Disusun Oleh:
Thomas Andherson Sihombing
Percobaan 2.1
Tujuan :
Save dengan nama konvolusi1.m; letakkan pada direktori dimana matlab dieksekusi
(lihat current folder).
Apa yang terjadi pada sinyal y tersebut ?
Lakukan perubahan panjang n sinyal y; perpendek rentangnya dan perpanjang nilai n.
Apa yang terjadi ?
Jelaskan mengapa !
Figure 1 : Filter
n=-7.9:.5:8.1;
y=sin(4*pi*n/8)./(4*pi*n/8);
Di gambar figure 1 menandakan suatu filter yang bentuk sinyalnya berupa sinusoidal dengan
setengah gelombang yang mempunyai amplitudo 1 dan beberapa gelombang kecil yang
amplitudonya semakin kecil pula di sebelum dan sesudah gelombang besar.
Figure 2 : Input Sinyal
t=0.1:.1:8;
x=sin(2*pi*t/4);
Di gambar figure 2 menandakan input sinyal yang bentuk sinyalnya berupa gelombang
sinusoidal dengan amplitudo 1.
Pada figure 3 menuntuk apabila gelombang x pada figure 2 yang telah diberi noise sehingga
bentuknya tidak lagi semirip atau selembut gelombang x. Noise yang diberikan menggunakan
fungsi random / acak.
Figure 4 : Hasil Konvolusi
xy=conv(x_n,y);
Pada figure 4 merupakan hasil konvolusi dari sinyal x yang telah diberi noise (figure 3)
dengan sinyal y (figure 1). Pada sinyal tersebut terbentuk 2 gelombang yang mempunyai
amplitudo 4 dan diikuti gelombang gelombang kecil mendekati nol di sebelum dan sesudah
gelombang besar.
Apabila nilai fasa dikurangkan, pada command line yang ditunjukkan pada comman line
berikut:
Kesimpulan :
Percobaan 2.2
Tujuan
konvolusi2.m
dan
Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.1*randn(1,tt).Bentuk dasarnya sama yaitu sinusoidal tetapi ada gangguan
yang menyebabkan bentuknya sinusoidal yang kasar. Kemudian sinyal tersebut difilter dengan
low pass filter dimana hasilnya lebih smooth dibanding dengan sinyal y_n dimana noisenya
direduksi walaupun tidak hilang seluruhnya. Dengan sintax di command line sebagai
berikut :
Clear all;
clc;
T=1000;
[z,p,k] = cheby1(5,0.5,100/500);
[sos,g] = zp2sos(z,p,k);
Hd = dfilt.df2tsos(sos,g);
h = fvtool(Hd);
set(h,'Analysis','freq');
freqz(b,a,512,1000)
t=1/T:1/T:1;
y=sin(2*pi*t);
tt=length(y);
noise=0.1*randn(1,tt);
y_n = y + noise;
subplot(2,1,1);
plot(t,y_n,'linewidth',2)
axis([0 1.05 -1.5 1.5])
xlabel('Waktu (dt)')
grid on
%konvolusi FIR filter dengan sinyal dan noise
y_filter=conv(y_n,LPF_01);
subplot(2,1,2);
t_yfil=length(y_filter);
t=1/T:1/T:t_yfil/T;
plot(t,y_filter,'linewidth',2)
axis([0 1.05 -1.5 1.5])
xlabel('Waktu (dt)')
grid on
Kesimpulan :
Dari keempat sampel di atas, dimana 2 sampel diambil untuk memodifikasi nilai amplitude
noise dan 2 sampel lagi diambil untuk memodifikasi nilai fasa noise, menunjukkan bahwa
amplitudo noise dan fasa noise apabila semakin diperbesar ataupun diperkecil , ternyata
menyebabkan sinyal yang dihasilkan juga tidak berubah atau tetap. Hal ini mempengaruhi
pula pada hasil filternya, yang lolos filter juga sama dengan amplitudo noise dan fasa noise
sebelumnya. Untuk itu dapat disimpulkan bahwa apabila sinyal tersebut menggunakan low
pass filter (LPF), maka seberapapun amplitude noise dan fasa noise yang diubah nilainya
tidak akan memengaruhi hasil konvolusi filter, karena fungsi dari Low Pass Filter itu sendiri
dapat mempertahankan elemen-elemen (nilai-nilai) pada pusat matriks dan menghilangkan
nilai-nilai yang lain. Aturan yang digunakan untuk low pass filtering ini adalah semua
koefisiien filter harus positif dan jumlah semua koeefisien harus sama dengan 1. Jika jumlah
semua koefisien lebih besar dari 1, maka konvolusi menghasilkan penguatan (sharpening) dan
jka kurang dari 1 maka menghasilkan penurunan.
Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.34*randn(1,tt).Bentuk dasarnya masih mirip atau sama yaitu sinusoidal.
Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.56*randn(1,tt). Bentuk dasarnya masih mirip atau sama yaitu sinusoidal,
tetapi kalau dilihat noise dan hasilnya semakin kasar.
Grafik yang pertama (atas) adalah grafik sinyal y yang mempunyai fungsi
y=sin(2*pi*t)ditambah
dengan
noise
yang
mempunyai
fungsi
nois=0.71*randn(1,tt).Bentuk dasarnya sudah tidak mirip lagi dan hasilnya sangat
kasar. Apabila nilai amplitude noise diganti 1.3 hasilnya nyaris mirip, sehingga nilai 1.4
adalah merupakan batas minimum di mana grafik noise tidak mirip dengan hasilnya.
Percobaan 2.3
Prosedur :
1 Double-click Matlab/scilab
2 Buka text editor matlab (icon persegi putih, sisi kiri) atau menggunakan sembarang
text editor, seperti notepad, wordpad dll.
3 Ketik command line dibawah ini (unduh file wav pada share.its.ac.id di kuliah
pemrosesan sinyal dan perhatikan letak direktori file .wav)
%Penerapanspeechsignalenhancement
[Y,Fs]=wavread(1A.wav);
Fs=16000;
%Bilainginmengetahuisuara,hilangkantanda%comment
outpercent
%sound(Y,Fs)
%untuktahapberikutnyajanganlupacommentoutline
%diatas.
derau=randn(length(Y),1);
Y_noise=Y+0.08*derau;
%Bilainginmengetahuisuara,hilangkantanda%comment
outpercent
%sound(Y_noise,Fs)
satu=ones(4,1);
Y_conv=conv(satu,Y_noise);
sound(Y_conv,Fs)
4
5
yang lebih baik; berikan skor antara 1 (sangat jelek) hingga 5 (sangat baik) untuk tiap
orang yang anda tanyai.
Gambar di atas merupakan hasil percobaan dari gelombang suara kelly.wav. Pada awal
sebelum suara belum disimulasikan ketika kita mendengarkan suaranya terdengar nyaman
ditelinga, tetapi setelah syntax pada command line dijalankan suara yang dihasilkan datar
dibanding dengan suara asli pada kelly.wav. Pada suara kelly.wav, terdengar suara
bergelombang gelombang tetapi dengan diberi frekuensi sampling 16000 maka suara yang
didengar tanpa ada suara yang bergelombang.
Figure 2
Merupakan grafik Y_noise
Suara yang dihasilkan setelah difilter lebih berat, kalau yang sebelum difilter lebih nyaring.
Berikut merupakan penilaian dari 10 orang responden yang telah disurvey untuk
mendengarkan lagu kelly.wav yang merupakan hasil percobaan 2.2 dan percobaan 2.3 :
Orang ke
Suara
Nilai suara
Percobaan 2.3
Nilai suara
Percobaan 2.2
dengan filter
10
Berdasarkan hasil penilaian dari responden, dapat disimpilkan bahwa sebagian besar
responden mengatakan kalau suara yang telah difilter lebih enak didengar dibanding yang
tanpa filter. Karena suara yang telah diberikan filter kalau kita cermat untuk
mendengarkannya suara derau halus tidak ada dibandingkan dengan suara yang tanpa difilter.