Bab 4 Transformasi Fourier Waktu Kontinu

Tujuan Pembelajaran
Peserta dapat memodelkan sinyal dan sistem CT (continuous time ) menggunakan transformasi Fourier. 1. Peserta dapat memodelkan sinyal CT menggunakan Transformasi Fourier. (a) Peserta dapat mendenisikan transformasi Fourier, menghitungnya terhadap sebuah sinyal aperiodik, serta memastikan konvergensinya. (b) Peserta dapat menghitung transformasi Fourier untuk sinyal periodik. (c) Peserta memahami dan membuktikan berbagai sifat transformasi Fourier serta menggunakan nya untuk menentukan transformasi dari sinyal (d) Peserta dapat membuktikan tabel pasangan transformasi, serta menggunakannya untuk menentukan transformasi dari sinyal 2. Peserta dapat memodelkan sistem LCCDE menggunakan Transformasi Fourier, serta menerapkannya untuk menghitung respons dari sistem LCCDE dalam kasus waktu kontinu

Tab. 1: Rencana Belajar Sub Sesi Materi 4.1 Transformasi Fourier untuk Sinyal CT Aperiodik 1 Tinjauan dan Denisi 2 Kasus A Periodik 3 Ekstensi Deret Fourier Untuk Sinyal Aperiodik 4 Kasus Sinyal Periodik 4.2 Sifat Transformasi Fourier dan Pasangan Transformasi 1 Sifat Dasar 2 Kasus Dasar 3 Sifat Konvolusi 4 Sifat Multiplikasi 4.3 Sistem LCCDE di Domain Transformasi Fourier 1 Sistem LTI dan LCCDE di Domain TF 2 Contoh Orde Satu 3 Contoh Orde Dua 4 Contoh Menghitung Output

Tujuan 1.(a) 1.(a) 1.(a) 1.(b) 1.(c) 1.(c) 1.(d) 1 2 2 2 2

1 Pendahuluan
Sinyal waktu kontinu secara umum (periodik maupun tidak periodik) dapat dapat direpresentasikan menurut kernel integral, salah satunya disebut transformasi Fourier (spektrum). Banyak sifat istimewa dan intrepretasi deret Fourier, terutama terkait dengan fungsi eigen dan kandungan frekuensi, berlaku juga di transformasi Fourier. Secara khusus transformasi Fourier memperlihatkan spektrum distribusi energi berdasarkan frekuensi. Transformasi Fourier lebih umum dari deret Fourier, dan deret Fourier, yang hanya didenisikan untuk sinyal periodik, dapat dianggap kasus khusus dari transformasi Fourier. Analisa transformasi Fourier dapat dipermudah dengan sifat-sifat transformasi serta mengingat pasangan transformasi dari sinyal primitif. Sistem juga dapat dimodelkan dengan transformasi Fourier dari respons impuls, yang disebut respons frekuensi. Secara khusus, untuk sistem LCCDE (linear dierential constant coecients ), respons frekuensi berbentuk pecahan dari polinomial frekuensi. Perlu disampaikan bahwa transformasi Fourier dapat didenisikan secara independen dari deret Fourier. Namun pengetahuan kita sebelumnya mengenai deret Fourier membantu kita secara lebih intuitif untuk memahami

makna transformasi Fourier: pola distribusi energi menurut frekuensi. Bahkan transformasi Fourier diperkenalkan sebagai ekstensi deret Fourier dengan menganggap sinyal aperiodik adalah sinyal periodik dengan periode menuju tak hingga. Tujuan dari bab ini adalah membekali peserta dengan pengetahuan dan kemampuan untuk menghitung representasi Fourier dari sinyal aperiodik dan periodik, serta menerapkannya untuk menghitung output dari sistem LTI dan LCCDE. Rencana belajar diperlihatkan pada Tabel 1.

2 Transformasi Fourier Untuk Sinyal CT Aperiodik 2.1 Denisi dan Tinjauan Umum
2.1.1 Denisi
Secara umum sebuah sinyal CT x(t) dapat direpresentasikan oleh X ( ) menurut hubungan berbentuk integral terhadap sebuah kernel s(t, ):
x(t) =

X ( ) s(t, )d

(1)

2012 Armein Z R Langi, STEI ITB. v 12.05 alpha

Dalam kasus transformasi Fourier, kita memilih = , jt dan kernel s(t, ) = 21 . Maka X ( ) = X ( ) disebut e transfromasi Fourier (spektrum) dari x(t) menurut 1

2 Transformasi Fourier Untuk Sinyal CT Aperiodik

x(t) =

1 2

X ( ) ejt d

(2)

Tab. 2:

Ringkasan pasangan transformasi Fourier untuk sinyal aperiodik.

x(t) (t) (t t0 ) at e u(t); Re {a} > 0 teat u(t); Re {a} > 0
tn1 at u(t); (n1)! e

Sama dengan semua representasi integral kernel, transformasi Fourier dari x(t), yaitu X ( ), dapat dihitung melalui integral dari x(t) terhadap konjugasi dari kernel:
X ( ) =

X ( ) ejt0
1 a+j 1 (a+j )2 1 (a+j )n 1 j

x(t)ejt dt

(3)

Re {a} > 0

Pada umumnya spektrum X ( ) adalah bilangan kompleks, sehingga dapat direpresentasikan secara rektangular dan polar sebagai
X ( ) = Re {X ( )} + jIm {X ( )} X ( ) = |X ( )| ej X (j)

u(t)

+ ( )

2.2 Beberapa Contoh Kasus Aperiodik

(4) Tabel 2 meringkas transformasi Fourier untuk beberapa kasus sinyal dasar aperiodik, yang sebagian dapat dijelaskan pada bagian berikut ini. Secara khusus, kita perlu mema(5) hami spektrum dari sinyal eksponensial.
Kasus:

di mana magnituda spektrum:

|X ( )| = Re {X ( )} + Im {X ( )}
2 2

(6)

Cari transformasi Fourier (spektrum distribusi energi) dari (t). Jawab:

X ( ) =

dan sudut spektrum atau fasa:

X ( ) = arctan Im {X ( )} Re {X ( )}

(t) ejt dt = 1

(7)

Kasus:

Sebuah sinyal x(t) = eat u(t) dengan a > 0. Cari transformasi Fouriernya (spektrum X ( )).
x(t)

2.1.2 Konvergensi
Pada kondisi apa transformasi Fourier X ( ) dijamin konvergen? Konvergensi terjadi berdasarkan besar error
1 e (t) = x(t) 2

1
1 e 1 a

X ( ) ejt d

1. Bila sinyal x(t) memiliki energi terbatas

|x (t)| dt <

Jawab:
X ( ) =
0

eat ejt dt =
0

maka konvergensi transformasi Fourier X ( ) dicapai berdasarkan pengertian bahwa energi error 0, yakni

e(a+j)t dt 1 a + j

= |e (t)| dt = 0
2

1 e(a+j)t a + j

=
0

karena

2. Bila sinyal x(t) memenuhi kondisi Dirichlet, yakni (a) absolutety integrable

e(a+j)t

=
0

1 1 (a+j)0 = 0 1 = 1 e(a+j) e

|x (t)| dt <

Dalam representasi polar, transformasi ini berbentuk

|X ( )| = 1 + 2 a

(b) hanya ada sejumlah terbatas maksima dan minima pada setiap interval (c) hanya ada sejumlah terbatas diskontinuitas maka konvergensi transformasi Fourier X ( ) dicapai berdasarkan pengertian bahwa e (t) = 0.

a2

X ( ) = arctan

Magnituda spektrum (distribusi energi):

2 Transformasi Fourier Untuk Sinyal CT Aperiodik

|X ( )|
1 a 1 a 2

2.3 Ekstensi Deret Fourier Untuk Sinyal Aperiodik

Bagaimana memahami transformasi Fourier sebagai distribusi energi dari sinyal aperiodik dalam pengertian yang serupa dengan deret Fourier? Asumsi kita memiliki sinyal aperiodik x(t) yang bernilai 0 untuk rentang |t| > T /2 kemudian kita menggunakannya untuk mengkonstruksi sinyal periodik xp (t) dengan mereplikasi x(t) menurut

a 0 a

Sudut spektrum atau fasa:

X ( ) /2 /4 a a /4 /2
a|t|

xp (t) =
k=

x(t kT )

(8)

Dengan cara konstruksi seperti ini maka khusus dalam rentang |t| T /2 berlaku
x(t) = xp (t), T 2 t
T 2

(9)

Mudah diperlihatkan sinyal xp (t) periodik dengan periode T (dan berarti memiliki frekuensi dasar 0 ), sehingga berlaku deret Fourier
+ +

Kasus:

k= k= Sebuah sinyal x(t) = e dengan a > 0. Cari transformasi Fouriernya: X ( ). dan distribusi daya (atau energi dalam satu perioda) adalah

xp (t) =

ak ejk0 t =

ak ejk(2/T )t

x(t) ak = 1
1 e

1 T

T 2

xp (t)ejk0 t dt

T 2

Tapi juga akibat Persamaan (9) kita dapat memperoleh deret Fourier dari xp (t) langsung dari sinyal aperiodik x(t) menurut
t
1 a

1 a

ak =

1 T

T 2

x(t)ejk0 t dt

T 2

(10)

Lihat bahwa dengan membuat T sekalipun, perJawab: Distribusi energi nya ternyata berfasa 0 samaan (10) tetap menghasilkan deret Fourier tersebut. (X ( ) = 0) karena: Saat T , maka xp (t) semakin menyerupai sinyal aperi odik x(t), dengan a|t| jt X ( ) = e e dt
=
0

e(aj)t dt +

e(a+j)t dt

1 ak = T

x(t)ejk0 t dt

1 2a 1 + = 2 = a j a + j a + 2 X ( )
2 a

Maka kita simpulkan bahwa persamaan ini adalah terkait distribusi energi sinyal x(t), khusus untuk sinyal yang bernilai 0 untuk rentang |t| > T /2 Sekarang kita ingin tahu bagaimana sifat distribusi energi x(t) untuk berbagai nilai T . Perhatikan kalau kita mendenisikan besaran (yang sudah kita kenal sebagai transformasi Fourier)
X ( ) =

x(t)ejt dt

1 a

maka distribusi energi ak bersumber dari X ( ) menurut

ak = 1 X (k0 ) T

xp (t) yang dikonstruksi menurut persamaan 8 (i) proporsional dengan sampel berjarak 0 dari transformasi Fourier

Kita simpulkan bahwa deret Fourier dari sinyal periodik

3 Sifat Transformasi Fourier

sinyal aperiodik pengkonstruksi x(t), dan (ii) berbanding terbalik dengan periode konstruksi T , atau:
ak T = X ( )|=k0

X1 ( ) = ( + 0 ) + ( 0 ) j j X2 ( ) = X ( )
j

(11)

( + 0 ) + ( 0 ) 2 2 X ( )

Dengan kata lain X ( ) adalah envelop dari ak T . T membesar, jarak sampling 0 merapat, sehingga ak semakin menyerupai X ( ). Karena xp (t) bersumber dari x(t), sehingga energi (atau tepatnya daya) xp (t) bersumber dari energi x(t), maka kita melihat bahwa distribusi energi dari x(t) diatur oleh X ( ) menurut pengertian yang serupa (meskipun tidak persis sama) dengan deret Fourier. Tepatnya, X ( ) adalah densitas dari energi x(t) berdasarkan frekuensi. Itulah sebabnya transformasi Fourier disebut juga spektrum (densitas).

0 0 j
Kasus:

Cari transformasi Fourier dari sinyal

2.4 Transformasi Fourier Sinyal Periodik

Tabel 3 meringkas pasangan transformasi untuk kasus sinyal periodik. Secara konvensional sinyal periodik ini sebenarnya tidak memiliki transformasi Fourier karena tidak memenuhi sifat konvergensi energi (mengapa?). Konvergensi secara daya baru bisa dicapai dengan bantuan konsep spektrum impuls ( ). Kita tahu bahwa sinyal (t) memiliki spektrum X ( ) = 1. Sebaliknya menurut Persamaan (3) sinyal x1(t) = 1 memiliki spektrum 2 ( ). Berbekal konsep ini maka transformasi Fourier dari sinyal x(t) periodik adalah
+ +

x (t) =
k=

(t kT )

Jawab: Karena deret Fouriermya adalah

1 ak = T
T /2

(t) ejk0 t dt =
T /2

1 T

Maka
X ( ) = 2 T
+

( k0 )
k=

X ( ) = F
k= +

ak ejk0 t

=
k= +

ak F ejk0 t

Kasus:

Cari transformasi Fourier dari sinyal deretan kotak berikut ini

x(t)

X ( ) =
k=

ak F {xk (t)} =
k=

ak Xk ( )

di mana kita mendenisikan sebuah sinyal xk (t)

xk (t) = ejk0 t = ejk0 t x1(t)

1
... 2T T T T1 0 T1 T 2 2 T ... 2T t

dengan x1(t) = 1. Dari sifat transformasi Fourier (Tabel 4), kita peroleh transformasi Fourier Xk ( ) yang berbentuk Jawab: Dari hasil sebelumnya diketahui deret Fourier sebuah sample tergeser sejauh k0 . sinyal ini adalah
Xk ( ) = 2 ( k0 ) ak = sin k0 T1 k

maka transformasi Fourier dari setiap sinyal periodik adalah

+

Maka diperoleh transformasi Fourier

+

X ( ) =
k=

ak 2 ( k0 )

(12)

X ( ) =
k=

sin k0 T1 ( k0 ) k

Dengan kata lain, transformasi Fourier dari sinyal periodik adalah sederetan pulsa yang berspasi k0 dengan besar 2ak pada setiap pulsa.
Kasus:

3 Sifat Transformasi Fourier 3.1 Daftar Sifat-Sifat

Cari transformasi Fourier dari sinyal x1 (t) = Asumsi pasangan transformasi Fourier: sin(0 t) dan x2 (t) = cos(0 t) .

Karena deret Fourier dari kedua sinyal ini adalah 0 x(t) X ( ) kecuali a1 = 1/2j dan a1 = 1/2j untuk sinyal x1 (t), serta a1 = 1/2 dan a1 = 1/2 untuk sinyal x2 (t), Sifat transformasi dapat diringkas pada Tabel 4 yang dijelaskan pada bagian berikut ini. maka

3 Sifat Transformasi Fourier

Tab. 3:

Pasangan Transformasi Fourier Untuk Sinyal Periodik

ak 1; k = 0 0; k = 0 1; k = 1 0; k = 1 k 1 2 ; k = 1, 1 0; k lainnya 1 k=1 2j ; 1 2 j ; k = 1 0; k lainnya
sin k0 T1 k

x(t)

X ( ) 2 ( ) 2 ( 0 ) 2
2 ( + k=

1
ej0 t
k=

k ej0 t

k ( k0 )

cos 0 t

+ 0 ) + 2 ( 0 )

sin(0 t) B (t nT ) ; 1; t T1 < T 2 B (t) = 0; lainnya n= (t nT )

n=

j ( + 0 ) + j ( 0 )

+ sin k0 T1 ( k= k

k0 )

1 T

2 T

k=

2 T k

Sifat Linieritas Time shifting Frequency Shifting Konjugasi Scaling Time Reversal Konvolusi Multiplikasi Diferensiasi waktu Integrasi Diferensiasi frekuensi Konjugasi simetri Sinyal real Simetri Real-Genap Simetri Real-Ganjil Dekomposisi Genap Dekomposisi Ganjil Relasi Parseval
x(t) real

Tab. 4: Sifat-Sifat Transformasi Fourier Sinyal Domain waktu

Transformasi Fourier
1 X1 ( ) + 2 X2 ( ) ejt0 X ( ) X ( 0 ) X ( ) 1 |a| X a X ( ) H ( ) X ( ) S ( )P ( )d jX ( ) ( ) + X (0) ( ) d j d X ( )

1 x1 (t) + 2 x2 (t) x( t t 0 ) ej0 t x(t) x (t) x(at) x(t) x ( )h(t )d s(t)p(t) d dt x(t) t

1 2

x ( ) d tx(t)

1 j X

x(t) real genap x(t) real ganjil Even {x(t)} = Odd {x(t)} =
1 2 1 2

X ( ) = X ( ) Re {X ( )} = Re {X ( )} Im {X ( )} = Im {X ( )} |X ( )| = |X ( )| X ( ) = X ( ) X ( ) real genap X ( ) imajinari ganjil Re {X ( )} j Im {X ( )} E=

1 2

{x(t) + x(t)};x(t) real

{x(t) x(t)}; x(t) real

E=

|x(t)| dt

|X ( )| d

3 Sifat Transformasi Fourier

3.2 Kasus-Kasus Dasar

3.2.1 Linearitas dan Time Shifting
Perhatikan sifat-sifat:

Kasus:

x(t) = u(t). Cari X ( ). u(t) =

Jawab: Karena
t

( ) d

1 x1 (t) + 2 x2 (t) 1 X1 ( ) + 2 X2 ( ) x(t t0 ) ejt0 X ( )

Kasus:

dan bila g (t) = (t) berakibat Cari transformasi Fourier dari sinyal x(t) berikut ini:
x(t) 1.5 1 t 1 2 3 4
Kasus:

G ( ) = 1

maka kita peroleh

X ( ) = 1 G ( ) + G (0) ( ) j 1 + ( ) j

X ( ) =

Jawab: Perhatikan bahwa kita bisa mendenisikan x1 (t) dan x2 (t) sehingga
x(t) = 1.5x1 (t 2.5) + x2 (t 2.5) x1 (t) 1 x2 (t) 1

Apa transformasi Fourier dari turunan pertama sinyal impuls? Jawab: Kita cari respons impuls dari sebuah sistem diferensiator dengan persamaan input-output:
y (t) = d x(t) dt

Dengan mentransformasi ruas kiri dan kanan diperoleh

Y ( ) = jX ( )

0.5

t 0.5

1.5 x3 (t) 1

t 1.5

Selanjutnya dari sifat konvolusi pada Tabel (dan penjelasan di bawah nanti), secara umum untuk sistem LTI berlaku Y ( ) = H ( ) X ( ). Maka dapat disimpulkan bahwa
H ( ) = j

T1

t T1

Sedangkan x1 (t) dan x2 (t) itu sendiri adalah kasus khusus dari x3 (t) yang diketahui memiliki transformasi Fourier
X3 ( ) = 2 sin T1

Maka turunan pertama dari sinyal impuls memiliki transfromasi Fourier j . Bentuk ini akan menjadi komponen dasar penyusun polinomial H ( ) pada sistem LCCDE nanti.
Kasus:

Cari trasnformasi Fourier dari respons impuls dari sebuah sistem diferensiator orde k dengan persamaan input-output:
y (t) = dk x(t) dtk

Maka kita simpulkan bahwa

X ( ) = 1 1 3 3 sin + 2 sin 2 2 ej2.5

Jawab: Dengan mentransformasi ruas kiri dan kanan berulang-ulang diperoleh

Y ( ) = (j ) X ( )
k

3.2.2 Diferensiasi dan Integrasi

Perhatikan sifat-sifat:
d x(t) jX ( ) dt
t

Maka dapat disimpulkan bahwa

H ( ) = (j )
k

x ( ) d

1 X ( ) + X (0) ( ) j

Maka turunan ke k dari sinyal impuls memiliki transfromasi Fourier (j )k .

3 Sifat Transformasi Fourier

3.2.3 Time Scaling

Perhatikan sifat berikut:
x(at) 1 X |a| a

Jawab:
x(t) = 1 2
W

ejt d =
W

sin W t t

Interpretasi: pulsa merapat spektrum melebar.

Kasus:

x(t)
W

Time reversal: a = 1
x(t) X ( )

3.2.4 Dualitas Domain Waktu dan Domain Fourier

Kasus: Sinyal kotak di domain waktu menghasilkan sinyal sinc di domain Fourier. Sebaliknya sinyal kotak di domain Fourier menghasilkan sinyal sinc di domain waktu.
Kasus: Kasus:

2W

t
0W

diferensiasi di domain Fourier:

jtx(t) d X ( ) d

Cari distribusi energi dari sinyal kotak

x(t) = 1; |t| T1 0; |t| > T1 x(t)
Kasus:

pergeseran di domain Fourier

ej0 t x(t) X ( 0 )

Kasus:

1
t

integrasi di domain Fourier

1 x(t) + x(0) (t) jt

x( )d

T1

T1

3.2.5 Relasi Parseval

Jawab: Distribusi energinya juga berfasa 0 dengan pola Transformasi Fourier sebagai spektrum densitas energi diperlihatkan melalui relasi Parseval ini. Sinc (sin x/x).
1 X ( ) = ejt dt = ejt j T1
T1

T1 T1

1 |x(t)| dt = E = 2
2

|X ( )| d

2 1 jT1 sin (T1 ) X ( ) = e e+jT1 = 2 2j X ( ) 2T1

3.3 Konvolusi
Konvolusi di domain waktu dari x(t) dan h(t) mengakibatkan perkalian di domain Fourier dari masing-masing spektrum X ( ) dan H ( ).

x( )h(t )d H ( ) X ( )

T 1 2 T 1

T1

2 T 1

Kasus:

Cari sinyal x(t) bila X ( ) berbentuk kotak

X ( ) = 1; | | W 0; | | > W

Jadi output dari sistem LTI, y (t), adalah konvolusi dari sinyal input x(t) dan respons impuls h(t). Maka kita dapat menghitung output melalui transformasi Fourier. Per tama kita menghitung X ( ) dan H ( ). Setelah itu kita menghitung Y ( ). Terakhir kita menghitung output y (t) dari Y ( ).
Kasus:

sebuah sistem LTI memiliki h(t) = (t t0 ). Apa akibat terhadap sinyal x(t)? Jawab: Dari tabel pasangan kita peroleh H ( ) = ejt0 . Maka kita peroleh
Y ( ) = ejt0 X ( )

X ( )

dan dari Tabel sifat kita simpulkan

W y (t) = x(t t0 )

3 Sifat Transformasi Fourier

Kasus:

H ( ) berbentuk kotak.

carilah respons impuls dari sistem yang memiliki

(Ab + aB ) + j (A + B ) 1 = (a + j ) (b + j ) (a + j ) (b + j )

H ( ) 1

Agar ruas kiri sama dengan ruas kanan maka

c Ab + aB = 1; A + B = 0

Jawab: Dari kasus sebelumnya, kita peroleh

h (t) =
Kasus:

Sehingga disimpulkan bahwa A dan B yang valid adalah

A=
1 ba ;

1 sin c t t

B=

1 ab

Cari output dari sistem LTI dengan cara transformasi Fourier apabila input dan respons impuls masingmasing untuk a > 0 dan b > 0 adalah
x(t) = ebt u(t) h(t) = eat u(t)

Maka kita peroleh

y (t) = 1 at 1 bt e u(t) + e u(t) ba ab

Apa arti nya? Untuk sistem ini, sinyal input berbentuk eksponensial ternyata muncul lagi di output dengan skala A. Kemudian respons impuls turut juga muncul sebagai output terskala B .
Kasus:

Dari Tabel pasangan, kita peroleh

X ( ) = 1 b + j

Ulangi soal di atas ini dengan input berubah menjadi (a > 0)

x(t) = eat u(t)

dan
H ( ) = 1 a + j

Jawab: Dengan cara yang sama seperti di atas kita peroleh

Y ( ) = H ( ) X ( ) = 1 (a + j )
2

Maka dengan segera kita peroleh

Y ( ) = H ( ) X ( ) = 1 (a + j ) (b + j )

dan mengunakan tabel, kita dapatkan

y (t) = teat u(t)

Seandainya besaran di ruas kanan ada dalam tabel, kita bisa langsung memperoleh y (t). Bila tidak ada, maka kita lakukan proses aljabar agar ruas kanan berbentuk term yang ada dalam tabel. Cara yang standar adalah dengan mengasumsikan konstan A dan B , sehingga
Y ( ) = A B + (a + j ) (b + j )

3.4 Multiplikasi
Perkalian di domain waktu mengakibatkan konvolusi di domain Fourier.
s(t)p(t)
Kasus:

Kalau asumsi kita benar maka dari tabel kita peroleh

y (t) = Aeat u(t) + Bebt u(t)

1 2

S ( )P ( )d

Bagaimana cara mencari A dan B yang valid? Perhatikan bahwa

A B Ab + aB + jA + jB + = (a + j ) (b + j ) (a + j ) (b + j )

Gunakan sifat multiplikasi untuk memahami sifat sebuah modulator dengan input s(t), sampler p(t) dan output r(t) berikut ini.
s(t) r(t)

Agar asumsi di atas valid maka harus berlaku

p(t)

3 Sifat Transformasi Fourier

Asumsi bahwa p(t) = cos 0 t, dan spektrum s(t) diperlihatkan pada gambar di bawah. Jawab: Spektrum dari p(t) adalah
P ( ) = ( 0 ) + ( + 0 )

sehingga kita dapatkan sepktrum konvolusi

G ( ) = 1 2

R( )P ( )d

Maka spektrum dari r(t) adalah konvolusi

R ( ) = 1 2

1 1 R ( 0 ) + R ( + 0 ) 2 2

S ( )P ( )d

tapi karena r(t) ini berasal dari hasil modulasi, maka berlaku
R ( 0 ) = 1 1 S ( 20 ) + S ( ) 2 2 1 1 S ( ) + S ( + 20 ) 2 2

1 1 S ( 0 ) + S ( + 0 ) 2 2

Perhatikan bahwa Spektrum r(t) memiliki bentuk yang sama dengan spektrum s(t), tapi posisi frekeunsi tengah telah bergeser pada frekuensi dari p(t).
S ( ) A

R ( + 0 ) =

Sehingga kita peroleh

1 1 1 S ( 20 ) + S ( ) + S ( + 20 ) 4 2 4

G ( ) =

P ( ) A

Perhatikan bahwa ada komponen spektrum g (t) memiliki bentuk yang sama dengan spektrum s(t), dengan posisi frekuensi tengah tepat meskipun telah terskala setengahnya. Ini berarti terjadi demodulasi sinyal dari r(t) menjadi s(t) kembali.
R( ) A

A 2

R( ) A
A 2

20

11 P ( )

20

0
Kasus:

kembali kita mengunakan sistem yang serupa dengan p(t) yang sama, tapi inputnya adalah sinyal r(t) pada soal sebelumnya, menghasilkan output g(t). Sketsa spektrum g(t).
r(t) g (t)

20

11 G( ) A

20

p(t)
A 4

A 2 A 4

Jawab: Dari Gambar ini kita peroleh persamaan

g (t) = r(t)p(t)

20

11

20

4 Sistem LCCDE di Domain Transformasi Fourier

10

4 Sistem LCCDE di Domain Transformasi Fourier 4.1 Respons Frekuensi

Secara umum sistem LTI memenuhi persamaan I/O
y (t) =

selanjutnya diamati b0 = 1, a0 = a, dan a1 = 1. Maka diperoleh hasil

H ( ) = 1 j + a

Kemudian dari Tabel diperoleh

h(t) = eat u(t)

x( )h(t )d

sehingga di domain Fourier kita peroleh

Y ( ) = H ( ) X ( )

4.3 Contoh Orde Dua

Kasus:

cari respons impuls dari sistem LCCDE

d2 d d y (t) + 4 y (t) + 3y (t) = x (t) + 2x (t) 2 dt dt dt

di mana skalar Y ( ) = F {y (t)}, H ( ) = F {h(t)}, X ( ) = F {x(t)}, sehingga respons frekuensi

H ( ) = Y ( ) X ( )

Hasil ini memperlihatkan bahwa sistem LTI mengubah spektrum dari sinyal secara perkalian aljabar dengan respons frekuensi. Untuk menghitung output, cukup kita menghitung spektrum sinyal input dengan resposn impuls, mengalikannya untuk menghasilkan spektrum output, kemudian memperoleh sinyal output dari informasi spektrum output. Sistem LTI LCCDE memenuhi persamaan I/O
N

Jawab: Disimpulkan bahwa ini sistem LCCDE dengan N = 2 dan M = 1. Maka dari persamaan (15) diperoleh template
H ( ) = b1 (j ) + b0 (j )
2 1 1 0 0

a2 (j ) + a1 (j ) + a0 (j ) b1 j + b0 a2 (j ) + a1 j + a0
2

H ( ) =

ak
k=0

d y (t) = dtk

bk
k=0

d x (t) dtk

(13)

kemudian kita amati bahwa b0 = 2, b1 = 1, a0 = 3, a1 = 4, dan a2 = 1. Maka diperoleh hasil

H ( ) = j + 2 (j ) + 4j + 3
2

Karena sifat linier, maka kita beroleh

N

ak F
k=0 N

dk y (t) dtk
k

=
k=0 M

bk F

dk x (t) dtk
k

Karena bentuk ini tidak ada dalam tabel, maka kita lakukan proses aljabar (faktorisasi)
j + 2
2

ak (j ) Y ( ) =
k=0 N k=0

bk (j ) X ( )
M

(j ) + 4j + 3

j + 2 (j + 1) (j + 3)

Asumsi ada A dan B , sehingga

bk (j )
k

Y ( )
k=0

ak (j ) = X ( )
k=0

(14)

H ( ) =

Maka sebagai sistem LTI, disimpukan bahwa transformasi Fourier dari sistem LCCDE adalah pecahan (rasional) dari dua polinomial dalam j .
H ( ) = Y ( ) = X ( )
M k k=0 bk (j ) k N k=0 ak (j )

B A + (j + 1) (j + 3)

yang valid bila A = respons impuls

h(t) =

1 2

dan B =

1 2

. Maka kita dapatkan

(15)

1 t 1 e u(t) + e3t u(t) 2 2

4.2 Contoh Orde Satu

Kasus:

4.4 Contoh Menghitung Output Dengan TF

Kasus:

cari respons impuls dari sistem berikut ini (a > 0)

d y (t) + ay (t) = x (t) dt

cari input apabila sistem orde dua dia atas di masuki input x(t) = et u(t). Jawab: Karena kita tahu untuk input ini
X ( ) = 1 (j + 1)

Jawab: Disimpulkan bahwa ini LCCDE dengan N = 1, M = 0. Maka dari persamaan (15) diperoleh template
H ( ) = b0 (j )
1 0 0

sedangkan kita sudah menghitung bahwa

H ( ) = j + 2 (j + 1) (j + 3)

a1 (j ) + a0 (j )

b0 a1 j + a0

5 Soal Tambahan

11

maka kita peroleh

Y ( ) = j + 2 (j + 1) (j + 3) 1 (j + 1)

Cari dan sketsalah X ( ). Apa yang terjadi pada X ( ) bila T membesar atau mengecil? Apa yang terjadi pada X ( ) bila T membesar atau mengecil? 3. Sebuah sinyal x(t) memiliki transformasi Fourier
X (j ) = , | | < W 0, | | > W

dan kita mendapatkan ekspresi

Y ( ) = j + 2 (j + 1) (j + 3)
2

Karena bentuk ini tidak dikenal dalam tabel, maka kita asumsi ada A, B , dan C sehingga
H ( ) = B C A + + (j + 1) (j + 1)2 (j + 3)

Cari dan sketsalah x(t) . Apa yang terjadi pada x(t) bila membesar atau mengecil? Apa yang terjadi pada x(t) bila W membesar atau mengecil? 4. Sebuah sistem LTI yang causal dan stabil memiliki respons frekuensi
H (j ) = j + 4 6 2 + 5j

Dengan cara yang dikenal dengan nama partial fraction, (lihat Lampiran buku teks [OpWi97]) kita dap1 1 atkan A = 1 4 , B = 2 , dan C = 4 . Maka output dari sistem adalah
y (t) = 1 1 1 t e u(t) + tet u(t) e3t u(t) 4 2 4

(a) Cari persamaan LCCDE sistem ini (b) Tentukan respons impulse h(t) dari sistem ini (c) Tentukan output sistem y (t) ini bila dimasuki input x(t) = e4t u (t) te4t u (t)

Perhatikan, pada sistem LCCDE juga input yang ini tembus ke output, tetapi mengalami penambahan sinyal kontribusi dari respons impuls.

Pustaka
[OCW] MIT Opencourseware, http://ocw.mit.edu/ courses/ electrical-engineering-and-computerscience/ 6-003-signals-and-systems-spring2010/

5 Soal Tambahan
1. Soal: Perhatikan kaskade sistem LTI di bawah ini Overall System
x (t)

Sistem A

z (t)

Sistem B

[OpWi97] A. V. Oppenheim and A. S. Willsky (with S Hamid Nawab), Signals & Systems (Second Ediy (t) tion), Prentice-Hall International, 1997. ISBN 0-13-651175-9

Sistem A adalah LCCDE dengan persamaan inputoutput

dz (t) dx (t) + 6z (t) = + 5x (t) dt dt

sedangkan respons impulse dari sistem B adalah

hb (t) = e10t u (t)

(a) Cari response frekuensi dari sistem keseluruhan

H ( ) = h (t) =
Y ( ) X ( )

(b) Cari respons impuls dari sistem keseluruhan (c) Cari persamaan diferensial dari keseluruhan sistem (yang menghubungkan x (t) dengan y (t)). ____________________________________ _________ 2. Sebuah sinyal x(t) memiliki persamaan
x (t) = a, |t| < T 0, |t| > T