Prak DSP 2013 Ti Polnes

LaLab sistem 1su
PERCOBAAN I
Pengenalan MATLAB
I. Tujuan
Mahasiswa dapat menjelaskan operasi operasi dasar dan programing dasar
pada MATLAB serta aplikasi MATLAB untuk Pengolahan Sinyal Digital (PSD)
II. Ruang Lingkup
A. Teori Singkat
MATLAB
MATLAB singkatan dari MATRIX LABORATORY. Aplikasinya
biasanya digunakan untuk bidang sebagai berikut :
- Math and computation Algorithm development
- Data acquisition Modeling, simulation, and prototyping -
Data analysis, exploration, and visualization
- Scientific and engineering
- Graphics Application development, termasuk graphical user
interface building
Aplikasi matlab cukup luas untuk bidang yang terutama sangat
membutuhkan bantuan perhitungan matematika.
Perlu diketahui, bahwa matlab bekerja dalam operasi matematika yang
dalam hal ini berupa matriks. Seluruh operasi dalam matlab adalah operasi
matriks.
Matlab dapat menampilkan hasil perhitungan yang mungkin berupa plot
grafik dan dapat dirancang pula dengan menggunakan GUI (Graphical User
Interface) yang kita rancang.
Secara default, bagian MATLAB terdiri dari :
Gambar 2.1 Window MATLAB
Command window digunakan untuk mengetik fungsi, Command history
digunakan untuk melihat atau menggunakan kembali fungsi yang telah
digunakan sebelumnya. Sedangkan Workspace digunakan unuk melihat atau
LaLab sistem 1su
membuat variabel yang ada dalam MATLAB. Current Directory menunjukkan
folder tempat MATLAB sedang bekerja.
Beberapa operasi yang ada dalam MATLAB :
Penjumlahan, Pengurangan, Perkalian, Pembagian, Pangkat Matrix
o Menggunakan tanda + - * / ^
Integral dan Differensial
o DIFF (Persamaan) => untuk operasi turunan
o INT (Persamaan) => untuk operasi integral
Invers dan Transpose Matrix
o INV (Nama_Matrix), untuk invers
o TRANSPOSE (Nama_Matrix), untuk transpose
Perulangan
o Dilakukan dengan cara
X:Y => perulangan dari nilai X ke Y dengan step 1
X:Y:Z => perulangan dari X ke Z dengan step Y
Plot Grafik
o Plot (Nama_Variabel_yang_akan_Diplot) o
Subplot
Adakalanya perlu juga membaca Help dari MATLAB.
Contoh :
Operasi matrix
o a=[3 4 5; 1 2 3]
o b=[1 3 4;2 4 5;3_3_3]
o b=[1 3 4;2 4 5;3,3 3]
o a=[3 4 5; 1 2 3; 5 6 7]
o c=a * b
o c=a / b
o c=a.^2
o c=a.*2
o transpose (a) %untuk transpose matrix o
inv(a)
o c(1,1) %untuk mengakses nilai baris 1
kolom 1 pada matrix C
o a(1,2) %untuk mengakses nilai baris 1
kolom 2 pada matrix A
Untuk Help
o help inv %untuk help mencari fungsi invers
o help diff %untuk help, untuk mengetahui
kegunaan fungsi diff
Grafik
o for i=-10:10, x(i+11)=2*i^2; end
o plot (x) %untuk membuat grafik fungsi x
Turunan
o t=sym('x') %mendeklasrasikan suatu simbol
o diff(sin(x^2)) %turunan dari sin(x^2)
LaLab sistem 1su
Integral
o Syms x %deklarasi simbol x
o int (x) %integral x
o int(x,1,2) %integral x dari 1 ke 2
Loop (Perulangan)
o 1:10
o 1:2:10
Supaya dapat lebih memahami, cobalah beberapa contoh syntax diatas
dalam MATLAB dan perhatikan hasilnya.
PSD Pada MATLAB
MATLAB dapat melakukan beberapa operasi dasar Signal Processing
yaitu
- Spectral Analysis
- Filtering
- Synthesis
- Correlation
- Control
MATLAB juga dapat digunakan untuk melakukan pemrograman, antara
lain dengan menggunakan m-file. Cara kerja m-file sama saja dengan jika kita
mengetikkan langsung pada Command Window, hanya saja kita bisa
mengetikkan terlebih dahulu baru di jalankan kemudian.
Untuk memulai menggunakan M-File, Klik menu File pada Toolbars
anda. Kemudian pilih menu New - M-File. Anda akan melihat satu buah
window Editor baru.
Simulink merupakan bagian dari MATLAB yang cukup berguna untuk
menganalisa sebuah model dan konstruksi dalam bentuk simulasi.
B. Daftar Alat
- PC
- MATLAB
III. Referensi
- Digital Signal Processing : A System Design Approach, Pertemuan 1
- Digital Signal Processing : A Practical Approach, Pertemuan 1
- DIGITAL SIGNAL PROCESSING, Principles, Algorithms, and
Applications, Pertemuan 1
- Tentang MatLab: http://www.mathworks.com/ -
MatLab untuk PSD:
http://www.eng.auburn.edu/~sjreeves/Classes/DSP/DSP.html -
Matlab HELP
LaLab sistem 1su
IV. Deskripsi Tugas dan Prosesdur
A. Operasi dasar MATLAB
Cobalah operasi MATLAB yang ada pada Teori Singkat.
B. Sinyal Analog dan Sinyal Diskrit
1. Buka M-File (File - New - M-File), lalu ketikkan program dibawah ini:
% a)
% period is 2/5, so 2 sec is long enough for plot
t = 0:.4/100:2;
x = 4*cos(5*pi*t-pi/4);
subplot(2,2,1),plot(t,x)
xlabel(Time (sec))
ylabel(x(t))
title(a))
% b)
% period is 0.1, so plot for n=0 to 20
n=0:20;
x = 4*cos(2*pi*0.1*n);
subplot(2,2,2),stem(n,x)
xlabel(Time (sec))
ylabel(x[n])
title( b))
2. Save hasil yang diperoleh.
C. SpektrumFrekuensi dari Suatu Sinyal
1. Buat M-File baru, kemudian ketikkan program dibawah ini:
close;
Fs = 10000;
Ts = 1/Fs;
t = 0:Ts:1;
y = 2*sin(2*pi*200*t)+0.5*sin(2*pi*600*t)+sin(2*pi*1500*t);
sound(y,Fs);
plot(t(1:100),y(1:100))
Y = fft(y,1024);
Ym = abs(Y);
f = Fs*(0:511)/1024;
figure; plot(f,Ym(1:512))
2. Save hasil yang diperoleh.
V. Tugas Laporan
1. Analisa percobaan yang ada pada percobaan ini.
2. Operasi-operasi PSD yang dapat dilakukan oleh MATLAB.
3. Jelaskan keuntungan, aplikasi PSD dan juga kekurangan.
4. Jelaskan dan sebutkan prosesor-prosesor DSP yang ada dan apa kelebihannya
dibandingkan MATLAB.
LaLab sistem 1su
VI. Tugas Pendahuluan
1. Pelajarilah penggunaan MATLAB untuk menghitung operasi-operasi dasar
matematik.
6 3 7 0 7 0 1 2 1 4( 1 2 3 4 5 5 4 3 2 1 ( 5 ( (
( ( ( (
10 4 4 4 1 8 5 0 1 5 1 3 2 0 3 3 0 1 0 14 6

6

6
7
M : =
9
10

13

14

5
0 5 0 1 0 7 7 2
6 9 6 1 3 8 1 2
9 4 5 2 3 5 4 3
8 7 4 7 3 6 3 1
0 6 0 1 0 11 2 4
0 8 2 4 11 4 1 3
2 4 3 5 14 0 0 5
1 15 0 6 0 6 0 0
(
6( 2 2 0 6 0 4 7
(
7( 3 4 2 3 2 5 2
8( 4 5 2 4 4 0 4
(
8( 7 6 0 0 2 5 4
7( 1 7 3 9 10 7 5
(
6( 4 9 4 9 3 6 6
(
5 8 11 0 12 0 1 2
(
4 0 2 5 1 3 0 8
( ( (
1 0 8 ( 7 ( (
( ( (
12 7 1( 12 ( (
0 5 0 ( 5 ( (
( ( |34 8 2 11 1 3 3 6 1| (
1 3 9 ( 10 ( (
3 3 8 ( 4 ( (
( ( (
0 5 2 ( 5 ( (
( ( (
2 2 6 8
( ( (
11 3 7 3
Dengan menggunakan MatLab, hitung determinan dan invers dari matriks M!
2. Gambarkan sinyal-sinyal dibawah ini.
- y = sin(2 t 100 t)
- y = cos(2 t 6500 t )
- y = sin(2 t 100 t) + cos(2 t 1500 t )
- y = 5sin(2 t 500 t)
Gambarkan sinyal-sinyal tersebut dalam satu layar (Gunakan perintah
subplot!)
3. Jelaskan kelebihan PSD dibandingkan pemrosesan sinyal analog dalam hal:
- Fleksibilitas.
- Reliability.
- Predictable dan Repeatable.
4. Jika MATLAB dapat mengerjakan seluruh operasi dasar DSP, mengapa masih
dibutuhkan prosesor DSP?
PERCOBAAN II
Sinyal Waktu Diskrit dan Efek Aliasing
I. Tujuan
- Mahasiswa dapat menjelaskan klasifikasi sinyal dan efek aliasing.
- Mahasiswa dapat mendemonstrasikan bentuk sinyal waktu diskrit dan efek
aliasing menggunakan MATLAB.
II. Ruang Lingkup
A. Teori Singkat
Sinyal Waktu Diskrit
Sinyal merupakan besaran fisika yang nilainya fungsi dari satu atau lebih
besaran fisika lainnya. Sebagai contoh sinyal suara adalah perubahan tekanan
udara yang bergantung pada waktu dan posisinya dari sumber suara.
Sinyal ada 2 yaitu sinyal analog dan sinyal digital. Sinyal digital adalah
sinyal dengan Discrete Time Discrete Value yang direpresentasikan dengan
bilangan biner (Bit-bit).
Sinyal Digital
Sinyal Analog
Gambar 2.1
Pada pengolahan sinyal digital ada beberapa sinyal diskrit dasar/elementer
yang digunakan untuk menganalisa sistem atau mengidentifikasi karakteristik
sistem. Sinyal-sinyal diskrit elementer tersebut diantaranya:
- Sinyal Unit Impulse
o ( n )
=
1 , n = 0
0 , n = 0
- Sinyal Unit Step
U ( n )
=
1 , n > 0
0 , n < 0
- Sinyal Unit Ramp
Ur ( n )
=
n , n > 0
0, n < 0
- Sinyal Eksponensial
x(n) = a
n
, untuk semua n
Pedoman Praktikum Pengolahan Sinyal Digital UPT Perangakat Keras
Percobaan II ver:0 - 2006 Halaman: 1 dari 7
Beberapa operasi untuk memanipulasi sinyal waktu diskrit adalah
o Time Delay
TD
k
( x ( n
) )

x(n)
o Time Advance
= x ( n k ) , k > 0
x(n-k)
Z-k
TD
k
( x ( n
) )

x(n)
o Folding
= x ( n
+ k
Zk
) , k > 0
x(n+k)
FD
k
(x(n) ) = x ( n)

o Scaling
y (n) = A x (n)

x(n) A
A x(n)
o Addition
y(n) = x1(n)+ x2 (n)
x1(n)
x2(n)
o Multiplication
y ( n
) =
x1(n)
x2(n)
Pedoman Praktikum Pengolahan Sinyal Digital
Percobaan II ver:0 - 2006
+
x 1( n ) x 2
( n )
x
y(n)
y(n)
UPT Perangakat Keras
Halaman: 2 dari 7
- Operasi sinyal disktrit pada time domain:
http://www.bores.com/courses/intro/time/index.htm -
Statistik, probabilitas dan noise pada sinyal:
http://www.dspguide.com/ch2.htm
- Matlab HELP
IV. Deskripsi Tugas dan Prosedur
A. Sinyal-sinyal Diskrit Elementer
- Gambarkan sinyal-sinyal diskrit elementer
singkat pada MATLAB.
- Save hasil yang diperoleh.
B. Manipulasi Sinyal Waktu Diskrit
Diberikan suatu fungsi x[n]
0 jika n < 2

yang ada pada teori
x[n] =
2n - 4 jika 2 n < 4

4 - n jika 4 n
% Fungsi x[n]
n1 = -8:-4; x1 = zeros(size(n1));
n2 = -4:3; x2 = 2*n2-4;
n3 = 3:8; x3 = 4-n3;
n = [n1 n2 n3];
x = [x1 x2 x3];
subplot(241),stem(n,x)
xlabel('n')
ylabel('x[n]')
title('Fungsi x[n]')
Time Advance
Lakukan Time Advancedengan fungsi
y[n] = x[n +1] dimana x[n] dari fungsi diatas
% Time Advance
na = n-1;
subplot(242),stem(na,x)
xlabel('n')
ylabel('x[n]')
title('Time Advance (n+1)')
Time Delay
Lakukan Time Delay dengan fungsi
y[n] = x[n 1] dimana x [n] dari fungsi diatas
% Time Delay
nd = n+1;
subplot(243),stem(nd,x)
xlabel('n')
ylabel('x[n]')
title('Time Delay (n-1)')
Scaling
Lakukan efek scaling dengan fungsi
y[n] = 3x[n] dimana x[n] dari fungsi diatas
% Scalling
xscale = 3*x;
subplot(244),stem(n,xscale)
xlabel('n')
ylabel('x[n]')
title('Scalling (3X)')
Folding
Lakukan efek Folding dengan fungsi
y[n] = x[n] dimana x[n] dari fungsi diatas
% Folding
n = -n;
subplot(245),stem(n,x)
xlabel('n')
ylabel('x[n]')
title('Folding')
Addition
Diberikan suatu fungsi k[h]
0 jika h < 4

k[h]
h + 2 jika - 4 h -< 3

h 2 jika 3 h
% Fungsi k[h]
h1 = -8:-4; k1 = zeros(size(h1));
h2 = -4:3; k2 = h2+2;
h3 = 3:8; k3 = h3-2;
h = [h1 h2 h3];
k = [k1 k2 k3];
subplot(246),stem(h,k)
xlabel('h')
ylabel('k[h]')
title('Fungsi k[h]')
Lakukan Addition antara sinyal x[n] dengan sinyal k[h]
Dengan fungsi g[z] = x[n] + k[h]
% Penjumlahan Sinyal x[n] + h[k]
gad=x+k;
subplot(247),stem(h,gad)
xlabel('z')
ylabel('g[z]')
title('Addition')
Multiplication
Lakukan Multiplication antara sinyal x[n] dengan sinyal k[h]
Dengan fungsi g[z] = x[n]* k[h]
% Perkalian Sinyal x[n] * h[k]
gmul=x.*k;
subplot(248),stem(h,gmul)
xlabel('z')
ylabel('g[z]')
title('Multiplication')
Simpan m-file dan hasil yang diperoleh
C. Efek Aliasing
Diberikan suatu fungsi sinus x(t ) = sin(et) dengan f = 100Hz disampling
dengan Fs=1000Hz. Dan juga sinyal sinus dengan frekuensi f=100+i*Fs.
Ketik program dibawah ini dan simpan hasilnya.
clc
close
clear
N = 5;
Fs=1000;
F=100;
Ts=1/Fs;
t=0:Ts:0.1;
x=sin(2*pi*F*t);
subplot(N,1,1)
plot(t,x);
for i=1:N-1
y=sin(2*pi*(F+i*Fs)*t);
subplot(N,1,(i+1))
plot(t,y,'r')
end
V. Tugas Laporan
2. Sinyal diskrit elementer.
3. Struktur waktu diskrit.
4. Efek Aliasing.
5. Syarat Nyquist.
6. Frekuensi Sampling
7. Frekuensi Natural
8. Frekuensi Fundamental
9. Frekuensi Nyquist.
1. Apakah yang dimaksud dengan sinyal?
2. Sebutkan dan jelaskan sinyal-sinyal diskrit elementer yang ada!
3. Apakah yang dimaksud dengan Efek Aliasing dan terjadi pada saat apakah efek
aliasing tersebut?
PERCOBAAN III
Linear Time Invariant (LTI) Systems
I. Tujuan
- Mahasiswa dapat menjelaskan tentang sistem waktu diskrit LTI (Linear
Time Invariant.)
- Mahasiswa dapat mendemonstrasikan impulse respons dan opearsi
konvolusi pada sistem waktu diskrit menggunakan MATLAB.
- Mahasiswa dapat membandingkan sistem waktu diskrit berdasarkan impuls
responnya menggunakan MATLAB.
II. Ruang Lingkup
A. Teori Singkat
LTI Systems & Impulse Response
Suatu sistem dikatakan LTI jika memenuhi sifat Linier dan Time
Invariant. Impulse Response adalah respon/output dari sistem LTI, jika diberi
input berupa sinyal impuls.
Gambar 3.1
Impulse unit memiliki spektrum frekuensi yang terdiri dari semua
frekuensi sehingga cocok untuk menguji/mengetahui karakteristik dari (Kernel)
dari suatu sistem.
Konvolusi
Ada 3 sifat-sifat konvolusi yaitu:
- Komutatif
h1(n)- h2 (n) = h2 (n )- h 1(n )
- Assosiatif
(x (n)- h 1(n) )- h2 (n) = x(n)- (h 1(n ) - h 2 (n))
- Distributif
x(n)- (h1(n ) + h 2 (n) ) = x(n)- h 1(n ) + x (n)- h2 (n)
FIR & IIR
FIR memiliki impulse response (h(n)) dengan durasi yang berhingga,
sedangkan IIR memiliki impulse response (h(n)) yang tak berhingga. Untuk
sistem FIR bisa diimplementasikan langsung dari persamaan konvolusinya.
N 1
y(n )
=
x( k )h(n k) y(n) x(k ) h(n k)

k=0 k=0
IIR FIR
Percobaan III ver:0 - 2006 Halaman: 1 dari 5
Tapi untuk sistem IIR diimplentasikan dengan menggunakan sistem
rekursif (ada output sebelumnya yang digunakan untuk menghitung output
sekarang).
- Non-Rekursif Systems
$x(n) y(n)
F(x(n), x(n-1),...x(n - )
- Rekursif Systems
x(n)
F(y(n-1), y(n-2),...y(n -N ),
y(n)
x(n), x(n-1)...x(n-M)
-1
z
Struktur SistemWaktu Diskrit
Struktur Untuk FIR Systems
- Direct-form realization.
- Cascade-formrealization.
- Frequency-sampling realization. -
Lattice realization.
Struktur Untuk IIR Systems
- Direct-form I & II realization.
- Cascade-formrealization.
- Signal flow graph and transposed. -
Pararel-form.
- Lattice and Lattice Ladder.
B. Daftar Alat
- PC
- MATLAB
III. Referensi
- Tentang konvolusi: http://www.dspguide.com/ch6.htm
- Korelasi dan kovolusi: http://www.bores.com/courses/intro/time/index.htm -
Sifat sifat konvolusi: http://www.dspguide.com/ch7.htm
- Matlab HELP
A. Impulse Response
Ketikkan program untuk mencari impulse respon dibawah ini, sesuai dengan
persamaan: y[n] + 0 2y[n 1] = x[n] x[n 1]
ynminus1 = 0;
xnminus1 = 0;
hold on
for n=1:10
if n==1
xn=1;
else xn=0;
end
yn=-0.2*ynminus1 + xn - xnminus1
ynminus1=yn
xnminus1=xn
stem(n-1,yn)
end
Lakukan hal yang sama seperti contoh diatas untuk persamaan-persamaan
dibawah ini, plot dan simpanlah hasilnya.
y[n] + 1.2y[n-1] = 2x[n-1]
B. Konvolusi
Lakukan konvolusi x[n] * v[n] x[n]
= u[n] - u[n-4], v[n] = 0.5nu[n]
clc
close
clear
for n=1:20
u(n)=1;
if n<4
unmin4(n)=0;
else
unmin4(n)=1;
end
j(n)=n
v(n)=0.5^n
end
subplot(511)
stem(j,u)
subplot(512)
stem(j,unmin4,'r')
subplot(513)
x=u-unmin4;
stem(j,x)
subplot(514)
stem(j,v)
for n=1:(length(x)+length(v)-1)
j(n)=n;
end
z=conv(x,v);
subplot(515)
stem(j,z)
Lakukan hal yang sama seperti contoh diatas untuk persamaan-persamaan
dibawah ini, plot dan simpanlah hasilnya.
x[n] = u[n], v[n] = 2(0.8)nu[n]
C. Penerapan Konvolusi Untuk Filtering
clc
close
clear
for n=1:100
u(n)=sin(2*pi*0.01*(n-1))+sin(2*pi*0.1*(n-1));
j(n)=n
h(n)=1
end
subplot(211)
plot(j-1,u)
for n=1:(length(u)+length(h)-1)
j(n)=n;
end
z=conv(u,h)/100;
subplot(212)
plot(j-1,z)
V. Tugas Laporan
1. Analisa percobaan yang ada pada praktikum ini.
2. Buat struktur sistem waktu diskrit dari percobaan. Jelaskan struktur tersebut!.
3. Buat program pada MATLAB untuk persamaan pada Tugas Pendahuluan no.1.
Jelaskan program tersebut!
4. Jelaskan mengapa konvolusi menghasilkan jumlah elemen yang lebih panjang!
1. Apakah yang dimaksud dengan LTI systems ?
2. Apakah yang dimaksud dengan konvolusi? Sebutkan aplikasi dari konvolusi
pada PSD!
3. Sebutkan sifat-sifat konvolusi.
4. Apakah yang dimaksud dengan FIR dan IIR?
5. Jika diketahui u = |1 3 5 2|dan v = |8 4 6 7| tentukan w jika w
merupakan hasil konvolusi dari u dan v.
6. Gambarkan struktur waktu diskrit dari persamaan dibawah ini.
3y (n) + y (n-2) 2y(n 3) = x (n-1) 2x(n-2) + x(n 3)
PERCOBAAN IV
Analisis Frekuensi
I. Tujuan
Mahasiswa dapat menjelaskan analisis frekuensi (transformasi fourier) baik
pada sinyal analog maupun digital, DFT dan FFT.
Mahasiswa dapat mendemonstrasikan DFT dan FFT dari suatu sinyal diskrit
menggunakan MATLAB.
Mahasiswa dapat membandingkan FFT dan DFT.
Mahasiswa dapat mendesain suatu algoritma FFT menggunakan MATLAB.
II. Ruang Lingkup
A. Teori Singkat
Pada tahun 1807 Jean Baptiste Joseph Fourier menyatakan bahwa
semua sinyal periodik yang kontinu dapat dinyatakan sebagai jumlah dari
sinyal-sinyal sinusoidal dengan frekuensi, amplitudo, dan fasa yang tertentu.
Landasan teori inilah yang memungkinkan untuk merepresentasikan suatu
sinyal yang bervariasi terhadap waktu ke dalam spektrum frekuensi atau
karakteristik frekuensi dari sinyal tersebut.
Percobaan IV ver:0 - 2006 Halaman: 1 dari 4
Secara umum analisa fourier dapat dibagi menjadi 4 jenis, yaitu Fourier
Series, Fourier Transform, Discrete Time Fourier Transform, dan Discrete
Fourier Transform. Analisa fourier yang dapat dilakukan oleh suatu prosesor
sinyal digital adalah Discrete Fourier Transform (DFT), dikarenakan sifat
aperiodik dan kontinu dari tranformasi fourier lainnya.
Fast Fourier Transform merupakan algoritma perhitungan persamaan DFT
dengan mengurangi jumlah perkalian dan penjumlahan kompleks yang
dibutuhkan. Algoritma pada FFT juga memanfaatkan pola perulangan pada
perhitungan DFT.
Pada MatLab, Fast Fourier Transform dilakukan dengan perintah
Y=fft(y,n), dimana y adalah sinyal dalam time domain, n adalah jumlah sampel
yang diambil dalam perhitungan FFT dan Y adalah hasil FFT-nya.
B. Daftar Alat
PC
MATLAB
III. Referensi
Digital Signal Processing : A System Design Approach, Pertemuan 4
Digital Signal Processing : A Practical Approach, Pertemuan 4
DIGITAL SIGNAL PROCESSING, Principles, Algorithms, and
Tentang DFT: http://astronomy.swin.edu.au/~pbourke/other/dft/
Tentang FFT: http://www.dspguide.com/ch12.htm
Tentang DFT: http://www.dspguide.com/ch8.htm
Tentang FFT: http://www.dspguru.com/info/faqs/fftfaq.htm
Tentang Transformasi Fourier:
http://mathworld.wolfram.com/FourierTransform.html
Tentang analisis frekuensi:
http://www.bores.com/courses/intro/freq/index.htm
Matlab HELP
A. Spektrumfrekuensi dari suatu sinyal
1. Buka M-file pada MatLab (File/New/M-File), ketikan program berikut :
close;
Fs = 10000;
Ts = 1/Fs;
t = 0:Ts:1;
y = 2*sin(2*pi*200*t)+0.5*sin(2*pi*600*t)+sin(2*pi*1500*t);
sound(y,Fs);
plot(t(1:100),y(1:100))
Y = fft(y,1024);
Ym = abs(Y);
f = Fs*(0:511)/1024;
2. Gambarkan dan save hasil yang diperoleh
B. Memfilter suatu sinyal dengan melihat spektrum frekuensinya
1. Buka kembali M-file, lalu ketikan program berikut :
close all;
Fs = 10000;
Ts = 1/Fs;
t = 0:Ts:1;
w = sin(2*pi*1000*t) - sin(2*pi*1001*t);
sound(w,Fs); %sinus
plot(t(1:200),w(1:200))
title('sinus')
input('tekan enter');
x = randn(size(t));
y = w+x;
figure; plot(t(1:200),y(1:200))
title('sinus and noise')
sound(y,Fs); %sinus and noise
Y = fft(y,1024);
Ym = abs(Y);
f = Fs*(0:511)/1024;
title('sinus and noise spectrum')
input('tekan enter');
[b,a] = butter(15,1100/(Fs/2)); %LPF butter, ordo 15,
cutoff pada 1100 Hz
z = filter(b,a,y);
sound(z,Fs); %sinus and noise after filtered
figure; plot(t(1:200),z(1:200))
title('sinus and noise after filtered')
Z = fft(z,1024);
Zm = abs(Z);
f = Fs*(0:511)/1024;
figure; plot(f,Zm(1:512))
title('sinus and noise after filtered spectrum')
2. Gambarkan dan save hasil yang diperoleh
V. Tugas Laporan
1. Mengapa kita menggunakan FFT? Apa kegunannya?
2. Jelaskan mengapa dengan menggunakan algoritma perhitungan Fast Fourier
Transform(FFT) lebih cepat dibandingkan dengan Discrete Fourier
Transform(DFT)!
3. Mengapa input dengan frekuensi tunggal jika diproses melalui FFT hasilnya
tidak tunggal melainkan ada spectrum-spektrum lainnya, jelaskan jawaban
anda!
4. Buatlah program dalam MatLab yang bertujuan untuk menghilangkan sinyal
1000 Hz pada sinyal x = sin(2.250.t) - sin(2.1500.t)+ sin(2.6000.t) jika
frekuensi sampling yang digunakan 10000 Hz !
5. Jika dua buah sinyal yang berbeda dijumlahkan, bagaimana dengan spektrum
frekuensinya ? Jelaskan !
6. Analisa dan jelaskan listing program pada praktikum !
1. Sebutkan pernyataan Fourier tentang sinyal!
2. Apa kegunaan analisis secara frekuensi? Jelaskan !
3. Jelaskan perbedaan antar DFT dengan FFT! Mana yang lebih cepat DFT atau
FFT?
4. Dapatkah suatu sinyal memiliki spektrum frekuensi yang terdiri dari hanya satu
frekuensi ? Jelaskan !
5. Jelaskan perbedaan DTFT dan DFT, jelaskan juga mengapa hanya DFT yang
bisa diimplementasikan ke dalam Prosesor DSP sedangkan DTFT tidak bisa !
6. Suatu sinyal diskrit x(n) diambil sebanyak 4 sampel : x(n) = (1, -1, 0, 2) hitung
DFT dari sinyal diskrit tersebut dan gambarkan spektrum frekuensi-nya !
PERCOBAAN V
Filter Digital
I. Tujuan
- Mahasiswa dapat menjelaskan analisis frekuensi (transformasi fourier) baik
pada sinyal analog maupun digital, DFT dan FFT.
- Mahasiswa dapat mendemonstrasikan DFT dan FFT dari suatu sinyal diskrit
menggunakan MATLAB.
II. Ruang Lingkup
A. Teori Singkat
Filter adalah sebuah sistem atau jaringan yang secara selektif merubah
karakteristik (bentuk gelombang, frekuensi, fase dan amplitudo) dari sebuah
sinyal, yang bertujuan untuk meningkatkan kualitas dari sebuah sinyal.
Secara umum tujuan dari pemfilteran adalah untuk meningkatkan kualitas
dari sebuah sinyal sebagai contoh untuk menghilangkan atau mengurangi noise,
mendapatkan informasi yang dibawa oleh sinyal atau untuk memisahkan dua
atau lebih sinyal yang sebelum-nya dikombinasikan, dimana sinyal tersebut
dikombinasikan dengan tujuan mengefisienkan pemakaian saluran komunikasi
yang ada.
Filter digital adalah sebuah implementasi algoritma matematik ke dalam
perangkat keras dan/atau perangkat lunak yang beroperasi pada sebuah input
sinyal digital untuk menghasilkan sebuah output sinyal digital agar tujuan
pemfilteran tercapai.
Aplikasi filter digital antara lain untuk kompresi data, pemrosesan suara,
pengolahan citra, pengiriman data dan echo canceller pada telepon.
Filter adalah sebuah sistem atau jaringan yang secara selektif merubah
karakteristik (bentuk gelombang, frekuensi, fase dan amplitudo) dari sebuah
sinyal.
h(k), k = 0,1,...
x(n) y(n)
Input sinyal digital Output sinyal digital
h(k) = Impulse response (Kernel) atau koefisien - koefisien filter digital
yang menentukan jenis dan karakteristik dari filter digital.
Berdasarkan diagram blok tersebut maka secara garis besar filter digital
dapat dibagi menjadi dua yaitu filter digital FIR dan filter digital IIR.
N 1
FIR: y(n) = h(k)x(n k)
k=0
Percobaan V ver:0 - 2006 Halaman: 1 dari 5
N M
IIR: y(n) = h(k)x(n k) = akx(n k)
k -=0 k = 0 k
= 1
Kelebihan filter digital dibandingkan filter
analog :
b k y(n k)
Dapat memiliki karakteristik yang tidak mungkin dimiliki oleh filter
analog, seperti respon fase yang linier.
Karakteristiknya tidak berubah dengan perubahan lingkungan, misalnya
perubahan suhu, kelembaban dan sebagainya sehingga tidak diperlukan
kalibrasi yang berulang-ulang.
Respon frekuensinya dapat diatur secara otomatis sebab diimplemen-
tasikan dengan menggunakan prosesor yang dapat diprogram sehingga
filter digital memiliki kemampuan menyesuaikan diri.
Dapat memfilter beberapa sinyal input atau saluran hanya dengan satu
filter digital tanpa harus membuat perangkat kerasnya lagi.
Data yang belum atau sudah difilter dapat disimpan untuk keperluan lain
Dengan berkembangnya teknologi IC dengan skala besar maka
ukurannya semakin kecil, konsumsi daya rendah dan harganya semakin
murah.
Ketelitiannya hanya dibatasi oleh panjang word dari prosesor yang
digunakan.
Dapat digunakan pada frekuensi yang sangat rendah, yang umumnya
dibutuhkan pada aplikasi biomedical.
Dapat dibuat dengan rentang frekuensi yang lebar hanya dengan
mengatur frekuensi sampling-nya.
Kekurangan filter digital dibandingkan filter analog :
Kecepatannya dibatasi oleh kecepatan prosesor yang digunakan dan
jumlah operasi aritmatik yang dikerjakan pada algoritma pemfilteran.
Lebar pita maksimum lebih kecil dibandingkan dengan filter analog
karena dibatasi oleh frekuensi sampling-nya.
Waktu konversi dari ADC dan waktu settling dari DAC membatasi
frekuensi tertinggi yang dapat diproses.
Adanya round-off noise akibat error pada proses kuantisasi sinyal analog
pada ADC dan kuantisasi koefisien sehingga semakin tinggi orde filter
maka akumulasi dari round-off noise akan menyebabkan ketidakstabilan.
Fungsi alih (Transfer Function) adalah perbandingan output dan input
dalam domain S (Laplace Transform) untuk filter analog atau domain Z
(ZTransform) untuk filter digital.
Contoh:
y(n) = ax(n)-by(n-1)

B. Daftar Alat
- PC
- MATLAB
III. Referensi
- Tentang efek penempatan pole dan zero terhadap: http://www.nst.ing.tu-
bs.de/schaukasten/polezero/en_idx.html
- Tentang filter digital: http://www.dspguide.com/ch14.htm
- Tentang filtering: http://www.bores.com/courses/intro/filters/index.htm -
Matlab HELP
A. Filter Analog
1. Diberikan fungsi alih dari gambar dibawah ini.
Gambar 5.1
Dengan C1=C2=100f, R1 =R2 =2000O.
25
H ( S )
=
S
2
+ 15 S + 50
Carilah dan gambarkan Magnitude Respon dan Phase Respon dari
gambar diatas pada MATLAB
clear
close
F=0:1:50;
W=2*pi*F;
H=25./(((1i.*W).^2)+(15.*(1i.*W))+50);
MR=abs(H);
PR=angle(H)*180/pi;
subplot(211);plot(F,MR)
xlabel('Frekuensi (Hz)')
ylabel('Magnitude')
title('Magnitude Respon')
subplot(212);plot(F,PR)
xlabel('Frekuensi (Hz)')
ylabel('Phase (Derajat)')
title('Phase Respon')
2. Jika diketahui suatu rangakaian filter analog seperti dibawah ini
Gambar 5.2
Dengan R1=R2=1000O and C=100f.
H ( S )
=
10
S + 20
Carilah dan gambarkan Magnitude Respon dan Phase Respon dari
gambar diatas pada MATLAB
B. Filter Digital
Cari fungsi alih dan gambarkan Magnitude Respond dan Phase Respon dari filter
digital dengan persamaan:
1. y[n] + 0.5y[n-1] = 2x[n-1]
2. y[n] + 1.2y[n-1] + 0.32y[n-2] = x[n]-x[n-1]
V. Tugas Laporan
1. Turunkan fungsi alih dari gambar 5.1 dan gambar 5.2
3. Gambarkan respon frekuensi (Magnitude dan Phase Response) di bawah ini.
y(n ) = 1,8 y(n 1) 0,5y(n 2) + 0,3x (n) + 0,65x(n 1)
Jelaskan program yang anda buat.
1. Sebutkan definisi Filter!
2. Dengan defenisi tersebut apakah ada sistem yang bukan filter? Jelaskan!
3. Sebutkan aplikasi dari filter digital!
4. Sebutkan kelebihan dan kekurangan dari filter digital dibandingkan dengan
filter analog!
5. Jelaskan apa itu fungsi alih, respon frekuensi, magnitude dan phase respon !
PERCOBAAN VI
Filter Digital FIR
I. Tujuan
- Mahasiswa dapat menjelaskan filter digital FIR dan metode-metode dalam
menghitung koefisien filter digital FIR.
- Mahasiswa dapat menghitung koefisien-koefisien filter digital FIR dengan
metode-metode yang ada menggunakan MATLAB.
- Mahasiswa dapat membandingkan metode-metode menghitung koefisien
filter digital FIR.
- Mahasiswa dapat mendesain filter digital FIR menggunakan MATLAB.
II. Ruang Lingkup
A. Teori Singkat
Filter digital FIR (Finite Impulse Response) merupakan sistem filter yang
mempunyai impuls respon yang terbatas, memiliki fase yang linier dan tidak
memiliki pole sehingga filter digital FIR selalu stabil.
Sifat-sifat filter digital FIR
Memiliki respon fase yang linier sehingga tidak timbul-nya distorsi
fase, hal ini dibutuhkan pada aplikasi tertentu seperti pengiriman
data, biomedical, dan pengolahan citra.
Selalu stabil sebab tidak adanya proses rekursif dan durasi impulse
response yang terbatas.
Round-off noise dan error kuantisasi koefisiennya lebih kecil
karena tidak adanya umpan balik.
h(k), k = 0,1,...N-1
x(n) y(n)
Input sinyal digital Output sinyal digital
N 1
y(n ) h (k )x(n k) ; N = Jumlah koefisien filter
k=0
N 1
H(z) = h(k)z
k
k= 0
Percobaan VI ver:0 - 2006 Halaman: 1 dari 9
Spesifikasi filter digital FIR
Gambar 6.1
Tahap-tahap perancangan filter digital FIR
1. Tentukan karakteristik
dan tipe filter yang
akan dibuat.
2. Hitung/tentukan
koefisien filter.
3. Pilih struktur filter.
4. Analisa efek dari
kuantisasi koefisien
filter dan keterbatasn
word length dari
ADC/DAC dan
prosesor yang
digunakan.
5. Implementasi hardware
dan / atau software.
6. Verifikasi / testing.
Gambar 6.2
Metode menghitung koefisien filter digital FIR
Metode Windowing :
1. Tentukan spesifikasi filter dan tipe filter.
2. Tentukan impulse respon ideal dari filter (hd(n)) (lihat tabel).
3. Pilih fungsi window yang cocok (w(n)).
4. Koefisien/impulse response filter sama dengan impulse respon ideal dikali
dengan fungsi window.
FIR Differensiator dan Hilbert Transformers
FIR Differentiators
- Digunakan untuk melakukan proses derivative pada sebuah sinyal.
- Sebuah ideal differentiator memiliki respon frekuensi yang proporsional
(sebanding) dengan frekuensinya, memiliki respon frekuensi :
Hd
(e) = je , - -s
- Impulse respon-nya adalah :
h d (n)
=
1
2
}
H
-
j e n
d ( ) e d
h ( 0) = 0
j e n d
=
2
} j e d
-
-=
cos ( n )
,
n
-< n -< , n = 0
Hilbert Transformers
- Sebuah all pass filter yang melakukan pergeseran fase sebesar 900 pada
sinyal input yang masuk.
- Sering digunakan pada sistem komunikasi dan sinyal prosesing sebagai
contoh, pada pembangkitkan single side band modulated signals, radar
signal processing dan speech signal processing.
- Memiliki respon frekuensi :
Hd ( e )
=
j , 0 -<

j , -t < < 0

- Impulse respon-nya adalah :
hd (n) =

2

2 | n |
sin |
\ 2 .
, n = 0
n
0 , n = 0
B. Daftar Alat
- PC
- MATLAB
III. Referensi
- Desain filter digital FIR secara interaktif: http://www-
users.cs.york.ac.uk/~fisher/mkfilter/
- Tentang filter digital FIR:
http://www.bores.com/courses/intro/filters/4_fir.htm -
Tentang filter digital FIR (Moving Average):
http://www.dspguide.com/ch15.htm
- Tentang filter digital FIR: http://www.dspguru.com/info/faqs/firfaq.htm -
Tentang window sinc filter: http://www.dspguide.com/ch16.htm
- Matlab HELP
A. Metode Window
1) Buatlah filter digital FIR LPF dengan spesifikasi antara lain : frekuensi
sampling 10 KHz, frekuensi cut-off 1 KHz, lebar frekuensi transisi 500
Hz, passband ripple 0,01 dB.
2) Tentukan jenis window yang akan dipakai (lihat tabel pada lampiran).
3) Tentukan jumlah orde yang dibutuhkan untuk spesifikasi diatas.
4) Buka ToolBox Filter Design & Analysis Tools dari menu Start -
Toolboxes - Filter Design - Filter Design & Analysis Tools (FDA
Tool)
Gambar 6.3
Gambar 6.4
5) Pilih jenis filter yang diinginkan (FIR - Window), jumlah orde,
frekuensi sampling, dan frekuensi cutoff sesuai dengan spesifikasi
diatas.
6) Pilih button Design Filter untuk melakukan perhitungan nilai
koefisien.
7) Jika sudah, pilih menu export dari File - Export.. atau tekan Ctrl-E.
Kemudian pada tool Export ganti variable Numerator menjadi B.
Jangan lupa untuk men-klik Overwrite Variables. Kemudian pilih Ok.
8) Tutup ToolBox Filter Design tersebut. Jika diminta untuk save, pilih
No.
9) Kemudian kembalilah ke MATLAB Command Window. Buatlah M-
File baru.
10) Ketikkan program dibawah ini
close;
Fs = 10000;
Ts = 1/Fs;
t = 0:Ts:0.05;
y=sin(2*pi*100*t)+sin(2*pi*500*t)+sin(2*pi*1500*t)+sin(2*pi*2000*t);
sound(y,Fs);
pause
subplot(221)
plot(t,y)
title('Mixed signal')
Y = fft(y,1024);
Ym = abs(Y);
f = Fs*(0:511)/1024;
subplot(222)
plot(f,Ym(1:512))
title('Mixed signal spectrum')
pause
z = filter(B,1,y);
sound(z,Fs);
subplot(223)
plot(t,z)
title('signal after filtered')
Z = fft(z,1024);
Zm = abs(Z);
f = Fs*(0:511)/1024;
subplot(224)
plot(f,Zm(1:512))
title('signal after filtered spectrum')
11) Ulangi percobaan diatas untuk HPF, BPF, dan BSF.
B. Metode Optimum
1) Buatlah filter digital FIR HPF dengan spesifikasi antara lain :
frekuensi sampling 10 KHz, passband upper frekuensi 2,4KHz,
stopband lower frekuensi 1,5KHz, stop band attenuation 50dB.
2) Ulangi langkah 2 sampai 4 pada point A diatas.
3) Pilih jenis filter yang diinginkan (FIR - Equiripple), Pilih Minimum
Order, frekuensi sampling, dan sesuai dengan spesifikasi diatas.
4) Ulangi langkah 6 sampai 9 pada percobaan A diatas.
5) Kemudian ketikkan program dibawah ini.
close;
Fs = 10000;
Ts = 1/Fs;
t = 0:Ts:0.05;
y=sin(2*pi*100*t)+sin(2*pi*500*t)+sin(2*pi*1500*t)+sin(2*pi*2000*t);
sound(y,Fs);
pause
subplot(221)
plot(t,y)
title('Mixed signal')
Y = fft(y,1024);
Ym = abs(Y);
f = Fs*(0:511)/1024;
subplot(222)
plot(f,Ym(1:512))
title('Mixed signal spectrum')
pause
z = filter(B,1,y);
sound(z,Fs);
subplot(223)
plot(t,z)
title('signal after filtered')
Z = fft(z,1024);
Zm = abs(Z);
f = Fs*(0:511)/1024;
subplot(224)
plot(f,Zm(1:512))
title('signal after filtered spectrum')
6) Ulangi percobaan diatas untuk LPF, BPF, dan BSF.
V. Tugas Laporan
1. Analisa percobaan pada praktikum ini.
2. Rancang filter digital FIR LPF dengan spesifikasi frekuensi sampling 20 KHz,
passband lower frekuensi 100 Hz, stopband upper frekuensi 500 Hz, passband
ripple 0,3 dB, stop band attenuation 50 dB. Buat dengan metode :
- Windowing
- Optimum
Gambarkan magnitude dan phase respon dari filter yang telah dirancang,
kemudian filter tersebut digunakan untuk memfilter signal :
y=sin(2*pi*100*t)+sin(2*pi*500*t)+sin(2*pi*1500*t)+sin(2*pi*2000*t)
Gambarkan signal input dan output dalam domain waktu dan frekuensi!
3. Jelaskan mengapa respon fase yang linier pada filter digital FIR tidak
menimbulkan distorsi fase! Dan mengapa hal tersebut dikatakan
menguntungkan? Jelaskan!
4. Pada mencari koefisien filter digital FIR dengan metode windowing, mengapa
impuls respon yang didapat harus dikalikan dengan fungsi window? Jelaskan!
5. Jelaskan mengapa tidak dapat dilakukan konversi flter analog ke filter digital
FIR!
1. Apakah yang anda ketahui tentang filter digital FIR?
2. Sebutkan sifat-sifat filter digital FIR.
3. Sebutkan dan jelaskan metode-metode dalam perancangan dilter digital FIR!
4. Sebutkan jenis-jenis fungsi window ! dan jelaskan juga mengapa dibutuhkan
fungsi window, pada perancangan filter digital menggunakan metode
windowing
VII. Lampiran
Tabel Impulse response Ideal (hd(n))
Tabel Fungsi Window
PERCOBAAN VII
Filter Digital IIR
I.
II.
Tujuan
- Mahasiswa dapat menjelaskan filter digital IIR dan metode konversi dari
filter analog (pendekatan turunan dan BZT) untuk menghitung koefisien
filter digital IIR.
- Mahasiswa dapat menghitung koefisien-koefisien filter digital IIR dengan
metode konversi dari filter analog (pendekatan turunan dan BZT).
- Mahasiswa dapat membandingkan metode pendekatan turunan dan BZT
dalam mencari koefisien filter digital IIR.
- Mahasiswa dapat mendesain filter digital IIR menggunakan MATLAB.
Ruang Lingkup
A. Teori Singkat
IIR (Infinite Impulse Response) merupakan filter digital yang mempunyai
beberapa karakteristik antara lain impuls respon yang tidak terbatas (tak
berhingga), memiliki respon fase yang umumnya tidak linier, dan memiliki pole
sehingga filter IIR mungkin mengalami ketidakstabilan.
Sifat-sifat filter digital IIR:
Membutuhkan lebih sedikit koefisien untuk mempertajam kemiringan
filter pada frekuensi potong sehingga memerlukan waktu proses yang
lebih cepat dan memori yang lebih sedikit.
Dapat dibuat dengan transformasi dari filter analog dengan
karakteristik yang sama.
N
y(n) = h(k)x(n k) =
k -=0 k
= 0
M
a k x(n k)
k
= 1
b k y(n k)
ak dan bk adalah koefisien - koefisien filter.
N
k

ak z
H(z) =
k=0
M
(1+ b z
k
)

k = 1
Metoda perancangan filter IIR
1. Penempatan pole dan zero.
k
Menentukan letak pole dan zero dalam domain z untuk mendapatkan
respon frekuensi yang diinginkan
Menempatkan pole dan zero ke dalam bidang Z sesuai dengan
spesifikasi filter yang diinginkan.
Terbatas hanya untuk filter tertentu (BPF dan BSF).
Percobaan VII ver:0 - 2006 Halaman: 1 dari 7
r
= 1
e 0 =

( Bandwidth / F sampling ) t
| F |
2 t resonan |

\
r = Jari -
2. Konversi dari Filter analog
F |
sampling .
jari pole.
Filter analog Butterworth normalisasi (Cutoff = 1)
Fungsi alih H ( s ) =
1
B n ( s )
Bn(s) adalah fungsi polinomial butterworth, di mana nilainya
Orde 1: s+1
2
Orde 2: s + s 2 + 1
Orde 3: s
3
+ 2s
2
+ 2.s+1
Rumus Konversi
- LPF ke LPF
s
s =
O Cut
- LPF ke HPF
OCut
s =
- LPF
s
ke BPF
s =
s
2 2
+ e o
Ws
- LPF
s =
s
ke BSF
Ws
2 2
+ e o
Konversi dari filter analog ke digital dilakukan dengan 2 cara:
a. Pendekatan Turunan
Terbatas hanya untuk filter tertentu (LPF dan beberapa BPF).
H
k
s
( s ) H ( z )
k
| 1 z 1|
= |
T |
\ sampling .
b. Bilinear Z -Transform (BZT)
Ketika melakukan konversi dari filter analog ke filter digital,
frekuensi sampling pada filter analog tidak dapat dipakai sebagai
frekuensi sampling pada filter digital. Perlu dibelokkan sedikit
nilainya agar pada saat dilakukan filter digital, frekuensi
sampling digitalnya sama dengan frekuensi sampling analog,
disebut juga warping.
H ( s )
H
2
s =
T
sampling
B. Daftar Alat
- PC
- MATLAB
III. Referensi
( z )
1
( 1 z ) Warping :
1
( 1 + z )
2 | .T sampling |
= tan |
T 2 |
S \ .

- Desain filter digital IIR secara interaktif: http://www-
users.cs.york.ac.uk/~fisher/mkfilter/
- Tentang filter digital IIR: http://www.dspguru.com/info/faqs/iirfaq.htm -
Matlab HELP
A. Konversi dari filter analog
C1
Vi R1 R2
n +
-
C2
Vou
t
RA
RB
Buatlah filter digital dari filter analog pada gambar diatas, dimana nilai
C1=C2=100 nf dan R1 =R2 =RA = RB = 1kO. Gunakan pendekatan BZT
untuk melakukan konversi, dengan fungsi alih seperti dibawah ini.
, =

C 2 ( R 1 + R 2 )
2 R 1 R 2 C 1 C 2
A = 1 +

R A
R B
H ( s
) =

2
s
e 1 1
f n = n =
2 t 2 t R 1 R 2 C 1 C 2
A e n 2
2
+ 2 ,e n s + e n
1. Gambarkan magnitude respon dan phase respon dari filter analog
diatas.
2. Gambarkan pula magnitude respon dan phase respon dari filter digital
yang dibuat.
%Filter Analog
R1=1000;
R2=1000;
RA=1000;
RB=1000;
C1=100e-9;
C2=100e-9;
Fn=(1/(2*pi))*sqrt(1/(R1*R2*C1*C2));
zeta=(C2*(R1+R2))/(2*sqrt((R1*R2*C1*C2)));
A=1+(RA/RB);
Wn=2*pi*Fn;
F=0:10:5000;
W=2*pi*F;
s=1i*W;
H=(A*Wn^2)./((s.^2)+(2*zeta*Wn*s)+Wn^2);
MR=abs(H);
PR=angle(H)*180/pi;
subplot(221)
plot(F,MR);
title('Magnitude Respon Filter Analog')
subplot(222)
plot(F,PR);
title('Phase Respon Filter Analog')
%Filter Digital
Fs=10000;
Ts=1/Fs;
f=0:0.002:0.5;
w=2*pi*f;
z=exp(1i*w);
s=(2/Ts)*((1-z.^-1)./(1+z.^1));
h=(A*Wn^2)./((s.^2)+(2*zeta*Wn*s)+Wn^2);
mr=abs(h);
pr=angle(h)*180/pi;
subplot(223)
6. Analisa percobaan pada praktikum ini.
1. Apa yang anda ketahui tentang filter digital IIR !
2. Sebutkan dan jelaskan keuntungan dan kerugian filter digital IIR dibandingkan
dengan filter digital FIR!
3. Apa apa yang anda ketahui tentang warping ? Jelaskan mengapa diperlukan
proses warping dalam perancangan filter digital IIR menggunakan metode BZT!
4. Sebutkan dan jelaskan metode-metode perancangan filter digital IIR !
VII. Lampiran
Diskrit Time Continous Time
Spesifikasi Filter Digital Spesifikasi Filter Analog
Warping
ep es
fp fs
Direct
Design
Method
Ap As
op os
cp cs
Placement zero
and pole
Ap As
Op Os
op os
O=k.tan(eT/2) Fp Fs
cp cs
Indirect
design
method Classic Analog Butterworth
Filter Design Chebyshev
Elyptic
Bessel
Digital Filter H(z) s to z transform
atau
pole dan zero dalam
z BZT, Pendekatan turunan
Persamaan Dapatkan
Difference koefisien
y(n)
Finish Testing
Design IIR Method
Analog Filter H(s)
atau
pole dan zero dalam s
Struktur
Filter
Coding
DESAIN FILTER DIGITAL IIR
1
linier dB
1 0
op
2 -A
p
1 + c p
1
1 + c s 2
1
2
Passband
os
o p = 1

Daerah
Transisi
Fp FC FS
Filter Parameter
1
o s = 1
2
-3 dB
Stopband
-A
s
Frekuensi (Hz)
1
2
1 + c p
A p = 10 log( 1
+ c p
1 + c s
2 2
) A s = 10 log( 1 + c s )
PERCOBAAN VIII
Penggunaan Simulink
I. Tujuan
- Mahasiswa dapat menjelaskan penggunaan fasilitas simulink pada
MATLAB untuk aplikasi pengolahaan sinyal digital seperti filter digital dan
filter adaptif.
II. Ruang Lingkup
A. Teori Singkat
Filter Adaptif
Filter digital adaptif merupakan filter digital yang mampu melakukan
pengaturan terhadap koefisien-koefisiennya secara otomatis. Algoritma adaptif
yang banyak digunakan adalah algoritma Least Mean Square (LMS) karena
komputasi dan tempat penyimpanan yang dibutuhkan lebih efisien. Algoritma
LMS bertujuan untuk meminimalkan kuadrat dari error yang terjadi.
Persamaan di bawah ini adalah rumus untuk memperbaharui koefisien setiap
pencuplikan pada algoritma LMS.
Wn+ 1 = Wn + 2en Xn
Untuk nilai awal tertentu dari koefisien algoritma LMS akan konvergen dan
stabil jika :
1
0 < <
max
N.daya dari sinyal input atau maksimum nilai eigen dari data input kovarian
matriks.
dn
(sinyal referensi)
+
yn
-
xn
Filter Digital E
(sinyal input ) (sinyal output)
(sinyal error)
Algoritma
Adaptif
Komponen Utama
Filter Adaptif
Gambar 8.1 Blok DiagramFilter Adaptif
Percobaan VIII ver:0 - 2006 Halaman: 1 dari 4
B. Daftar Alat
- PC
- MATLAB
III. Referensi
- DIGITAL SIGNAL PROCESSING, Principles , Algorithms, and
- Tentang DSP Simulink:
http://web.ccr.jussieu.fr/ccr/Documentation/Calcul/matlab5v11/docs/00002/
0024b.htm
- DSP builder: http://www.altera.com/products/software/products/dsp/dsp-
builder.html
- Matlab HELP
A. Filter Analog dengan SimuLink
Buatlah suatu Low-Pass Filter dengan menggunakan SimuLink dengan
fc=1000Hz.
butter
Sine Wave
Analog
Time
Filter Design
Scope
Sine Wave1
Time
Scope1
Gambar 8.2 Filter Analog
Gambarkan dan simpan hasilnya. Ulangi untuk filter High-Pass, BandPass
dan Band-Stop.
B. Filter FIR dan IIR dengan SimuLink
Buatlah filter digital FIR dan IIR dengan menggunakan SimuLink dari
percobaan yang ada pada Percobaan 6 dan Percobaan 7 pada buku
pedomaan praktikum ini.
DSP
Sine Wave
DSP
Sine Wave1
DSP
Sine Wave
DSP
Sine Wave1
DF FIR
Digital Filter
Gambar 8.2 Filter Digital FIR
IIR DF2T
Digital Filter1
Gambar 8.2 Filter Digital IIR
Time
Scope
Time
Scope1
Time
Scope
Time
Scope1
C. Filter Adaptif dengan SimuLink
Siny al Input
Time
DSP
Sinus 100Hz
Sinyal Input
Sine Wave
Sinus 100Hz
DSP
Sinus 1000Hz
Sine Wave1
128 Koefiesien
mu=0.00 5
Output
Input
LMS Error
Desired Wts
Koef isien Filter
LMS Filter
Scope1
Siny al Ouput
3.255 e-01 6
Time
Scope
Display1
0.05624
Display
Gambarkan blok diagram diatas kemudian lihat hasilnya.
Kemudian rubah Sinus 1000Hz menjadi sinyal noise, kemudian lihat
hasilnya!
V. Tugas Laporan
1. Analisa percobaan pada praktikum ini!
2. Salah satu aplikasi dari PSD adalah adaptive echo cancellation, buat blok
diagram dan jelaskan cara kerja-nya ! Kemudian simulasikan menggunakan
SimuLink!
3. Rancang filter digital IIR dengan mengkonversi filter analog dibawah ini,
menggunakan metode BZT, frekuensi sampling 20 KHz, dengan C1=C2=100nf,
R1 =R2 =1000O.

Simulasikan menggunakan SimuLink!
4. Rancang filter digital FIR HPF dengan spesifikasi frekuensi sampling 20 KHz,
passband upper frekuensi 500 Hz, stopband lower frekuensi 1000 Hz, passband
ripple 0,3 dB, stop band attenuation 50 dB. Buat dengan metode :
- Windowing
- Optimum
Gambarkan magnitude dan phase respon dari filter yang telah dirancang,
1. Jelaskan penggunaan SimuLink pada MATLAB!
2. Jelaskan apa itu Adaptive Filter dan apa kelebihannya dibandingkan dengan
filter digital (FIR dan IIR)!
3. Sebutkan dan jelaskan algoritma-algoritma untuk membuat adaptive filter!
4. Buat menggunakan SimuLink untuk menampilkan sinyal dibawah ini dalam
domain waktu dan frekuensi !

Prak DSP 2013 Ti Polnes

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Prak DSP 2013 Ti Polnes

Diunggah oleh

Hak Cipta:

Format Tersedia

LaLab sistem 1su

x( k )h(n k) y(n) x(k ) h(n k)

Anda mungkin juga menyukai