Escolar Documentos
Profissional Documentos
Cultura Documentos
PAN
UMUR
B
@*nAHATLMU
PENGOIAHAN
SINYAL DIGITAL
lr$t8fi]t Pffi n0snfimffi mmm[
Dadang Gunawan
PENCOLAHAN
SI
NYAL DICITAT
Oleh
i
I
I
I
!
DadangGunawan
Filbert Hilman Juwono
t
I
I
Edisi Pertama
Cetakan Pertama, 2012
GRAHA ILMU
Ruko Jambusari No. 7A
Yogyakarta 55283
Telp
: 027 4-88983 6; O27 4-889398
Fax.
: 0274-889O57
: info@grahailmu.co.id
Filbert Hilman
1. Teknik
I. Judul
ruTAPE]YGANTAR
engolahan Sinyal Digital telah banyak digunakan dalam berbagai aplikasi. Sebagai contoh,
aplikasi-aplikasi tersebut meliputi teknik pengenalan suara, kompresi sinyal (data, gambar), dan
juga televisi dan telepon digital. Pengolahan Sinyal Digital juga sangat membantu dalam
penanganan bencana alam, seperti dapat diciptakannya teknologi pemantau gempa dan tsunami. Selain
iftl
juga aplikasi biomedik, seperti sinyal electrocardiography (ECG) dan electroencephalogram (EEG),
sangat terbantu dengan adanya teknologi digital.
Buku ini memberikan dasar-dasar teknik yang digunakan dalam Pengolahan Sinyal Digital. Buku
mengenai sinyal, yaitu jenis-jenis sinyal.
Walaupun dibahas mengenai sinyal kontinu, penekanan masih tetap pada sinyal diskrit. Bab 2 membahas
mengenai sistem dan operasinya. Pengolahan Sinyal Digital memang merupakan suatu bagian khusus dari
subjek Sinyal dan Sistem sehingga penekanan intinya tidak lepas dari topik tersebut. Bab 3 membahas
mengenai Sistem LTI waktu diskrit. Sistem LTI sering diasumsikan karena paling mudah untuk
diaplikasikan. Bab 4 membahas mengenai transformasi dari domain waktu ke domain frekuensi yang
dinyatakan sebagai representasi Fourier dengan penekanan pada Discrete Fourier Transform (DFT) dan
Discrete'Time Fourier Transform (DTFT). Bab 5 membahas mengenai hansformasi z, suatu transformasi
yang berguna untuk menganalisis sistem diskrit. Bab 6 membahas mengenai filter Finite Impulse
Response (FiR) sedangkan bab 7 membahas mengenai filter Infinite Impulse Response (IIR). Tiap-tiap
bab juga dilengkapi dengan program MATLAB yang mendukung penjelasan-penjelasan yang ada.
Diharapkan Anda dapat mengembangkan program MATLAB tersebut jika telah memahami betul teoriteori yang disajikan.
vi
Akhirnya. kami berharap buku ini'dapat merijadi dasar untuk aplikasi dari Pengolahan Sinyal
Digital dan kami juga berharap dapat memberi manfaat bagi pengembangan ilmu.
Penulis
DAFTARlS'T
KATA PENGANTAR
DAFTAR ISI
BAB
BAB
BAB
SIR{YAI,
vii
1
1.1 Pendahuluan
1.2 Macam-macam Sinyal
1.3 Operasi lJasar Sinyal
1.4 Sinyal-sinyal Dasar
1.5 IV1engapa Pengolahan Sinyal Digital?
1.6 Kerangka Isi Buku
28
Soal-soal
34
SISTEM
37
2.1
37
Pendahuluan
I
2
I
15
26
38
Soal-soal
45
49
49
5l
58
68
76
82
wtI
BAB
BAB
BAB
84
Soal-soal
90
93
4.1 Pendahuluan
4.2 Fourier Series (FS)
4.3 Fourier Transtbrm (FT)
4.4 Discrete-Time Fourier Transform @fFf)
4.5 Discrete Fourier Transform @Ff)
4.6 Properti Representasi Fourier
4.7 Fast Fourier Transform FFf)
4.8 lrwers Fast Fourier Transform (IFFT)
93
84
94
98
100
103
113
113
t23
Soal-Soal
129
TRANSFORMASI Z
133
5.1 Pendahuluan
5.2 Properti Transformasi Z
5.3 Fungsi Sistem LTI
5.4 Invers Transformasi Z
5.5 TransformasiZ Satu Sisi
5.6 Respons Sistem Pole-Zero dengan Kondisi Awal
5.7 Kausalitas dan Stabilitas
5.8 Penghilangan Pole-Zero
5.9 Stabilitas Sistem dengan Lebih Dari Satu Pole
133
138
146
148
159
Tidak Nol
161
t64
165
166
Soal-soal
172
l7s
6.1 Pendahuluan
6.2 Respons Fasa
6.3 Tipe Filter FIR
6.4 Perancangan Filter
6.5 Spesifikasi Filter
6.6 Penghitungan Koefisien Filter
6.7 Metode Windowing
6.8 Metode Optimal
6.9 Metode Sampling Frekuensi
t75
t76
6. I 0
Transformasi Frekuensi
Soa[-soal
178
179
181
183
183
t94
t97
20r
208
Daftar lsi
BAB
ix
211
7.1 Pendahuluan
7.2 Metode Penempatan Pole-Zero
7.3 Metode Impulse Invariant
7.4 Metode Matched Z-transforrn (lv[Zf)
7.5 Metode Bilinear Z-transforn (BZT)
7.6 Filter Analog
7.7 BZT dengan Filter Analog
2tt
Soal-soal
212
2t6
220
222
229
237
260
DAFTAR PUSTAKA
263
TENTANG PENTILIS
265
-oo0oo-
BAB
Sinyal
1,1
PENDAHULUAN
inyal banyak dijumpai dalam keseharian kita seperti suara, musik, gambar, video. Selain itu,
fenomena alam seperti temperatur, kelembapan, arah angin juga termasuk sinyal. Jika kita
memeriksakan diri ke dokter biasanya akan diukur tekanan darah dan jika kita masuk ke ruang
ICU kemungkinan kita melihat denyut jantung seseorang yang ditampilkan dalam layar peralatan medis.
Tekanan darah dan denyutjantung dapatjuga digolongkan sebagai sinyal.
Sinyal didefinisikan sebagai kuantitas fisik yang membawa pesan atau informasi. Satu hal yang
membedakan antara sinyal dan gelombang adalah masalah informasi; sinyal membawa infonnasi
sedangkan gelombang tidak. Sinyal biasanya direpresentasikan secara matematik dalam bentuk fungsi
satu atau lebih variabel. Sinyal yang hanya mempunyai satu variabel disebut sinyal satu dimensi (l-D),
sebagai contoh adalah sinyal suara yang amplitudonya hanya tergantung pada satu variabel yaitu waktu.
Untuk sinyal l-D, variabel bebasnya biasanya adalah waktu. Sinyal dengan dua atau lebih variabel
disebut sinyal multi dimensi (M-D). Sebagai contoh, sinyal gambar (image) merupakan fungsi dua
variabel ruang (koordinat x dan y). Contoh lain adalah intensitas medan listrik dapat dinyatakan dalam
variabel waktu dan ruang.
Sinyal yang paling mudah diukur dan sederhana adalah sinyal listrik sehingga sinyal listrik
biasanya dijadikan kuantitas fisik referensi. Sinyal-sinyal lain seperti temperatur, kelembapan, kecepatan
angin, dan intensitas cahaya biasa diubah terlebih dahulu menjadi sinyal listrik dengan menggunakan
transducer.
Digital
Istilah pengolahan sinyal berhubungan dengan metode-metode analisis, modifikasi, atau ekstraksi
informasi dari suatu sinyal. Secara umum, pengolahan sinyal merupakan representasi matematik dan
algoritma untuk melakukan proses-proses analisis, modifikasi, atau ekstraksi informasi seperti yang
disebutkan di atas. Sinyal diolah di dalarn suatu sistem yang akan dibahas pada bab berikutrya.
Sedangkan istilah digital berarti bahwa pengolahan sinyal tersebut dilakukan menggunakan komputer
atau perangkat digital.
1.2
MACAM-MAEAM SINYAL
Di sini akan dibatasi sin"ral satu dimensi yang bernilai tunggal, yaitu untuk satu waktu hanya terdapat satu
nilai saja, baik nilai riil maupun kompleks. Berbagai klasifikasi sinyal adalah sebagai berikut:
l.
Selain itu, terdapat juga sinyal data-tercacah dan sinyal boxcar. Sinyal data-tercacah (sampled-data
signal), yaitu sinyal waktu-diskrit yang dengan amplitude bernilai kontinu. Sinyal boxcar
terkuantisasi (quantized boxcar signafi yaitu sinyal waktu-kontinu dengan amplitudo bernilai-diskrit.
Sinyal-sinyal tersebut digambarkan dalam Gambar l.l.
Bab 1: Sinyal
Sinyal digital
Si
nyBl dtsta-tercacdh
Si
Gambar 1,1 Sinyal waknt-kontinu, sinyal digital, sinyal data-tercocah, dan sinyal boxcar terkuantisosi
Sinyal waktu-kontinu variabel bebas kontinunya dilambangkan dengan l, sementara sinyal waktubebas variabel bebas diskritnya dilambangkan dengan n. Sebagai contoh, x(t) menggambarkan suatu
sinyal waktu-kontinu dan x[n] menggambarkan suatu sinyal waktu-diskrit. Setiap anggota, x[n], dari
suatu sinyal waktu-diskrit disebut sampel.
Secara matematik, sampel unfuk sinyal waktu-kontinu x(l) pada saat
I,
t:
nT, adalah
l,!2,...
(1.1)
Contoh 1.1
x(r)=sin(al)
dengan periode
untuk n
untuk n =
untuk n
A, xlnf=.r(0)
= sin(0) = 0
:2,
t
,,
x(-t)
dan disebut sinyal ganjil
x(t) untuk
semua
jika
x(-t)
-x(t)
(1.2)
'
untuk semua
(1.3)
'
Secara geometrik, sinyal genap akan simetris terhadap sumbu y dan sinyal ganjil akan antisimetrik
terhadap titik O(0,0). Contoh yang paling sederhana untuk sinyal genap adalah sinyal kosinus dan
x"(t)
menyubstitusi
l= -t
dan .r,
(r)
(1.4)
adalah komponen sinyal ganjil. Dengan
,(-f) =x"(-t)+x,(-r)
dan dengan
'(-l)
x"(t)- *,(t)
(1.s)
*,(t)
=*l.tt+ x(-r)]
,,(r)=
persamaan (1.2)
(1.6)
(1.7)
ll-tl-,(-r)]
- (1.7) juga berlaku untuk sinyal diskrit. Jika x(f) merupakan sinyal kompleks,
jb(t)
,(-t)= r. (t)
jika
(1.8)
Bob 1: Sfnyal
dengan
"r"(r)
didapat
+
"(*r) ;b(-t)
x(l).
bagian riilnya merupakan sinyal genap dan bagian imajinernya merupakan sinyal ganjil.
Contoh 1.2
Bagian genap dau ganjil dari sinyal
xlnl=lcos(arrz)+Bsin(aron)
berikut.
*l-"1
*
"frl =| [,
=
*,ln)=
=
r:
|1, ^
+x
rrs
(ar,r)] = A
cos(aon)
,
,o, aon)+B sin (aroz) - r cos (aron ) + B sin (oon)]
f,l-lr1- [-r]] = ] [,r {
j;zrrin (r',)l=
B sin(a,n)
Contoh 1.3
x[r]=
g
{: 4 ? 0 6 3 5} dapat ditentukan sebagai
,[-,]={s s 3 6 o ? -4
3}
i i -2 ? -z Z 1, Z il
,.[nt=)l.w-,[-,]l={j Z-i i-z g 2;iZil
*"1,f=)l.u.,t-,tl={i
3.
Sinyal
x(r)
periodik jikamemenuhi
x(r)= x(t
dengan
+r)
(l'e)
Nilai Z terkecii
disebut sebagai
yang memenuhi persamaan (1,9) disebut sebagai periode dasar. Kebalikan dari
frekuensi.
t^l-'T
(1.10)
Frekuensi pada persamaan (1.10) dinyatakan dalam satuan Hz {hertz,) atau siklus per detik. Cara lain
menyatakan frekuensi adalah dengan satuan radian per detik yang disebut sebagai frekuensi sudut
(angular).
.l-
a=2nf=""
"T
(l.ll)
Contoh sinyal periodik dengan periode 0,2 detik ditunjukkan pada Gambar 1.2.
Erktu ,
x[n)= x[n
N]
(1.12)
dengan N adalah konstanta bilangan bulat positif. Nilai Nterkecil yang memenuhi persamaan (1.12)
disebut periode dasar untuk sinyal waktu-diskrit
x[n].
a=Z
N
Contoh sinyal periodik diskrit dengan periode
N:
(1.13)
Bob 1: Sinyal
xlrl
dan
N*
dengan gcd(N,, N,
*rlr)
detik
adalahperiodikdenganperiode
N,
maka
N,Nt
(1.14)
Contoh 1.4
Jika x[n]
=cos(ntrlI2)+sin(nnll8)
=36.
x[z]
adarah
x[n]
,affi
=4ff =r,
r
4.
Gambar 1.2 merupakan contoh sinyal deterministik. Sinyal derau (noise) dan EEG
(electroencephalogram) yang ditunjukkan pada Gambar 1.4 adalah contoh sinyal acak.
5.
v'(t\
plt)=t
(1.15)
atau
p(/)=
nil
(t)
(r.16)
Dalam banyak sistem nilai R biasanya dinormalisa si unity (1 ohm), sehingga, secara umum daya
berbanding lurus dengan kuadrat tegangan atau arus. Oleh sebab itu, untuk sinyal x(t), tanpa
oleh
memandang apakah sinyal tersebut merupakan tegangan atau arus, daya sesaatnya diberikan
p(t)= *'(t)
(1.17)
Energi total dari sinyal waktu-kontinu merupakan integral dari daya sesaat, yaitu
= !x'(t)dt
(1. l 8)
Daya rata-rata didefinisikan sebagai energi total dibagi total waktu sehingga dapat ditulis secara
matematik sebagai
Tl2
=
[ x'(t)at
- -rl2
" l,1g*
Jika sinyal
x(t)
(r.re)
a T11
' t-
=+ ! x'(t)at
'
(1.20)
-rlz
E=i *'ln)
(1.23).
(1.21)
Bab 1: Sinyal
P=
lim+
i *'ln|
t
)|tl nu^.
(t.22)
N--+*
P=*;o t't
(1.23)
Sinyal energi adalah sinyal yang mempunyai energi terbatas, atau dengan kata lain memenuhi
0 < .A < o, Jika melihat persamaan (1.19) maka sinyal energi mempunyai daya nol. Sebaliknya, jika
sinyal mempunyai daya terbatas, atau 0 < P < oo maka disebut sinyal daya. Sinyal daya mempunyai
energi yang tak terbatas.
Contoh 1.5
Daya ruta-rata untuk sinyal pada Gambar 1.2 dapat dicari dengan menggunakan persamaan (1.20)
sehingga didapatkan
0,2
P= | lut =
0,2
o!'13'
=r
1.3
Ada dua macam operasi dasar yang biasanya dilakukan terhadap sinyal, yaitu operasi terhadap
variabel terikatnya (variabel tak bebas) dan operasi terhadap variabel bebasnya. Operasi pada variabel
terikatnya meliputi:
l.
Penskalaanamplitudo
Jika x(f
v(t\= "x(t)
(r.24)
Yl'tl=
cxln)
O'25)
2.
Penjumlahan
Penjumlahan dari dua buah sinyal, baik sinyal waktu-kontinu maupun sinyal waktu-diskrit adalah
y(t)
x,(t)+ xr(t)
(1.26)
10
(1.27)
3.
Perkalian
Operasi perkalian ini salah satunya digunakan pa<ia modulasi AM. Clperasi perkalian dua buah sinyal
diberikan oieh:
4.
v(t\= aQ)x,(t)
(l.28)
tlnl= x,[n]x,lnl
(t.2e\
Diferensiasi
Jika
x(l)
y(t)=fi.{,)
Operasi diferensiasi
(1.30)
tegangan antara ujung-ujung induktor
merupakan turunan pertama arus yang lewat pada induktor tersebut terhadap waktu dikalikan dengan
induktansi.
5.
Integrasi
Jika
x(r)
y(t)= l*Q)ar
(1.31)
Salah satu contoh operasi integrasi terdapat pada kapasitor, yaitu beda tegangan antara ujung-ujung
kapasitor sebanding dengan integral arus yang lewat pada kapasitor tersebut terhadap waktu.
l.
Pergeseran
Sinyal
x(t-to)
kanan, sebaliknya
merupakan
jika
lo <
x(r)
maka digeser ke
maka sinyal
x(l)
1.5 yang
kiri dengan lo = -1,5 (ditunjukkan dengan titik ..). Sinyal yang mengalami
aigeserke
*)
dan
pergeseran ke
Bab 1: Sinyol
t1
x(r)
aiUerit<an oleh
t+1, -1<r<0
,\ | ,, o<t<2
x\t)=1-,*r,
I
2<t<3
L 0,
I
Maka sinyat
x(t -2)
dan
x(t +3)
yang lain
Yang pertama adalah dengan menggeser sinyal ke kanan sebanyak 2 satuan, dapat diperoleh dengan
mengganti t = t
sehingga didapatkan
-2
I t-1, l<t<2
x(t
-z)=
_,1r.
I o,
,^:,,::
yang lain
Yang ke dua adalah dengan menggeser sinyal ke kiri sebanyak 3 satuan. Dengan cara yang sama
didapat
It++, -4<t<-3
x(,+3)=]
l;, j,:i:;
I o,
Dapatkah Anda menggambar ketiga sinyal tersebut?
yang lain
12
2.
Pencerminan
Sinyal
,(-f)
ini
x(f)
adalah jit<a
,(-t)
0 seperti
merepresentasikan sinyal
(rewind) video tersebut (dengan asumsi kecepatan putar dan rewind adalah sama).
x(r)
Y(r) =
,1,_
-Tr
rz
-Tz
(a)
x(-t)
Ir
(b)
x(-t)=r(r)
untuk semua
sinyal ganjil.
Contoh 1.7
Jika sinyal diskrit
n=l
fl,
n=-l
,[r]=]-r,
[0, r=0dan lrlrt
Kita akan membuktikan yl"l= xln)+ *l-rl.
"
Sinyal
[-t,
l,
n:r
n =-l
[0,
n=0danlrlrr
*l-"1=l
Sehingga
0 untuk semua,?.
Bob 1: Sinyal
3.
13
Penskalaan waktu
Jika sinyal
x(l)
x(Zt)
*rl ,(;r)
penskalaan waktu seperti ditunjukkan pada Gambar 1.7. Secara umum penskalaan waktu dapat
ditulis sebagai
Y(t) = x(at)
(1.32)
Y[n]=*1k"1, k>o
(1.33)
v(0
(i,)
_!') 0 !')
(b)
(c)
Untuk sinyal waktu-kontinu terlihat jika a > 1 maka sinyal tersebut akan terkompresi, sedangkan
jika 0 < a <l sinyal akan terekspansi. Unfuk sinyal waktu-diskrit, jika fr > l maka sebagian nilai
akan hilang. Hal tersebut ditunjukkan pada Gambar 1.8. Untuk
n=
k=2,
sinyal-sinyal untuk
o
(b)
(a)
Jika operasi pergeseran dan penskalaan waktu dikombinasikan, yaitu untuk mendapatkan sinyal
y(t)=x(at-b)
y(t)
= v(at) = x(at
b)
v(t)=x(t-b)
aan
14
Contoh 1.8
Diketahui sinyal
x(r)
y(t)=x(Zt+3)
langkah-langkah sebagai berikut. Langkah pertama adalah melakukan pergeseran 3 satuan ke kiri,
menjadi seperti pada Gambar 1.9(b). Langkah kedua adalah dengan melakukan penskalaan waktu 2
kali, yaitu sinyal akan terkompresi 2 kali, seperti pada Gambar 1'9(c).
*1 0 I
(a)
-44-A-l
(b)
-'3-4-l
(c)
y(t)
= x(Zt
+l)
Contoh 1.9
Suatu sinyal diskrit diberikan oleh (lihat Gambar 1.10(a))
t,
n =1,2
j-1,
I
x[n ]=
I
maka untuk menentukan
o,
yl"7: xlZn+3]
= -7,-2
r =0 dan lnlrz
It,
vlnf=xln+:l={-t,
LJLJI
o, n:
n=-1,-2
n=*4,-5
-3,fl 2 -l,n < -5
Langkah ke dua adalah penskalaan dua kali, yang akan mengkompresi sinyal menjadi seperti pada
Gambar 1.10(c).
lt'
n=-l
n=-2
yrn)= vlznl=
hl,
yang lain
I
tub 1: Sinyol
15
vltrI=][a+3]
Y[n] = v[2nl
Gambar
1.4
l.l0
Pembentukan sinyal
yl"]= xl2n$1,
contoh 1.8
SINYAL-SINYAL DASAR
Beberapa sinyal dasar yang sering dijumpai dalam topik sinyal dan sistem diantaranya adalah
l.
Sinyal eksponensial
Secara umun sinyal ini mempunyai bentuk
x(t)= 3r*
dengan
dan
(1.34)
maka sinyal
x(r)
o.t 0.2
saktu ,
Gambar
1.ll
a>0
0"7
0.t
o.9
15
xfnf= 6v"
(1.3s)
4
3.5
3
x[nl
rlnl
2.5
2
t.5
I
0.5
0
:10
-4
-E
-20
Gambar
2.
:t0 -8 -6 -4 -2
waktu n
r0
rvaktu n
l.l2
Sinyal sinusoidal
Secara umum, sinyal sinus dan kosinus disebut sebagai sinyal sinusoidal. Sinyal kosinus pada
radian ke
kiri.
dinyatakan dalam sinus dan begitu juga sebaliknya. Dalam buku ini sinyal sinusoidal referensi yang
digunakan adalah kosinus yang secara umum dinyatakan sebagai
,(r)=
dengan
adalah amplitudo,
Acos(att+fi)
(1.36)
dalam radian.
)r
(1.37)
Dalam bentuk diskrit sinyal sinusoidal diberikan oleh
x[n]= Acos(an+Q)
dengan frekuensi sudutdis\rit dalan: radian/siklus diberikan oleh
'
':.
(1.38)
Bob 1: Sinyal
t7
O_
2nm
nx,N
bilangan bulat
(1.3e)
Tidak semua sinyal sinusoidal diskrit periodik. Untuk periodik frekuensi sudutnya harus merupakan
kelipatan 2n seperti ditunjukkan oleh persamaan (1.39). Contoh sinyal sinusoidal kontinu dan
diskrit ditunjukkan pada Gambar 1.13 dan 1.14.
5
r(r)
-5
o.2
0.3
0.4
0.5
r')iral*u,
Gambar
l.l3
0.6
0.7
I
0.8
0.6
0.4
0.2
xlnl
-0.2
-o.4
-0.6
-0.8
0
:t0
-8 -6 -4
Gambar
-2
n'afitu n
l.l4
Bentuk sinyal sinusoidal seperti pada persamaan (1.36) disebut sebagai bentuk polar. Sinyal
sinusoidal juga dapat dinyatakan dalam bentuk rectangular, yaitu terdiri dari komponen sinus dan
kosinus, seperti ditunjukkan persamaan
(I
.40).
18
Acos(at *
0): I
(/)
cos
cos (ror)
,a sin
(/) sin(at)
(1.40)
=ccos(cot)+Dsin(or)
dengan
C=Acos(q)
aan
A'(cos' S+sin'
Q)
(1.4r)
/=cos-'(;)=',"
(1.42)
[+)
*r(t) =
(1.43)
+ Q)
A=@
I'
sin
-,
Q=tan@
(r.44)
(il*
Arsin(Qr)
(1.4s)
x(t)=
dengan
1"i(o't+0)
ei,, adalahsinusoidal
(1.46)
+ Q)
dan fase
dan
Aeit
adalah amplitudo
kompleks.
akan didapatkan sinyal yang
Jika sinyal sinusoidal dikalikan dengan sinyal eksponensial menurun
damped sinusoidal signal)
disebut sebagai sinyal sinusoidal teredam eksponensial (exponentially
Bab 1: Sinyal
19
yang ditunjukkan pada Gambar 1.15. Sinyal sinusoidal teredarn Gksponensial diberikan oleh
persamaan (1.47).
(t.47)
60
50
40
30
r(r)
20
l0
0
-10
-20
-30
-,*0 0
wrttu I
Gambar
3.
l.l5
l't.
u(tl=1'
"t'/-|0
"bt={:,
t >O
t<O
(1'48)
:1i
,4s)
Sinyal unit step kontinu dan diskrit ditunjukkan pada Gambar 1.16. Sinyal unit step kontinu tidak
terdefinisi pada saat I = 0, karena pada waktu tersebut terjadi lonjakan tibatiba dari 0 ke 1.
20
(b)
(a)
Sinyal rectangular dapat dibentuk dari penjumlahan dua sinyal unit step. Secara umum, sinyal
rectangular dengan amplitudo ,4 didefinisikan sebagai
a)-u(t - a)f
(1.s0)
Untuk sinyal rectangular seperti pada Gambar 1.17 terbentuk dari persamaan-persamaan
x(r)
= r,
(r)* *r(t)
= Au(t
= A rect(t)
x( ,)
I
-0.5
Gambar
l.l7
Sinyal rectangular
Bab 1: Sinyal
21
Contoh 1.11
Fungsi signum didefinisikan sebagai
[],
l>o
sgnr=] o, t=o
[-r ,<o
(l.sl)
Fungsi tersebut dapat dilihat pada Gambar I . I 8 dan dapat juga dinyatakan dalam unit step sebagai
sSpl =
-l+zu(t)
(t.s2)
I
Gambar
4.
l.l8
Sinyal signum
[*1t1a1t1at =
r(o)
t, <o <t2
(r.s3)
ll
dengan syarat
l.
a(o)=
x(l)
tontinu pada x = 0. Beberapa properti untuk fungsi Dirac delta tersebut adalah:
2. d(r)=9, t*O
22
3.
Id(t)at=t
u4={t:
*0
[0, n:=:
{r
s4)
Fungsi Dirac delta kontinu dan diskrit ditunjukkan pada Gambar 1.19.
(b)
(a)
Gambar
l.l9
Fungsi impuls merupakan turunan pertama dari fungsi unit step, dan sebaliknya juga unit step
merupakan integral dari fungsi impuls.
d(t)=*,al
(l.ss)
u(t)='jo(r)at
(1.s6)
"-
Jx(r)a(r -to)dt
=\*(ro),
o,
{
tt < to < tz
yang rain
(1.57)
Bab
23
1: SinYal,
Terlihat dari persamaan (1.57) jika sinyal
selang waktu antara
/, dan l,
diintegral selama
pada t
maka sinyal akan 'tersaring' sehingga hanya terdefinisi
=to'
selainnyaadalahnol,dengancatatantoadadalamrentangt|<to<t2.
Properti pencuplikan (sampling property)'Jika
x(t)a(t-t)
x(r)
= x(ro)a(r
(1.58)
-ro)
x(f ) aengun 6 (t
(1.5e)
d(at+r1:frr(,.*)
'[*(t)d'(t
l2
-to)dt = -r'(lo),
(1.60)
tt <to <t2
,l
dengan kondisi
1. x(t)A'(t-lo) = x(to)5'(t-rr)-''(rr)a'(r-r,)
2.
Iu'(r-t)dr=a(r-r,)
u'r*+b) = !u(,*l)
3. "\"._/
r.
lrl \ ,/
Turunan kedua
unit
1'20'
Representasi unit doublet ditunjukkan pada Gambar
tt < to <tz
(1.61)
24
d'(r)
Nilai dari
!(t+*)d(t-3)dt
dan
-z
lp+t')d(t-z)at
_2
berikut' untuk
I(t+t')a(t-3)dt,
-2
rentang
nilai
t,1to 1r,
to
sehingga
menghasilk*
'!(t
i(, +r)d(t -l)dt= 0. untuk +r)d(, -z)dt ,
-2
_2
tt < to <
tz
sehingga
menghasilkan
lQ
-2
5.
Fungsi ramp
Fungsi ramp didefrnisikan oleh
,to={,; ,,.oo
(t.62)
'r
1.63)
Bab 1: Sinyal
25
waktu I
Gambar
6.
l,2l
Fungsi ramp
Fungsi sampling
Fungsi yang paling sering muncul pada spektrum frekuensi adalah fungsi sampling Sa(x)
, yang
didefinisikan sebagai
sa(x)=*
(1.64)
Fungsi Sa(x) merupakan fungsi sinus yang teredam karena nilai pembilangnya terbatas, yaitu
lsinxlSl,
Sa(x) ditunjukkan
Terlihat fungsi tersebut adalah fungsi genap dan memiliki puncak pada saat x =
pada x =*nfi .
-2n
-tt
tT
2n
dan akar-akar
26
sinc(x)
=ry=
Fungsi
Sa(x)
sinc(x), yaitu
saQrx)
(1.65)
sinc(x)
adalah tungsi
zr.
1.5
Teknik pengolahan sinyal digital pada dasarnya sudah dimulai sejak abad ke-17 ketika
ditemukannya metode-metode numerik untuk menyelesaikan masalah-masalah fisik seperti
variabel dan fungsi kontinu. Terlebih lagi, sejak berkembangnya komputer digital pada tahun
1950an. Sejak tahun 1960an pengolahan sinyal digital sudah mulai dipertimbangkan dan
dikembangkan.
Pengolahan sinyal digital dari sinyal analog pada dasarnya meliputi tiga tahapan, yaitu:
konversi sinyal analog menjadi digital, mengolah sinyal secara digital, dan kemudian
mengembalikan lagi sinyal digital menjadi analog. Proses digitalisasi, atau sering disebut proses
Bab 1: Sinyol
27
pulse code modulation (PCM) terdiri dari proses sampling, kuantisasi, dan koding. proses
sampling biasanya diperoleh dengan proses sample-and-hold,hasil dari proses sampling disebut
sinyal data-tercacah, atan sering juga disebut sinyal pulse amplitude modulation (pAM). proses
dnyd
dllta
Gambar 1.24 Pengolahan sinyal digital dari sinyal analog
l.
Sistem digital tidak harus bekerja dengan nilai yang benar-benar tepat sehingga sinyal digital kurang
sensitif terhadap toleransi. Dengan demikian sistem digital lebih tahan terhadap perubahan
temperafur dan parameter-parameter eksternal lainnya.
2.
3"
4.
'
5.
Dengan berkembangnya sirkuit very large scale integrared (VLSI) maka dimungkinkan untuk
membuat sistem pengolahan sinyal digital yang cukup kompleks hanya pada satu chip.
Dalam pernrosesan digital dimungkinkan terjadi pembagian-waktu (timesharing) dalam satu
prosesor. Konsep timesharing adalah menggabungkan dua sinyal digital menjadi satu dengan timedivision multiplexing. Sinyal multiplexing tersebut kemudian dikirimkan ke prosesor. Dengan adanya
timesharing maka akan menurunkan biaya pengolahan per sinyal.
Sinyal digital dapat disimpan dalam media penyimpan (magnetic tape, disk, optical disk) dalam
jangka waktu yang lama tanpa ada kerusakan/hilang informasi. Sinyal yang sudah disimpan tersebut
dapat diolah secara off-line. Berbeda halnya dengan sinyal analog yang jika disimpan tidak tahan
lama dan jika terjadi kerusakan tidak dapat diperbaiki.
Dapat mengolah sinyal yang mempunyai frekuensi sangat rendah, seperti sinyal gempa (seismic)
yang jika diolah dengan menggunakan sistem analog akan memerlukan induktor dan kapasitor
dengan ukuran yang besar.
Sinyal digital juga tidak terlepas dari kelemahan, diantaranya adalah meningkatnya kompleksitas
sistem jika mengolah sinyal analog sebab perlu adanya tambahan perangkat seperti analog-to-digital
canverter (ADC) dan digital-to-analog converter (DAC) seperti ditunjukkan pada Gambar L.24. yang
kedua adalah adanya keterbatasan frekuensi yang dapat diolah. Hal ini berhubungan dengan syarat dari
28
frekuensi sampling yang akan dibahas kemudian. Yang terakhir adalah sistem digital dibangun dengan
menggunakan divais aktif (seperti transistor) yang akan meningkatkan konsumsi daya listrik.
1.6
Bab 1 dan bab 2 buku ini membahas mengenai dasar-dasar sinyal dan sistem, baik kontinu maupun
diskrit. Bab 3 membahas mengenai sinyal LTI diskrit dalam domain waktu yang meliputi penjelasan
proses sampling, diagram blok, representasi sistem dengan menggunakan persamaan perbedaan, dan
kunci utama DSP yaitu konvolusi dan korelasi. Sebagai tambahan juga dibahas sedikit mengenai
konvolusi untuk sinyal kontinu (sebagai pengayaan)'
Bab 4 akan membahas mengenai representasi Fourier yang digunakan untuk mengubah
sinyal dari domain waktu ke domain frekuensi. Pada dasarnya ada 4 macam representasi Fourier
yaitu Fourier Series (FS), Fourier Transform (FT), Discrete-Time Fottier Series (DTFS), dan
Discrete-Time Founer Transform (DTFT). Semuanya akan dibahas, namun akan menitikberatkan pada DTFS dan DTFT.
Bab 5 akan membahas mengenai transformasi Z yang akan banyak digunakan dalam
filtering. Bab 6 akan membahas mengenai filter digital yaittfinite impulse responsse (FIR) dan
Bab 7 membahas mengenai filter digital infinite impulse responsse (IIR).
Pojok
MATLAB
Untuk menyatakan fungsi unit step diskrit pada MATLAB, kita dapat menggunakan perintah
ones (1,N)
dengan Nadalah panjang unit step yang terdefinisi oleh
% Program 1.1
'amplitudo'
programnya:
Bab 1: Sinyal
29
Jika,dibei input
N=
10
Perintah
digunakan untuk menyetel batas minimum dan maksimum sumbu x dan sumbu y.
smpt
unit_impuls = [1 zeros
(N-1)
N>0
30
tem ( x,
delta
Dengan menggunakan panjang sinyal yang sama dengan contoh sebelumnya, kita akan mendapatkan hasil
seperti pada Gambar 1.26.
f-i
t
i
I
I
I
to
f
0.6
.=
E.
E
0.4
sampel
(x)
cos (x)
Sebagai contoh kita akan membangkitkan fungsi eksponensial kompleks seperti pada program berikut:
% Program 1.3
%
%
y[n] : C * exp(jkn)
Bab 1: Sinyal
--1
31
. \1 .
y=
C*exp (j *k*n)
hold
'b')
on
C:
2,
k:0.5,
imajiner'
t/:
dan
riil
'
1.51.1
bagian real
,,
I
1/
illi
o
''ili
)|
E.
E
ld)
-0.5
-r
I'
r
-1.5
1,
r
2' 0246810121416t8
i]
,.1.1
\j,
,.
r --'i
I-
..L
, |
+,
waktu
sinc (x)
32
Melakukan plot fungsi sinc (x) dari x = -2pi sampai dengan x = 2pi
* = -l*pi:0.2:2*pi
y = sinc (x) ;
% Melakukan plot sinyal
plot(x,y,'b')
hold on
stem (x, y, 'rd: ' )
xlabef ( rwaktu' )
ylabel ( 'amplitudo' )
Iegend 'kcntinur , 'diskrit')
Hasilnya dapat dilihat pada Gambar 1.28.
1:--
--.T
kontinu
diskrit
0.8 i
0.6
0.4
E.
E
"
o.zf
l
\.
/i'
-o.2
I
-8
I
-0.4
-6
-4
i'
--
-2
0
waktu
x, = x,ln-
,,
[+
23 ]
Bob 1: Sinyal
33
% program 1.5
%
Menentukan pergeseran
sinyal x2 = xltn _ 5l
x1 = f1 2 tl.
: 0:2;
N1
%
Menghitung siny.al
x2:
N2
IA 0 0 0
: 0:7;
x1]; %xlin _ 5l
st.em (N1,
hofd on
xi
,.
stem(N2,x2,,r1\
1.2g.
3r
z.s I,
i
2l
xtl" -51
34
Soal-Soal
L
'
2.
.2n
b.
c.
d.
e.
x[n)=zcos(J1r)
xln)=5sin(0, ttrn)t-4sin(0, 9rn)*cos(0, gan)
v(l+r(-r)
x(r)=
,cengan
,,(r)= cos(r)u(r)
a .lrl={-z 12 5 o a,i u r}
b. hlnf=n'
i.
4.
a.
11.
x(\t\/ =]
;1.", (ar)+tl,
ll.
b.
0,
Sinyal trapezoidal
ls-,.
4<r <5
I C,
yang lain
l' -4<r<4
*(r'\=J
\/
lt+S. -5<r_<-4
I
*re
lo
<r<
rf
yang iain
at
Bab 1: Sinyal
35
s.
Gambarlah
6.
Gambarlah xlZnldan
x(Zt), x(:r
"r[3r-1]
untuk sinyal
11, x=*l
12
I
-'
xlnl
L I= I
=*2
13, x=t3
[0, yang lain
I
7.
x(r)
riil
dan imajiner
sebagai berikut:
x(l)
+ 0')
(att + 6)
Oltentukan sebagai
Sinyal sinusoidal
terkecil supaya
9.
x[z]
x[n]
/.
C)
Reriodik.
Tentukan daya dan energi dari sinyal-sinyal di bawah ini. Dan tentukan juga apakah termasuk sinyal
daya alau sinyal energi.
36
a
b.
c.
J(,*r)a(t-t)ar
-:.,\ ,
\
l[ L,+sinr lal ,- Lla,
j\z
/\ 4)
!e'5(r +2)dr
-oo0oo-
B^82
Sistem
2.1
PENDAHULUAN
istem dapat didefinisikan sebagai suatu proses yang mengubah sinyal masukan menjadi sinyal
keluaran yang baru, yang berbeda dengan sinyal masukan semula. Sistem merupakan suatu proses
sehingga sistem dapat direpresentasikan menjadi berbagai macam proses seperti filtering,
modulasi, dan lain sebagainya. Secara fisik sistem dapat berupa suatu transmitter, kanal, receiver, dan
sebagainya.
Sistem dapat dibagi menjadi sistem waktu-kontinu dan sistem waktu-diskrit. Sistem waktukontinu mengubah sinyal masukan waktu-kontinu menjadi sinyal keluaran waktu kontinu; begitu
juga untuk sistem waktu-diskrit yaitu sistem yang mengubah sinyal masukan waktu-diskrit
menjadi sinyal keluaran waktu-diskrit. Sistem waktu-kontinu dan sistem waktu-diskrit
ditunjukkan pada Gambar 2.1 danGambar 2.2.
Secara matematis, hubungan alttara siir,val keluaran dan sinyal masukan pada suatu sistem,
y(t) =a {x(r)}
ylnl= H
e.D
{,1,1\
dengan
Qz)
1.
Linearitas
Suatu sistem dikatakan linear
a.
yr(t)
(r)
xt(t)+xr(t)
yr(t).
yr\)+yr(t)
maka
b.
l(t)
menghasilkan keluaran
dyU)
x(l)
ax(t),
Dari kedua hal tersebut, jika digabungkan maka dapat disirnpulkan suatu sistem disebut linear jika
memenuhi
ax,(t)+
(2.3)
'
o dan B adalah
Walaupun dibahas rumus untuk sistem waktu-kontinu, namun berlaku juga untuk sistem waktu-diskrit
Bab 2: Sistem
39
Contoh 2.1
y(t)=x(t)x(t-l)
Sistem
masukan
B*r(t)
l) + B.x2 0
yr(t)=axr(t)axr(r-t) -a'*r(t)xr(t-t)
ax,(t)+pxr(t)
- l)) * lt
axr(t)
/xr(t)frxr(r-r) = Frxr(t)xr(t-t).
lz
I
Contoh 2.2
Sistem
ylrl=!t-1"]+xfn-tl+x[n-Z])
axr(t)
y,ln]
=
=
!@.,ln]
+a
B*r(t)
fu)+x.rln-t)+
keluaran
ir(r,
x,fn-21) = lr * lz
I
2.
jika diberikan masukan x(r) akan menghasilkan keluaran l(r)ateUut timeinvariant (atau secara umum, jika variabel bebasnya bukan waktu, disebut shift-invariant) jika
Suatu sistem yang
memenuhi
x(t-to)-+
y(t-4)
e.4)
Dengan kata lain, sistem disebut time-invariant jika sinyal masukannya digeser sebesar
keluarannya juga akan bergeser sebesar lo
t
im
e,
-v ary i n g.
lo
maka
disebut
Prosedur untuk menentukan apakah sistem time-invariant atau time-varying adalah sebagai berikut:
yr(t)
,r(l)
a.
Misalkan
b.
xt(, -ro)
dan tentuka"
.rr(t)
c.
Logika prosedur
invariant, jika
disebu t time-vorying
di
atas ditunjukkan pada Gambar 2.3 yang menjelaskan bahwa sistem timedilakukan delay (pergeseran) /o pada masukan terlebih dahulu kemudian baru
dimasukkan ke sistem H akan menghasilkan keluaran yang sama dengan keluaran sistem H di-detay
sebesar lo.
xr(r) Dele]
<>
x2(l) =
x1(l -
16)
-+
Iz(r)
.rr(t)
----i-
{a)
tr(r) Deiay
;,:-.i h(r - ro)
-"+
---p
(bi
Gambar 2.3 Sistem time-invariant (a) Delay dilakukan sebelum masuk ke sistem (b) Delay dilakukan
setelah masuk sistem
Contoh 2.3
Sistem
y(t)=cosx(f)
y(t)=x(l)cosr
adalah
sistem time-varying. Pembuktian dapat dilakukan dengan menerapkan keempat prosedur di atas.
Y(t)=cosx(r)
a.
b.
Untuk masukan x, (f
Untuk masukan xz =
xr(,
maka keluarannya
yr(t) = cos x, (f )
tr
Bab 2: Sistem
41
c.
d.
Y(t) =x(r)cos
- ro ) = cos x, (r - ro )
b. dan c. maka yr(t - h) = y,
sistem time-invariant
(l)
yr(t) = x, (r)cos r
a.
Untuk masukan x,
b.
Untuk masukan x2 =
c.
d.
maka keluarannya
xr(,
ro
cos (r
),r(t - h)
lo
ro
)cos t
* y,
r
3.
Sistem disebut tanpa memori, atau sesaat (instantaneor;s) jika nilai keluaran saat ini hanya
bergantung pada nilai masukan saat ini. Sebaliknya, sistem dengan memori jika keluarannya
berganfung pada nilai masukan masa lalu atau masa depan.
Contoh sistem tanpa memori adalah sistem resistor yang menggambarkan hubungan antaramasukan
(arus) dan keluaran (tegangan) sebagai berikut:
Y(t)= n*(,)
(2.5)
Contoh sistem dengan memori adalah sistem kapasitor yang menggambarkan hubungan antara
masukan (arus) dan keluaran (tegangan) sebagai berikut:
y(t)=
dengan
1 t.
s J*k)a,
(2.6)
Contoh 2.4
Sistem
y(t)=x(t-a)
mendapatkan
dengan
a>0
jika kita
ingin
nilai pada saat t =0 akan memberikan hasil y(0) =x(-a),yan1 bergantung dari
Sistem dikatakan kausal, atau disebut juga nonanticipatory, jika keluaran dari sistem
itu
hanya
tergantung dari nilai masukan saat ini dan masa lalu (yaitu
tergantung masukan masa depan (yaitu
sistem yang dapat direalisasikan secara fisik. Hal ini masuk akal sebab nilai masukan masa depan
tidak akan pernah diketahui. Sistem yang tidak memenuhi syarat kausal disebut sistem nonkausal
atau anticipatory.
Contoh 2.5
Sistem
ylrl= *ln')
dan
a*lnf
saja. Sistem
ylnl=xfnl+3xln+4f
adalah sistem nonkausal sebab untuk semua nilai n keluarannya tergantung dari nilai
yl"l= xlZn) adalah sistem nonkausal sebab untuk nilai n> 0 akan
ylnf
yl")= *l-"1
I
5.
Sistem invers
jika
Jika dua masukan yang berbeda menghasilkan keluarana yang sama maka sistem tersebut tidak
mempunyai invers. Persamaan yang menggambarkan sistem invers adalah sebagai berikut
H'" {"{r(,)}}
r(r)
(2.7)
Bab 2: Sistem
Contoh 2.6
Sistem
y(t)
Zx(t)
invers karena x (r
mempunyai invers
z(t\
\,/ = ! y(r\.
2tv
Sistem
y(t) =cosx(l)
tidak mempunyai
aan x (r ) + 2tt mempunyai nilai keluaran yang sama (sistem periodik dengan
periode 2tr ).
r
6.
Sistem stabil
didefinisikan sebagai
Keluaran
/(l)
memenuhi
ll(r)l< M, 1*
ketika masukan
x(r)
untuk semua
Q.s)
untuk semua
(2.s)
memenuhi
lr(r)l=
M,1@
Contoh 2.7
ylr)= f ln -tl+ x[n] dengan asumsi / [-t] = 0 . Ambil sinyal terbatas sebagai
rtasukan, misalnya xln)=C6fnl dengan C adalah konstanta. Nilai keluaran untuk n=0 adalah
/[0]= y'l-ll+Cd[O]=C, untuk n =l adalah /[1]=/'[0]+Cd[t] =C2, dan seterusnya.
Diberikan sistem
Sehingga didapatkan
Co , ...,
tlnf
= gz'
sehingga
44
Pojok
MATLAB
Kita akan mencoba menentukan suatu sistem linear atau nonlinear. Jika ada suatu sistem yang
didefinisikan sebagai
!ln)=xln+t)+Zxln)-3x[n-1]
menghitung
nilai y, [r].
ambil 5, pada
x[r]
I-angkah ke dua kita akan memberi faktor pengali, sebagai contoh kita
dan menghitung
adalah linear.
? Program 2.1
t Menentukan sistem linear atau nonLinear
z
x : randint
%
(L ,200
Menghitung sinyal
0, 100 ] ) ;
y1=x1+2*x2-3*x3;
y2 = 5*xL * 2* 1$*x2) q*.,1 .
.,?
yr
3* (5*x3);
yL,
jumlah_salah :
yang membuktikan bahwa sistem tersebut adalah linear. Akan tetapi jika sistem tersebut diubah
menjadi
yl"1= x2ln+ll+2xlnl4xln-1]
% Proqram
%
z
2.2
Menentukan sistem
x = randint(7,200, [0,100]),'
% Menghitung sinyal
x1 : [x 0 0]; % x1 [n] : x[n+1]
x2:L0x0l;Ex2[n]=xlnl
x3 = [0 0 x] i eo x3 [n] = x[n-1]
z
symer
r (y2, y3)
Bab 2: Sistem
45
dan menghasilkan
jumlah_salah = 196
yang membuktikan bahwa sistem tidak linear.
Program selanjutnya adalah program untuk mensimulasikan sistem time-invariant, yaitu sistem yang
ketika masukannya digeser sejauh D makakeluarannya juga begeser sejauh D.
% Program 2.3
c1f ;
10
,.
subplot (3,1,1)
stem (n, y) ;
ylabel ( rAmplitudot)
title('ylnl
');grid,.
subplot (3,7,2)
num2str(D),'],l
,.
;grid;
);
;grid;
46
d
E
5'20
-40 L
10
15
20
25
digeser xln
30
101
go
o
'20
.40
1520
Sinyal selisih
Smpel, n
SOAL.SOAL
l.
Tenfukan apakah sistem di bawah ini linear atau nonlinear, kausal atau nonkausal, time-variant atau
time-varying, dengan memori atau tanpa memori.
a. y(t) = tx(t)
b. Y(t)= ax(t)+b
c. Y(t)= *'(t)+bx(t)+c
d. v(t) = x(t - a)
e. cos(x(r))
f.
Y(t) =x(r)cosr
o
D'
yl"l=
h.
tln)= xf-n+2]
i.
yl"l=
j.
tlnl= xlznl
xfnl+
*l-"1
xlnl+ nxln+tl
Bab 2: Sistem
2.
47
Diberikan sistem
a.
b.
tfn)= H {rl"l\
*1"'f
o<n<3
*[d={1'
Lr
yang
[0,
l).
Sketsa sinyat
lain
x[r]
ylnl= n {-[r]]
3). Sketsa sinyal yrlrl= yln-21
2).
4).
*r[r]= *ln-21
5).
yr[n]= U {xr[nl\
orukesimpulan Anda?
,[r]= {-f + 0
Z}
Oun keluaran
/[r]= h
Z) . ruu sistem
a.
b.
4.
*rln7=
*ln-2]
Oan
*rl"l= xl2n+l\
r*m
a.
b.
48
-oo0oo-
BAB
Sistem
3.1
Penjumlah (adder). Penjumlah digunakan untuk menjumlahkan dua atau lebih sinyal.
Penjumlah dapat dilihat pada Gambar 3.1.
=
xr[r]+rr[x]
Gambar 3.1Penjumlah
Pengali konstanta (constant multiptier). Operasi ini ditunjukkan pada Gambar 3.2 yang mengalikan
masukan xfnf aengan suatu faktor skala. Model untuk pengali konstanta ada dua macam, yaitu ada yang
tnenggunakan kotak dan yang menggunakan panah. Dalam buku ini kita menggunakan keduanya dengan
maksud yang sama.
50
'[*]
y=.(r[;l
x,[rJ
aan
*rln7.
y= xr[a]xr [nJ
xln]
*f, -t] . fiAat seperti pada operasi-operasi sebelumnya, operasi ini membutuhkan memori, sebab nilai
*ln-l] aisimpan terlebih dahulu pada saat n-l dankemudian dipanggil pada saat n untuk membentuk
lln)=xln-ll.
Penggunaan simbol
z-t
sebagai
pembahasan
transformasi z.
x[r+1]
tub
i:
,["]
51
t-t
y= rh+lJ
selanjutnya.
Bl*k
hox
vl"l
3.2
PERSAMAAN PERBEDAAN
Cara lain untuk merepresentasikan sistem waktu-diskrit adalah dengan menggunakan persamaan
- kl=lt*xfn Zoryl"
t=0
&=0
tcl,
n>o
(3.1)
atau
t ln!=
dengan
ar
dan
*(>"t n,
k)
i, r, l, - ol)
a.
(3.2)
oo
y["7=
yfn-k]
(3.3)
iv
tt
larDk ylnl=luroo
xlnl
(3.4)
NM
aryln+k]=ltrxln+trf, n20
M<N
(3.s)
Contoh 3.2
Diberikanpersamaanperbedaan
dan diketahui
yl,7=
il"1-|tln-tf+*rl"-21=(;1,
y(1)=
y(-t) = I
dan
1 rt"-
- r I, ]
rl
rl.
n20
(;)
y[o]=
]il-\-]rt-zt.(;)' =lr-*
yr,t=
]ilot-|,r-rr.(;)
=ii-|
vtzt=lfir-ltpr.[i) =i T-i
r.
*,=1
+=#
i.i=#
Bab
Woktu
53
I
'1.,
Cara yang digunakan pada Contoh 3.2 adalah cara numerik, sedangkan cara yang lebih elegan
adalah
dengan menggunakan cara analitik, yaitu dengan menentukan solusi homogen ddn solusi partikular
dari
persamaan perbedaan' Cara lain untuk mendapatkan solusi persamaan perbedaan
adalah dengan
menggunakan transformasi Zyang akan dibahas pada bab 5.
yo["),
yulnl
dan solusi
yairu
rfn)= y^1")+
yolnl
(3.6)
Solusi homogen adalah respons sistem terhadap kondisi awal, dengan masukan
partikular adalah respons sistem terhadap masukan
*lrl
xlnl=g.
Solusi
Zooyl"-&]=o
e.7)
k=0
yolnl=
Ad'
(3.8)
laoAa'-k
t=0
=0
(3.9)
=0
lara-k
t=0
(3.10)
tersebut
ai ,yaibt
A*afr
(3.u)
a,
berulang sebanyak
.(
sebanyak
Ar,ruf,,u+...+ A*di
(3.12)
Contoh 3.3
Diberikan persamaan perbedaan
/[-1]
ilr1*fit1r-t1*f,rlr-zl-*rt
*1o'
t2824\''/ -La-'
|
ot -Do, *3 o- =o
t2824
t-$o='
=o
-31=0
dengan
nilai
awal
(ro')
("-;)("-+)("-i)=o
Sehingga akar-akarnya adalah
o,
=).,
dz
=],
Oun
o,
=1.
nt l= u(i)" . o (+)' .
* [i)'
/r-1r=r[;)
=
2,4,t
'.o(+) .u(i)
'=u
+3.4, + 4A, = 6
vt-2t=u(i)'
.o(:)' .+(!)'
= 4,4t +9 /,,
=u
+16$ = 6
:*
i
*
{l
55
=_,
=84+27 Ar+64A, = _2
Dengan menggunakan
eliminasi/substitusi didapat
sehingga penyeresaiannya
adarah y
4 =7 , 4 =.-19, Oun 4
(;), _ + (*J, .
lnl=,
;G),
Contoh 3.4
vt"l-ivt'-\+)ttr-rr-*t[n*3]=g
t-1o-, *!o-,
*J
-1
rca-'=O (*"')
o'-1o'*]o-1=g
4216
dengan akar-akar
o, =
persamaan (3.12).
t,tnt= u(:)' .
*,
d2 =
),
oun
o,
. Terdapat
akar yang
u,(:)' . u(i)'
sehingga penyelesaiannya
adalah y
^[r] i(;),
4=-!g
' 4,dun
2, 4=1
A,=?
'
.
i.(;)"-*(i)'
I
56
xln -
kf
tiaa*.
bernilai nol. Pada dasarnya solusi partikular adalah penyelesaian untuk persamaan perbedaan jenis
L"oyln-k)=lurxl"-t
t=0
t=0
Solusi partikular untuk persamaan (3.13) adalah
untuk
x[n]
yrl"l
(3.13)
yang diberikan. Tabel 3.1 menunjukkan beberapa solusi partikular untuk masukan,
xln)
*1"1
',C:i,
Cn
Crn+C,
Can
C coslna4f
C, cosfnc,to) + C, sinfna,rf
Ca'coslna4)
'l
acl
LOtnt
LI
Contoh 3.5
Solusi homogen
Solusi homogen didapatkan dengan mengubatr persanaan menjadi
Persamaan karakteristiknya adalah
o,,
ilrt-|ilr-rl*|r[n-21=g.
,-1o-'**o-'=0atau o'-1o**=O
sehingga menghasilkan
'
Solusi partikular
x[n]
partikurarnya adalah
yoln!-
Uerbentuk
Csin[naof,dengan
r,*"1ff'l.C rt[f],
t,ln - tl = r,
*,Iry1 .
Wrb).
oln-zl = C .o.
"'r [ry]
r,
"^1ry)
.*
[qr]
t)".l
,6 [(, -
L 2I
*'l*y]
*'
[-i
=.ir[_]
t2
.".
"
o*
Tf='^l+)
!L1= _"o.[z1
2)
L2)
.
*,1+)
[-, T)= -
makasolusi
58
sehingga
t oln - tl -
c,,i"l+)-
r,
*,1+)
,,*"1T7*c,"i,lT]-|[r,^l+1-r,*"lT)).*[-r*,[f
]-,,,"1+))=2"i,ff
g' *1c
4'
Tc.
=o
*1c^
-1c.
4 'g ' =2
Dengan eliminasi/substitusi didapatkan C,
diperoreh
y,l,)= -#.",[
T).+rU''"
=-#
dan
Cr=fr.
Dari
langkah-langkah tersebut
[T]
ttn!=
u(i)' .^(;)'
*fr,i"ff-#*,ry
I
3.3
Karena kebanyakan sinyal natural adalah analog, sedangkan pengolahannya diingir*an digital
perlu
maka
ada proses konversi sinyal analog menjadi digital. Konversi ini dilakukan oleh sebuah analogto-digital converter (ADC). Konversi ini meliputi beberapa tahapan yaitu:
Bob
59
l.
Sinyal analog di-sampling, dengan demikian mengubah sinyal analog menjadi sinyal waktu-diskrit
dengan amplitudo yang kontinu, seperti ditunjul,rkan pada Gambar 3.7.
2.
Amplitudo tiap sampel dikuantisasi menjadi 28 level dengan.B adalah jumlah bit yang digunakan
untuk merepresentasikan sebuah sampel.
Level-level amplitudo yang diskrit tersebut dikodekan menjadi bilangan biner dengan panjang B bit.
3.
rlnl
33.f
Sampling
Proses sampling mengubah sinyal analog,
dinyatakan sebagai
xfnf= *U)|,=,r=
dengan
x(nT,), n =...,-2,-1,0,1,2,...
(3.14)
adalah periode sampling.Istilah lain yang sering digunakan dalam sampling adalah frekuensi
n'=TI
(3.1s)
Secara praktis, proses sampling dilakukan dengan mengalikan sinyal analog dengan deretan sinyal
60
p(t)
\r 6(t -nT,)
(3.16)
Dengan demikian, sinyal analog yang telah di-sampling dapat dinyatakan sebagai
xlnlS(t
-nr,)=
f^*
x(nr,)a(t -nr,)
(3.1 7)
frekuensi sampling paling sedikit dua kali frekuensi tertinggi sinyal analog tersebut, atau
F,22f.o*
(3. l 8)
f,
,a
'' - 2f-o^
7
(3.1e)
Jika teorema sampling tidak dipenuhi maka akan terjadi aliasing. Atiasing ditunjukkan oleh
Gambar 3.9. Terlihat bahwa dua sinyal tersebut (sinyal yang bergaris penuh dan putus-putus)
menghasilkan sampel yang sama sehingga jika sinyal aslinya adalah sinyal yang bergaris penuh, dan
dilakukan proses sampling dengan tidak memenuhi teorema sampling maka jika dikembalikan lagi
menjadi sinyal analog, mungkin akan menjadi sinyal yang bergaris putus-putus. Dengan demikian, jika
terjadi aliasing maka sinyal tersebut tidak dapat dikembalikan lagi menjadi sinyal analog aslinya. Alasan
terjadinya aliasing dapat ditunjukkan dengan menganalisis spektrum frekuensi sinyal. Alasan ini akan
dijelaskan lebih lanjut setelah kita membahas transformasi Fourier.
61
engineer,yaitu
.f,22,2.f^,*
(3.20)
Teorema sampling pada persamaan (3.18) atau (3.19) berlaku untuk sinyal lowpass. Sedangkan
dalam telekomunikasi biasanya sinyal hanya menempati pita tertentu saja, yang disebut sebagai sinyal
bandpass seperti pada Gambar 3.10.
frekuensi
f,
f,
dan
pita tersebut sehingga teorema sampling untuk sinyal bondpass berubah menjadi
2-f, < ,
.2f,
n -''- n-l
(3.2t)
62
dengan
n=tf
(3.22)
Kita ingin melakukan digitasi musik dengan bandwidth 20 kGlz. Dengan menggunakan kriteria Nyquist
versi engineer maka frekuensi sampling harus lebih besar dari 2,2 x 20 kJlz : 44 kElz. Pada
kenyataannya, frekuensi sampling untvk cornpact disc digital audio player adalah 4,1 tGlz dan untuk
s tu di o - q ual ity au di o 48 lr*lz.
Dalam praktisnya, proses sampling sinyal analog dilakukan oleh rangkaian sample-and-hold (S/H),,
Sinyal yang telah disampel kemudian dikuantisasi dan diubah menjadi bentuk digital. Biasanya S/[I
digabungkan ke dalam ADC. S/[I melakukan penjejakan sinyal analog selama proses sampel dan
kemudian akan menahan(hold) nilai tersebut sampai ADC mendapatkan nilai digital dari sampel tersebut.
Jika tidak ada S/H maka sinyal masukannya tidak boleh berubah selama setengah langkah kuantisasi
(quantization step size), yang mana tidak mungkin dalam kenyataannya. Proses SAI dapat dilihat pada
Gambar 3.1l.
Gambar
3.ll
Code
Proses S/H
ModulationtPCM)
28 level. Sebagai contoh jika B : 4 maka levellevel yang terjadi adalah sebanyak 2a =16, yaitu 0001,0010,0011,..., llll. Proses kuantisasi pada
Kuantisasi memetakan nilai-nilai analog menjadi
dasarnya memang akan menghasilkan kesalahan (error). Kesalahan yang terjadi adalah sekitar setengah
il
Bab
Waktu
63
dari least significant brl (LSB). LSB sama dengan ukuran langkah kuantisasi (quantization step size),
yaitu jarak antarlevel, yang didefi nisikan sebagai
q
Vk
=rtr=;
l/r"
(3.23)
dengan Y1, adalahskala penuh ADC dengan sinyal masukan bipolar, yaiu Yo,u-V^n.Proses levelisasi
pada kuantisasi dapat dilihat pada Gambar 3.12.
Ve-tll
ve-3{,tt
s{r?
S.ra
qfrl
Nilii-Eild
& leuel
terkurntirasi
v,ry,
-*n
-w2
*u3
i; -Ir
-Vo + qlil
L
rr
---
kuantisasi
I
Contoh 3.8
Sebuah sinyal analog
x(r)
4<y(t)<4.
dengan
64
jarak antar level adalah l. Level-level tersebut adalah -3,5, -2,5, -1,5, -0,5, 0,5, 1,5, 2,5,3,5. Selanjutnya,
kita memberikan kode 0 pada level -3,5, kode 1 pada level -2,5, dan seterusnya sampai kode 7 pada level
3,5. Proses kuantisasinya dapat dilihat pada Gambar 3.13.
KodG
Lircl
kualtisasi
*{r) tvf
3.5
2.5
1.5
tt
0.5
*0.s
-L5
-2.5
-3.5
l1
tr
Nilai
cargling
Nilai terkuantisesi
Itodc
Stu-rrlPtCt{
:i
1.3
3.6
,5
3.5
101
111
2.3
?.5
6rt
1r0
0.7
0.5
r00
*3.4
-0.?
-0"5
-2.4
-2"$
"t
oll
001
000
*3.S
tqlz
diberikan oleh
q12
02
= ! e'r(e)ae
-ql2
.qlz
=1 [
q
(3.24)
-ip"'d"=Qt2
Prinsip kuantisasi yang dijelaskan di atas adalah prinsip kuantisasi seragam (unifurm), yaitu ukuran
langkah kuantisasinya selalu sama. Namun, untuk sinyal-sinyal yang lemah, seperti sinyal pembicaraan
(speech signal), kuantisasi seragam tidak banyak bermanfaat. Sebagai gantinya dapat dipergunakan
65
kuantisasi tidak seragam (nonuniforz). KuantisaSi tidak seragam akan memberikan hasil yang baik untuk
sinyal lemah dan hasil yang buruk untuk sinyal yang kuat. Perbandingan antara kuantisasi seragam dan
kuantisasi tidak seragam untuk sinyal lemah dan kuat ditunjukkan pada Gambar 3.14.
Lcrsl-Ierd kuutiseli
r5
15
t4
kurt
r3
12
il
t2
r0
tl
-il-tlsa
SinFllanh
It\
H{**",r
t0
,r___r=
so5
6
5
3
2
I
!1
Ao
Euutisrsi sr.ragru
Eulltirecit{kseragrm
.SONR =
l0losA
(3.2s)
t,
dengan
mempunyai rnean
:0
maka
1=o1 =Zlx'zfn)l
1= ol = gl"'\
65
o,
Vft
=rih,
,: =#u
atau
SQNR=
totog4
-oj =21logL
-o,
=2orogo,'2''fr
Yli
= 20log o
"
20
B log2 + 20log Jn
- 2}logVn
Y"
--r:
(3.26)
ox
Contoh 3.9
Sinyal sinus dengan amplitudo
=,1' lz
Nilai Zo =2A
dart
6,028+1,86
dB. Setiap penambahan satu bit B maka akan terjadi penambahan SQNR sekitar 6 dB.
- expansion,
sering disebut
Bab
67
Ontput
Ou&ut
Kroprcsi
TuScbryresi
lnput
lnput
tbl
{c}
Gambar 3.15 (a) Nonuniform quantizer (b) kompresi logaritmik (c) uniform quantizer
Kompresi logaritmik yang sering digunakan ada 2 jenis, yaitu St-law dan A-law. Kompresi p-law
diberikan oleh
rn[r+
! = /n* --rr
p(Vll:-*\1
(l + p)
-----':sgn,
dengan p adalah konstanta positif, x dan y adalah masukan dan keluaran, dan
(3.27)
.rn*
dan yn
* adalah nilai
positif maksimum masukaq dan keluaran berturut-turut. Sedangkan kompresi AJaw diberikan oleh
,=T
e(l*ll**)
/*--ffs$n.I
t+tnA
l'l .
o. r.o
A
1
Ir,-.
dengan
A adalah konstanta positif, dan parameter yang lain sama dengan persamaan (3.27).
(3.28)
68
seringdigunakandiEropadengannilaiA:8'7,6.Jikap:0atauA=l.makatidakterjadikompresi
(amplifikasi linear), yang artinya sama dengan kuantisasi seragam. Grafik karakteristik kompresi p-law
dan A-law ditunjukkan pada Gambar 3.16(a) dan (b) berturut-turut.
1.0
1.0
0.8
x
o
3 o.o
-3
0-4
0.8
S
3
o,s
0.4
a.2
0.2
1.0
lnput,lx l/rrnr*
(al
0.8
1.0
lnput,l*l/r.",
(b)
3.4
KONVOLUST
Dalam subbab ini kita akan membahas mengenai hubungan antara masukan dan keluaran dalam
sistem waktu-diskrit linear, time-invariant (LTI). Sistem LTI merupakan sistem yang memenuhi properti
linear sekaligus time-invariant seperti yang dijelaskan pada subbab 2.2. Sistem LTI adalah sistem yang
paling sering dijumpai dalam aplikasi karena sistem LTI mudah dianalisis dan mudah didesain. Pada
kebanyakan sistem praktis, meskipun tidak benar-benar linear dan time-invariant, biasanya dianggap
sebagai sistem LTI dengan eruor yang diperbolehkan. Dalam pembahasan selanjutnya dalam buku ini,
sistem LTI akan digunakan.
LTI
Sistem
Misalkan
hlnf
impuls, 01n1. Karena sistem ini mengikuti properti time-invariant maka berlaku hubungan
seperti
ditunjukkan pada Tabel 3.2. Karena sistem ini mengikuti juga properti linear maka jika masukannya
Bab
JV
adalah
rt/
Ir,[rJ,
keluarannya adalah
i=M
r,
ZY,l"l
dengan
69
M<N
i=M
yang berkaitan.
masukan
sistem
ln- 6] * L ld [n - e]
x[n]=3,lhln+2)+0,2hlnl+l,4hln-3]+0,91u[r-6)+t,thln-91.
x
[n ] =
suatu sistem
3]
0,e d
maka
LTI
adalah
keluarannya adalah
xlnl=
r[r]r[r-k)
(3.2e)
k=<
maka keluarannya adalah
tln) = n
{.l,ll
t={
*p,)nl, - r,l
dan
xln)
dan
(3.30)
tlnl= xlnlanlnl
(3.31)
Dari penjelasan di atas jelas bahwa persamaan (3.30) dan (3.31) menghubungkan antara masukan
dan keluaran dari suatu sistem LTI dengan nl"} adalah respons impuls dari sistem. Dengan
menggunakan masukan
dl"l
&[n]
(black Do.x) seperti yang ditunjukkan oleh Gambar 3.6, di mana di dalamnya terdapat berbagai macam
operasi seperti penjumlahan, perkalian, dan juga delay.
ylnl=xlnla hlnl
tidak mengetahui respons impuls dari suatu sistem LTI maka kita dapat berikan masukan berupa unit
impuls (contoh: berupa tegangan sesaat) dan hasil keluaran sistem itu adalah respons impuls.
Secara umum, cara grafik untuk mendapatkan konvolusi
1.
2.
3.
Substitusi n =
Cari nilai
Geser
fr
hl-kl,
hl-kl
sehingga didapatkan
x[e]
aan
x[n]
aan
hfn!
adalahsebagai berikut:
hlkl
sejauh
atau ke
kiri jika n
nln-tcl
4.
Kalikan
5.
Jumlahkannilai-nilai padavn[ft],yaitu
...*ro[t]+v,lZl+v,[:]*"'
- tc)
untukmendapatkan
l.
2.
3.
Komutatii yaitu
x1
]ox,
Distributif, yaitu
.r1
[n
= x, [n]8 x,
[r] * r' [n ]e
x, [n ]
y[n]
71
Contoh 3.10
Jika diketahu
i xlnl=
dapatdicari dengan
r=k
sehingga
menjadi
rentang tersebut.
Sekarang kita akan menghitung nilai
yln].
r,[o]=
I,[/.]
hl-ky
k=0
= xloln[o]
=
+ x I t] a
0) +
- t] * xlzln[-z]
(tx
o) +
(-t*
* xltlnl-tl+
o)+ (:
x [+]
hl-41
0) = -2
l1l =
\xfrln[t - r]
k=0
yl2l=Ir[r]
nlz-rc)
t=0
:
[3] \x[r<]nlz - rr)
f=0
[:] + x [t] nlzl+ xlzln[r] + x [:] I [o] + xl4)hl-11
= (-2x -1)+ (o x o)+ (t, z)+ (-t x t) + (: x 0) = 3
= x [0]zz
72
yl4)=L.lr,1nl+-tl
t=0
(tx
o)
+(-t,
z) + (: x 1) = 1
/ [s] = lxft)nfs -
tcl
k=0
- rl
lxlrlnla
t=0
y [6] =
ylTl=I,[r]nlt -tcl
t=0
=
(-zx 0)+
(o x o)+
sehingga,yl.l={-?
-4 I315
-r}
I
lln)
x[r]
*lr)
adalah 5, panjang
adalah
hlnf
adalah
adalah
{,
4,
dan panjang
llnf
adalaU
N = N,
* Nr-l
(3.32)
Contoh 3.11
,[r]= {+ 1}
dan
Bab
/[o]=
/[1]=
v,[r]=t
,, [r]= r
yl2l=
k=4
v,
yl4l:
[r] = t
[=<
vo
[r]=
ft={
sehingga,
/r=<
73
y[r]=
/[3] = I,rltl=z
k=q
{+ I 1
1)
II'n,
o1
0123
II 1
II
tt
II
. I I. l
o1
01
II
01
II'n,
,b
lft]
'oo
-3-2-10
r,rr-r:=
,'[r]
._.
htz-kl
,'r[k]
-z-101
?I ?
I J. I
-1 012
II .
I1.
o1
inp-nr
0123
II
II
01
= ..11.':[k1
lr'ro-r.r
7234
Gambar 3.18 Proses konvolusi
{r[r]]
aan
{n{n)}
periode. Proses evaluasi tersebut dilakukan dengan window. Jika periode (panjang) sinyal pertama adalah
N,
{ , di mana N, * N,
penyesuaian supaya panjang satu periode sinyal tersebut sama. Penyesuaian tersebut dilakukan dengan
menambahkan nol (zero padding) pada masing-masing sinyal.
pada
-l
Digital
N = Nr + N, -
1'
Contoh 3.12
Dua buah sinyal periodik akan dilakukan konvolusi. Sinyal tersebut adalah
(Zl,\nlr!\).
ditambah
(f,2,:,{r[,r]])
Kur"nu sinyal tersebut tidak sama panjang maka harus ditambahkan nol. Sinyai
nol
sebanyak
dan sinyal
{hlrl\
ditambah
nol
sebanyak
{r[r]]
sehingga menjadi
xlnl= {. ..,1,2,3,0,.
,l[0]
clan
.}
4 i,i
ainasilkan dengan menjumlahkan hasil kali antara Gambar 3.19(a) dan 3.19(c)
o) +
=z
Oitrasilkan dengan menjumlahkan hasil kali antara Gambar 3.19(a) dan 3.19(d)
l[l]
/[1]
l[2]
+(ox o) = s
Oitrasilkan dengan menjumlahkan hasil kali antara Garnbar 3.19(a) dan 3.19(e)
ylzl:(r
l[3]
x o)
x o) +
Oifrasilkan dengan menjumlahkan hasil kali antara Gambar 3.19(a) dan 3.19(l;
yl21=(rxo)
+(zx0)+(3x1)+(0r2)=:
l
/[6]
ylz),
dan seterusnya.
'
l[5] = l[f]
::
75
(a)
xlkl
-4 -3 -2
4567
-1
(b)
(c)
(d)
h[1-k]
(e)
h[2-k]
(f)
-4 -3 -2 -110 7 2 3 14 5
,]
76
{, [r]]
aan
{l
[n
]]
(3.33)
/. [0]
/. [1]
yr12)
/. [N-1]
Karena itu, contoh
[y. [o].1
I
ft[o]
hltl
-tl
hlN
hlTl
/,[o]
hul
nlN
*zl
a[,ar-t]
r,[o]
hlll
,[0]
hl2)
hpl
*l2l
[1]
(3.34)
x[n -r].
v.[r] l_l
l rlrl
I y,lzll-
lzoorll-tllz1
=lo
| 2 oll rl=lsl
[oo,r]LoiL,l
Konvolusi siklik pada dasarnya panjang kedua sinyal haruslah sama dan menghasilkan sinyal baru
yang panjangnya juga sama. Karena itu, jika panjang kedua sinyal tidak sama (misal N, dan N, ) maka
perlu disamakan dengan penambahan nol, namun penambahan nol yang dimaksud tidak harus sebanyak
N = Nr + N, -
3.5
KORELASI
Korelasi merupakan bagian dari konvolusi. Ketika kita mengalikan dan menjumlahkan untuk
menentukan nilai keluaran pada konvolusi, sebenarnya kita melakukan proses korelasi. Proses korelasi
pada prinsipnya adalah menentukan derajat kesamaan dua buah sinyal. Dalam beberapa aplikasi, korelasi
berfungsi untuk mengekstrak informasi. Korelasi silang (cross-correlatioru) dua buah sinyal,
xrln]
aan
"
=*X
x'lnlx'fni
(3.3s)
Contoh 3.13
Sampel dua buah data diberikan pada tabel berikut:
.,
X1
-1
-2
-6
X2
-4
')
-6
.,
,,, =
ilfux
-5
-4)
+ (z x r) +
+ (s x
r)]
Perhatikan Gambar 3.20. Jika kedua sinyal tersebut dikorelasi rnaka nilai korelasinya akan nol.
Padahal, sebenarnya kedua sinyal tersebut identik, hanya bergeser saja. Untuk menyelesaikan masalah
tersebut, diperlukan pergeseran atau disebut lag. Jika sinyal
dapat digeser ke
xrlnl
kiri.
sinyal
*rlr7
78
,,,(i)=
*I,
ln)x,ln+
=,,,(-i)=
*;r
i)
(3.36)
lnlx,[n-
i]
1=t+j
I
Gambar 3.21 Sinyal *r1"7 yang digeser ke kiri sebanyakj
Contoh 3.14
Kita akan menghirung kembali korelasi data pada contoh 3.13 dengan lag
menjadi
.6
X1
-l
-2
-6
X2
-8
7,
9,
-5
Dengan demikian,
\, (3)= i
[(
"
=2,667
I
79
Dengan melihat contoh 3.13 dan 3.14 dapat dilihat bahwa ketika
*rl")
digeser ke
kiri
maka
sinyal-sinyal tersebut tidak lagi berpasangan (yaitu tiga data terakhir). Keadaan demikian disebut sebagai
efek akhir (end ffict). Selain itu, dengan bertambahnya maka hasil korelasinya akan menunrn secara
linear, yang menimbulkan perdebatan tentang nilai korelasinya. Hal ini ditunjukkan pada Gambar 3.22.
Salah satu cara menyesuaikan hasil korelasi tersebut adalah dengan memberikan faktor koreksi.
,rr(j),*",
(j)=rrr(0)d*
ketika log
- 1r' **u
,"(i\.
Dengan
qr(i),^"-r,r(i) li,(o)
-
t/
(3.37)
(o)
$ l,
(3.38)
sehingga,
\, (i),*"
dengan
$n,(o)
= ru
(i)+
lag
didefinisikan sebagai
80
ttz
p"(j)=
ketika
ketika pt Q) -
-1
ln 124 t,l]"
n=O
artinya
(3.3e)
iv-l
*[;'
100% korelasi,
(r)
,, [n] = *r1"7
,,,(i)=
*f,,
lnlx,ln+
il
(3.40)
Fungsi auto korelasi terhadap /ag diberikan pada Gambar 3.23. Terlihat pada gambar bahwa nilai
auto korelasi terbesar terjadi ketikaT: 0. Hal ini juga menghasilkan beberapa properti auto korelasi, yaitu
l.
,i, (0) =
z. ,i, (0)>,i,(r)
,i'(i )
Bob
Woktu
81
Jika sinyal-sinyal yang ingin dikorelasikan periodik maka korelasinya adalah korelasi siklik. Jika
sinyal pertama mempunyai periode
berulang setiap z lag, dengan fi
N, d-
= Nr+ Nr-
Contoh 3.15
Diberikan dua sinyal yang periodik, yaitu s =
korelasi
I = 3 . Proses selanjutnya ditunjukkan pada Gambar 3.24. Tampak bahwa nilai korelasi
-l
= 6 lag.
lvilai
Ir
t'*
p
3_
Lag
rot0)
oi
-)
[o-
i.29
1,7
.,
tr
-)
_il
T2
30
t7
35
)
)
J-
t,.'29'i
.)
.|
:t
.)
dst
dst
clst--
xlnl
yang diterima. Sinyal yang diterima itu telah mengalami penundaan dan juga noise. Sinyal yang diterima
dapat ditulis sebagai
yL"7=
axln- Dl+w[n)
(3.4r)
82
sinyal
llnl
aan
x[n]
3.6 INTERKONEKSI
SISTEM LTI
Hubungan se;. (cascade). Dua sistem LTI mempunyai hubungan seri ketika keluaran sistem
pertama merupakan masukan untuk sistem ke dua, seperti ditunjukkan pada Gambar 3.25. Respons
impuls total untuk sistem seri, jika respons impuls sistem pertama adalah htlnl aan respons impuls
sistem ke dua adalah
hl"l,adalah
(3.42)
hl"l@h,lnl= 6lnl
(3.43)
maka sistem ke dua adalah invers dari sistem pertama, begitu juga sebaliknya'
Respons impuls
(3.44)
Bab
'
a[ry]'!,
83
[&.4J4,*-
yaitu h'ln)=
\L"l+ holnl.
penggantinya menjadi
Kemudian
hrlnf
aan
h'ln)
nrln))
yang paralel
hfnl=
l4ln] au holnf
3.7 RANGKUMAN
Tabel 3.3 berikut merangkum semua operasi sinyal pada domain waktu dan juga notasinya.
Sebagian dari operasi tersebut telah dijelaskan pada Bab 2.
Definisi
Operasi
Notasi
*l,\yl,)}
Perkalian
t t l ) {yl.)\ U{,t
Penjumlahan
xlnl+
Perkalian skalar
,{*bl}a-t*[,]]
afulit:
Translasi
{*1"- "sl\
Refleksi (pelipatan)
Konvolusi
maju
3.8 KONVOLUSI
=rfu-o]\
,kl)
k1
,fnl=
oi
(forward
(r[,l
r(ykl
))A{"t
=,
xln-nol
xlnla ylnl
x[r]:':
'
kl
k1
\)t:{,1"1,z1"1
/s=+ :..: .
I ,lk1
{,trl}r k--ko
k--ko
v
ylnl
r[tr]'
,l,l
Perbedaan
ro] }
,[r1
__L,tkl4{
dffirence)
rbl= *ln-
t t l)o tld\U{,t"J=oi
Penambahan (berhingga)
n_.{rl"1,
):,1")=
I,[r]
k=ko
yVl- y [, - t] ]
l',bl= yl,*tl-y
[,] ]
v1,lnl;,
tyl"l
SINYAL KONTINU
y(t)=-!x(c)n(t-r)dr
(3.4s)
85
Konvolusi sinyal kontinu yang terbatas memerlukan suatu sinyal perantara (intermediate signal) yang
didefinisikan sebagai
(3'46)
v(t)
=\*,Q)a,
Q.47)
Secara umum, prosedur untuk mencari konvolusi dua sinyal kontinu yang terbatas adalah:
l.
Sketsalah grafik
x(r)
Oun
2.
3.
4.
h(t
h(r)
-r)
terhadap
r=0
untuk mendapatkan
n(-r)
-c),
pertama-
l.
Geserlah sinyal dengan nilai r yang besar dan negatif (pergeseran ke kiri).
Geserlah
h(t-r)
4 (r).
*,(r)
berubah.
Nilai r di
mana
perubahan terjadi menunjukkan bahwa itulah akhir dari interval yang sekarang dan permulaan
interval yang baru.
5.
6.
Contoh 3.17
x(t)=u(t)
aan
y(t)= lu()*('-)ar
a(r)
y(t)= A[eu-'tdr
Ale'e-'dr
00
=_Ae,l"-,1;f= e",
I
86
Contoh 3.18
Kita akan menghitung konvolusi dua buah sinyal terbatas yaitu rect(tl2a)@reu(tl2a).
Proses
t='b
-c
<r <0
Perlu diingat bahwa representasi grafik suatu integral tertentu adalah luas di bawah grafik
tersebut sehingga untuk menghitung nilai integrasi konvolusi untuk setiap interval (bagian yang
diarsir) adalah dengan mencari luasnya (yaitu luas persegi panjang). Sebagai contoh, untuk
=/
- -a
sampai t, = / + a sehingga
luasnya
Bab
87
<-2a
,
v('l)=1,*; , -2a<l<0
0( t<2a
t >2a
y(r)
Pojok
MATLAB
Program berikut mengilustrasikan proses sampling dengan periode sampling T. Pada contoh ini
f <lQf).
=20dan diambil T
=180.
3.1
)4.
x1abe1
88
t = t/80;
n = 0:T:1;
x_diskrit = sin(2*pi*f*n),
);
r"(t)
0.5
o
z'
eo
5
{.5
-1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
waktu, milidetik
Sinyal diskdr r[n]
[_T T
0.5
3
-c\
I' T
iilrll
+q"[*f+
lltiij
I lrl I
0102030lo50607080
sampd n
y = conv(x,h)
j
{
Bab
? Program 3.2
? Menentukan konvolusi
x = input(rTentukan sinyal masukan = ')
h = input('Tentukan respons impuls fil-ter = ')
y = conv (x, h) ;
Ny = length (y) ;
n = 0:Ny-1;
disp ('Keluaran : ') ; disp (y)
stem (n, y)
Kita akan mengerjakan ulang contoh 3.1I dengan menggunakan program 3.2.
x = [1 1]
h = t1 0 1 1l
Hasilnya danplot nya (Gambar M3.2) adalah
Kel-uaran
1772t
1.6
1.4
1.2
E
f
E
(!
0.8
I
o.6l
I
0.4
r
l
l
!
ori
or
-__,
00.5
89
90
Mirip dengan konvolusi, jika kita ingin menentukan fungsi impuls sistem dengan yang diketahui
adalah masukan dan keluarannya kita dapat menggunakan perintah
Ih,r] : deconv(y,x)
dengan h adalah hasil pembagian (dekonvolusi) dan
B Program 3.2
E Menentukan dekonvolusi
ylabel ( 'amplitudo'
x : [1 1]
y = i1 7 t 2 tl
Maka dihasilkan
Respons impuls
filter, hlnl
1011
SOAL.SOAL
l.
a.
x[r] = {t
oI
1}
, hfnl=
{t I
1}
3] + d
[n] + zsln
- z)+ d [n -
3]
Bab
3.
91
ffiffi
i;dil
*;;*;i
4.
14=6ln-t]+:a[ri] , hrlrl=6ln-2ln25ln),
i"ffi ffi
5.
Suatu hasil sampling tegangan ditunjukkan pada tabel di bawah. Tentukan nilai autokorelasinya
dengan nilai lag = 0. Dan tentukanlah apakah sinyal tersebut acak atau periodik. Jika periodik
tentukanlah periodenya.
-0,92 -3,71 3,1I -0,24 4,65 0,94 -2,99 -3,94 -4,03 -2,51
3,85 2,59 0,39 4,59 3,4 -3,46
6.
a.
b.
c:
d.
{t 2
3}
Oan
l+ 2x +3x2
hfn)=
dan
{r
l+2x
z\
.
O,l7
92
Tentukan korelasi dan koefisien korelasi antara dua set data, yaitu
dan
tentukan frekuensi
9.
Suatu sinyal analog terdiri dari berbagai macam frekuensi sampai dengan 10 kHz.
a"
b.
c.
Jika disampling dengan frekuensi sampling 8 kHz, apayalgtedadi pada frekuensi 5 kHz?
a.
b.
zexp(at)z(r)8exp( -t)u(t)
Berapa nilai frekuensi sampling supaya sinyal tersebut dapat dikembalikan lagi dari sampelnya?
-oo0oo-
BAB
Representusi Fourier:
Discrete Foarier Trunsform
4.1
PENDAHULUAN
Setelah mempelajari sinyal dalam domain waktu pada Bab 3 maka dalam bab ini akan dijelaskan
mengenai sinyal dalam domain frekuensi. Dalam domain waktu, sinyal direpresentasikan dalam bentuk
tegangan atau arus dalam fungsi waktu, sedangkan dalam domain frekuensi sinyal direpresentasikan
dalam bentuk magnitudo dan fasa dalam fungsi frekuensi.
Dua domain tersebut memberikan informasi yang sama, dalam domain frekuensi dapat terlihat
frekuensi berapa saja yang terkandung dalam suatu sinyal. Pada bab ini akan dipelajari bagaimana
mengubah sinyal dari domain waktu ke domain frekuensi, dan juga sebaliknya.
Sinyal dalam domain waktu dapat diklasifikasikan menjadi 4 jenis, yaitu sinyal kontinu periodik,
sinyal kontinu nonperiodik, sinyal diskrit periodik, dan sinyal diskrit nonperiodik. Masing-masing dari
jenis sinyal tersebut mempunyai metode yang berbeda-beda jika ingin ditransformasikan dalam domain
frekuensi. Metode-metode tersebut ditunjukkan pada Tabel 4.1.
Periodik
Nonperiodik
Kontinu
Diskrit
(Transformasi Fourier)
(DTFS)
94
Karena dalam buku ini membahas mengenai DSP, transformasi penting yang lebih banyak dibahas
adalah DTFS dan DTFT, sedangkan FS dan FT hanya dibahas sekilas. DTFS lebih sering dikenal sebagai
Fourier Transform (DfT) dan istilah ini yang akan kita gunakan dalarn buku ini. DFT dan
Discrete
algoritma cepatnya, Fast Fourier Transform (FFT) menjadi sangat penting karena dapat memberikan
infromasi yang cukup dalam domain frekuensi, komponen-komponennya adalah sinusoidal dan tidak
pada
terdistorsi pada sistem linear, dan FFT dapat dihitung dengan cepat. Selain itu, sejak dipublikasikan
juga diaplikasikan.
tahun 1822 oleh Fourier telah cukup banyak dikenal, dikembangkan, dan
Transformasi diskrit lainnya adalah Z-transform (transformasi Z) yang akan dibahas pada bab lain
pada buku ini. Z+ransform lebih digunakan untuk menganalisis sistem diskrit terutama untuk merancang
filter digital dan rnelihat kestabilan sistem digital.
kondisi awal tidak nol dan masukannya berupa unit step. Transformasi Laplace tidak dibahas dalam buku
ini walaupun akan digunakan pada perancangan filter karena transfomasi Laplace merupakan matematika
teknik dasar yang sudah harus dipahami pada saat mempelajari DSP.
Namun demikian, tetap ada hubungan antara ketiga transformasi tersebut, transformasi Laplace,
Fourier, dan Z. Transformasi Laplace adalah transformasi yang umum yang basisnya dapat dinyatakan
Z adalah
sebagai ,s = 6i. + /66r, transformasi Fourier basisnya dinyatakan sebagai s = i@, dan tranformasi
z=
e'r,
dengan
4.2
ei*
periodedasarTdanfrekuensidasaria,o=2rlTmakaFssinyalinidiberikansebagai
xlk)=
*'!-vl,
-ikaht
dt
(4.1)
x(r)=
|xltl"io^'
(4.2\
t=<
'i
i
$i
{,
$
}l
ir
fi
Bab
95
x(r)i-ffi-: xlk)
(4.3)
Contoh 4.1
Kita akan menentukan FS dari sinyal kotak periodik yang ditunjukkan pada Gambar 4.1.
r(r)
-To l0 To
-T-To -T+To
T-To
T+
2nlT
, Tl2
sehingga frekuensi
Tl2
2 ( uirnro -
e-ltabG \ I
Tkoto\ 2i
LJll
)'
'|
xlkl=2sinkcooTo)
LI
Tkroo
r-')
;(rt -
*o
yaitu
!^l
x lol
LJ =
TJ-,0
* =2To
T
t:0,
&:0
ke persamaan (4.1),
urfu-
(ka4To)
t*rO Tkao
/r
0 dan
zro
x ILk1I =zsin(k'oor')
Tkan
Karena
a\ = 2tlT,
maka
Xlkl_Zsin(nZtrrrlr)
Lr
k2tr
Karena sinc(x)
XIk1=r
Lr
=ry,
maka
2sin(k2rroIr)=Trin (
kTn\
To kztrQolf)
To \ f /
=14
dan Tof T =
t/l6
= 0, karena bisa
Bob
97
0.6
0.4
^tul
0.,
0
-0.?
02
20
30
&
50
810 20
30
40
50
l0
*
(a)
0.r 5
0.t
'tol
o.o,
0
*50 +0
-0.0s
(f)
Contoh 4.2
= 2nI T = 2nI 2 =
x(r)=
7T
frekuensinya adalah
=t/r)r
k=0
T:Zl.Nilai
eik,lzoeikrt
*t
t=l
"ir'tzoriro,
0lz)' "-ittl2o"-tttr
Deret di atas merupakan deret geometri. Suku kedua akan dievaluasi dimulai dari /
dan karena pada dasarnya suku kedua tersebut dimulai dari
hasil dari / =
sebagai berikut:
- 0 sampai / -
:c
(r) =
ii
;@fr;N
-(y \
4;-,t,,
*i
x(r)=
s-+cos(zt+rlzo)
I
(4"2) disebut sebagi benruk ekspcnensial. Bentuk FS iainnya adalah
x(r)=
gai'oc rikr:t
seba
r[o]+irir].ot
.t
(4.4)
=l
[o] = 1oi,
i,
t')
(,)r,
(4.5)
cos(kaot) dt
(4.6)
(rc atot)at
(4.7)
"'
HubunganantarakoefisienFstrigonometrikdarrFseksponensialadalah
Blkl=x[r]+ xl-k)
Alkl=
4.3
FOURIER TRANSFORITI
i(xlr'|-x[-k])
(4.8)
(4.e)
(fr)
(ir)= !x(t)e'i''dt
(4.10)
Bab
dan invers FT
x(r)
*i
* f,r)ei^ dro
(4"r
r)
Contoh 4.3
Kita akan mencari FT untuk sinyal x(f)= e-''u(t) yang ditunjukkan pada Gambar 4.3(a).
Berdasarkan rurnus (4. I 0) didapatkan
*-!T
I "'
-o
"' u
(t)
e-
i'' dt
t-"'
u- "' 6y
='_*
,*r_tr.r),11*
a+Jo
_1
'
a+ jat
Dari hasil akhirnya terlihat merupakan bilangan kornpleks sehingga mempunyai magnitudo (Gambar
4.3(b) dan fasa (Gambar 4.3(c)), yaitu
lx
(i,)l
arg{X
I )
,\:
(o' + o;1;
(jo)}
= - ur.,u n(otl a)
100
(c)
x(t) = e-"u(t)
x(r'')=|xfn)e'i"
Secara umum,
denganrX,"(ei') adalahbagianriildan
ditulis dala'm bentuk polar, yaitu
k;;.ks
(4.r2)
X,.(r'')
adalahbagianimajiner dari
(4.13)
X(ei'). X(ei')
Aapat
Bob
x
dengan
l*
l, k'\l=
(r'')l
101
(r'')=lx(ri'lldua
xi,(r'')+ x!^(ei')
dan
(4.14)
x*1",,)
O(ot) disebut
parameter
(spektrum fasa).
Jika dilihat dari persamaan (4.14) ketika disubstitusi
e(r)
dengan
adalah bilangan bulat maka akan menghasilkan hasil yang sama. Oleh karena itu, hasil dari DTFT
adalah kontinu, periodik dan tidak unik. Kecuali diberitahu lain, kita mendefinisikan rentang untuk fasa
adalah
-r
X(ei('.2'4)= I x[n);
i(a+z*)n
=\
xln]e-
ian
r- i2rkn
i*lrl"-r" =x("t')
Ada kalanya DTFT mengalami diskontinu
di 2n
tipe fasa altematif akan dibentuk untuk menghilangkan diskontinu di 2a. Proses menghilangkan
diskontinu disebut "unwraping the phase" dan fase barunya dinyatakan dengan
0"(r),
dengan
Diberikan deret
X(r,')=
@6
(o.s)'
I
=iLt\(0.5"-i')'=
t 1-0.5e- j'
n=0
I - t,,'Jg
Plot grafik untuk magnitudo dan fasanya adalah seperti ditunjukkan pada Gambar 4.4a dan 4.4b.
102
"f
,.6
[
1
14i
x
1.2
*iti ,i
\.
\it,,
,/
L_- _-a-t--t"
-10
-8
omega
la)
"'r;---
"ll'\
t\
/\,,\
il
i\
o.2t
oL
4.2
,\
i",
i\
i\
{.4
-0.6
.g.gr--rro-864'2o2
omega
(b)
x (ej')
= tl
t- 0'5e-"'
Contoh 4'4
Bob
4:
103
xfnl=
*'J*
f,*)ei*dco
(4"15)
lebih sederhana, yaitu dengan menggunakan DFT. Sebenarnya DFT diturunkan dari DTFT, yaitu hanya N
l.
@k ,
xfnfe-"bt
(4.16)
n=O
dengan
k = 0,1,...,iy'-1
Namun, jika memperhatikan Tabel 4.1, tertulis bahwa DFT (DTFS) merupakan representasi
Fourier untuk sinyal diskrit periodik. Masalah diskrit memang tepat, namun untuk periodik, apakah
penjelasan di atas mencirikan adanya periodisitas? Jelas tidak karena sinyal diskrit ditentukan terbatas.
Jadi, mana yang salah?
Jawabannya tidak ada yang salah.
i/
tersebut.
Kaitan antara DTFT dan DFT seperti yang telah dijelaskan di atas digambarkan pada Gambar 4.5.
Jika ada suatu sinyal diskrit nonperiodik, sejatinya sinyal tersebut dapat dilakukan DTFT. Untuk
mendapatkan DFT maka DTFT dilakukan sampling. Atau, dengan langsung menggunakan prinsip DFT,
1A
yaitu sinyal diskrit nonperiodik tersebut diasumsikan periodik dengan periode N, kemudian dilakukan
DFT. Kedua cara tersebut menghasilkan hasil yang sama.
Nperiodik
ekctenri
DFT
l.-,
I""
irlr
{rfit
tl^
Saupling pada
..-
O. *O,
rfr'-l
xfnf=+I
(k)ei2,,ktN
(4.17)
JY k=o
Contoh 4.5
Kita akan
menentukan
33
X (k) = l xfnle-
i 2 mk t 4
n=0
3
xfn)e-
i znk t2
n=0
-jzn.o
x(0) =lxfnle
n=0
=l+0+0+l=2
sehingga
Bab
x(r)=
1tt,,!
lxlnleT
j!
= x[0]+
105
- jStt
z=0
=7+
= 1+
_j:tn.z
X (2)
"*
=\xln)e--T-
i'
=x [o] + xlt)e-
cos(+)-rr.(*)
n=0
_n
_U
j!!!
x(3) =lxlnle 2
-1
i3n
-x[o]+x[r]eT + xf2le-it'
- je,r
xltleT
n=0
=l+0
- L- J
Dari hasil tersebut dapat dilihat bahwa hasil DFT merupakan bilangan kompleks sehingga dapat diplot
amplitudo dan fasanya (dalam radian) seperti pada Gambar 4.6. Untuk bilangan kompleks z = a + jb ,
rffu|'
I
Jika didefinisikan
W* =
s-i2olN
1a .
t{-l
X[k1=lx[n)w!,
k=0,1,...,N-l
4.i
n=0
-ri,'
106
31=----I
2.51
2,..r
lrl
ii
.t
i a,
rYYi
1:I
,iil
irrl
0.5i
il,
1l
litl
,l
.:
lli
:
I
:
i
I
I
I
X=DNx
dengan
(4.2t)
Bab
4:
dan x adalah
serta
D,
107
adalah matriks
=[x[o]
,[tJ
x[,lrr-r]]'
(4.23)
ll
...
t w;, wi
I Wi
Dr=
L. ,,N
W;
,rN
wN-l
W2{N-t)
(4.24)
,)
rti
[ ,[o]
l'[t]
(4.2s)
1,,,-,,
dengan,
D:l
,, =
Dr'
W;,
W;,
If;@-r)
W;,
W;
w-2(N-t)
w-'@r)
1r-'u*-'
W-@l)x(N-t)
,^y'
(4.26)
=*r;.
Contoh 4.6
Diberikan
x[z]=
{o I 2
3}
D,
nya adalah
wf wf w:1 [r I r tl
I rr: w| w| w; _lt -j -r il
'-=Wr wi wi w:l-,l -1 r-11
lwP
wi ,v: w; ) [i j -r - j )
t-{
lwi
1i
lr
X=l -j
-1
l1
j
L1
Ir
--1
-1
illl l';i,,)
pergeseran Siklik. Jika ada suatu sinyal dengan panjang N yang terdefinisi dari 0 1n1N -1 maka
nilai untuk n < 0 dan n> N adalah nol. Jika sinyal tersebut digeser sebanyak no sampel maka sinyal
<.
cara
tersebut sudah tidak lagi terdefinisi lagi pada 0 < n N -1. Oleh sebab itu perlu didefinisikan suatu
menggunakan
supaya biarpun digeser namun sinyal masih ada pada rentang 0 1n 3N - 1 , yaitu dengan
*"fnf =
*l\'-',),]
(4.27\
atau
dengan \m)
adalah
O I tt.l
{a}
:,:'
(4.28)
0l
l t{
(bl
Gambar 4.7 Pergeseran siklik
It
{cl
Bab
109
Gambar a.7@) menunjukiian sinyal asli sebelum digeser. Ketika dilakukan pergeseran sebesar I
sampel ke kanan (Gambar 4"7(b)) maka secara siklik sampel ke-S menempati ternpat sampel ke-0, sampel
ke-O r.lenempati tempat sampel ke- l , iian seterusnya. Seeara formula dapat
,[(r-1)u]="[(-t)r]=r[5],
dirulis ,
[(n
l)u
] . rormuta
adalah
dengan definisi dari pergeseran siklik. Selain iru, Gambar 4.7(b) juga dapat dipandang sebagai pergeseran
t5)r].
*l@ -4). ]
*l(n + z),f
Pergeseran
Sedangkan
Properti DFT. Beberapa properti umunt DFT ditunjukkan pada 'l'abel 4.2, sedangkan properti
simetri untuk DFI kompleks dan riil ditunjukkan pada Tabel 4.3 dan4.4 berrurut-turut.
Tabel 4.2 Properti umum DFT
Properti
DFTN.titiK
sfn), h[n)
Glk),Hlkl
Linearitas
aslnl+ phlnl
acftl+ pulrl
Pergeseran-Waktu Siklik
slfu-,,),]
wf,c[*]
Pergeseran-Frekuensi Siklik
w;0"
ol(o*
Dualitas
cl"l
N-l
Modulasi
sln)
lsl*lnl(n-*)-7
k,
),
(-r), ]
GIk]Hlkl
ru[s
m=0
glnlnfn)
*l^"t-lHl&-*).7
110
Sinyal, N-sampel
*lr1
xlkl
*'lnl
x.[(-r),]
,.[(*n),]
X [fr]
ne{x[n]]
x r",lkf=
|{"[tul"]* x.[t-rl"]]
7Im{x[z]]
x *.1k7 =
l1*la),
*r",ln)
ne{x[r]]
**,1n1
1tn{xlrcl\
Keterangan:
*r",lrl
**,lnf
xlnf
xln)
Xlkl
Xlk)
] - x"
[(-*)" ]]
Bab
111
riil
Sinyal, N-sariipel
*lnl
xlkl=
'*ln)
**l"l
ne{x[r]]
ne
{x [rJ] + i
Im
{x [k]]
i rm{xlkl}
xlkl= x. [(-r), ]
I
I Hubrngun Simetri
lxtrll= lr[(-o)"]l
LYlkl= zxlFr),f
Keterangan:
**lfrl
**lnl
x[n]
x[n]
Konvolusi Linear dengan DFT. Seperti yang telah kita ketahui, dan juga telah dinyatakan pada
properti umum DFT, bahwa konvolusi linear dalam domain waktu sama dengan perkalian dalam domain
frekuensi. Oleh sebab perkalian lebih mudah dibandingkan konvolusi maka proses mendapatkan
konvolusi linear dengan menggunakan metode DFT (baca: dalam domain frekuensi) akan dijelaskan
sebagai berikut.
x[n]
sampet dan
hlnl
vane
mempunyai panjang Msampel maka perlu ditambahkan nol (zero padding) supaya panjang kedua sinyal
L=M+N-1. Sinyal r[n] aitumbahkan nol sebanyak (U-t) dan sinyal &[n]
ditambahkan nol sebanyak (t/-l). femudian masing-masing x[r] Oan ft[z] aiUmkan DFT l-titik
menjadi Xlkl aan Hfkl. Dan selanjutnya hitung nilai Ylkl= Xftelilftcl. Langkah terakhir adalah
tersebut menjadi
melakukan IDFT
I-titik
untuk mendapatkan
y[n\.
112
eontoh 4"7
Kita akan menghitung kembali konvolusi pada Contoh 3.10 menggr:nakan DFT. Karena panjang x[rJ
adalah 5 dan panjane
hl"tr
adalah
4 maka panjang
h[il]
f{nl
adatah
5+4
- 1 :8.
xlnj=\-zo1-1 3ooo)
nlnj={tzo-ioooo}
Kemudian cari nilai
xlkT=
=
orr(xlnJ)
-4.2929- j0.z9z9 - j
{l
-s:lit+
jr.707t
*s.7071- jr.707t
-4a929+ j0.z9z9\
Hlkl= DFr(h[n]t)
={2
3.1213-
t+
j3
31213+ j0.707r\
Ylkl= xlklH[k1
={2
-13.6066+j2.r213
-3-jl
7.6066+j2.1213
7.6A66-j2.12r3
-3+jt
-13.6066-i2.l2t3l
Kemudian kita dapat mencari nilai akhir konvolusi dengan melakukan IDTF paday[/r]:
t[n]={-z -4 I 3 I s I
*3}
I
Contoh 4.8
Untuk konvolusi siklik juga dapat menggunakan DFT dengan cara yang sama. Kita akan menghitung
kembali konvolusi siklik pada Contoh 3.12. Langkah pertama adalah penambahan nol seperti yang telah
dikerjakan pada contoh tersebut. Selanjutnya dilakukan proses DFT:
Bab
r[t]=x[t]r[t]={ta -6-iz z
y[r]= IDFr {r[t]]= [z s 8 3]
113
-6+72}
4.6
Ada satu hal yang perlu diperhatikan berkaitan dengan keempat representasi Fourier yang telah
dijelaskan sebelumnya. Hal yang perlu diperhatikan tersebut adalah adanya karakteristik tertentu yang
dihasilkan oleh representasi Fourier, yang disebut sebagai properti periodisitas, seperti ditunjukkan pada
Tabel4.5.
Tabel 4.5 Properti periodisitas
Kontinu
Nonperiodik
Diskrit
Periodik
Periodik
Diskrit
Nonperiodik
Kontinu
Properti periodisitas menggambarkan bahwa sinyal-sinyal yang kontinu di domain waktu akan
nonperiodik di domain frekuensi dan sebaliknya sinyal-sinyal diskrit dalam domain waktu akan periodik
di domain frekuensi. Selain itu, jika sinyal-sinyal dalam domain waktu adalah periodik maka dalam
domain frekuensi akan diskrit, begitu juga sebaliknya, jika dalam domain waktu nonperiodik maka dalam
domain frekuensi akan kontinu.
4.7
FASTFOURTER TRANSFORM
frT)
Jika melihat Contoh 4.5, kita dapat menghitung berapa kali kita melakukan penjumlahan dan
perkalian. Kita melakukan perkalian sebanyak 16 kali dan penjumlahan sebanyak t2 kali. Perlu
diperhatikan bahwa Contoh 4.5 hanya menghitung 4 titik. Untuk 8 titik, kita melakukan perkalian
sebanyak 64 kali dan penjumlahan 56 kali; untuk 16 titik, jumlah perkalian adalah 256 kali dan
penjumlahan 240 kali; dan untuk 256 titik jumlah perkalian adalah 65.536 kali dan penjumlahan 65.280
kali. Bayangkan! Untuk mengatasi masalah di atas, Cooley dan Tukey mengajukan suatu algoritma yang
lebih cepat dan efisien untuk menghitung DFT, yang disebut sebagai Fast Fourier Transform GFT).
Metode FFT dapat dilakukan dalam domain waktu dan frekuensi, yang disebut sebagai desimasi-dalamwaktu (decimation-in-time) dan desimasi-dalam-frekuensi (decimalion-in-frequency\.
Daxr Pengolalnn
114
Sinyal Digital
Desimasi*daEam-waktu
Dalam rnembahas ini kita asumsikan bahwa jumlah titik adalah sedemikian sehingga N = 2u ,
dengan v=2,3,4,... Pada prinsipnya algorihna ini adalah memecah N-titik menjadi dua (N/2)-titik,
kemudian memecah tiap (N/2)-titik men"iadi dua
(Nl4)titik, begitu
sinyal
16
titik
2 siuyal
I titik
*
sinyal
ritik
siuyel
tirik
16 sin;-al
I ritik
0 l ? 3 { 5 6 7 I 9 t0 il l? 13 14 15
02{68I0t?14
l\ r3J79ll1315
/\
0'l 812
/\
261014
/\
/\
/\
15
t\
/\
EEE@E3E
/\ l\ /\
l\ i\
3 7 rl
EE
/\
E
/\
Jika Anda lelah melakukan desimasi seperti pada Gambar 4.8, tidak ada salahnya melakukan
proses yang lebih mudah. Cara lain untuk mendapatkan desimasi sampai I titik adalah dengan melakukan
pembalikan bit(bit reversal), seperti pada Gambar 4.9. Untuk 16 titik, berarti 1 desimal direpresentasikan
dengan 4 bit. Desimal, pertama-tama, diurutkan mulai dari desimal 0 sampai dengan desimal 15.
Kemudian, dilakukan representasi bit untuk tiaptiap desimal tersebut. Setelah itu, bit-bit tersebut dibalik
(yaitu ditulis kembali namun dengan urutan dari kanan ke kiri). Langkah terakhir adalah
Bab
4: Representos i
F ou ri er
: Discrete Fouri er
ransf orm
115
merepresentasikan kembali bit-bit tersebut ke dalam desimal. Hasil akhir pada Gamb ar 4.9 sama dengan
hasil akhir pada Cambar 4.8.
Urutan normal
Bcsimal
Biaer
0000
000r
,
3
00t0
00t I
0100
5
6
0l l0
Desiural Biaer
0
E
{
t2
2
l0
6
14
I
I
5
13
3
il
?
15
0l0l
oilt
r000
r00r
l0
lt
r0l0
l0l I
l2
l3
l r00
l4
t5
t0l
ril0
ilil
0000
1000
0100
Il00
00t0
t0l0
0100
lll0
S0l
l00l
0l0t
I
l0l
00lr
t0lt
oilt
tlH
Diberikan
Indeks
{x[o],x[t],x[r],...,x[r-r]]
senap, {x[o],x[z],x[+),...,.r[lr-z]]
Indeksganjil, {x[t],x[:],xIs],...,xIlr*r]]
Kita telah mengetahui DFT untuk
x[n]
kembali persamaan tersebut karena sekarang kita telah memecah menjadi dua bagian, yaitu bagian genap
dan ganjil, sebagai berikut:
x lkl =
N-2
\n=l
, pp
xfn]wf
N-r
xfnlw]r
(4.2e)
n=2
r sejil
Bilangan genap dapat diwakili oleh n=2r dan bilangan ganjil dapat diwakili oleh
prsamaan (4.29) dapat ditulis kembali sebagai
r =2r+1
sehingga
116
,,rt1 V;t
"r[i]=
f
,
r[zr]wi,'n
nr-+
r[r'+1!ri'i:*r)'i
(4.30)
=rrr,
(4.31)
I'cirhatriktl r: h;ri:rva
["*
yy\r+r)k
J"*
["* )"
=w-|"wi
(4.32)
xlft] =
v/?-r
f
..f=9.
x[zr]w],+4
Drr
- -**
ff,[,t]
maka Jf
l*]
A*n
,{r[t]
adalah
dengan
[k]
dan J(,
[&]
k' = k + N 12, X
"
* = {} sampal (,V/2 * l)
Jr,
[r]
, scbagai
+w]x,lxl
[*]
(4.33)
,Y[#]=
Karena, ,1',
I.tq .r[?r+t]wfy,
"
DFr (,ry/2)-ritik
drd
png berindek ganjil
(,v/2)-titik dari
yang beriudeks genap
Jika
Nlz
l//2
(4.34)
maka unftrk
&'= ifl2
sampai
N.
l,
diberikan sebagai:
N 12)
(4.3s)
=W;r-aizi
*-W:
(4.36)
'yY{
Selcsailah kita mcnurunkan runrus un{uk rncmecah:ncnjadi
(472)-titik
dan faktor
}frj
menjadi
Cambar 4.10.
Gambar 4.10 dapat dirnengerti dengan melihat struktur dasar seperti dirunjukkan pada Gambar
4.11" Setiap variahel yalg melervati tan<ln iranah sama tlengar variabr'l ter"sebut dikalikan denganbobot
yang ditunjukkan pada tanda panah t*rsubut dan variabel pada pertemuan dua ujung panah adalah
pen_ir.rnrlahan berbobot {tueighted srun) variabel-r,ariabel pada panah tersebut. Sehingga, sebagai contoh,
Tronsform
117
r(4)=X,(0)- WXr(O), o*
seterusnya.
;10)
Ar/2-ffi
J(l}
DtrT
J(2)
x(3)
,r:(o) tri
.r(Q
rVn{i&
J(5}
DTT
i(6)
x(?)
'{
Gambar
Untuk N
4.ll StruHur
ditunjukkan pada Gambar 4.12. Secara umunL konsep FFT diberikan pada Gambar 4.13.
seperti
118
.rlil)
;{,l
-rti
_r
I.
.&rr.$-titlk
,tis)
$Fr
11t )
&Il.i-titik
BFT
"rt?)
tr/4-titik
,114)
,tt3)
"r1ll
"r,,t,
------|1._p-H_,,
-!
"rij
1-*- .--*-*
*::--r
*-, ;
.tt
., I
1...
,115)
.u6)
Ali{-titik
Drr
,._.-,'_*.- -
"KT)
o
o
--a
x{0}
-----
x1)
-{
(D
o
Tahap
(v-
x(N-
t)
-.
2)
Tahap
Tahap:log .\'= v
(v-1)
=r
W;
=-Wf
=-l
Bab
tY!
wi =-w-i =-Jilz"r
Wl-r-it't'=-J
W{=*w{=i
wi =*Jllz-iJ-zlz
w';
119
iJilz
J{l}
.r{i
r(6)
J{3}
x(1)
J(-1)
r(5)
,r{5}
r(3)
J(6r
.t'{? }
t2a
titii{ [}fT.
li;l-rr:i
{il
&erry:lir*ta
p*rkalian
knlnpXciis
N2
,tr
i:i
i.:-e
llrrh**dingan
FF'tr'
r'
ij i{m','+:rttyn
*i**5'*iiny*
p*niul"r*laharr
re;'kaliat
penjumlahar:
ii+mpili;s
itolxl;r!elis
ka**plerlr:;
i,./l..I.i. llt
tYtt).2 k:,4l,i
iir:::j,"+:lllr.
rr
,/
.ii
,2
leg
/f
*11i8ra
tramyaknya
Perbamdlmgan
altters
banyaknyt
p*rkallan
perrjumlahan
DF?"slam B-FT
,7
l6
T}
64
5{
2s6
24{)
1.424
992
80
r60
12,8
6,2
4It96
4,*12
19:
384
21,3
10,5
t6,384
tdi.2-1i.
44ti
?:{}tj
36,6
18,1
2.8;t&
tr1*
1A
lt,
*5 53$
t.$48 576
1.047.s52
2.3*4
q l)n
2.04d
4"t943A4
4.te'2.256
4.&96
15.777.216 i6.7?3.i2{}
67.1A8.864 6'7"10A.672
262.144
8.192
3,75
64
,1.fiii8
56,8
fi"244
204,8
J.lb4
22.5',J8
3-12,4
24.5"i6
4r. i 5:1
{:lil},1
5',3.7.48
raq.496
1260,3
102,3
$esinrasi-dalam*trek uen si
Algoritnra lain rmtuk mr:nghitu*ir Di''.1'*rlal*i-i d*ngan rftcitnec&h nilai transformasinya. Algoritma
clesimasi-dalam-frekuensi climrrlai clengan nternecah
Nll i
A'LtJ,.
X[ft.]
,r,''-.1
,irlrr"';'+
r-ii
D*ngan m{ngffsumsikan i' ,.- t't'-
li l2
1;,'
yll,-l
'i
.1
sebagai berikut:
tfyl,nf
(4.37)
u=Nl2
rnitiia rrtenghtrsiiltan
..-.:
tn .i;,l,ir'
;,
;
)
lr=,il
l.!,; 1.-.:
(4.38)
Bab
121
Karena
yy@rz)r
"(-t*)ir
= s-i,tk=
(-l)*
(4.3e)
xlk)=
Nlz-t ,
Desimasi akan membagi antara bagian genap dan ganjil, untuk yang genap, yaitu &
yait;u
l, seperti ditunjukkan
(4.40)
=2r
danyang ganjil,
persamaan berikut
x [2r]=rf^'
$l.l n (- r)" xln + x I \)w]*
n=0
_K"
: z Flnl+ x[n + Nlz])w;|,
(4.4t)
n=0
xlzr.ri=
Nlz-l
(4.42)
(,[r]*
*1" + N
z=0
*rln),
lzl)w; w;1,
sebagai berikut
(4.43)
(4.44)
Gambar 4.15 menunjukkan desimasi pertama N-titik DFT menjadi (N/2)-titik DFT. Dengan cara yang
sama (ND)'titik kemudian dipecah lagi menjadi dua (N/4)+itik, dan seterusnya. Contoh untuk
8
N:
ditunjukkan pada Gambar 4.16. Sedikit berbeda dengan desimasi-dalam-waktu maka beberapa hal yang
perlu diperhatikan pada desimasi-dalam-frekuensi adalah:
l.
2.
3.
X*"Lpl= X,lpl+
x^lql
Dw
122
X,,.,{.q1=
$.4eJ
,t'(o)
--+
,\r/U-ti$:{
tr&'T
.r5{
}}
11t l
--^>
.U3l
:YlX-titi&.
*...->
DtrT
'r'(3) lr''i
"r(0)
wfi
"(l)
x({)
t(?)
x(2)
"(3)
x(6)
r({)
x(t)
a(5)
x(6)
r(6)
x(3)
x(n
x(71
-t
-t
tlr,
Bob
123
=-*
x-lpl
X"lql--*-:;'a--**I* j
Gambar 4 "17 Stru kn tr
das
ar
but
;erfiy
x".[p7
^-rtq7
des imas
i-dalam-frekuensi
N , danmengganti pangkat
IFFT dapat juga dihitung dengan mcnggunakan algoritma FFT langsung dengan menggunakan
konjugat kompleks. Persamaan (4.20) dapat ditulis menjadi
u-r
\.
(Vru)Z*'ltlw;* |
\r=o)
*.1n7=l
g.47)
Konjugat kompleks dari suatu perkalian atau penjumlahan dapat ditulis sebagai perkalian atau
penjumlahan dari konjugat kompleks, sehingga
ALr
x. lnf = (y
N)Zx. [r')wf
k=0
(4.48)
=(rlr'rlorr(x.[r])
Untuk mendapatkan
persamaan (4.48).
xfnf=(rrr(x.lkl)).
l*
(4.4e\
124
Pojok
MATLAB
rzl ..-,\ _
n\rw)-
P(iar)
D6)
pa* pre-i'
rtt, daribentuk
+...+ p*r-i'u
Untuk menentukan DTFT dapat digunakan salah satu dari perintah berikut
sarnpai FT/2, dengan FT adalah frekuensi sampling. Jumlah titik frekuensi dapat ditentukan oleh
parameter k, yang tersebar merata pada rentang 0 dan r. Tambahan 'whole' menunjukkan bahwa rentang
fiekuensi menjadi 0 sampai 2x atau 0 sampai FT.
Kita akan mencoba membuat grafik amplitudo dan fasa pada contoh 4.4.
E Program 4.1
E Menentukan
grafik
DTET
plot
xl-abe1 ( 'omeqa'
y1abel('fasa')
Bob
125
Untuk menghitung DFT dapat menggunakan fungsi fft yang mempunyai varian sebagai berikut:
X = fft(x)
X = fft(x,I)
ketika parameter L tidak ada maka diasumsikan panjang X akan sama dengan panjang x, namun ketika
parameter L muncul, dengan L lebih besar dari panjang x maka diasumsikan periode x adalah L, dengan
demikian ada penambahan nol (zero padding) sebanyak L dikurang panjang x.
Z Proqram 4.2
yIabeI('lXl')
subplot (2,1,2)
stem (n, angle (X) )
xlabel ('indeks' )
ylabel ( 'fasa, )
Sebagai contoh kita akan memasukkan
x = [1 2 2
1)
Hasil
DFT =
5.
0000
-1 .0000
1.
0000i
-1.0000 + 1.0000i
126
er
,i
i
1l
-t.I
I
,a
3i-
rf
oI
0
-_
___.1
0,5
----i---
'r.5
2.5
indek8
3i ----I
z\-,
'|
Gh
.ri
-21
,1,
_3
q___
0
1.5
indaks
Program 4.3
xl-abel ( 'indeks'
yIabel('lxl')
subplot (2,L,2\
'fasa'
x = [1 3 sl
N=8
__l3
127
Hasil
DFT =
Columns
9.0000
3.0000
Columns
-4 " 0000
through 6
3.1213 - 7.1213i -4.0000 - 3.0000i -1.1213 + 2.8-t87L
-1.1213 - 2.878'7i
7 through 8
3.0000i 3.1213 + 7.1213i
0123/a567
E Program 4.4
? Menentukan DTFT dari
k = 0:15;
(2*pi*k*3/16);
x=
cos
X_e
= fft
X = fft(x)
n=
0:
DET
(x,51-2)
length (X_e) -1
hol-d on
plot (n/512, abs (X ) , , r, )
xlabef 'frekuensi normalisasi
y1abe1 I amplitudo' )
Iegend i DFT | , 'DTFT' )
128
lt{@B, &m1diB6r
-y
1.;,eSf
tn
.t
v = t]
? 11'
h = tr 7 212 2i;
y1 = conv (x,ttt ;
r, = Iength (y1) ;
X: ffr.k,L);
H = fft(h,L) ,
'12. = 7.*'d;
y2 : ifft.(Y2l;
disp ('Hasii dengan konvolusi : ' ) ; aisp (yl
disp ( 'Hasil dengan DFT : ' ) ; disP (Y2
Hasilnya adalah
DFT
8.
10
10
10
10
Bab
129
SOAL.SOAL
l.
dengan melakukan
perhitungan Anda.
2.
s[,]=
{l 2 4 -r}
a.
Tentukan
b.
Perpanjangl
r,[n]=
{-,: 4 o 2
-r ,l
yrlnT= sln)anlnl
ah
Sln]
S,lnl
dan hitung
c.
3.
a.
b.
c.
4.
yrlrl
Tentukan
x[n] = {t 0}
Aan
hfn)=
{t 0
Tentukan
l[nl
Tentukan
.rr[r]
1}
Diberikan data
{0,0, l, l, l, 1,0,0}. Hitunglah DFT dan kemudian plot amplitudo dan fasanya
dengan menggunakan:
a.
b.
c.
5.
6.
DSP konvensional
Matriks Vandennonde
FFTdesimasi-dalam-waktu
&.
b.
x [o]
x[5]
c Ixlrl
9
,t=0
7.
Jika diberikan
Xlk)
sebagai
xlnl
X[k]
130
x[o]=to
x[+l= 2+ i5
xl27=3-i2
-s-i4
x[s]= 6- i2
x[1]=
x[3]=r+i3
xloi=rz
a.
,[oj
b. ,[6]
ll
c' I'[rl]
n=0
8.
3,1
x[6]= 9,3+ j6,3
Xl27=2,5+
X[o]=
x[8]
= s,5
j4,6
x[4]=
-1'7 + i5'2
- j8'o
g.
x[o]= z:
X[1]= z, 2426*
g-titik dari sinyal g-titik semuanya adalah real. Lima sampel pertama dari
10. sampel-sampel dari DFT
.r[n]
adalah:
x[o]=1,125
'[1]=
-a'6402-
j0'079s
xlzl=0'25+ j0'l2s
1.
x[n]'
product'
Jelaskan mengenai time-bandwidth
a'
b'
x(r) = cos(r)
dat'
x(at)
dengan a =
densan a
*2
=2
t
i:
Bab
Tronsform
131
13. Tentukanlah
FS dari sinyal-sinyal periodik berikut yang didefinisikan dalam satu periode saja:
,(,) ='{
(r
l-A- o<r<-
le,
-L<t <o
Lq*2. o.t.L2
x(t)=]
\,, I
l-A+2,
L2
-=,<t <o
-oo0oo-
BAB
Trunsforntusi
5.1
PENDAHULUAN
ransformasi
x[n]
domain
adalah
(5.1)
Parameter z di atas adalah variabel kompleks dan kumpulan nilai z yang ketika dijumlah akan konvergen
disebut sebagai daerah konvergensi (region of convergerace (ROC)).
Jika diasumsikan z = re-
j'
x(r)1,=,"*=
n=4
Karena itu,
jika r
(s.2)
n-4
dan dapat
x[r].
di O
=la + jbl=
dan
atau a2 + b2 =
lrl, "
sebuah lingkaran
134
Contoh 5.1
Kita akan menentukan transformasiZ danROC untuk (sinyal eksponensial kausal)
fa"- n2O
Io' n<o
xlnl=1
LJ
x (r) = Z (a'u[r]) =
f*o'rlrlr-' =L(*')'
1
X(z\\ l-az't. =-:z-o
"
yang menggambarkan
jika az-'<1 atau VlrVl. ROC ini digambarkan pada Gambar 5.1. Bidang
ROC disebut sebagai bidang-z (z-plane). Nilai yang menyebabkan X (z) bernilai
nol disebut
sebagai
padaz:O danpolepadaz:
X(z)-+a
"x".
disebut
pole.
Zero
a.
zcro pada O
polcpadaz=o
Rez
Z dai. xln)=-b'ul-n-ll
Z didapat:
ii.
tx,
'H;
i,i&
Bab
5: Transformasi Z
x (r) =
|-u'ul-n
135
-tfz-'
Dengan mendefinisikan
n=-m
@l
r)'
do =1, dengan
didapatkan
I
z
X(z\=l=
\"
l-zlb z-b
Dengan nOC
lzl < lal . nOC dan zero serta pole digambarkan dalam bidang-z pada Gambar 5.2.
acro pada O
*rlnf = {r,2,5,7,0,1}
*rlnl=
lr,r,L
7, o,1)
136
Xr(r) =l+22-r + 5z-2 +7 z-3 't z-s denganROC seluruh bidang zkecuali z: 0
Xr(r) = z' + 2z + 5 +7 z-1 -t z-3 denganROC seluruh bidang z kecuali z : O dar- z = a
I
Beberapa transformasi
dari fungsi-fungsi yang biasa dijumpai dirangkum pada Tabel 5.1 beserta
ROC-nya.
Transformasi Z
Fungsi
Semua z
alr)
-m
6ln-rnl
ul")
zlQ-t)
nulnl
zf
n'ulnl
z(z
n'ulnf
l,l, r
a"uln)
zlQ -a)
Vl,Vl
-a'ul-n-lf
zlQ - a)
VI.VI
na"ulnf
orf(, - o)'
l,l,l"l
-nanLtl-n-t1
orf(, - a)'
Vl.Vl
n'a"ufnj
14,l,l
nta'ulnf
ar(r'+4az*"')f (r-o)^
Vl,Vl
sina4n ulnl
cosroon
ulnf
Semua z kecuali
(z
lrl=
0,*,
l,l, r
l,l, r
-t)'
+t)lQ -t)'
l,l,t
Karakteristik ROC juga dapat ditentukan dari jenis sinyal yang diamati, tergantung dari apakah
sinyal tersebut terbatas atau tidak, kausal atau antikausal, dan dua sisi atau satu sisi. Rangkuman dari
karakteristik tersebut diberikan pada Tabel 5.2. Sinyal yang mempunyai durasi pada sisi kanan, yaitu
Bob
5: Transfarmasi Z
137
kiri
saja, yaitu
x (r) =lxfnfz-'
(5.3)
n=0
ROC
Sinyal
Sinyal terbatas (finite-duration signal)
z:
ffi
Antikausal
z: @
ffi
Dua-sisi
z= 0 datz: t-
138
ROC
Sinyal
Sinyal tak-terbatas (infinite-duration signals)
Antikausal
l,l-,,
Dua-sisi
r, <lzl<
5.2
r,
PROPERTI TRANSFORMASI Z
Berikut adalah beberapa properti dari transformasi Z. Ada kalanya kita mendapatkan transformasi
Z dari suatu fungsi diskrit tanpa harus memasukkan ke persamaan (5.1). Pembuktian properti ini dapat
Anda lakukan dengan menggunakan persamaan definisi hanformasi Z.
Bab
5: Transformasi Z
t39
Linearitas
Jika z(f,bl)=
p,(r)
dengan
&-<lrl.n-makaberlaku
z (r,f,[n]+ arfr[n])
= a,F,(z)+ arFr(r)
dengan
e c t i on)
antara masing-masing
dengan Roc
(5.4)
Roc.
Translasi
1i11a
z (x[n]) = x
Q)
dengan
Roc &_
.lrl.R
z (x[n
denganROC
maka
&_.lrl.&..
(5.5)
(x[n])
x Q)
dengan
Roc n
.lrl.{*
maka
z(a'x[n])=.(:)
dengan
noc
faf
4_
(5.6)
.lrl.lola...
tika z (x[n]) x
=
k)
dengan
Roc R
z(*[,1)=-,1')
dengan
noc &_
.lrl.
(s.7)
&*.
140
xlnls yln)=
Jika diberik an
.f *l*jrlr-rj
t=
se*a
Z(t[n])=r(z)
dengan
z efr,r,
dan
z(xln])= x(z)
dengan
maka
z(xlnlayl"l)=x(,)y(,)
dengan ROC z e
E,
RoC z e fr,
rs.sl
nfrr.
Konvolusi (Domain z)
.lrl.
dengan
Roc
<
dengan Roc
Rr., maka
z\l,l
Dengan
&_
Roc
&-^R/
y["]=fi{rrx(v)r(zrv)vlav
' Notasi {
(r)
dan
c,
y (zlv)
(5.e)
xlnl
z X (z),
x[o] =
l:*x
Teorema Nilai
lrka z
maka
(,)
(s.ro)
Akhir
(xln|) = x
(r)
darpore-pore
x (z)
l,g,[,]=lg[(,
-r)x(z)]
(s rr)
fub 5: Transformosi Z
141
Contoh 5.4
Kita akan mencari transformasiZ danROC untuk penjumlahan antara sinyal pada contoh 5.1 dan contoh
5.2, yaitu llnl=a'ufn)-b"uf-n-ll. Berdasarkan properti linearitas maka hasilnya adalah
Y
(z) =
lal.l"l
ma
*.
, lrl}^
{lrl
maka tidak ada perpotongan antara kedua ROC sehingga transformasi tersebut tidak konvergen.
>
lDl
*;
lal
maka terdapat perpotongan antara kedua ROC sehingga transformasi tersebut konvergen.
I
Pole danKarakteristik Sinyal
Salah satu bentuk transformasi
rasional, dalam suku z-r atau dalam bentuk polinomial z . Telah disinggung sebelumnya bahwa pada
transformasi Z tasional terdapat apa yang disebut sebagai zero dan pole. Mengalang sebelurnnya, zero
adalah nilai-nilai
X (r)=
yang membuat
X(r)=0,
sedangkan
membuat
Zbo'-o
-
k=0
(s.12)
Zor'-o
,t=0
Jika ao
*...+b,fbo
(5.
l3)
Dmr
142
14.14
(a)
lmz
PlrH
o)
Gambar 5.3 ROC untuk contoh 5.4
Kemudian dari persamaan (5.13) dapat dicari nilai-nilai zero,
sebagai berikut
zk dan pole, po
dengan
k=1,2,3,...
fub 5: Transformasi
143
_ GrN-M
fIQ-'*)
(5.14)
k=l
A/
lI(' - Pr)
*=l
dengan
G=bolao.
Seperti yang telah kita ketahui juga, bahwa zero dar. pole di-plot pada bidang kompleks yang
disebut sebagai bidang-2. Hubungan antara pole dan bidang-z akan dibahas pada bagian ini. Kita hanya
membatasi permasalahan pada sinyal riil dan kausal. Secara umum, jika kita mendefinisikan suatu
diransformasi
lingkaran bedari-jari
contoh adalah
pada bidang
dengan
noc
lzl >
lal vane
mempunyai pole a.
$_ir,,*-$4*_
_imurr$4*\,_
144
Untuk
kasus
xlnl=na'uln!1+*l?-o)'
,sinyal
memiliki
karakteristik yang berbeda dengan yang pole tunggal seperti ditunjukkan pada Gambar 5.5. Perhatikan
per.bedaannya dengan sistem dengan pole finggal di mana untuk pole yang berada tepat pada lingkaran
manghasilkan sinyal yang tak terbatas (unbounded).
6l\
1]"r7
atzZ
$
$
rcl
menurun.
Bob
5: Transformasi Z
145
{.illtlG
rV'
146
Gambar 5,7 Penganth pole kompleks-konjugat ganda yang terletak pada lingkaran
5.3
hlnf
maka keluarannya,
ylnl,
xlnl
Aan
hfn\.
(s.15)
dengan
Y(z)
adalah transformasi
H(z) disebut
fungsi
x[n]
Aan
f[n]
X (z)
l.
2.
Transformasi Z
- kan x[n ]
Transformasi Z
- kan lln)
3.
4.
Hitung
hlnl
menja ai
menlaai Y (z)
,'
(z)
\ = 9a
Xlr)
Bob
5: Transformasi Z
Transformasi
147
perbedaan. Suatu
rc)
(5.16)
(r) r-o
(5.17)
k=O
(z) =
-larr
(z) z-*
+\box
,l
k=0
rt,l(, *Lor,-o)
"t,l(I
urrr)
(s. l 8)
Sehingga,
M
n(,)=#=#_
(s.le)
k=l
Secara umum persamaan (5.19) disebut sebagai pole-zero system, namun ada kondisi khusus untuk
persamaan (5.19) yang dapat dibagi menjadi dua kasus. Yang pertama
ru
(r)=\brz'k
k=0
I $ -,r.r_*
^
-V
. /Lu*"
(5.20)
k=o
Dengan demikian, persamaan (5.20) terdapat Mbuah zero,yangnilainya ditentukan oleh parameter
b1, dan Mbuah pole pada z:0. Dengan demikian sistem tersebut mempunyai pole trivial (pada z
0)
dan M buah zero nontrivial sehingga disebut sebagai all-zero system. Dari sisi pandang lain, sistem
tersebut mempunyai respons impuls yang terbatas (/inite-duration impulse responsselFlR) sehingga
disebut sebagai sistem FIR atau moving average (MA) system.
Wr
148
bt
=0
A(r')=
rnalra.Pers$na8s (5.19)
Eqidi
frb'
l+larz-*
t=l
l/
lnzr
(5.2t)
ao
=l
Zor'r-r
td)
Dalam kasus
ini n
(r)
terdiri dari N buah pole, yang nilainya ditentukan oleh parameter au dan N buah
zero pada z : 0. Untuk zero trivial biasanya tidak disebut sehingga sistem tersebut dikatakan hanya
memiliki pole nontrivial,yangmenyebabkan sistem tersebut disebut sebagai all-pole system. Dilihat dari
sisi lain, sistem yang mempunyai pole akan mempunyai respons impuls tak terbatas (iika dilakukan
pembagian pembilang dan penyebut) sehingga sistem tersebut disebut sebagai infinite impulse responsse
oiR).
Contoh 5.5
Fungsi sistem untuk persamaan perbedaan
#=ru(,)=
dan
(r)
X
flnl=f,rlr-ll+2xlnjdapat
(r) untuk
Y(z\=!r-tf
(r)+ZX(z).
,,
2
t-l
"(2)
f Q)(
mendapatkan
ditentuntukan sebagai
n (r)
sebagai
berikut:
t-L r-'
2
5.4
INVERS TRANSFORMASI Z
Untuk mencari
(r)
Bob
5: Transformasi Z
149
Metodeinimembenut
dapat
X(z)
dalamsuku
atau
z-t.Jikadiberikan
X(z)
denganROC-nyamakakita
x (r)
",r-'
(s.22)
Contoh 5.6
1-r,ra' *o*
nOC: lzl < 0,5 . Untuk menjawab pertanyaan (a), tentunya kita mengamati bahwa ROCnya berada di luar lingkaran dan berdasarkan Tabel 5.2 maka sinyal tersebut haruslah kausal. Sinl'ai
lrlrt
dan (b)
x(z\
*!r-r+Er-,
\ / l-1,52-'+0,52-'=l+1=-'
2
4
8
Dengan demikian maka
,[r]={l
xfn)
*1!ru *...
16
3tlr6
Untuk menjawab pertanyaan (b) maka berdasarkan Tabel 5.2, sinyal harusnya antikausal, yang bea-:
sinyal tersebut berada di sebelah kiri (pangkat z positif). Cara mendapatkannya adalah dengan memb., r
penyebut (dan pembil and
150
+62e6+"'
lr-t-3r-t+l
11
I
-32 + ?"r?
1z-Zz2
1z -92? +623
7e?
7
-62:
z2 -2!23 + l4ea
l5sr -14e4
15.e3
45s4 +3025
31.24
sehingga menghasilkan
oa,
X (z)=
x[n]={... 62 30 14
-30e5
o,5za -1,52-t +7
62o
?}
Perlu diperhatikan bahwa untuk mencari invers transformasi Z dengan pembagian langsung untuk
sinyal antikausal maka kedua polinomial pada pembilang maupun penyebut harus dibalik, atau ditulis
dengan urutan dimulai dari pangkat yang paling negatif.
I
Ekspansi Pecahan Parsial
Dengan metode ini kita memanfaatkan tabel transformasi
X(z)
menjadi
6'23)
- nya menjadi
xlnl= a,x,lnf+ d,xz[r] *'
untuk
X(r)
''+
arx*lnf
6.24)
Bab 5: Transformasi Z
151
x (,) -:
Jika
ao*l
{kl
:lJrt
= |
t
ts(r)
(s.2s)
maka kita dapat memhagi penihilang dat i]cnysb,ri dr.:rig3i1 Gri sehingga eiielapatkan
persamaan (5.25). Persamaan (5.25) disebut fungsi rasioral propr karena a,i
jika M
>N
r:raka irersarTiaarl (5"25) disebut {ungsi rasicnai inrytritper. }ika menemui fungsi
rasional improper, kita harus mernbagi datrulu antara pcmbilang dan pe,nyebut sehingga didapatkan suatu
deret pangkat dan fungsi tasitnal prt,,g:t,r'.
sedangkan
Jika persarnaan (5.25) diarrggap f,"ingsi rasilnal F!'t:{;t:r ra1i.a kita dapat mengalikari pernbilang dan
penyebut dengan zo, yurgnrenghasilkan
(s"26)
Persamaan (5.26) dapat dibeniuk nrenjarii
I(:l
z
Sekarang tugas
n'
+ b,r:)
-'-L!lt:**-:-'
=!u:'
t
:'"'
1-
ilt--'
t tt.,
(5.27)
pecahan-pecahan rasional. Unfirk rnelakukan iral ierseb,;i, kita 1:crlit lnengetahui akar-akar dari penyebut
(atau disebut pole) yang dapat dibagi rlerijadi dua kasus: pole-pole yaiig semuanya berbeda dan beberapa
1.
pt"ptt..",[]n
(=) A, A,
:
Z-P, z-P:
,4
z-P,
(s.28)
ata;-r
(s.2e)
--lF-
152
Contoh 5.7
Kita akan
tr/ =
mengekspan
ansr
,^ ( z\
si X
zt
wt-\,r\z)-@
X(')=,
,., z ,) ..:.Ekspansifungsitersebutadalah
, (, -0,s)(z -0,75)(z -l) ' """'*
z'
A,
A. A,
W=;isn;_f**;.Untukmencarinilai-nilaikonstantanya,
Dankemudiandibentukmenjadi
z'
@-r4.s-14,75'r-,
-=
At -
kiri
A, *-A,
(z*o,s)(z*0,7s)(z-l)
_ (,1, + A, + 4)
Dengan menyamakan koefisien ruas
kiri
z2 +
(-1,7
Ar+ Ar+ A, =1
-1,7 5 At
1,5 A2
l'25 4 = g
A, = 0
, 4. = -9,
dan At
=8 .
Bab 5: Transformasi Z
153
4=b4ffi|,=,
Dengan demikian, kedua metode menghasilkan
trasil yang sama.
2.
faktor
x(')
A,
p,
pada
pole-pole dari
aclalah pole kembar yang .lihasilkan oleh
pt.r = p3,tnaka
A,J---*-A..,^,_+...+
q
4r,,
z-ps+...+,*.
*_A,:*z-Pz'(z-rJ-G;f
z-Pr
(s.30)
A*n=--L_l
r'q
+(.*p^f!,)l
,
'
U-q)tldr''
(5 31)
),=,,,
Contoh 5.8
x (:)=
'
=,::1,___
(z+t)(r _t)'".
2--__
A^
- -*!
=, -L . *4 t
n,
(r+l)(z-l)'- tir'G-i)'
;'i'
n:
l)t stni lcrJapat 31xtlc'vaitu
154
A,=lriffi;fl.=,=,
u, =
*l^,-fu]|,,
*lili],, d#[,
=
-,
E
Contoh 5.9
Persamaan (5.29) dapat juga digunakan untuk mencari koefisien ketika pole-pole-nya bilangan kompleks,
X(r) _
z+l
Ah
- A3 '
=1_z(z-t)(r'+22+2) z z-r' (r*1-,,) (z+t+ i)
Ar=!1 , prrl
Ar=
p.**z1J
z+7
Q
+F i)(z+
= o,o
1+
7) l,=,
z+1
z(z
-r)
(z+t+
i) l,=_,*,
= o,o5
+jo,ls
Ao=4=0,05-i0,15
I
Setelah kita melakukan ekspansi maka langkah terakhir adalah melakukan invers transformasi Z
dengan langkah-langkah sebagai berikut:
Bob
5: Transformasi Z
l.
x (r) -
2.
155
sehingga menjadi
A,z-A
A*z-Pu
' + 4J-+...+
'
z-Pz
Contoh 5.10
Dengan menganggap sinyal kausal, kita akan melakukan invers transformasi Z untuk contoh 5.7, 5.8, dan
5.9.
x(l)- 2 _ e *
z z-0,5 z-0,75 z-l
8
2'
9z
x(z\\ / z-0,5- z-0,75,8,
z-l
sehingga inversnya adalah
x[n) ={Z
(O,
x(r)363
z
xlnl={, (-r)'
6n
-l}ulnl
x(,)=-0,5*Y*g#y.ry#
[r]
156
Dasar pengolohan
Slnyat Dtgttal
x(r)=
-0,5
.ry*{0,05+
io,ts)r.(0,05 - jl,ts\z
z-l z_Jl"iii-**r;1ffi
sehingga
= -0,s6 [n]
Contoh
+ o, +
(rl 35.) _
ffcos
_ j0,t,)(Oe;r:r),
0,0s(2,/2e-ar:s")+ j0,1s(2,/2e,,,ri")-
jr,rs(z,/ze-i,rx"1
ff ,in (nt3s.)
5.ll
Roc:
+ (0, OS
fzf >
l,
(b)
Roc:
fzf <
0,5,
dan (c)
iZ
dari X
,I#"X',|,]i:{:?
menjawab
Yi*k
bidang
,,
-rElfifi-"
X (r) = _
(4
z
fi,rngsi tersebut adalah
z=
X (r) =
(r-0,{@
,,sdan z = r.
*-;C
5.r --"
dan r''
s.2rnaka sinyar tersebut
/
x[n] = _
{z 10,s1,},bl:.
.i:,r;i:i:,t:ii^sinvar
t'*'rr.r),"
;l
5z-' +0,52-2 untuk tiga kasus, yaitu (a)
Roc: 0,5.14.,1'
(r)= :
tersebut adatahsinyar
antikausar sehingga
, =o,s m"re-jrll;i1,#tfi[ffi,ri'*
antikausar. Dengan
demikian, inversnva
adatah
x[n]=
_2u[-n:;:i;:; )fii.
r,"'entasikan sinvar
Bob
5: Tronsformasi Z
157
Dengan mengalikan
X(r)
dengan
zoazf(Zriz) arn
z adalah Xlr)=
x (z)=
I xlnjz
Axlnlz-".
-n
(s.32)
,i_*-ln){z-n*k-tdz
Setiap integral kontur dapat dievaluasi dengan menggunakan teorema integral Cauchy yang menyatakan
bahwa
jika
C melingkupi pusat (origin) dalam arah berlawanan arah jarum jam, maka
(5.33)
Berdasarkan persamaan (5.33) maka ruas sebelah kanan persamaan (5.32) akan menjadi tidak nol ketika
pangkat z adalah -1, yaitu
fi{,*r,r**=,[,]
yang disebut sebagai integral invers kompleks untuk mencari invers transformasi Z. Mengevaluasi
persamaan tersebut lebih mudah menggunakan formula Cauchy.
I r fQ),,_-[ftri,
c
2"11 1z - zo7" 10,
untukzsdidalamC
(s.35)
untuk zo diluar C
f (r)
1, dan
158
*Llrffir,=l##n""1"=,,'
|.0,
untukz6didaramc
(s.36)
untuk z6 di luar C
Ruas kanan persamaan (5.35) dan (5.36) sering disebut residu pole pada
zr.
pole di dalam kontur, integral tersebut dapat dievaluasi dengan menjumlahkan hasil-hasil dari setiappo/e.
Contoh 5.12
Vlrlldengan
arj,
menggunakan integral
(r)
2.
(zo)=
a',
(r)=zn.Kita
*l"l= f
- = !{Zttj ''rJ'
z-a-ar.
Hasilnya dapat
ada pole
di dalam C. Satu-
a. Karena itu,
n> 0
n<0
maka
-r(-l)=
2xj'- z(z-a) z-alr=o
Untuk
n: -2, maka
x(-21 =
* t, i;
*(*)1,
;1,=.
=,,.
=o
xln)= 0 untuk
n <A . Maka
x[r] = a'uln).
Bab 5: Transformosi Z
159
Y.
aiAennisikan sebagai
(r)=t*ln)r-'
(s.37)
a=0
Untuk membedakan dengan transformasi Z dua-sisi maka untuk transfonnasi Z satu-sisi digunakan notasi
x[,2]+--+ z{-L.l}
x-
(r)
(5.38)
Jika dilihat dari persamaan (5.37) maka pr:rbeCaan transformasi Z safir-sisi dan dua-sisi adalah scbagai
berikut. Transformasi Z satu-sisi tidak mengakomodir sinyal-sinyal dengan n <A . Karena itu,
transformasi Z satu-sisi bersifat unik hanya untuk sinyal kausal. Selain itu, jika Anda perhatikan
transformasi Z satu-sisi dari sinyal
Karena itu, ROC dari
X* (z)
Contoh 5.13
Berikut beberapa contoh transfonnasi Z satu-sisi:
,,[r]=h 2 s 7 0
*,1"1={t
z17
+72-3 +z-s
0l}<-'-rxiQ)=5+72-,+23
E
satu-sisi, kecuali
translasi/pergeseran.
Translasi positif
Jika didefinisikan
xlnl<-.--+ X. (z)
maka
xln-tcl<-_-yr-o
Jika
x[r]
n]r'\, k>0
{*.(r)*ir[lr=l)
(5 3e)
kausal maka
*Ln-k)+l-+z-o
x'(r)
(s.40)
160
Translasi negatif
Jika didefinisikan
xln)<-{--> X. (r),
maka
xln+k)+-!)zk{r.,,,-Ert,,,-'},
r>o
(s.4r)
e.4z)
Contoh 5.14
=a'
maka transformasi
Z satu-sisi dari
x,
lrl=*ln-2]
Oapat
dicari
sebagai
berikut.
Telah kita ketahui bahwa
z. {xln-
Karena
l-
az-
. Ber.lasarkan persamaan
/e
= 2, maka
2]} =
,[-1]
Xi G) =;:
t-
o-t
dan
-)
oz -,
Transformasi
persamaan
(5.39) dengan
Bob
5: Tronsformasi Z
Karena
x[o]=t
z. {xfn+21}=
5.6
161
aan x[1]
=a,maka
*--z'-qz
x[n]
y(-t),y(-2),...,y(-N).
0 maka sinyal
n>0
Y.
Karena
x[n]
(,)
tausul maka
X. (r) = X (r)
n1.Xur,-o x.
(,)
(s.43)
n{Nk
Y.
(r)
Zbor-o
x (r)-
-&**-
Zoor-oLrl-n)2"
t='
l+\anz-r
l+\aoz-t
-#
k=l
(s.44)
=tr(z)x(4rW
dengan
lr, (r)=
NK
-U
/t=l
oor-oZtl-n)z'
(s.45)
n=l
Dari persamaan (5.44) hasil akhir dari sistem dengan nilai awal tidak nol terdiri dari dua suku. Suku yang
pertama menunjukkan respons keadaan-nol (zero-state responsse) yang ditunjukkan oleh
y,,(r)
= u (z)x
(z)
(s.46)
162
Suku ke dua yang menunjukkan keluaran dari nilai l:ond:.si awal ta!: ncl. i,aitu
Y*
I;, (
(5 47)
\z )
sehingga respons total juga merupakan penjurnlahan dari dua suku, yaitu
yl"7= y,,Lrf+
Jika pole-pole
A(z)
y,,lnf=
tr&=l
y,,ln|
(5.48)
ulnl
bo)'
(5.4e)
ylnT=inr@r)'ulnl*farboY
t=l
olnl
(5.s0)
&=l
dengan
lr
= Ar + Dt
(5.51)
konstanta
{dr\
Contoh 5.15
ini kita akan mencari respons untuk sistem dengan persamaan perbedaan
lln)=0,25y1n*zl+xlnl dengan masukan xlnl=|ln-2] dengan dua kondisi awal, yaitu (a)
Pada contoh
/[-1]
Kita akan menggunakan transformasi Z satu-sisi. Lakukan tranformasi Z satu-sisi pada kedua ruas dan
berdasarkan terorema transl,asi positif maka didapatkan
Y
(z) =a,252-2
(z)
(g
=
,-'
Bab
5: Transformasi Z
163
untukmenjawabpertanyaan(a),kitasubstitusikannilai
(t)
x(r)
dan
y[-1] =yl-21=0
x (r)
dan
kepersamaan
sehingga didapatkan
Y(z)=0,252aY(z)+ z
\ ''
--l
I
sehingga
*0,252-2
[n ]
(z) =0,252-2
+ 0'25
Y ( z\
\ "=l'252-t
l-0,252-2
sehingga
flnl
={
t, r zs o,
1
Contoh 5.16
vaitu
y,,
(r)
i#r7
persamaan (5.44).
e !,.[r]
{(0,
Kita
s)' - (-0,5)'
sudah
lrlr]
Sekarang kita akan menghitung respons kondisi-awalnya dengan menggunakan persamaa (5.47),dengan
n
-0,25
(lihat
B-
164
_.
,\
'zi\" t -
(r)
ek)
lr.
+0,25 0,3752
o,t25z
l_0,252-2 z*0,5
z+0,5
0,252-t
sehingga didapatkan
y,,ln)=
{0,
: zs ( o, 5 )'
0, 1 25
-0, 5 )'
\.l')
{t,
: zs ( o, 5)'
1,
I 2s ( 0, s
)' \
rlrj
I
5.7
Suatu sistem LTI kausal mempunyai respons impuls yang diberikan oleh
hln]=g,
n <A
(5.s2)
Dilihat dari sudut pandang ROC, suatu sistem kausal mempunyai ROC di luar lingkaran sehingga dapat
didefinisikan "suatu sistem LTI adalah kausal jika dan hanya jika ROC dari fungsi sistem tersebut berada
di luar lingkaran dengan jari-j ati r < m , termasuk titik z = @"
Sedangkan stabilitas, seperti yang telah dibahas sebelumnya, dapat dilihat dengan konsep BIBO,
,",r i1ft[r]|.*.
H(z)
harus terdapat lingkaran berjari-jari satu dalam ROC-nya. Karena itu, dapat disimpulkan: "suatu sistem
LTI adalah BIBO (stabil) jika dan hanya jika ROC dari fungsi sistem melingkupi lingkaran berjari-jari
satu".
Untuk penggabungan antara sistem yang kausal dan stabil berlaku: "suatu sistem LTI kausal adalah
(z)
Contoh 5.17
Suatu sistem
LTI
diberikan oleh
(z)=
3-42-l
l-3,52"1 +1,52-2
r2
, I --' I-32-'
2
ft[n]
Bab 5: Transformasl Z
pole
pada
, =!
dan
z= 3. Untuk
sistem stabil maka syaratnya adalah ROC harus melingkupi lingkaran berjari-jari satu sehingga ROC:
dengan demikian
l.lrl:-r,
hln)=(i)',W-
(3)'
(:)'
nya
adalahlzl>
3,
{(;l
+ z(3)"
dan
uln).
Menjawab kasus terakhir, supaya sistem antikausal rnaka ROC nya adalah
hln)=
sebagai
(*n - t),
hlnl=(i)',n+
nl4
},fr-
rl.
lzlcO,S
sehingga
5.8
PENGHILANGAN POLEZERO
Ketika transformasi
menghasilkan
akan
dihilangkan olehzero, dan juga suku yang menghasilkanpole danzero tersebut akan tereliminasi.
Contoh 5.18
Untuk pusamaan perbedaan
transrormas
iz
nvaadarah
n (r)
i##
iiff*= {ffi.
maka
Memraktorkan
pole
menjadi
(,)=ffi 4-:#
dan
hln)=
dln)-r,r(+)' ufu-tl
I
166
Tips:
A (r) = ru
r^
n(')=*
sePerti untuk
meniadi
adalah
'
hln!=r,t[*)' uln-t].
STABILITAS SISTEM DENGAN LEBIH DARI SATI' POLE
5.9
berada
mengandun g pole-pole
{qo\, t, = 1,2,..., L
yangmemenuhi lq
rlst
Contoh 5.19
ll.
yln)=yl"-t]+x[n]
dengan masukan
x (z)
r(z)(t-r^):x(r)
=
\'t ='(:\
t- z-l
x (r) --l
H
" ( z\
Dengan demikian,
Y(z)=
a(,)x(r)
1
=---------'--;
(r-,')"
Invers transformasi
= l.
Z, yaiu !ln)=(n+t)ulnl,
tersebut tidak
masukan terbatas maka keluarannya tidak terbatas, oleh karena itu sistem
stabil'
Bab 5: Transformosi Z
Pojok
iVIATLAB
Untuk menentukan posisi zero dan pole dari suatu fungsi z yang berbentuk
pole
penyebuL)
dan zero pada bidang
berikut
zplane (zero, pole)
zplane (pembi 1ang, penyebut
t Program 5.1
xfabef('real')
ylabel ( 'ima j i.ner'
*.t-!'*,T, maka
:'!'1.*!!(
+l8z-12
3za +3zt
-1522
pembilang : t2 76 44 56 321
penyebut = t3 3 -15 18 -121
didapatkan hasil
168
-3.236]1.236L
0.5000 + 0.8660i
0. s000 - 0.8660i
Konstanta gain adalah =
0 .666'7
0.5
o
,E
'd-'
.E
o.uL
,f
I
-r aL
I
'L__
Gambar 5.8 Zero dan pole
Untuk mengembalikan jika diketahui zero dan pole nya menjadi fungsi alih
menggunakan fungsi
[pembilang, penyebut] : zp2Lf lz,P,kl
Berikut adalah contoh programnya.
I Program 5.2
I Menentukan fungsi alih
zero : input('Mastrkkan zero sebagai vektor baris = ');
poTe = input('Masukkan pole sebagai vektor baris = ');
dapat
Bob
5: Transformosi Z
169
zero : 10.5)
pole : [0.2 0.8+j
*0
.2 0.A-i*9.21
Pembilang :
PenYebut
1.0000 -1.8000
1.0000
-0.5000
1"0000
-0.1360
Perlu diingat bahwa jika kita memasukkan bilangan kompleks maka harus merupakan kompleks
konjugat untuk memperoleh pembilang dan penyebut yang benar.
Untuk menentukan sistem stabil atau tidak stabil, kita dapat memodifikasi program 5.1 menjadi
seperti program 5.3 berikut. Ingat sistem tidak stabil jika ada posisi pole berada di luar lingkaran berjarijari 1.
t Program 5.3
kestabilan sistem
counter : 0;
pembilang = input('Masukkan pembilang :') i
penyebut = inpuL('Masukkan penyebut = ');
lz,p, k) -- LfZzp (pembilang, penyebut) ;
for i=1-: length (p)
if abs (p (i) )>1
counter:counter+1;
% Menentukan
end
end
dj.sp
('Sistem stabil'
end
sinyal)
170
B Program 5.4
I
t
')i
Kita akan mencoba mengerjakan ulang contoh 5.6, untuk kasus sinyal kausal, maka
Pembilang = 1
penyebut = [1 -1.5 0.5]
Panjang = 5
Didapatkan hasil
fnvers :
1.0000
1
.5000
1.7500
1.8750
1.9375
Yang sesuai dengan jawaban pada contoh tersebut. Gambarp/or sinyal tersebut tampak pada Gambar 5.9.
Bab
5: Tronsformasi Z
171
'r.5
2.5
3.5
index
fnvers
2
6
),4
30
62
yang sesuai dengan koefisien perhitungan, namun perlu diperhatikan urutan dari sinyal tersebut. Program
MATLAB hanya menghitung koefisiennya, tidak menghitung penempatan/posisi sinyal-sinyal inversnya.
Invers transformasi
[r,p,k] = residuez(pembilang,penyebut)
172
p adalah pole, dan k adalah konstanta, yang diberikan oleh persamaan berikut
n(z)
a
l- prr-'
l- prr-' ---l--+...
d(z)= -!-
+ k, + k.z-t
+...
Berikut programnya.
* Program 5.5
B Menentukan
koefisien eksPansi
P(r)
C#jW,
= 11 21
Residu =
-1.7500
2 .-t
500
Pofe :
-0.6000
0.2000
Konstanta =
Dengan demikian dapat ditulis
P(z)=
l+22-l
l+0.42-t -0.122-2
-1.75'
!-
l+0.62-t
2.75
l-0.22-l
SOAL.SOAL
1.
*,1n1=
(o,l)' ulnl
*rlrf=(o,z)' uln-5)
Bob
5: Transformasi Z
=(-0,2)'ul-n-ll
d.
xo
e.
y,lrl=r, [r]+
f.
e.
h.
2.
173
*r1"7
Tentukan transformas i
Z dai:
a. ,[r]={l o o o o
b
3.
'
I o,
f ,
-o}
n25
x[n]={(;l
n<4
Tentukan invers transformasi Z berikut, gunakan metode yang Anda Lnggap mudah
3.(z +-0,5)(z
+ 1)
c.
x (\z\=
''
d.
X (z)=
e.
x(r)=
jfi7
x (z)=
l+22-l
- ' -,'
= densan x[n]
| -22-t + z-2
b.
h.
X (z)=
x (z)=
(z -0,5)'z
l-
Roc,
dengan
dengan
dengan
x[n] uusal
dengan
antikausal
x[n]
dengan
z-t +0,52+
!+42-t +42-2
'l',l't
(, -0,2)(z +0,6)
L+22-t + z-2
o'5
x[n]
kausal
Uusal
174
4.
ab.
-Z)+ xln
a. tlnl+O,Syln-1]-0,2syln-21=0
densan
ylnl
/[-1] = yl-z)=t
Y[-1] =2,dan
tl-zl=-z
7. Diberikansistem H(r\=
-' \- / r- \rr?'-'*"1,, '-t ,, denganRoc: 0,s<lzl<t
(, - ,' Xr - o, sz-' )(t - o,2z-')
a.
b.
c.
8.
Sketsakanbidang z denganpole-zero.
Apakah sistem tersebut stabil? Jelaskan
Tentukan respons impuls sistem tersebut
g.
y[n]=0,7yln-t]-O,tZyl"-Zl+xln-ll+x[n-2]
a.
b.
c.
ylnT=(i)''
uln+ 2)
terhadap
BAB
6.1
PENDAHULUAN
eperti telah dijelaskan pada bab awal bahwa salah satu proses pengolahan sinyal adalah filtering.
Filtering sangat umum digunakan dalam telekomunikasi. Sebuah filter dapat didefinisikan sebagai
sebuah sistem atau jaringan yang mengubah bentuk gelombang, karakteristik amplitudo-frekuensi
Filter analog dapat dibangun dengan menggunakan komponen resistor, kapasitor, dan juga
induktor, sedangkan filter digital merupakan suatu program (algoritma) yang dibuat sedemikian sehingga
karakteristiknya menyerupai filter analog yang bersesuaian. Filter digital lebih banyak digunakan
dibandingkan dengan filter analog karena beberapa alasan berikut:
1.
Filter digital dapat mempunyai karakteristik yang tidak mungkin didapatkan dengan filter analog,
seperti respons fasa linear.
2.
Kinerjanya tidak dipengaruhi oleh faktor lingkungan, seperti suhu (ingat bahwa resistansi suatu
resistor berubah terhadap suhu).
3.
Respons frekuensi
filter digital dapat dengan mudah disesuaikan (hanya mengganti program atau
4.
5.
Beberapa sinyal masukan dapat diproses hanya dengan menggunakan satu filter digital.
Dengan berkembangnya teknologi VLSI, filter digital dapat dibuat dengan ukuran yang kecil, daya
dan biaya yang rendah.
6.
Digital filter dapat digunakan pada frekuensi yang sangat rendah, seperti pada aplikasi biomedik.
176
Namun demikian, beberapa kelemahan dari filter digital adalah sebagai berikut:
1.
Kecepatan dari
filter digital (waktu proses) tergantung dari prosesor yang digunakan dan juga
2.
3.
Karena masukan filter digital biasanya adalah sinyal analog maka diperlukan ADC yang akan
menimbulkan noise,yang akan mempengaruhi kinerja filter digital.
Perancangan filter membutuhkan waktu yang cukup lama, karena memerlukan beberapa
pengetahuan khusus lain, seperti pemrograman dan perangkat keras yang digunakan.
Filter digital dapatdibedakan menjadi dua jenis, yaitufinite impulse respotnsse (FIR) dan
infinite impulse responsse (IIR). Seperti yang telah dibahas sedikit pada bab 5, istilah FIR dan
IIR berkaitan dengan panjang respons impuls. Pada bab ini kita akan membahas mengenai filter
FIR dan pada bab selanjutnya kita akan membahas mengenai filter IIR.
Filter FIR dapat direpresentasikan dengan dua persamaan berikut:
N-l
tfn)=lnyc1x1n -
rc1
(6.r)
k=0
n
dengan k = 0,1,...,
N -1,
hlkl
(,)=fnpltr
t6'2)
r=o
sistem filter (fungsi alih filter) yang didapatkan dengan melalrukan transformasi
(z)
adalah fungsi
pada
hlkl, aan X
adalah panjang filter. Dari persamaan (6.2) jelas bahwa panjang filter adalah terbatas (finite). Dilihat dari
persamaan tersebut, filter FIR selalu stabil. Selain itu, filter FIR juga memiliki respons fasa yang linear,
yang akan dijelaskan pada subbab berikut.
Secara matematik, phase delay dapat dituliskan sebagai negatif dari sudut fasa dibagi dengan
frekuensi, atau
Bab
6: Filter Digitol:
FIR
177
To=
e(r)
(6.3)
Sedangkan group delay adalahnegatif dari turunan pertama dari sudut fasa terhadap frekuensi, atau
Tr=
de(ot)
(6.4)
dot
Suatu filter dikatakan mempunyai respons fasa linear adalah ketika sinyal yang melewati filter
tersebut mengalami distorsi fasa yang sebanding dengan frekuensi. Supaya filter memenuhi karakteristik
tersebut maka filter harus mempunyai respons fasa, seperti salah satu dari dua berikut:
0(at)=-q61
O(ot)=
dengan
dar,
p hase
dan Tr = -d?(at)ldot = -d
(6.s)
I -aot
(6.6)
-0(a)1,
= aaf a =
(ar ganjil)
h[n]= hlN -n-rf, ln =0'r'" ''(lr -il2
fz = o, t,...,(N12)-t (N genap)
(6.7)
a =(w -r)f z
(6.8)
Sedangkan filter yang mempunyai karakteristik seperti persamaan (6.6) maka filter tersebut hanya
T,
kan phase delay tidaklah konstan tetapi masih merupakan fungsi frekuensi. Untuk memenuhi persamaan
(6.6) maka filter harus mempunyai respons impuls dengan simetri negatit yaitu
hlnl=-a[ara = (N
-t]
-r\lz
F=xlz
(6.e)
(6.10)
(6.11)
178
Digitol
Jumlah
Simetri
Respons Frekuensi, H
(co)
Tipe
koefisien
Simetri positif
hl"7= hlN
(N-t)/2
Ganjil
e-ia{N-t)tz
-r-nj
Genap
e-
Simetri negatif
hfn)=-nfrtr
N12
t2
La
n=0
I
(
Ganjil
e
-t-n)
i,4N r)
)n=0 a[n]cos(an)
- il,4N -1112-,14'
] cos I ar
(n
- 1 z)f
t
N-t\12
afnlsin(atn)
n=l
Genap
e-
-Nt2
)l
n=l
alnlsin I ar ( r _ r/Z )]
hl(w -r)lz)
alnf=znl(N -t)12-n)
"[o]:
bl")=zhlNlz-n\
Gambar-gambar dari respons impuls filter tersebut dapat dilihat pada Gambar 6.1. Keempat tipe
filter tersebut berbeda-beda karakteristiknya. Sebagai contoh, respons frekuensi filter tipe 2 selalu bernilai
nol ketika frekuensinya adalah setengah dari frekuensi sampling (ditulis .f =0,5 tanpa satuan Hz)
sehingga tidak cocok untuk
filter tipe 3 dan 4 mengalami pergeseran fasa sebesar 90" (ingat sin dan cos berbeda
fasa sebesar 90"). Respons frekuensi filter tersebut adalah nol ketika .f =0 sehingga tidak cocok
digunakan sebagai filter lowpass. Selain itu juga, respons frekuensi filter tipe 3, selalu nol pada .f =0,5
Sedangkan
FIR
179
Pusatsimetri
ganiiI simeri positif
IU
It=13
:T:::TT
-/,
tl =72
lrl = 10
6.4
PERANCANGAN FILTER
Langkah-langkah perancangan filter secara umum ditunjukkan pada Gambar 6.2. Langkah pertama
dilakukan dengan menentukan spesifikasi filter yang akan dirancang, seperti jenis filter, respons
amplitudo dan/atau fasa, toleransi, dan frekuensi sampling. Seperti yang telah kita ketahui bahwa jenis
filter berdasarkan frekuensi yang dapat dilewatinya ada 4 macam: lowpass, bandpass, highpass, dan
fr,
bandpass adalah filter yang melewatkan frekuensi antara frekuensi f, dan fu, dengan -f, < .fr,
bandstop. Filter /owpass adalah filter yang melewatkan frekuensi di bawah frekuensi threshold
di
-fa,
filter
filter
Digital
Dasar Pengolahan SinYot
180
dan
frekuensi di bawah f'
adalah filter yang melewatkan
pada Gambar 6'3'
danbandstopideal ditunjukkan
di
atas
fr.
Filtet lowPass,
OrrOOou,
Gambar6.2LangkahJangkahperancanganfilter
bandstop ideal
bandpass' highpass' dan
Gambar 6.3 Filter lowpass'
bandPass'
FIR
181
h [n]
seperti yang diinginkan. Langkah ke tiga adalah realisasi filter ke dalam bentuk/struktur yang sesuai,yaf,E
biasanya dalam bentuk diagram blok. Langkah ke empat adalah melakukan analisis wordlength (iumlah
bit) yang merepresentasikan koefisien filter yang telah dihitung pada langkah ke dua. Filter digital dapat
terjadi degradasi kinerja yang disebabkan oleh beberapa hal seperti noise ADC, kuantisasi koefisien,
pembulatan (pada proses kuantisasi), dan overJlow, yaitu ketika hasil penjumlahan melebihi jumlah
bitl
w o rdl en gth
yang di gunakan.
Jika dirasa terjadi kesalahan pada langkah ke empat, yaitu respons filter terhadap masukan tidak
sesuai dengan yang diharapkan maka dapat dilakukan spesifikasi ulang, penghitungan koefisien kembali,
atau melakukan realisasi kembali. Jika filter yang dirancang dirasa sudah memenuhi spesifikasi seperti
yang diinginkan maka langkah terakhir adalah melakukan implementasi pada hardware seperti
TMS32OC25.
6.5
SPESIFIKASI FILTER
Beberapa parameter yang menunjukkan spesifikasi filter yang akan dirancang adalah seperti yang
ditunjukkan pada Gambar 6.4. Gambar 6.4 menunjukkan filter lowpass yang sebenamya (tidak ideal). Di
sini digunakan filter lowpass karena fiter lowpass merupakan dasar untuk merancang filter bandpass dan
filter highpass. Parameter-parameter filter tersebut diturunkan dari parameter-parameter filter lowpass.
F(."")l
l+6,
t
L- 6,
l,
prs$and
f,
kensiton
sbpbanrl
band
182
Gambar 6.4 terdapat tiga bagian utama yang menunjukkan passband, transition band, dan juga
stopband. Passband adalah daerah yang melewatkan frekuensi. Pada daerah ini kemungkinan akan terjadi
ripple yang mempengaruhi respons magnitudo frekuensi yang dilewatkan. Daerah ke dua adalah daerah
transisi dan passband menuju stopband. Sedangkan daerah yang ke tiga adalah daerah stopband, di mana
frekuensi tidak akan dilewatkan. Namun, sama halnya dengan daerah passband, daerah stopband }uga
kemungkinan akan mempwyai ripple (deviasi). Filter yang baik memptnyai ripple passband dan
stopband yang kecil. Dengan demikian, beberapa parameter yang menunjukkan spesifikasi filter dapat
dirangkum sebagai berikut
6e
6s
fo
.f,
As
Ae
F,
:
=
:
:
:
:
deviasipassband
deviasi stopband
frekuensi bataspassband
frekuensi batas stopband
stopband:
atenuasi
-201o916 65
F,
Contoh 6.1
Suatu filter FIR mempunyai spesifikasi sebagai berikut:
0,33 (normalisasi)
Passband
0,18
Lebar transisi
0,04 (normalisasi)
Deviasi stopband
Deviasi passband
0,001
0,05
filter dengan karakteristik tersebut tampak pada Gambar 6.5. Jika frekuensi sampling diberikan
adalah l0 kHz maka frekuensi sebenarnya dapat dihitung dengan mengalikan frekuensi normalisasi
Sketsa
3,3 kHz
Passband
1,8
Stopband
stopband
Ripple passband
-20log,o
Atenuasi
- 5 kklz
(0,001):60 dB
20log,o (1+0,05) :0,42 dB
Bob
6: Filter Digitol:
FIR
183
w{ol
lnormClsaC)
6.6
filter FIR,
nl")
diantaranya adalah metode windowing, metode optimal, dan metode sampling frekuensi. Ketiga metode
tersebut akan dibahas detail pada subbab berikut.
6.7
METODE WNDOWNG
Pada dasarnya metode
ini
berikut. Dapat dilihat kembali di bab 4, pada Tabel 4.2 menyatakan bahwa
fungsinya terbatas (nonperiodik) maka fungsi tersebut dalam domain waktu adalah tak terbatas (periodik),
begitu juga sebaliknya. Karena filter sifatnya adalah terbatas dalam domain frekuensi (hanya melewatkan
frekuensi tertentu) fungsi sistem tersebut dalam domain waktu adalah tak terbatas, padahal kita
menginginkan suatu filter yang panjangnya,
hlnl
panjang filter dalam domain waktu dengan metode windowing. Efek dari pembatasan jumlah koefisien
pada domain waktu itu adalah filter yang panjangnya tidak terbatas dalam domain frekuensi.
Suatu fenomena yang disebut fenomena Gibbs berkaitan dengan ripple dan panjang filter.
Fenomena Gibbs menunjukkan bahwa semakin panjang jumlah koefisien filter maka ripple akan semakin
berkurang.
Digital
Dasor Pengolahan SinYal
184
impuls ideal
digunakan, dan respons
Tiga jenis filter yang
ideal filter
Tabel 6.2 Respons impuls
,,7"u\i:'1
,,
-LJ
sin(nar,)
;@-rsin(nq)
LJ2
n@tfi@z
:@-rr.sin(n't')
LJt
7",
f,
f,
adalah
f)
t-z(fr- f')
fr@z
n@t
dar'
2(f,-
fr"l""*t
b"til;
Hamming,
6'6'
Sedangkanwindowyangseringdigunakanada5jenis'yaiturectangular'
ditunjuktan pada Gambar
i.rir-j.rri.
windowtersebut
Domh lrehroEi
&mh
w akiu
40
1---I
I
o^
o.a
-cil:
20
ll)
[ \A
9
!roll
0.6
t11'
El
6
Sn
04
,10
.
0.2
o'
.,0 io
30
40
50
60
SnrPl
(a)
(d)
(b) Hanning, (c) Hamming,
:
64 (a) rectangular,
N
jenis window,.de'ngan
Gambar 6.6 Berbagai
Blackrnan' (e) Kaiser' B'4'54
Bob
6: Filter Digital:
FIR
185
hmh
waHu
Domlr
lr.lcrci
1l
0.8'
a
!.
0.6
0.4
{!b
o.2:
.
or
(b)
DqEh
r.&u
&mlrtrlogrl
ri
:
u,u
)
u.6.
=,
;
0.,l
102!30405060
0.2
0.4
0.6
Flqrartldt*-l
(c)
'i
X*
08l\,
t\/t\.0
0.6.r\0
so4l\F I
02
o^-'
E*
/\'l
/\/
DqEhrrdcni
.r
'1oo:
\
-,*o
ro 20 30 40 il >
Saipol
4.2
(d)
0.1 0.6
ffiEIlrurrtal
186
Ddmlr
Donbh waktu
rr|0ffii
ao,
,i
a\
0.8,
gtTry*,ili*
E.
a
0.4
o,
0.2
o1 --0.+---os
*L
.-
10203040s0
o.e
fhmimtrEbsl
SarPl
(e)
dengan persamaan
wlnf=1, lrl=0,1,...,N
-
0,
(6.12)
yang lain
Namun demikian, di dalam domain frekuensi, main lobe terlihat lebih sempit dibandingkan keempat
fungsi window lainnya. Lebar main lobe window ini adalah +rf (ZU
+l),
dengan
U =(N -t)lZ.
Suatu parameter yang disebut tingkat side lobe relatif (relative side lobe level) menanjukkan selisih
(dalam dB) antara amplitudo side lobe terbesar dan main lobe. Window ini mempunyai tingkat side lobe
relatif sekitar l3
14 dB.
*t(+)
,4n)=0,5+0,5
Window ini mempunyai lebar main lobe sebesar
ZxIQU +1)
(6.13)
loberelatif sekitar 31
dB.
Window yang ke tiga adalah yang paling sering digunakan, yaitu Hamming yang diberikan oleh
persamaan
wlnf =0,
=
54 + o,
0,
+a
""(!]n ./l
{-
cos(
Yang lain
(' -
t^),1
2<n<
(N -
-Nl2<n<Nf2
r)
I2
(n
gan3it)
(r'r genap)
(6.r4)
Bob
6: Fllter Dlgital:
FIR
sekitar
ini
(#)
lYindow
+ o, 08 cos
sekitar 57
ini
(#)
(6.1s)
lobe
dapat diatur
(adjustable window) karena nilai ripplmya dapat kita tentukan dengan menggunakan parameter p .
yaurt9
.{,['-(#l]"]
wlnl=
-0,
dengan
f, (r)
I,(B)
'
(6.16)
yang lain
adalah fungsi Bessel jenis pertama yang dimodifikasi orde-nol (zero-order modilied Bessel
/o(,)=,.*[#I
Nilai,Lbiasanyaadalah
L<25.Iika B =0
(6.17)
makawindowinimenjadi rectangulardanketika
=5,44
sebagai berikut:
=o
iika
As
2l
dB
(6.18)
0=o,tto2(A-8,7)
dengan
A={:0log,o(d)
aan
jika
A>50
dB
(6.Ie)
dB
(6.20)
,=min(dp,4).ruAuumunnya unttkwindowini d, =d
*)t43et7
I
o'9222
Lar
(6.21)
*t. A <2r
Ripple
Tingkat slde
Maksimum
Fungsi window
passband
lobe rela/;if
(dB)
atenuasi
stopband
wfn),lnl<(N 't)lz
(dB)
0,7416
l3
2t
Hanning
3,tf N
0,0546
3l
44
Hamming
3Jf N
0,0194
4l
53
s,sf N
0,0017
Rectangular
Blackman
o,sf
( zon\
0,5+0,5cost;]
0,54 + 0, +6 cos
57
( zon\
[-,J
( zrr\
75
0,42+0,5cosl
\N -ll
( qon\
+0,08 cos
Kaiser
2,%lN (P = 4,54)
0,0274
50
#2fN(B=6,76)
0,00275
70
s,7 tf N (B
0,000275
90
S,
e6)
filter
\N-ll
+(ol-fznlQr-,)l')"
I,(B)
hlnl=h'fnlwln)
$'22)
Bab
6: Filter Digital:
FIR
189
Contoh 6.2
Spesifikasi filter FIR lowpass diberikan sebagai berikut:
Frekuensi batas
passband
transisi
Atenuasi stopband
Frekuensi sampling
Lebar
1,5 kHz
0,5 kHz
>50 dB
8 kHz
hoLnl-
2f,-sin(naf
no"
holn)=2f"
untuk n #o
unruk
z=0
Dari Tabel 6.3 terlihat bahwa window Hamming, Blackman, dan Kaiser cocok digunakan pada spesifftasi
ini karena atenuasi stopband-nya melebihi 50 dB. Di sini kita akan mencoba menggunakan window
Hamming.
Pertama-tama kita melakukan normalisasi untuk frekuensi-frekuensi tersebut, yaitu
Frekuensi
Lebar
transisi
Lf
=0,518 =0,0625
N = 3,31 Lf = 52,8 o 53
Berdasarkan persamaan (6.14) maka window tersebut (dan juga respons impuls
-26<n<26.
filter) terdefinisi
pada
Karena adanya lebar transisi pada filter yang sesungguhnya, frekuensi batas passband
berubah menjadi
hlnf
hlnf
adatah:
n=0
hrlal=z-f: =2x0,21875=0,4375
w[o] = 0,54 +0, 46cos(o) = t
0<n<26.Tiga nilai
pertama dari
190
=t
hDUl=
t
rr:*,\:9
tc il@" =zxl,2tltst 2ttx0,021875
0,3t2te
^9r:?1,\ll.s)
n=2
'l'l
n,f\wftl=
0'3 I I I 8
h,lzl=2r;W =2x0,2t"t'*r9#:;,:r'ir:;:)
zr I $)=
wlz) =0,
54 + 0, 46 cos (2 x
hl21 =
lzlwl2l = 0, 060 12
hD
hl-11=
l,
= 0,06013
0, 987 I 3
[l] , hlll=
Untuk membuat filter kausal maka koefisien filter tersebut harus terdefinisi pada 0 3 n < 52 sehingga
perlu menambahkan 26 untuk tiap indeks.
I
Contoh 6.3
Suatn filter FlP.bandpass mempunyai spesifikasi sebagai berikut:
Passband
Lebar transisi
Ripple passband
Atenuasi stopband
Frekuensi sampling
150-250 Hz
50 Hz
0,1 dB
60 dB
I kllz
Dengan melihat Tabel 6.3 maka kita dapat menyimpulkan bahwa jenis window yang cocok adalah
Blackman atau Kaiser. Di sini kita akan mencoba menggunakan Kaiser. Frekuensi-frekuensi normalisasi
adalah sebagai berikut:
passband
Lebar transisi
Untuk menentukan nilai
Ir=g,15 -.f"r=g,25
A/:
0,05
dahulu
nilai
l,
sebagai berikut:
-20log,o (d,
sehing Ea
6, =0, 001
Diperoleh
t9t
FIR
= min(dp,4 ) = 0,001 =
= o,1102(60
8,
60 dB
7) = 5, 65
-7.0698e-005
-0.00034907
2
-0.00069945
nl"l
0.0015162
0.001929
0.0014122
nlrl
4
-0.00041764
0.00051225
,9,..
l0
It
0.00038627
-0.0001t758
0.00o72948
-0.00082238
t2
l3
l4
l5
l6
t7
nlrl
0.002602
0.0037886
0.0021807
-0.002961l
-0.0097589
.0.014253
t8
t9
20
22
23
-0.012839
-0.005131
0.0@9886
0.011482
0.010499
0.0039438
24
25
26
2?
28
29
nl"l
-0.00085863
0.0038489
0.019443
0.037265
0.@1899
0.020748
30
3l
32
33
34
35
nl"l
-0.025576
-0.079329
-0.11238
-0.t0t22
-0.041928
0.04/.379
36
37
nl"l
0.12016
0.150r9
nlrl
,2t
i'.f
Untuk koefisien lainnya berlaku simetri positif. Gambar plot frekuensi ditunjukkan pada Gambx 6.7.
192
'aI
*l
@
'a
*fi
l/
*f
^i
-[,]','' I
r
.,*L
.,,"1__
0,1
0.15 0.2
0.25 0.3
0.35 0.4
"^[\l
0.'15
Fr6kwnsi lEmalisai
Untuk perancangan filter lowpass seperti pada Gambar 6.4 diberikan ao --2ttf , =0,31t ,
ot"=2xf,=0,51r (normalisasi), dan A,=40 dB. Dengan demikian, frekuensi batas dapat dihitung
sebagai
(6.19), yaitu
= 0,5842(+o
- zt)oj
+ 0,07886( 40
-21) = 3,4
6S
-r
21
2tt
N- 40-7'95 al=)J,Jx25
14,36x0,1
maka
FIR
193
h ln1
0.0029
0.0077
-0.0000
N
h [n1
0.0434
-0.0000
t2
[n1
,.3.
.J.:,'t,.,,
-0.0169
g't
'10
:n',
-0.0805
-0.0713
0.1t24
0.3747
-0.0146
0.0199
r
0.5000
Untuk koefisien lainnya sesuai dengan simetri positif dan hasil plot frekuensi dihrnjukkan pada Gambar
6.8.
0.1
0.2
0.3
Berikut adalah keuntungan dan kelemahan menghitung koefisien filter FIR menggunakan
metode window:
l.
2.
3.
Keuntungan yang paling utama adalah metode ini mudah dan sederhana.;
Kelemahan yang utama adalah dengan menggunakan metode ini kurang fleksibel, karena passband
puncak dan ripple stopband mempunyai nilai yang hampir sama, akibatnya kadang-kadang ripple
passband terlalu kecil, atau atenuasi stopband terlalu besar;
Karena efek konvolusi antara spektrum fungsi window dan respons yang diinginkan maka frekuensifrekuensi batas passband dan stopband menjadi tidak presisi;
194
4.
Kecuali window Kaiser, amplitudo ripple dan atenuasi stopband maksimumnya tetap meskipun
panjang fi lter divariasikan;
5.
6.8
o(r)
METODE OPTIMAL
Metode ini pada dasarnya adalah ripple passband dan stopband yang sama (equiripple), sedangkan
pada metode windowing ripple peak-nya terjadi pada ujung tepi passband (Gambar 6.9). Perhatikan
Hr(r)
adalah respons
filter ideal,
tt(r)
6.23)
W(at)
Gambar 6.9 (a) Filter dengan windowing (b) Equiripple pada passband dan stopband
Tujuan utama dari metode optimal ini adalah menentukan
berbobot maksimum,
lU
(r)l
ft[n]
min[maxlr(a)l]
(6.24)
Bab 6:
Filter Digitol:
FtR
195
Riple-riple tersebut menunjukkan adanya suatu nilai maksimum dan minimum, yang keduanya
disebut
sebagai nilai ekstrem. Untuk filter fase-linear lowpas.s, terdapat jumlah nilai ekstrem
sebanyak r + I
atau
l.
2.
3.
alir untuk algoritma ini diperlihatkan pada Gambar 6.10. program untuk
Tentukan
spesifikasi filter
dan rnasuken
unfuk progrim
I
.t
Tebakan awal titik
ekstrinr r + I"
i
Tentukan l.e/-]l
dan ekstrain i +'l
terbrasar
I
+
Nilal
ekstrim
berub*h?
rider
Hitung koefiS*n
rq'on intputs
Gambar 6.10 Diagram alir metode optimal
196
menggunakan rumus
(panjang fitter) dapat ditentukan dengan
firter
jumlah
koefisien
praktis,
Dalam
empiris, sePerti berikut:
1973
1. Fllter lowpass, YmE diusulkan oleh Herrman et' al'
(6.2s\
, =O$:rl-7go,a,)4tr*r
dengan
D*(ar,4)
a'+
4 [o, (tog'o 5o)' *a' log'o
*[oo(tog,o 6o)' *ar log,o au+ o')
= logro
f (ar,a,)=ll,0l2l7+
0,51244[log'o do -tog'o
at = 5,309x
2.
o')
(6.26)
4]
a, = 4,761x 10-r
Liu'
(6.27)
aq =
-2,66x10-3
1979
(6.28)
,-*fJ-r(0,,0,)a7+r
dengan
*
log'o
c- (ar,4 ) = loB,o 4 [4 (rog,. 5 o)' *0,
',
*[ao(tog,o 5o)' *b,1og,o 6r+uu)
g
= 0,01201
b, = -0,5705
bz
=0,09664
bu=-0,44314
-'u''
b, = -0,51325
4]
(6.2e)
(6.30)
br=0,00203
Bob
6: Filter Digital:
6.9
FIR
197
ini
dari respons frekuensi filter ideal yang kemudian sampel-sampel tersebut diubah menjadi respons impuls
dengan menggunakan DFT. Perlu diingat respons frekuensi filter ideal dapat dinyatakan sebagai
HoU@).
Diasumsikan bahwa
sebagai
UoUr)
no(i(a*Zrn))=Ur(ira)
Hr(irl)
dengan
sebesar
2n sehingga
,=4,
dengan
0,1,2,...,N-1
adalah melakukan
ditunjukkan Gambar 6.11. Dengan demikian, nilai sampel ke-t dinyatakan sebagai
dengan k =
dapat ditulis
seperti
Ur(iat*)= H(k)
x
jr
Rc
Gambar
6.ll
Samptingpada
Ho(ot)
Dengan menggunakan invers DFT didapatkan sampel fungsi impuls filter, yang dinyatakan sebagai
hlnT= IDFr
{u (r,)}=
*X"t
hln)
k)eizo'*tN
adalah
riil. Untuk
(6.31)
mendapatkan nilai
riil
198
(u (tc)ei"'rt')'
H' (k)e-iz'*rN
n'
(k)e-i{znnk/N+2m)
H'
(k)ej2r(N-k)nlN
H'(k)=H(N-k).
syarat:
l.
2.
H(l)=H'(8) , H(2)=H'(7).danseterusnya
komplek konjugat
riil
0L234s678
Gambar 6.12 Contoh untuk syarat N gonjil, N
Bagaimana untuk
di
tambahan lagi, karena masih ada satu indeks, yang ditengah, yang tidak mempunyai pasangan.
Bagaimana seharusnya
2'
H(N-k)=H'(k)g-+hlnJ=hlN-k1.
FIR tipe 2, yaiit simetri positif dengan N genap sehingga berdasarkan subbab 6.3 didapatkan fungsi
tersebut akan bernilai nol pada
,f = 0,5
l. NilaiI/(0) harusriil
2. Memenuhi H' (k)= U (tl -k)
atau pada o) =
7t
atau pada
Bab
6: Filter Digital:
3.
Memenuhi
FIR
"(+)
199
= H a(ir)
=o
N:
H(0)
10, dengan
adalahriiL
H(s)
nol
L23+s678
Gambar 6.13 Contoh untuk N genap, N
10
H(0)
H(0)
sudah pasti
diperhatikan adalah karena persamaan tersebut mempunyai bentuk simetri, kita hanya melakukan evaluasi
dari
k=l
sampai
tr=N=l
sampai
k=+
untuk
genap.
Penjumlahan dua bilangan kompleks konjugat sama dengan dua kali bilangan riilnya, dapat dibuktikan
sebagai berikut:
(a + jb) + (a
1ry
N ganjil
(6.32)
(6.33)
Contoh 6.5
Suatu filter lowpass FIR mempunyai spesifikasi passband 0
:0-
5/18
atar-
l8 kHz.
mengambil
-!e-i'(N-t\iz,
=
0,
Kita mengasumsikan filter ideal dan fase linier, sehingga fungsinya adalah
ot=0-2n.
n r(ia)
=+
o < at
=;'
Yang lain
6 81012
-7T
I I
9I -1T-flt?
-it
9
1of
gl
J
-lE
I
\oEo t&)
+19g
l3
-ff
9
H (k)=
"\."i*o\
9 )
Ha(ia*)= H,(
, - i8zk19
_le_roL^t,
0,
k =0r1,2
k =3,4
l,[0] =
=
i["1r1
0,0725
+ 2(-0,s3s7)
1[t
\'
/ + 2(0,7660)]
\ '
'r =
9L
2n
Bab 5:
ft
Filter Digital:
[r] = i
1r1
["
FtR
zf
n.
z'(r)t t rt
=
{a (k\ ei
}
] * ["
o) +
zf n
{u
Qc)
a'z"','
}]
t[,
hlzl=i
["
,[,
hl3l=i
=
["
r;
* 2fne
i [,
101
.,
z2 n, 1a
k) e''
* o\1
2(-o,e3e7)] = -o,ossi
a (r ) e;z'ta4r
1
}
i [r
1o;
zf n {a (k)
-,-
zf
",'*
\7
hl41=i
=
+ z(0,
III
["
ry
* zf,ne
(k1 ei
z'to)o
t'
i["
}] =
1oy
n, { a o)
1
"**
\7
hU]1,
h,,olnf=
(-1)' h,oln|
|634)
r-(*- r)
(6.35)
,tr,o(r)=
Contoh 6.6
Dari contoh 6.2, jika kita ingin menghitung koefisien filter highpass nya maka kita harus melakukan
transformasi dahulu untuk frekuensi batas highpass,yait;u
202
tr
-'s
Jnp-j-Jrp
=2.5kf,z
=9-t.s
2
Tiga koefisien pertama filter highpass tersebut adalah:
hrrlll=(-1)'(0,+:zs)
hr,l2l= (-1)'
(o,
=0,4375
hroUT=(-1)'(0,:tu8)=-9,3111t
oootz) = o, o6o 12
I
Pojok
MATLAB
MATLAB mempunyai suatu tool yang dapat digunakan untuk menganalisis window. Ketil*an perintah
berikut pada command window
wintoo
maka kita dapat melihat suatu tampilan seperti pada Gambar M6.1. Dengan menggunakan fasilitas
tersebut kita akan dapat melihat tipe-tipe window sesuai dengan spesifikasi yang kita inginkan.
Bab 6:
Filter Digital:
FIR
203
Selanjutnya kita juga akan mencoba mencari panjang filter Kaiser dengan menggunakan program
yang ditunjukkan sebagai berikut.
? Program 6. 1
end
if A > 21
N = ceil, ( ( (A-7 .951 / (t4.36*de1ra f)
else
N : ceil I (0.9222/detra f) +1) ;
+1) ;
end
if
(N,21:=9
N : N+1;
mod
el-se
N:N;
end
E Program 6.2
Towpass
f1 : f + 0.5*de1ta f,.
%Mencari panjang fil-ter
N = ceil(3.3,/de]ta f),.
if mod (N, 2; :=6
N = N+1;
else
N:N;
end
n = 0:N-1;
h_D = 2*f 1*sinc (2*fl .*n\ ;
w = 0.54+0.45*cos (2/N*pi. *n)
2U
h = h_D.*w;
disp(rKoefisien filter =') ;disp(h)
Pada dasarnya,
w
w
w
w
= blackman (N)
= hamming (N)
= hanning (N)
= kai.ser(N,beta)
Berikut contoh program untuk menghitung koefisin filter lowpass dengan window Kaiser untuk
contoh 6.4.
B Program 5.3
else
end
ifA>21
N = ceil( ( (A-7.95) / (14.36*delra_f) )+1);
else
N = ceil ( (0.9222/delta_f ) +1) ,'
end
if
else
N = N+1;
N=N;
end
(h)
205
mag
Fungsi lain yang dapat digunakan untuk menghitung koefisien filter FIR adalah
,b:
b=
b=
b=
firl(L-1,Wn)
firl (L-1,Wn,rtipe_filter')
firl (L-1.Wn, windowl
firl (L-1,Wn,'tipe_filter' ,windowl
Untuk menghitung koefisien filter dengan menggunakan metode optimal, atau sering juga disebut
sebagai algoritma Parks-McClellan dapat digunakan fungsi
b = remez(N-1,f,m)
b = remez (N-1, frm, wt)
adalah vektor frekuensi-frekuensi batas yang bemilai antara 0 dan I di mana I berkaitan
dengan frekuensi Nyquist, m adalah vektor magnitudo, dan wt adalah vektor bobot relatif antar ripple
pada pita-pita frekuensi.
Parameter
passband
lebar transisi
panjang filter
frekuensi
sampling
1000
1500 Hz
500 Hz
4l
10000 Hz
(stopband).
5000 Hz
fi'ekuensi Nyquist (frekuensi
0/5000:0
500/5000:0,1
1000/5000:0,2
1500/5000:0,3
2000/5000:0,4
5000/5000 = 1
sehingga f = [0 0.1 0.2 0.3 0.4 1). Magnitudopassband diberikan sebagai I sehingga menghasilkan m = [0
0 1 1 0 01. Berikut adalah program untuk mencari koefisien filter FIR dengan metode optimal.
n6
Da*r
* Program 6.4
t Menentukan koefisien filter
t dengan metode optimal
fs = input ('Masukkan frekuensi sampling N = input('Masukkan panjang filter = ')i
m = input('Masukkan vektor magnitudo * r),.
f = input('Masukkan vektor frekuensi = ');
b = remez (N-1, frm);
lH, frekl = freqz (b,1,512, fs);
mag = 20*Logl0 (abs (H) );
plot ( frek, mag)
xlabel ( 'frekuensi' )
y1abe1 ( 'gain, dB')
-30
dl
s'
'6
40
o,
-50
l
I
ll
60iI
-70
1000 1500 No
25m $00
3500
4500
50()0
trdruensi
207
Untuk mencari koefisien filter dengan metode frekuensi sampling, dapat menggunakan
b = fir2(N-1,f,
H)
l,
setengah dari frekuensi sampling seperti dijelaskan sebelumnya dan H adalah vektor magnitudo pada
titik
lalt;l= r
k =0,1,2,3
=0,5571 k=4
=0,0841 k=5
k=6,7
-0
Diasumsikan frekuensi sampling adalah
Zktlz.
Program 6.5
208
100
200
300
400 5m
lrskffii
7m
8m 9@
r(m
Gambar 6.17 Contoh plot respons frekuensiJilter lowpass untuk Program 6.5
SOAL.SOAL
l.
2.
3.
4.
5.
6.
7.
Tentukan 5 koefisien pertama filter FIR lowpass dengan spesifikasi: atenuasi stopband 50 dB,
frekuensi batas passband 3,4 kHz, lebar transisi 0,6 kllz, dan frekuensi sampling 8 kHz. Tentukan
jenis window yangAnda gunakan, mengapa memilih jenis window tersebut?
Suatu filter FIR lowpass didesain untuk memenuhi spesifikasi: atenuasi stopband > 40 dB, frekuensi
batas passband 100 Hz, ripple passband < 0,05 dB, lebar tuansisi l0 Hz, dan frekuensi sampling
1024Hz Hitunglah 5 koefisien pertama dari filter tersebut.
Tentukan koefisien filter FIR highpass dari soal no. I dan 2 dengan menggunakan transformasi
frekuensi. Tentukanjuga frekuensi batas highpass yang bersesuaian.
Hitunglah koefisien filter FIR highpass dari soal no. I dan 2 dengan menggunakan metode
windowing, optimal, atau frekuensi sampling. Bandingkan hasilnya dengan jawaban no. 3.
Hitung ulang koefisien filter pada contoh 6.5 jika menggunakan N = 17 dan N= 16.
Suatu filter FIP. bandpass, fasa linear mempunyai spesifikasi'. passband 8
0,001, ripple passband 0,01, frekuensi sampling 48 kJlz, dan lebar transisi 3 kHz. Hitunglah 5
koefisien pertama filter tersebut dengan menggunakan window Hamming, Kaiser, metode optimal,
dan metode frekuensi sampling. Bandingkan hasilnya.
Dengan menggunakan metode frekuensi sampling, diberikan
Bob
6: Filter Digital:
FIR
la(t)l =!, k =o
=0, k =lr2r3
Tentukan keempat koefisien filter.
8.
Tentukan 5 koefisien pertama filter FIR bandpass dengan spesifikasi: passband 12-16 kHz, lebar
transisi 3 1r}Jz, frekuensi sampling 96 kJlz, ripple passband 0,01 dB, dan atenuasi stopband 80 dB.
BAB
n/
PENDAHULUAN
7,1
etelah kita mempelajari merancang filter FIR, sekarang tibalah saatnya untuk mempelajari
mengenai filter inJinite impulse responsse (IIR). Filter ini dikarakterisasi oleh persamaan rekursif
sebagai berikut:
oiy'M
tlnl=lnpc)xln-
kl
t=0
dengan
ar
ft[/r]
xlnl
- kl-Zrrfln lurxln
k=0
&=l
rcl
llnl
(7.1)
br
dan
rt t _\ _
--
\-"
brz-* _ Zbr'-r
t=0
M
l+arz-t +...+ orz-u
l+laoz-k
bo +
brz-t +.. .+
(1.2)
i=l
yang dapat difaktorkan sebagai
(7.3)
212
7.2
nilai
Metode ini memanfaatkan sifat da:ri zero dan pole. Respons frekuensi fiiter akan mempunyai
terdapat pole,
nol pada titik di rnana zero terletak dan tak terhingga (nilai puncak) pada titik di mana
berjari-jari 1 akan semakin
seperti ditunjukkan pada Gamb ar 7 .1. Pole yang semakin dekat ke lingkaran
akan semakin
membuat nilai peak semakin tinggi, sedangkan zero yang semakin dekat ke lingkaran
membuat nilai impuls frekuensi minimum'
d =90o
*.E
0=0
tl
oFrFr34
424
6 =270o o
34
4
=+!-x360"
F,
(7.4)
Bob
213
Contoh 7.1
Suatu filter IIR bandpass akan dirancang dengan spesifikasi: stopband pada dc dan 250 Hz, pusat
passband adalah 125 Hz, dan bcmdwidth 3-dR nya adalah l0 IIz. Frekuensi sampling diasumsikan 500
Hz.
Sesuai dengan spesifikasi maka pada dc (0 Hz) dan 250 Hz harus ditempatkan zero.
Zero akan
diletakkan tepat pada lingkaran. Sudut yang bersesuaian dengan frekuensi tersebut adalah 0
g
=A
dan
s00
= i_l25 ,360o
500
= +90o.
r=l*(BWlF,)n
Oleh karena itu, jari-jari pole adalah
(7.5)
r=t-(10/500)z =0,9372.
0 = l80o
I o,erz
t|,
0=O
fo'e,,,
</
i,,*tttt]K
L:,j
P".,;,'.:
214
H(z)=
=
l:L
k:r)(z+r)
=
+0,87834384
(z - i0,9372)(z iA,%72)
+
z2
l- z-2
1+ 0,878343842-2
tfnl=
-0,878343
Z didapatkan
=l
br =
bz =
-l
ot =
a2
=0,87834384
r
Contoh 7.2
Kita akan merancang suatu filter notch, yaitu suatu jenis filter yang tidak melewatkan satu frekuensi saja.
Dalam hal ini frekuensi notch (yang tidak dilewatkan) adalah 50 Hz, lebar notch 3-dB (transisi) t5 Hz ,
dan frekuensi sampling 500 Hz.
Untuk menahan frekuensi pada 50 Hz maka pada pada frekuensi tersebut diletakkan zero yang
bersesuaian dengan sudut d =
Karena
fiter
=5L "
500
360o =
t36o
notch menahan satu frekuensi saja, dalam contoh ini adalah 50 Hz maka frekuensi di sekitar
50 Hz akan dilewatkan. Pole juga akan diletakkan pada posisi sudut yang sama dengan zero, narnur.
dengan jari-jari yang berbeda, yaitu dengan menggunakan persamaan (7.5) sehingga didapatkan
r=l-(101500)a =0,9372.
diketahui
merentang sebesar t5 Hz dari frekuensi notch. Gambar plot zero-pole dan respons magnitudo
frekuensinya ditunjukkan pada Gambar 7.3.
ttR
215
Pld sero-polo
0,9372
-0.s
05
R!rl
(a)
10
10
,F
-,a0
-50
(b)
Gambar 7.3 (a) Plot zero-pole (b) respons magnitudofrekuensi contoh 7.2
216
Duiplot zero-pole
\' t
"rt(.\-
+l
l-1,,6182-t + z-2
+0,8784 l*1,51642-t +0,87842-2
zz -l,618z
z'
-1,51642
4 = -1,6180
at = -1,5164
az = 0,8783
bz =1
7.3
Metode ini dimulai dengan menggunakan fungsi alih filter analog, yang dinyatakan dalam domain s
(transformasi Laplace), yaitu.F(s). Kemudian didapatkan respons impuls filter dalam domain waktu, lz (r)
dengan melakukan invers transformasi Laplace. Untuk mendiskritkan respons impuls tersebut, dilakukan
I/
(s)
ru
(r)
H(s)=
(7.6)
s-p
Maka respons impuls domain waktu dapat dilakukan dengan invers tranformasi Laplace sebagai berikut
h(t) = r,
ln(,)l = r'
[*]
= ceP,
(7.7',)
Bob
217
nfnr)= h(t)|,*,
Langkah terakhir adalah melakukan transformas i
z
'
n=o
(7.8)
= CeP'r
sebagai berikut
=iceo,rz-n
n=o
(7.e)
Sehingga secilra umum, dari awal sampai dengan akhir, dapat ditulis
CC
,-p Jika
H(s)
r-77
(7'lo)
rr(r)
C =f co
s-pu F_rs_pt
C, +...+
=-9-,-+
s-pr s-pz
(7. I
l)
$ c-pr =$
i'"tk=r s
Dalam hal
M =2,kitadapat
co=
sPrr
(7.12)
,-l
C, *Cr
C, - C,
s - pt s - pz
l- eo,r z-t | - eorr z-r
_ cr+cr-(creo,'+creo'')2,
-(ro,' * rnr)z 4, rb,*c,)r ,-z
Q,l3')
Iika pole
p,
dan
p,
C,
dan
C, juga kompleks
konjugat
ct_ * ci _TLtrcos
fi7-;;,l7=
dengan
C,
dan
adalah bagian
C,
riil
adalah bagian
riil
p,
berturut-turut.
C, berturut-turut
dan demikian
juga
p,
dan
p,
218
Contoh 7.3
Jika diberikan tungsi alih filter analog
g(r)=
*#;
frekuensi sampling 1,28 kHz. Fungsi alih tersebut dinormalisasi dengan mengganti s dengan
dengan ao
=2rf o =2rix150
H'(r) = H(r)1"*1,,
Cr=-j666,4324
dan
= 942,4778, sehingga
;;fi;
Dengan pr = -666,4324t-
j666,4324
Cr-
s=sf ao
dan
*. *
p, = pi = -666,4324* j666,4324
C, = j666,4324
n t -\ _ -l-ee0,4324x0,4974)2x0,59412*t _
n\z)=
=6
Dengan melakukan normalisasi maka
tt t _\ _
rt\L)-@
Hasil tersebut
@o
=2n
393,g6g7 z-l
0,3077 z-l
di
atas dapat juga dilakukan dengan menggunakan normalisasi pada ato, yaitu
x 150/1280
=0,7363
Persamaan perbedaan
transformasi Z, yaitu
!ln)=
0,3077
xln-
1]
+ L 030
tyln -t)-
0,3530y
" -2)
invers
llR
219
br = 0,3077
=0
dr = -1,0308
a2 =
0,3530
r
Beberapa hal yang perlu diperiratikan pada metode ini:
1
nlnfl
h(t) pada t = nT ,
dengan n = 0,1,... . (Lihat Gambar 7.4). Oleh karena itu rnetode ini disebut impulse invariant.
2.
Frekuensi sampling mempengaruhi respons frekuensi {ilter diskrit. Frekuensi sampling harus dipilih
sedemikian sehingga respons diskritnya dapat mewakili respons analognya.
3.
Spekhum frekuensi filter impulse invoriant sama dengan spektrum frekuensi filter analog, tetapi
spektnrm ini akan berulang seiringga akan menimbulkan o/iasirg (lihat Gambar 7.5). Karena itu,
metode
ini cocok digunakan untuk filter lotvpass dengan cublf yang tajam dan frekuensi sampling
yang tinggi. Namun, metode ini kurang cocok digunakan untuk filter highpass atan bandstop. kecuali
fJ/rter ant
i-
al ias in g digunakan.
220
aliasing
7.4
METODE uIATaHEDZ'TRANSFORM
Metode ini mengubah fungsi alih filter analog,
@n)
rr(r)
u(,)
z, yait.t
dengan cara memet akan pole dan zero di bidang s ke bidang
(r-")-(ldengan
rarr-t)
tz'tsl
z=eo'
Jika diberikan fungsi alih filter analog
M
H(s)=
(s
II('-',)
(r-p,Xr-p,)...("-p,)
(7.t6)
II(' - pr)
k=t
(r-rr)-(r -r'r'r-')
(7.t7)
- (r- ,or'r-')
(7"18)
(r-po)
Bob
Dalam hal
M=N=2
221
1=ll=)
*
r-, n ,k,+,2)r ,'z
_i: (u',, :,,, .)
f'-ftFD"--;G\W
Jika pole
dam zeraadalah
.-*
kompleks konjugat, pz =
(, -
,,
z,
dan
dan
zr= zr maka
z-t
- 2u"1** r\
Frn,
dengan
pi
z, adalahbagian riil
(1.te)
,22'r
,-2
Ae
(7.20)
r/(s)
-\-'' =
(7,2t)
B, l(
Ptz=-28,-lli
',_)'_&l'"
) B,
(7.22)
A,
,.^=_
"t2- *[[:r']' _61'''
(7.23)
-l
2A2-llz+) +)
Contoh 7.4
Kita akan mengerjakan ulang contoh 7.3 dengan menggunakan metode MZT. Sesuai dengan parameter2
H'(r)
\ '/=---:b--
sehingga
tidak
tt (r)=
\/
693,9566
1
- 1, 03082-t
+ 0,35302-2
222
T
Hal-hal yang pcrlu diperhatikan daiam MZT:
l.
2.
Metode ini berdasarkan zero dan pole sehingga sangat mudali digunakan.
Jika membandingkan metode ini dengan metode impulse invariant maka penyebutnya sarfla, yang
3.
tak berhingga. Metode ini melakukan kompresi pada pita frekuesi tak terbatas menjadi terbatas
sehingga terjadi distorsi.
4.
Respons filter digital dengan metode ini akan terdistorsi akibat aliasing jika filter analog mempunyai
5.
pole pada frekuensi dekat frekuensi Nyquist atau zero pada frekuensi di atas frekuensi Nyquist.
Namun respons filter analog untuk frekuensi di atas frekuensi sompling masih signifikan.
Metode ini tidak cocok digunakan untuk filter analog yang fungsi alihnya hanya mempwryai pole
saja karena tidak ada zero di atas frekuensi Nyquist, Hal ini dapat di atasi dengan menambahkanzero
pada z
7.5
=I
(padafrekuensiNyquist).
Metode ini juga menggunakan respons frekuensi filter analog untuk menentukan koefisien filter
digital yang bersesuaian. Sehingga metode menentukan koefisien filter digital IIR dengan menggunakan
respons frekuensi analognya ada tiga metode : impulse invariant, MZT, BZT .
Operasi-operasi yang terdapat pada filter analog adalah penjumlahan, perkalian dengan konstanta,
dan integrasi. Operasi-operasi tersebut biasanya dilakukan dengan divais operational amplifier (op-amp).
Dalam filter digital kita harus melakukan transformasi untuk fungsi-fungsi tersebut. Namun, untuk
penjumlahan dan perkalian dengan konstanta tidak terjadi perubahan baik dalam filter analog maupun
filter digital. Yang terjadi perubahan adalah pada integrasi. Operasi integral dalam domain s
dilambangkan dengan 11(r) = 1/s. Dalam domain waktu dapat operasi ini dapat ditulis sebagai
v(t)
(7.24)
lx(t)at
Jika ingin mengubah ke dalam bentuk diskrit maka perlu dilakukan sampling, sebagai berikut
nT
x(t)dt
(7.2s)
(z-t)r
Dengan mengingat bahwa integral terbatas secara geometri adalah luas daerah
persamaan (7.25) dapat diaproksimasi menjadi
di
bawah grafik,
Bob
223
[(n - r) r]]
(7.26)
(7,27)
*t r A*L x (i),''
(7.28)
atau
a(,)=ffi=rr(#)
(7.2e)
I T(r+r-'')
;-;[
r;.1
(7.30)
atau
z(t-r'.t
2(
z-t\
(7.31)
'-7[,*r-' )=flr.t)
Dengan demikian, metode ini menyubstitusi variabel s menjadi
- z-l
s-k_
(7.32)
z+7
dengan k
=l
atau
(7,24) memetakan bidang s ke bidang z seperti ditunjukkan pada Gambar 7.6. Suatu fungsi alih filter
analog yang stabil mempunyai pole di sebelah kiri sumbu imajiner bidang s yang bersesuaian dengan
berada di dalam lingkaran berjari-jari satu dalam bidang z.Hal tersebut dapat dibuktikan sebagai berikut.
Persamaan (7.32) dapat
dengan
k=r
ditulis
, = l-|j.
l-s
maka didapatkan
jot'pada
persamaan tersebut,
Dengan
demikian,
-
224
l.
(t+o)'*(r')'
lzl=
(r-o)'*(r')'
.Ketika
lm, dJ'
bidangs
bidangz
lrl=t
atau z =
ei'
s=o* jat'
maka ketika
o=0,
akan
S=f--
225
z-l
ztL
, ej'-l
"lO)'= K---:et'+l
-1.
iri'l'
,- 2 r
Zei'12
(ei,l,
. (ot\
\2)
srnl
=kj
(ei'lz - e-
i'tz)L
"-,,,r)f,.
;B
(t)'=k"r(;)
Dengan k
=l
atau
a'
=?.
T.
(7.33)
dan ketika
adalah
ar'>0
maka
l80o < o <360o. Dengan demikian bagian atas bidang s dipetakan menjadi setengah lingkaran atas pada
bidang z, begitu juga bagian bawah bidang s dipetakan menjadi setengah lingkaran bawah pada bidang z.
Lihat Gambar 7.6.
Transformasi tersebut ditunjukkan pada Gambar 7.7. Gambar tersebut menunjukkan bahwa untuk
frekuensi rendah franformasi digital dan analog hampir sama, namun untuk frekuensi tinggi akan terjadi
distorsi/wa4ping. Karena itu, biasanya frekuensi analog dilakukan suatu proses yang disebut prewarp
sebelum dilakukan BZT. Untuk flJter lowpass, frekuensi batasnya
(cutffi
menggunakan rumus
do=k-[?)
dengan
a,
olo
(7.34)
=l
atau
226
ktan(a/z)
ao
o
o
(u
Ll nn
dijmar
l.
Gunakan spesifikasi
2.
dinormalisasi. Filter yang dijadikan referensi selalu filter lowpass. Jenis-jenis filter lainnya dapat
dicari dengan menggunakan transformasi pada filter lowpass.
Tentukan frekuensi prewarp dari frekuensi-frekuensi batas. Unfuk filter bandpass dan bandstop
menentukan
yang
-;0o
lowpass ke lowpass
(7.3s)
lowpass ke highpass
(7.36)
(7.37)
a
- ---{s
s=
s'
+ a'^
s= ,Vl/s ,
s- +@0
dengan cto = airroir2 dan L/' =
4.
aior-air,
aJl
\z+l)
Gunakan transformasi s = k f
lowpasskebandstop
(7.38)
&ab
5.
Nilai
sebenarnya tidak berpengaruh, karena pada dasan,ya akan habis akibat pembagian.
Sebagai contolt
nya adalah
,,
jika diberikan
=,t
H'(") = //(r)|,=,f
, = o(
'"(z4)
+r)
H(s)=+
s+l
at,
makafrekuensi prewarp-
Wft$U.
--""''
sehirggu menghasilka
"--"n H
'^
z)
\-/
(
menjadi
Dengan demikian nilai ft tidak berpengaruh dan untuk menyederhanakan kita ambil lr =
6.
Dilihat dari langkahJangkah sebelumnya maka kita harus melakukan dua kali substitusi, untuk
menyederhanakan dapat dilakukan satu
dengan
,-
"rr(+)#.
,.r,.
(z)
Contoh 7.5
Kita akan mengerjakan ulang contoh 7.3 dengan menggunakan metode BZT. Kita telah mengetahui
frekuensi batasnya sebagai ao =2trfo =27tx150 = 942 rad/s, frekuensi batas normalisasi adalah
ato=9421L280=0,7359, dan T =UF,=ll2gO=0,00078125
adalah oi,
=tan(ar12)=0,3855.
Karena ingin didesain filter lowpass maka perlu transformasi seperti persamaan (7.35), yaitu
228
n (r)= n'(r)1,=
e-r)le+r) =
ffi
I
Melihat dari langkah-langkah pengerjaan pada contoh 7.5 kita mernerlukan normalisasi frekuensi sebelum
mencari frekuensiprer,r,qrp nya. Kedua langkah tersebut dapat digabung menjadi satu sebagai
(atT\
.
0 =ktanl P I
'
(2)
e3g)
(r)=
Contoh 7.6
Fungsi alih filter analog lowpassdiberikan sebagai H
s+l
' +
frekuensi cutoff 30 Hz. Kita ingin rnendesain filter digital IIP. highpass dengan spesifikasi tersebut.
Kita mencari frekuensi dalam radian yaitu ato=21Tx30=60r. Frekuensi prewarp dan normalisasi
dapat dicari dengan persamaan (7.39)
( ooax(t/tso\)
ao = tanl ---+r-----r F 0,7261
\z)
H'(") = H(r)|,=,;
l, =,
*fi^1
='-l
z+l
(r-t)l(-!_
z-l
H(z\_
=0.57e3
\ , (z -t)lp +l)+0,7261
z -0,1587
7.6
229
ltR
FILTER ANALOG
Fungsi-ftingsi alih filter analog pada contoh-contoh sebelumnya telah ditentukan. Sekarang kita
akan menentukan sendiri fungsi alih filter analognya dan kemudian mengubah menjadi filter digital IIR
dengan metode BZT.
Tiga jenis filter analog yang biasa digunakan adalah Butterworth, Chebyshev, dan Elliptic. Respons
frekuensi dari ketiga jenis filter tersebut tampak pada Gambar 7"8'
l-".
\l
t.iot11
I
I
F
i
I
(a)
la
Uat)l
J+e'
I
7
@p
GJs
(b)
Gambar 7.8 Respons frekuensi filter analog (a) Butterworth, (b) Chebyshev tipe I,(c) Chebyshev tipe II,
(d) Elliptic
2i0
lr(ia,)l
I
I
rJl +
e'
I
A
lst.rrll
1
r/l+e'
I
A
@p
o)s
(d)
passbandmaupunstopbancl.FilterChebyshevdibagimenjadiduatipe.FilterChebyshevtipelterdapatII
pada stopband)' Sedangkan filter chebyshev tipe
ripple di passbandsaja, tidak di stopband (monoton
saja, tidak di passband (monoton pada passband)'
kebalikannya, yaitu mempunyai ripple di stopband
unyai ripple baik di pass band maupur. stopband'
Filter yang ke tiga adalah jenis Elliptic yang memp
JikamembandingkanGambarT.8denganGambar6'4,patameter-parametersedikitberbeda'
Gambar 7'8 adalah parameter normalisasi sehingga
Namun demikian, sebenarnya adalah sama, pada
magnitudo maksimum adalah 1'
231
Ada dua parameter tambahan dalam filter analog, yaitu yang pertama adalah rasio hansisi atau
parameter selektivitas yang didefinisikan sebagai rasio dari frekuensi batas passband dan frekuensi batas
stopband, atau
,@,
u-_L
tu-
(7.40)
o)s
<l
parameter
diskriminasi, yaitu
t-_
'Ll yang biasanya bemilai
kr << I
(7.4t)
Filter Butterworth
Respons frekuensi filter Butterwor'th lowpass diberikan sebagai
In (r)l'=
r*[iL
\ri
dengan
c$ = I . Orde filter
(7.42)
-;-I-.,,
otpo
is frekuensi batas 3
dB
(cutffi
*[+)
^,_,or[{])
"'r"Til=*(;)
dengan
o{
Butterworth,
.f/(")
(7.43)
di
p, = si,(z
dengan I
lowpass. Untuk
=L,2,...,N.
+x-t)t2N
-."r[g*k]. rr,,[g++]
(7.M)
232
l.
Z.
3.
Pada frelarensi
;f = 0
dan
.f = a
dai.f= 0 sampai f = o
Tabel 7.1 menunjukkan penyebut untuk filter analog prototipe Butterworth lowpass normalisasi.
Bagian pembilangnya adalah selalu 1. Sebagai contoh filter Butterworth orde 2 mempunyai respons
frekuensi
I/(r)=
-;-#
Orde,
Penyebut
s+l
s' +.[2" + 1
(s'+s+r)(.r+t)
(s2 + 0.76536s +
+ 1.84776s + 1)
(s'
7
8
1)(s'
(s +
(s'z
+ 0.5176s
+1.9318s + 1)
Filter Chebyshev
Respons frekuensi filter Chebyshev tipe
la
(*)l'
=-:,
;--
(7.4s)
Bab
7: Filter Digitat:
dengan Tr
(r')
ttR
233
sebagai
(7.46)
(*')
T,
dengan
To('')=
1 dan
rr(r')=
= 2a)'7,-,(ro')
-f,-r(al),
r>2
(7.47)
r/
c, (*)
2
3
1
5
Orde filter Chebyshev tipe
I diberikan
,,
zx2
-l
4xt -3x
gx4
-gx2 +l
16xs -2ax3 +5x
sebagai
.o.r,
'(JZJ/,)
cosh-i
(r,l ,;r)
_ cosrr-, (Vr,)
cosh-' (y k)
(7.48)
p, =_at) tsr^l(zt
'
v-
-])"f*
2I
ia,s
"rrlr#l
(7.4e)
,-Y'-l
,4
(7.s0)
,-Y'+l
'2y
(7.st)
234
(,t*6'1"
'=l "
dengan I
(7.s2)
=1,2,...,N.
Respons magnitude filter Chebyshev tipe 2 disebut juga respons invers Chebyshev, diberikan oleh
ln
(r')l'
(7.53)
-.,15P,1!)1'
''"
Lrr(oi,la'))
,
Dengan demikian, fungsi alih filter Chebyshev tipe 2 mempunyai pole dan juga zero sehingga dapat
fI('-a)
a(')=co#--
(7.s4)
fl('-P')
l=l
"'
-';l%E
(7.ss)
l2N l
dan pole pada
n:
rt
d'o'
-,
d"F'
(7.s6)
"i*Fi'al+01
| (zr -t\n1
a,=-atr(st'Lfl
(7.s7\
p,=ao(co.[%n]
(7.s8)
, Y'-l
(7.s9\
:-
'2y
Bab
235
,-72+l
(7.60)
, =(n*J n, -r)''r
(7.6r)
'2y
dengan I
=1,2,...,N.
l, yaitu
Orde filter Chebyshev tipe 2 dapat dicari dengan menggunakan persamaan yang
seperti pada persamaan (7.48).
Filter Elliptic
Filter Elliptic disebut juga filter Cauer, mempunyai respons magnitudo
l,o(r')l'=;d@6
dengan
R,
(7.62)
, ') adalah fungsi rasional orde i/ yang memenuhi RN (tl @') = ll Rr (ar ') . Orae frlter dapat
dicari menggunakan
dengan
>ztos(4lkt)
tog(rlp)
(7.63\
k'=$-ri
(7.64)
r-Jn
po=F@
(7.6s)
(7.66)
Contoh 7.7
Dengan pendekatan Butterworth, kita akan menentukan orde filter dengan fungsi alih filter mempunyai
karakteristik lowpass dengan frekuensi cut-off l-dB sebesar I kHz dan atenuasi minimum 40 dB pada 5
kHz.
Pertama kita akan menentukan
didapatkan
nilai
dan
2i6
lu(;,)l'=u,fu=#
f
Ittta:)l'=l'\% )l =;10;,1r,y=T
1
roroe[-L)
"(l+e'/ = -,
sehingga didaPatkan s2 = 0,25895
Ingat bahwa atenuasi minimum adalah
-2}log(ll A)
roronfa]
"\-A') = 4o
10000.
sehingga didapatkan '4 =
Nilai
fr
61^
1000 1
P
=-=5ooo 5
'" d,
l--
Nilai
t.=-L=@=o.oo5l
' A'-l ./loooo-l
J
"n, ,- tog(Yk)
tog
dipilih N = 4
237
Contoh 7.8
Sekarang kita akan mengerjakan ulang contoh 7.7 denganmenggunakan filter Chebyshev.
cosh-r(yk,\:_cosh-r
(tls,olt+)
_
___
_ __=2,2924
.'A/>_
-
.orn-r
sehingga y'/
1tlfr)
cosh-'(5)
=3
I
Contoh 7.9
Kita akan kembali mengerjakan ulang contoh 7.7 dengan menggunakan frlter Elliptic.
P'=,fl:P
e' =
d-(rT =o,e7e8
t-Jtr= +@=o,oo26
'u'o
](, +./o,e7e8
=
4;\4
p = po *2(pr)'
ls(po)'q + tsO(po
)t3
2los.(qlk.\
*tffii=
,o;=gbro*f
ztop(q/o.oos1)
sehingga
i/
=2'23e5
=3
7.7
Untuk mendesain filter lowpass, highpass, bandpass, dan bandstop sesuai dengan yang kita
inginkan selalu ditransformasi ke filter analog prototipe normalisasi lowpass. Berikut penjelasannya
Filter lowpass
Hubungan antara
fiter
fiter
Kita telah mengetahui dari persamaan (7.35) bahwa transformasi yang digunakan untuk /owpass ke
lowpass adalah
*.
@o
Dengan menyubstitusi s =
jat danmenyatakan
238
Dallrrr pengolohan Stnyot
Dtgttot
filter
lowpassyang diinginkan
af =%-
@,
Frekuensi-frekuensi utama
untuk frrter prototipe yaitu: 0;
frekuensi bataspassband,
frekuensi batas sbpband, of
(7.67)
,ro
(selaru
l);
aan
l.
2'
3'
Jika o4r=0maka
of =0.
Jika a4o = ato maka af = ai'f aio=1.
,!
Filter highpass
X*triil#ff:r?jy
'''oo^'denormalisasi
7.10.
Bab
239
dad, lowpass
ke highpass adalah
, =gz.Dengan
frekuensi
a)p .- -@p
(7.68)
@oo
1.
2.
3.
Ketika @r, =
4.
@P
5.
Ketika @nr=-ol,
ol'=\
=q
d,
maka
of = -2L
o)s
^zl*u
=l
o)s
o;,
Filter lowpass
rototi pe
24
Filter bandpass
Hubungan antara filter bandpass denormalisasi dan filter lowpass prototipe tampak pada Gambat 7.11.
Berikut penjelasannya.
au,
(lr=*
,-
s'
ai.
Densan
Ws
maka diperoleh
,r:r-rrt
(7,6e)
14/@w
dengan
o)", :
@pr, @p2
c;,r,
o)o
W:
- dr,
Gambar
7.ll
Bab 7:
1.
Ketika
@oo
maka atp =
ati
=W
2'
Ketika
@tp
= @p1 maka @p =
ati
d,,
3.
4.
Ketika @b =
5.
d,z
= ,dr',
(o;0,
of =atdr=4{g=
- dodo, _ _,
-'
aor)ro, -
dr'r-dorrr,
wd* ('"-;;'P;=_,t
maka @p =
,i = min (lr;,il,ld"rl)
+S
w ro,
*,i=d:1.-&
=4*;?i
,yri
Wr",
=O
l,ldi!.
Filter bandstop
XJ,liTffil:,ffifiiter.
bandstop denomalisasi
dan firter towpassprototipe
tampak pada Gamb ar 7.t2.
orr=-%-ai - oti"
"
Ws
;tA.
Dengan
(7.70)
242
nn
(7 .7
l.
Ketika
@u,
2.
Ketika
@u,
3.
4.
Ketika
5.
Ketika ,u, =
0b,
0) dapat diperoleh:
d,
maka
aP
Wdo,
d,,o;,,-a;;,
-ri, -(drr-dorVl-,
61rA)
=#*
= Yd"d -,?,
ffi
-,oi^)af'
,0,' ---maka
---ap = -+3+
-(d':
= -,
,4
o;,,0;rr-c;;,
-r;h
ari tmin(latjt"l,larr't'zll)l
Contoh 7.10
filter digital lowpass diinginkan mempunyai spesifikasi: passband:0 - 500 Hz, stopband: 2 - 4
kllz, ripple passband: 3 dB, atenuasi stopband: 20 dB, dan frekuensi sampling: 8 kHz. Kita akan
Suatu
243
a, =2fix
o),
500
= 1000n Hz
ror"s[j7)= -, -) 2 =o,ee83
tr"r(*)
=-20.-> A2=roo
4 = 8000 Hz-+ I
= V8000 s
, =tanl( toooz
^"""'" )
@i^
'
\2x8000J l=
l=0,9992
-\.2 x 8000 /
a\ =tanl
'
ar!
4oooz
0,tggg
=*=5,0262
@o
k=g==l-=o,l99o
a! 5,0262
' =@=o.loo4
Jloo-l
o,
los(g.gooz\
N>_"!j_____r_ =1.4239_> N =2
log(5,0251)
l,
dan 5,0262
2rU
,, =
"",f@2:k]-;,r,[krr,)"] = _*.
p,=Q
-)11
-,Q
n(')=T--L
s'+V2s+l
Kita substirusi
s,=;;s
supaya menghasilkan
persamaan dalam
suku z_r
di
u(r)=
- \-./ .
t*6ar
r;
x"
,=4
t+22-t +z-z
t+J2atr*r;-W
Langkah terakhir adalah
dengan menyubstitusi
nilai dari parameter-parameter
11
,i
JTrr,
-t=
atj =t*
0 (o,tga8)+(0,1988),
(0, t sss), _ I
=_0, 96os
1-../1ro + atj
=t* JT OJg8s)+(0,1988),
u (r)
\ /= -
=\3178
o'o?99(1+
l-1,45772
z'" + ,u)
r+0fn67*
= 0,7612
tersebut.
Bab
245
Contoh 7.1I
Suatu filter
2 - 4 kllz,
stopband:0 - 500 Hz, ripple passband:3 dB, atenuasi stopband: 20 dB, dan frekuensi sampling:8 kHz.
Kita juga akan menggunalsn Butterworth.
Spesifikasi pada contoh ini mirip dengan contoh 7.10 sehingga diperoleh
x 2000
= 4000n Hz
@p
=2n
@,
-, 1
ror"s(r,!u)
robs(*) *
-20.+ A2 = roo
2 =
4=8000H2+I=V8000
o,ssul
( qooo,t \
=* l=0,9992
" \2x8000)
, (:*roooa \l=0,1988
o,=tanl
'
\2x8000/
at^
=tarrl
at =%=5,0262
0),
Karena itu frekuensi-frekuensi utamanya adalah: 0,
Panjang filter sama dengan contoh 2.10, yaitu
l,
dan 5,0262
N =2
r(r)=n#*r
246
substitusi s
=
H(z)= -----
t+Jzoto+oti
_iZ-t
z-l
--z+I
kemudian membagi
dengan z2
,.H)-=@
I
X'e'
+ Z-2
11J2atr*r;'
"/i, u + atj
= 1*
Ji
(0,g992) + (o,essz),
tersebut.
3, 3973
o;i -t=(o,essz), _t
=_0,0016
1
-.,/7r, + a;
=t*
Ji
H(z)=
A,2944(l+221
r*(9, 4192xt}a)za
* r-r)
+0,17652-2
ContohT.lz
@pt
=2nx20A = 400tr Hz
@p2
=2trx300 = 600r Hz
o),,
Bab
lol"s(#)= -3 -+ e2 = o,ee83
""-(+)
4
=1000 Hz_>Z=/1000
'\
o,, =
tan(-lg"
doz =
run( aoo" )
(zrroooJ =0,7261
(zrrooo]=1,3750
lo0' \
',, = tun(
\.z"roooJ = 0,1583
a),, =
hn(
g0or
) =6'2846
-
\z"rofr'J
ao = aorao, =019984
w =dor-e)or=0164g9
oi
=1
at'f
=W=-9'6789
,1,
=+;f
=e,4406
= e, 4406
k'"-'!-9A406=0'1059
=9i-
,-=;955
.mJ = o,loo4
tr,
filter
248
"
9t!?'?19?l =t,oz4+ N ry r
= log(9,4429)
adalah
=#
a(r)=*
Dengan melakukan substitusi
w(
H
(z\=
, dilanjutkan dengan
, = 4:
didapatkan
4\
\z+l.i
(#l .*(*).a
(z)=
* r-')
0,6489(1
I
Contoh 7.13
Suatu filter Butterworth bandstop dengan spesifikasi: passband bawah: 0
@p2
@,r
300 Hz, ripple passband: 3 dB, atenuasi stopband'. 20 dB, dan frekuensi
l00n Hz
=2trx450 =900r Hz
=2fix200 = 4A0t Hz
Bab 7:
Filt*r
Dig,ital:
/r\
j^l0losl
"\A')i=
= 1000 Fiz
-ZA
-+.f
ltR
249
-+ A2 =l0A
= V1000
o)r, = t&n[,
1.
,;
,ooa.l
= 0,1583
i -a''i:9fian \
oj^,
YL= tanl
o)",
ioozr \
tan
6,2946
2x1000,l-
4oon- \
l,r. *aol
4.726r
qgqr-]
.12^1000/ = 1.3750
'z. = tanl
ai
(Do
=A,9949
W = 6,1263
a{0 =9,6159
a1@
=*9'3514
a! =9,35L1
Sekarang kita akan mcneari panjang filter
=g=
l^. = 0,1069
a{ 9,3514
' =g-=o"ioo4
Jtoo-t
N>
los 19.9602
.:++--,.--.i -
log (9,35.+i )
1,028
N ", I
250
I adalah
r(r)=*
Dengan melakukan substitusi u =
*!!s- -@;
dilanjutkan dengan
, ='1!,
z+l
didapatkan
( z-l\'
H
(z)=
,
*';
l.,,.)
(*)'.*(*).a
t\
.r
ra I Z, =
a.to2
menghasilkan
0, 0204
z-' - 4,13652-'
E
Contoh 7.14
Fungsi alih filter digital lowpass diinginkan mempunyai karakteristik: passband;0 - 60 Hz, stopband; >
85 Hz, dan atenuasi stopband: > 15 dB. Frekuensi sampling adalah 256}Iz dan filter adalah Butterworth.
Spesifikasispesifikasi yang diberikan adalah
clo = 2n x 60 =
o),
=2r
l20n Hz
x85 = l70r Hz
rorosfl)
"\A"
= -15 -+ A2
=3t,6228
F,=256H2-+T
--11256 s
, ( t2on\ 0,9057
:
l=
" =tanl\ 2x256 )
ai^
Bab 7:
Filter Digital:
llR
251
17oa\
o. =tanl :
" ( 2x256 )l=1,7137
,! =9+=1,8921
@,
Kita akan mencari orde filtcr
(Dp-
k---!-=0.5285
co!
0,9983
kr=
N>
= 0,1 806
3t,6228-l
log(5,
fiz1)
=2,6839-+N=3
I/ (s) =
diberikan oleh
(s+i)(s'+s+1)
Dengan menyubstitusi
"e
a, (s)r/, (s)
4
a
Aun
H'(r)
, ='-l
z+l
didapatkan
(z +r)ai,
=
Hr(r)=
Dengan menyubstitu
H,(z\=A.4753_
r\'
Hr(r)=
-r)
0,3009
si
a)io
= 0,9057 dihasilkan
z+l
0,0495
zz +22
+l
z'-a,L3182+0,3355
252
n (r)=O,tqlO
1, - o,o+es)(z'
- o,tll8z
+ 0,3355)
I
Pojok
MATLAB
Pada dasarnya MATLAB telah menyediakan suatu lool untuk medesain filter baik FIR maupun IIR
dengan menggunakan fungsi
fdatool
Tampilan rool tersebut ditunjukkan pada Gambar 7.13. Tooil tersebut dapat menampilkan respons
frekuensi filter dan plot zero pole pada bidang z.
.--. .-.--.-j.-...---------1.--I.-------i..-.--------..:.....--.-.
f
!
ii hmi'fln'ffnT
,'rrlrlrlllt
rp Fifri---l
n'!do.re fT3
r--::l
\J
l:ffiFdc
I
*, F----l
F. @--
penempatan
pole zero
dapat
menggunakan program 7.1. Untuk menggambar pole zero pada bidang z kita dapat menggunakan fungsi
253
00 Hz dengan
1000 Hz.
ba
ndtv,idth 2A0
Hz
zero adalah pada frekuensi 300 Hz dan 500 Hz, yaitu pada posisi
t(300i1000)x360o = +108o dan penempatan pole pada posisi 100 Hz, yaitu pada posisi
Untuk
t(100/1000)x
%
penempatan
3o0o = -F36o.
Prc,lror: l,l
IIR
Menentukan fungsi alih filter
eo derrgor-, merode penempatan pole-zero
l\.
l,
figure
(2
angr,
penvebut)
PsrtLurrdl'e
*^*Lt
I ^,
Penyebui
1.0000
0.6180
1.0000
1.0c00
-0.6014
0.1381
danplot pole zero pada bidang z dan respons frekuensi ditunjukkan Gambar 7.l4dan Gambar 7.15.
254
Dasar pengotahan
Sinyat
ttrr,
/''
t/
I
f#;,Tltain
,# i
Digital
Bab 7:
Ib,
a] = butter
255
(N, tl'ln)
z-r.
Selain itu dapat juga menghasilkan pole, zero, dan goin dengan fungsi berikut:
lz,p,k)
lz,p,k)
lz,p,k)
Lz,p,k)
: butter (N,Wn)
= chebyl (N,Rp,Wn)
= cheby2 (N,Rs,Wn)
: ellip (N,Rp,Rs,Wn)
Contoh program untuk mendapatkan plot rcspons frekuensi untuk jenis-jenis filter analog dapat dilihat
pada Program 7.2. Untuk memasukkan pilihan harus disertai dengan tanda' ' yang menandakan bahwa
jenis karakter tersebut adalah string.
B Program 7.2
256
tol
mag
else
'
1 ,'
end
menggunakan fungsi
[b,
a]
Penambahan 's'berarti rentang pembilang dan penyebut tidak perlu dalam rentang 0 dan 1.
E Program 7.3
N=2
fc =
FT =
150
1280
dapat
Bab 7:
257
Didapatkan hasil
Penibilang
PenYebut
0 0.3078
1.0000 -1 .0308
.3s30
yang sesuai dengan hasil perhitungan. Plot respons frekuensinya ditunjukkan pada Gambar 7.16.
6
D
.E-
0.4
0.5
0.6
trekuonsi nomalisasi
o.7
0.8
0.9
[N,Wn] : buttord(Wp,Ws,Rp,Rs)
[N,Wn] = cheb I ord(Wp,Ws,Rp,Rs)
[N,Wn] : cheb2ord(Wp,Ws,Rp,Rs)
[N,Wn] : ellipord(Wp,Ws,Rp,Rs)
[N,Wn]
[N,Wn]
[N,Wn]
[N,Wn]
: buttord(Wp,Ws,Rp,Rs,'s')
: cheb I ord(Wp,Ws,Rp,Rs,'s')
: cheb2ord(Wp,Ws,Rp,Rs,'s')
: ellipord(Wp,Ws,Rp,Rs,'s')
Dengan penambahan 's' berarti rentang Wp dan Ws tidak perlu dalam rentang 0 dan l. Di sini kita
mencoba mengerjakan contoh 7.10. Berikut program untuk menentukan orde filter dan koefisien, serta
258
t Program 7,4
t Menentukan orde filter Butterworth lowpass
t dan plot respons frekuensi dengan metode BZT
FT = input (rMasukkan frekuensi sampling = t 1;
Fp = input('Masukkan frekuensi batas passband (Hz) = 'y.
Es = input('Masukkan frekuensi batas stopband (Hz) = t;Rp = input('Masukkan ripple passband (da1 = '1.
Rs = input('Masukkan atenuasi stopband (dB; = '1ggp = rp/ (0.S*FT);
Ws = Fs/ (0.5*FT) ;
IN,Wn] = buttord(Wp,Ws,Rp,Rs) ;
Ib,a] = butter(N,Wp);
lg,el = freqz(bta,5L2) ;
mag = 20*1o910 (abs (B) ) ;
disp (rOrde filter = ') ; disp (!I)
disp ('Koefisien pembilang = ') ; disp (b)
dlsp(rKoefisie'n penyebut = '); disp(a)
plot (A,/pi,mag)
xlabel ( I frekuensi normalisasi' )
yIabeI ('gain, dB')
Masukan untuk program tersebut adalah
= 8000
= soo
Fs = 2000
RP=3
Rs=30
FT
FP
Didapatkan hasil
Orde filter
=
2
Koefisien pembilang =
0.0300
Koefisien penyebut =
1 .0000
0.0599
-1,
.4542
0.0300
0. 5741
yang sesuai dengan hasil perhitungan. Plot respons frekuensi ditunjukkan pada Gambar 7.17.
Bab
259
0.3
0.4
0.5
0.6
o.7
lrek$nsi noflralisasi
Menentukan
,.
fiter
2&
SOAL.SOAL
l.
Zero: -0,5
Pole:0,370; 0,6+70,5
Cambarlah pole dan zero tersebrfi pada bidang
H(z)
dan juga
persamaan perbedaannya
2.
3.
//(s)=
3s2
+7sz +lOs+7
(s'+s+r)(s'+2s+3)
menggunakan metode
7 = 0,1 s.
digital dan
H1r1=-{{s+8
\ , (sz +2s.3JG..,.D menggunakan metode impulse
5.
6.
Diberikan suatu respons frekuensi filter analog normalisasi Butterworth orde 2 dengan frekuensi
sampling 5 kHz dan frekuensi cut-off 3 dB sebesar I kElz. Tentukan fungsi alih digital dan
persamaan perbedaannya dengan metode impulse invariant.
Ulangi soal no. 4 dengan menggunakan metode BZT.
Suatu filter highpass Butterworth akan didesain dengan spesifikasi: passband 2 - 4 kIIz, stopband 0
- 500 kllz, ripple passband 3 dB, atenuasi stopband 20 dB, dan frekuensi sampling 8 kHz.
Tentukan:
a.
b.
c.
7.
9.
Frekuensi-frekuensiyangberkaitan
Orde filter
Fungsi alih dan koefisien-koefisien filter
Suatu filter bandpass dengan karakteristik Butterworth dengan spesifikasi: passband: 200
frekuensi sompling: 2000 Hz, dan orde filter: 2. Tentukan fungsi alih digitalnya.
- 300 Hz,
Tentukan fungsi alih digital dan koefisien-koefisien filter Elliptic dengan metode BZT dengan
spesifikasi: passband: 4 - 12 kIIz, stopband: 0 - 3,4 kllz dan 12,6 - 16 kLlz, ripple passband: < 0,1
dB, atenuasi stopband: > 30 dB, dan frekuensi sampling:32H2.
Suatu filter diinginkan memenuhi spesifikasi berikut: passband: I - 30 Hz, stopband;0 - 0,5 Hz dan
40 - 128 Hz, ripple passband: < 0,1 dB, atenuasi stopband: > 30 dB, dan frekuensi sampling: 256
Hz. Tentukan persamaan perbedaan filter.
Bab
10.
Suatu filter yang menyaring pita frekuensi yang kecil dibutuhkan dengan spesifikasi: batas-batas
passband: 45 Hz dan 55 Hz, ripple passband; < 0,1 dB, atenuasi stopband: > 50 dB, dan frekuensi
261
ll.
Tentukan fungsi alih digital untuk filter lowpass Chebyshev dengan spesifikasi: stopband:
kHz, frekuensi sampling: 50 kHz, ripple passband:0,5 dB, dan orde filter: 6.
-oo0oo-
l0 -
15
DAFTAR PUSTAKA
& Sons,2008
John G. Proakis and Dimitris G. Manolakis. Digital Signal Processing: Principles, Algorithms, and
Applications, 3'd ed. Prentice Hall, 1996
Lonnie C. Ludeman. Fundamentals of Digital Signal Processing. John Wiley & Sons, 1986
Monson H. Hayes. Schaum's Outline
Hill,
1999
Samir S. Soliman and Mandyam D. Srinath. Continuous and Discrete Signals and Systems. Prentice Hall,
1998
M. Kuo, Bob H. Lee, and Wenshun Tian. Real-Time Digital Signal Processing: Implementations and
Applications, Second Edition. John Wiley & Sons,2006
2U
Simon Haykin and Barry Van Veen. Signals and Systems,2"d ed. John Wiley and Sons,2003
Steven T. Karris. Signak
Steven
and
,2003
W. Smith. Digital Signal Processing: A Practical Guide for Engineers and Scientists. Newnes,
2003
T. W. Parks and C. S. Bumrs. Digital Filter Design John Wiley & Sons, 1987.
Vinay K. Ingle and John G. Proakis. Digital Signal Processing Using I,IATLAB
Company, 1997
-oo0oo-
ta
4. PWS Publishing
TEIVTATTG PEIYULIS
adang Gunawtn, lahir di Bogor pada 14 Oktober 1958, adalah Guru Besar tetap pada
Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia (FTUI). Penulis
memperoleh gelar lnsinyur dari Universitas Indonesia pada 1983, gelar Master of
Engineering dari Keio University - Japan pada 1989, dan gelar Ph.D dari University of Tasmania *
Australia pada 1995, serta sejak tahun 2004 dipercaya untuk mengemban jabatan profesor yang
kesemuanya pada bidang Teknik Elektro Telekomunikasi dan Pengolahan Sinyal.
Sejak tahun 1985 sampai saat ini, ia sebagai dosen tetap pada Departement Teknik Elektro FTUI.
Mata kuliah yang diampu untuk program Sarjana adalah Pengolahan Sinyal, Teori Informasi dan
Komunikasi Digital. Mata kuliah Pengolahan Sinyal Digital (DSP), Komunikasi Nirkabel & Bergerak,
Komunikasi Pita Lebar-Multimedia, Kapita Selekta untuk program Pascasarjana.
Sejumlah hibah penelitian telah berhasil dipeoleh diantaranya Indonesia Toray Science Foundation
Multi Years URGE - Dikti 1998 - 2000, Kajian Awal Kebijakan Ring Palapa - Diden Postel
2005, DTE Research Grant - 2005, The Development of Blueprint on the Implementation of Telkom's
NGN - PT Telkom Indonesia 2006, fuset Unggulan Ul - 2007. Adapun bidang penelitian yang ditekuni
adalal: Compression and Coding for Audio, Yideo & Multimedia, Wavelets and lts Applications,
C'ctmmunicalion & Biomedical Signal Processing. Saat ini dipercaya sebagai Ketua WaSP RG (Wireless
1996,
Di
266
Dari tahun 2008 sampai saat ini berlugas sebagai Kepala Laboratorium Telekomunikasi DTE
FTUI. Tahun 2004 -2007 bertvgas sebagai Wakil Direktur Lembaga Teknologi FTUI. Dari tahun 2000 2004 bertugas sebagai Wakil Dekan Bidang Administrasi Umum & Keuangan. Tahun 1998 - 2000
bertugas sebagai Seketaris Program Studi Teknik Elektro Program Pascasarjana FTUI. Tahun 1996 1998 bertugas sebagai Asisten bidang Akademik DTE FTUI.
Penghargaan yang pernah diperoleh meliputi Peneliti Terbaik dalam Bidang Ilmu Pengetahuan dan
Teknologi, Universitas Indonesia - 1996. Publikasi Terbaik Internasional dalam Bidang Ilmu
Pengetahuan & Teknologi Universitas Indonesia - 1996. Finalis Peneliti Muda LIPI - 1996. Satyalencana
Karya Satya XX - Presiden RI 2008.
Prof. Dadang adalah Senior Member IEEE. Ia juga Pengurus IEEE Indonesia Section sejak tahun
1998 sampai dengan saat ini, dan pernah sebagai Ketua, Sekretaris dan Bendahara serta Ketua
Communication Chapter IEEE Indonesia. [a juga anggota IEICE Jepang dan anggota PlI.
-oo0oo-
;"-
itii
1
i$r '' r
I
I
II
t.
1i
An
i,r.:^
K
.
:-;lgo
r':pgn
I
i
!
i
I
itu
Ia