=1
+ H(0)/(1 z
-1
r)}
Dengan = (N-1)/2
U t k N jil M (N 1)/2 Untuk N ganjil : M = (N-1)/2
Untuk N genap : M = (N/2) 1 Untuk N genap : M (N/2) 1
432
Latihan
1. Rancanglah filter IIR dengan spesifikasi sbb :
High pass filter dengan bandwidth 0,5 dB pada frequensi digital g p g , p q g
f=0,375 siklus per cuplikan (cycles per sample)
Frequensi pencuplikan 20.000 Hz
Menggunakan transformasi Bilinier dan filter Low-pass anlog Menggunakan transformasi Bilinier dan filter Low pass anlog
ternormalisasi yang dipakai mempunyai respons impuls sbb :
43138 , 1
) ( H
5162 , 1 4256 , 1
,
) (
2
+ +
=
s s
s H
a. Turunkan Persamaan H(s) filter High pass analog ekivalen, dan hitung
nilai pada gain = -0,5 dB
b. Turunkan persamaan H(z) filter highpass digital tsb
c. Gambarkan realisasi filter tersebut
433
2. Sebuah filter analog dengan fungsi transfer
01 , 9 2 , 0
1 , 0
) (
2
+ +
+
=
s s
s
s H
Filter tersebut ingin diubah menjadi filter digital respons impuls tak
terbatas dengan memakai metoda transformasi respons impuls.
Frequensi pencuplikan 20 Hz Frequensi pencuplikan 20 Hz
Turunkan persamaaan fungsi transfer H(z) filter digital tsb
Turunkan dan gambarkan respons frequensi yang diinginkan H(e
jw
)
Gambarkan realisasi filter ini
Menurut pendapat anda filter digital ini berfungsi sebagai apa ?
434
3. Rencanakan sebuah filter Band Stop Filter respons impuls terbatas
dengan spesifikasi sbb:
Penguatan pada frequensi 0 Hz = 1 dan penuatan pada frequensi
8000 Hz = 1
Tidak melalukan daerah frequensi 3000 Hz sampai dengan 4000 Hz q p g
Frequensi pencuplikan yang dipakai 16000 Hz
Metoda window dengan window Hamming
Jumlah koefisien filter 11 Jumlah koefisien filter 11
a. Gambarkan respons frequensi yang diinginkan H(e
jw
) sbg fungsi w
b. Hitung koefisisen filter
c. Tulis persamaan H(e
jw
) yang diperoleh
d. Hitung amplituda respons frekuensi pada frekuensi 4000 Hz
435
4. Diberikan spesifikasi filter LPF sebagai berikut :
Passband 0 4 KHz Passband 0 4 KHz
Frekuensi Sampling 18 KHz
Panjang filter 9 Panjang filter 9
Tentukan fungsi transfer dalam bentuk rekursif.
Gambarkan struktur realisasinya.
436
Terima Kasih Terima Kasih
437

Pengolahan Sinyal Dijital

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pengolahan Sinyal Dijital

Cargado por

Copyright:

Formatos disponibles

TT 3113 TT-3113

PENGOLAHAN SINYAL PENGOLAHAN SINYAL

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Dimana k adalah integer sejumlah N dari 0 sampai N-1.

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

di setiap titik di luar lingkaran dengan jari jari .

X(z) konvergen di setiap titik di dalam lingkaran dengan jari-

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

x(n) = u(n), maka X(z) = z

TZ[ x(n)] = G(z )

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

H(z) = [1- exp(-T). z

diatas nilai diluar 0

Jangkung Raharjo, jkr@ittelkom.ac.id, Departemen Teknik Elektro Institut Teknologi Telkom

Frequensi sampling 20 KHz

También podría gustarte