Filter FIR Window Rectangular & Bartlett

Arif Surtono, M.Si., M.
Eng Fisika FMIPA Unila 2015

VIII . DESAIN FILTER FIR
8.1 Tujuan Praktikum

1. Membuat program low pass filter FIR menggunakan window rectangular dan Bartlett
2. Membuat program high pass filter FIR menggunakan window rectangular dan Bartlett
3. Membuat program band pass filter FIR menggunakan window rectangular dan Bartlett
4. Membuat program band stop filter FIR menggunakan window rectangular dan Bartlett
8.2 Pendahuluan
Filter FIR merupakan salah satu filter digital yang dipakai pada aplikasi
pemrosesan sinyal digital. FIR kepanjangan dari Finite Impulse Respon, karena
respon impulse filternya terbatas. Pada filter FIR tidak ada feedback sebagaimana
halnya pada filter IIR. Artinya keluaran sinyal sebelumnya tidak ada yang digunakan
untuk memproses sinyal masukan. Sinyal akan keluar melewati delay line dengan
koefisien-koefisiennya. Keuntungan filter FIR adalah stabil dan memiliki fasa yang
linier. Sedangkan kelemahannya adalah membutuhkan banyak memori atau
perhitungan untuk mencapai karakteristik respon filter yang diinginkan.
Gambar di bawah ini ditunjukkan perbedaan antara diagram blok filter FIR dan IIR.
Bentuk persamaan matematik proses filter FIR dinyatakan sebagai berikut :

(8.1)
Tetapi karena impulse responnya terbatas (finite) maka batas persamaan di atas
berubah menjadi dari 0 hingga q:
(8.2)
Impulse respon h[m] terdiri atas koefisien-koefisien bm , yaitu h[m]=[bo b1 b2

b3....bm].
Dalam domain waktu, proses filter FIR merupakan konvolusi antara sinyal input
diskrit (digital) x(n) dengan impule respon filter FIR h(n) yang menghasilkan
keluaran y(n). Adapun bentuk struktur filter FIR sesuai dengan diagram blok dan
persamaan diatas adalah :
Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015
Untuk membuat filter FIR sesuai spesifikasi filter yang diinginkan , kita harus
mencari bagaimana impulse respon filter FIR. Atau singkatnya dapat dikatakan
berapa harga-harga koefisien-koefisien penyusun impulse respon tersebut, yaitu
h[m]= [b0 b1 b2 ....bm].
Dalam bentuk spektrum frekuensi, impulse respon filter dinyatakan dengan
persamaan :
(8.3)
Hd(ej) fungsi periodik dengan periode = 2.
Untuk memperoleh kembali hd(n) maka dilakukan inverse dari persamaan 8.3 :
(8.4)
Sebagai contoh filter lowpass ideal memiliki range passband pada c < :
(8.5)
Substitusi persamaan 8.5 ke persamaan 8.4 maka akan diperoleh persamaan impulse
respon untuk filter lowpass sebagai berikut :
(8.6)
Catatan :
= T = 2 f /Fs = frekuensi digital. adalah frekuensi analog. Agar tidak terjadi
aliasing maka frekuensi sampling Fs harus minimal sama dengan dua kali frekuensi
(maksimum) sinyal (Fs = 2 f), sehingga harga maksimum = . Itulah sebabnya

rentang frekuensi keseluruhan pada persamaan 8.5 adalah 0 < < .
Untuk memperoleh impulse respon filter highpass, bandpass dan bandstop, maka
batas-batas integral disesuaikan spesifikasinya. Tabel berikut ini adalah persamaanpersamaan impulse respon ke empat jenis filter .
Menentukan impulse respon h(n) seperti cara tersebut di atas yang terangkum
pada tabel disebut perancangan filter FIR dengan metode langsung. Namun persoalan
yang perlu diperhatikan pada filter FIR adalah menentukan panjang filter yang
memenuhi syarat, dimana sinyal informasi yang difilter tidak bekerja pada daerah
osilasi. Karena bila bekerja pada daerah osilasi sinyal masukan akan menjadi
terosilasi pula. Salah satu metode agar sinyal masukan tidak bekerja pada daerah
osilasi adalah dengan mengalikan impulse respon filter dengan suatu fungsi yang
disebut window dan metode ini disebut dengan metode windowing. Persamaan
prosess windowing adalah :
h(n) = hd(n) . w(n)
dengan h(n) = impulse respon filter FIR windowing, w(n) = fungsi window.
(8.7)
Ada beberapa fungsi window yang dikenal, diantaranya adalah window

rectangular (segi empat), Bartlett, Hanning, Hamming, Blackman dan Kaiser. Tabel
berikut ini merangkum fungsi-fungsi window tersebut.
No
1
Nama Fungsi
Window
Rectangular
Fungsi Window
1, 0 n M ,
w[n]
0, otherwise
3

2
Bartlett
Hanning
2 n / M , 0 n M / 2
w[n] 2 2n / M , M / 2 n M
0, otherwise
0.5 0.5 cos(2n / M ), 0 n M

w[n]
0, otherwise
Hamming
Blackman
0.54 0.46 cos(2n / M ), 0 n M

w[n]
0, otherwise
2 n
4 n
0.08cos
, 0nM
0.42 0.5cos
w[n]
M
M
0, otherwise
6
Kaiser
w[n]
n 2 2
) ) ]
, 0 n M , M / 2
I 0 ()
I 0 [(1 (
(.5 x) m
I ( x)
m!
m 0
8.3 Percobaan percobaan.

Window Rectangular : Filter FIR Lowpass dan Highpass
Program 17
%Filter Lowpass FIR Rectangular windowing
%by: PSD Lab.Physics Dept. Unila @ 2010
clear all;clf;
%=============Parameter masukan==============================
Fs=100;
fp=input('Frekuensi cutoff lowpass fp (Hz)=');
wp=2*pi*fp/Fs;
fs=fp-0.5;%frek stopband
ws=2*pi*fs/Fs;
wc=(ws+wp)/2;

%======impulse respon lowpass ==============================
Wn=1;% fungsi window rectangular Wn
N=51;% N=4*pi/dW krn window Rectangular
alfaa=(N-1)/2;
for i=1:N;
t=0+(1/Fs)*i;
if i==alfaa
hd=wc/pi;
else
hd=(wc/pi)*(sin(wc*(i-alfaa)))./(wc*(i-alfaa));
end;
ha(i)=hd;
end;
%======================== windowing ========================
hn=ha*Wn;%impulse respon di-windowing
%===========================================================
[h,f]=freqz(hn,1,1024,'whole',Fs);%ada 1024-point vector H
complex frequency
%response dan 1024 titik vector frequency W (radians/sample)
%===========================================================
figure(1);
subplot 211
plot(hn);%Anda bisa gunakan hn(150:250) u/ melihat hn lebih
jelas!!
ylabel('h(n)');xlabel('t (s)');
grid on;
title('Respon Impulse FIR Filter h(n)')
subplot 212
L=length(f);
plot(f(1:L/4),abs(h(1:L/4)));grid
title('Respon Magnitudo Filter FIR');
ylabel('|H(f)|');xlabel ('f (Hz)');
%==============Sinyal dengan beragam frekuensi===============
t=1/Fs:1/Fs:5;%(4+1/Fs);
x =sin(2*pi*1*t)+ 0.5*sin(2*pi*8*t) + 0.5*sin(2*pi*20*t);%
sinyal beragam frekuensi
%===== Representasi alternatif sinyal input beragam frek.===
A = [1 0.5 0.5];
% Sinusoid amplitudes (row vector)
f = [1;8;20];
% Sinusoid frequencies (column vector)
x = A*sin(2*pi*f*t);%+10*randn(size(t));
%===========================================================
figure(2);
subplot 221
plot(t,x);title('Sinyal input');ylabel('x, input');xlabel('t
(s)');
grid on;
subplot 222
X=fft(x);%FFT sinyal input bernoise
magX=abs(X);
N1=length(X); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));
plot(hertz(1:N1/4),magX(1:N1/4));
xlabel ('f (Hz)');title('Spektrum frekuensi sinyal semula')
ylabel ('|X|');grid on
%====================Proses pemfilteran=====================
y=conv(hn,x); %proses konvolusi respon impulse filter dengan
sinyal input
%============================================================
subplot 223
r=max(x)/max(y);
yy=r*y;%Normalisasi/pemulihan amplitudo sinyal
p=(length(hn)-1)/2;
q=p+length(t)-1;
plot(t,yy(p-10:q-10));
ylabel('y, output');xlabel ('t (s)');
grid on;
title('Sinyal Ouput')
subplot 224
Y=fft(y);%FFT sinyal setelah difilter
magY=abs(Y);
N1=length(Y); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));
plot(hertz(1:N1/4),magY(1:N1/4));
xlabel ('f (Hz)');title('Spektrum frekuensi sinyal difilter')
ylabel ('|Y|');grid on
Contoh hasil running program 17 menggunakan frekuensi sampling Fs = 100 Hz,

dan frekuensi cut-off fc = 3 Hz seperti berikut ini:
Figure 1:

Respon Impulse FIR Filter h(n)
0.06
h(n)
0.04
0.02
0
-0.02
10
20
30
40
t (s)
Respon Magnitudo Filter FIR
1.5
50
60
|H(f)|
1
0.5
0
10
15
f (Hz)
20
25
Figure 2:
Sinyal input
Spektrum frekuensi sinyal semula

300
200
|X|
x, input
100
-1
-2
t (s)
Sinyal Ouput
200
150
100
|Y|
y, output
-1
-2
10
20
30
f (Hz)
Spektrum frekuensi sinyal difilter
10
50
0
t (s)
f (Hz)
20
30
Jalankan program 17 dengan mengubah nilai frekuensi cut-off fc = 9 Hz sehingga

sinyal yang frekuensinya dibawah 9 Hz akan diloloskan, sedangkan frekuensi di atas
9 Hz tidak diloloskan (dilemahkan). Bagaimana hasilnya bila fc = 22 Hz?
Untuk melakukan filtering sinyal menggunakan highpass filter, gantilah impulse
respon lowpass hn menjadi impulse respon highpass sebagai berikut:
%======impulse respon highpass ============================
N=201;
alfaa=(N-1)/2;
for i=1:N;
t=0+(1/Fs)*i;
if i==alfaa
hd=1-(wc/pi);
else
hd= -wc/pi)*(sin(wc*(i-alfaa)))./(wc*(i-alfaa));
end;
ha(i)=hd;
end;
%===========================================================
Isilah nilai frekuensi cut-off fc = 7 Hz, maka frekuensi sinyal 8 Hz dan 20 Hz akan
diloloskan sedangkan frekuensi 1 Hz akan dilemahkan (tidak diloloskan). Bagaimana
hasilnya bila fc = 18 atau 19 Hz ?
Buatlah analisa hasil percobaan berdasarkan karakteristik filter lowpass/highpass
menggunakan window rectangular (segi empat) dan spektrum-spektum sinyal yang
diperoleh pada laporan praktikum Anda
Window rectangular: Filter FIR Bandpass dan Bandstop

Program 18
%Filter Bandpass FIR Rectangular windowing
%by: PSD Lab.Physics Dept. Unila @ 2010
clear all;clf;
Fs=100;
fp1=input('Frekuensi passband bawah fp1 (Hz)=');
wp1=2*pi*fp1/Fs;
fs1=fp1-0.1;%frek stopband bawah
ws1=2*pi*fs1/Fs;
fp2=input('Frekuensi passband atas fp2 (Hz)=');
wp2=2*pi*fp2/Fs;
fs2=fp2+0.1;%frek stopband atas
ws2=2*pi*fs2/Fs;
%======impulse respon bandpass ==============================
deltaWl=abs(ws1-wp1); deltaWh=abs(ws2-wp2);
dW=min(deltaWl,deltaWh);
N=401;%(4*pi/dW)+1
wc1=wp1-dW; wc2=wp2+dW;
alfaa=(N-1)/2;
for i=1:N;
t=0+(1/Fs)*i;
if i==alfaa
hd=(wc2-wc1)./pi;
else
hd=(sin(wc2*(i-alfaa))-sin(wc1*(i-alfaa)))./(pi*(ialfaa));
end;
ha(i)=hd;
end;
%=============== windowing =================================
hn=ha*Wn;%impulse respon di-windowing
%===========================================================
[h,f]=freqz(hn,1,length(hn),'whole',Fs);%ada 1024-point vector
H complex frequency
%===========================================================
figure(1);
subplot 211
jelas!!
grid on;
subplot 212
L=length(f);
t=1/Fs:1/Fs:5;%(4+1/Fs);
x=1*sin(2*pi*1*t)+0.5*sin(2*pi*8*t)+0.5*sin(2*pi*20*t);%sinyal
beragam frekuensi
%===========================================================
figure(2);
subplot 221
plot(t,x);title('Sinyal
(s)');
grid on;
input');ylabel('x,
input');xlabel('t
subplot 222
magX=abs(X);
N1=length(X); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));
%=====================Proses pemfilteran=====================
sinyal input
%===========================================================
subplot 223
r=max(x)/max(y);
p=(length(hn)-1)/2;
q=p+length(t)-1;
grid on;
subplot 224
magY=abs(Y);
N1=length(Y); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));

frekuensi cut-off bawah fp1 = 0,8 Hz dan frekuensi cut-off atas fp2 = 1,2 Hz untuk
meloloskan frekuensi sinyal 1 Hz.
Figure 1:
0.02
h(n)
0.01
0
-0.01
-0.02
50
100
1.5
150
200
250
300
t (s)
350
400
450
|H(f)|
1
0.5
0
10
f (Hz)
15
20
25
Figure 2:
10
Sinyal input

300
200
|X|
x, input
100
-1
-2
t (s)
Sinyal Ouput
300
10
20
30
20
30
f (Hz)
200
100
-1
-2
10
|Y|
y, output
t (s)
f (Hz)
Jalankan program 18 dengan mengubah nilai frekuensi cut-off bawah fc1 = 0.8 Hz
dan frekuensi cut-off atas fc2 = 9 Hz sehingga filter hanya meloloskan frekuensi
sinyal 1 Hz dan 8 Hz, sedangkan frekuensi 20 Hz hilang sebagai noise yang tidak
diloloskan. Bagaimana hasilnya bila fc1 = 7 Hz dan fc2 = 9 Hz?
Buatlah analisa hasil percobaan berdasarkan karakteristik filter bandpass/bandstop
butterworth dan spektrum-spektum sinyal yang diperoleh pada laporan praktikum
Anda.
Untuk melakukan filtering sinyal menggunakan bandstop filter, gantilah parameter

masukan dan impulse respon sebagai berikut:
%=============Parameter masukan=========================
Fs=100;
fs1=input('Frekuensi stopband bawah fs1 (Hz)=');
ws1=2*pi*fs1/Fs;
fp1=fs1-0.1;%frek passband bawah
wp1=2*pi*fp1/Fs;
fs2=input('Frekuensi stopband atas fs2 (Hz)=');
ws2=2*pi*fs2/Fs;
fp2=fs2+0.1;%frek passband atas
wp2=2*pi*fp2/Fs;
%======impulse respon bandstop =========================
N=401;%(4*pi/dW)+1;% N=4*pi/dW krn window Rectangular
11
wc1=wp1-dW; wc2=wp2-dW;
alfaa=(N-1)/2;
for i=1:N;
t=0+(1/Fs)*i;
if i==alfaa
hd=1-((wc2-wc1)./pi);
else
hd=-(sin(wc2*(i-alfaa))-sin(wc1*(i-alfaa)))./(pi*(ialfaa));
end;
ha(i)=hd;
end;
%=========================================================
Isilah nilai frekuensi stopband bawah fs1 = 7 Hz dan frekuensi stopband atas fs2 = 9
Hz, maka frekuensi sinyal 8 Hz tidak akan diloloskan sedangkan frekuensi yang lain
akan diloloskan. Bagaimana hasilnya bila fs1 = 19 Hz dan fs2 = 21 Hz?
Buatlah
analisa
hasil
percobaan
berdasarkan
karakteristik
filter
FIR
bandpass/bandstop menggunakan window retangular dan spektrum-spektum sinyal
yang diperoleh pada laporan praktikum Anda.
Window Bartlett : Filter FIR Lowpas dan Highpas :

Program 19
%Filter: Lowpass FIR Bartlett windowing
%by: PSD Lab, Physics Dept. Unila
clear all;clf;
Fs=200;
fp=input('Frekuensi passband fp (Hz)=');
wp=2*pi*fp/Fs;
fs=fp-0.5;%frek stopband
ws=2*pi*fs/Fs;
wc=(ws+wp)/2;
%================Bartlett window=============================
N=9;dt=1/Fs;
for n=1:N;
t=0+dt*(n);%0.1 pengganti 1/Fs
if and(t>0,t<((N-1)*dt/2))
Wb=2*t/(N-1);
elseif and(t>=((N-1)*dt/2),t<(N-1)*dt)
Wb=2-(2*t/(N-1));
else
Wb=0;
end;
Wn(n)=Wb;
end;
%=============impulse respon ha lowpass ====================
12
N=301;
alfaa=(N-1)/2;
for i=1:N;
t=0+(1/Fs)*i;
if i==alfaa
hd=wc/pi;
else
hd=(wc/pi)*(sin(wc*(i-alfaa)))./(wc*(i-alfaa));
end;
ha(i)=hd;
end;
%======================== windowing =========================
hn=conv(ha,Wn);%impulse respon di-windowing
%===========================================================
H complex frequency
%===========================================================
figure(1);
subplot 211
jelas!!
grid on;
subplot 212
L=length(f);
t=1/Fs:1/Fs:5;%(4+1/Fs);
x = 1*sin(2*pi*1*t)+ 0.5*sin(2*pi*8*t) + 0.5*sin(2*pi*20*t);%
magX=abs(X);
N1=length(X); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));
%==========================================================
figure(2);
subplot 221
(s)');
grid on;
subplot 222
%===================Proses pemfilteran=======================
sinyal input
%==========================================================
subplot 223
r=max(x)/max(y);
13
p=(length(hn)-1)/2;
q=p+length(t)-1;
grid on;
subplot 224
magY=abs(Y);
N1=length(Y); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));

dan frekuensi cut-off fc = 4 Hz seperti berikut ini:
Figure 1:
0.3
h(n)
0.2
0.1
0
-0.1
50
100
200
250
t (s)
|H(f)|
10
150
300
350
10
15
20
25
f (Hz)
30
35
40
45
50
Figure 2:
14
Sinyal input

600
400
|X|
x, input
200
-1
-2
t (s)
Sinyal Ouput
3000
2000
-1
-2
20
20
40
60
40
60
f (Hz)
4000
|Y|
y, output
1000
0
t (s)
f (Hz)
Untuk memperoleh filter highpass, gantilah bagian impulse respon lowpass

menjadi impulse respon highpass filter sebagai berikut:
%==========impulse respon highpass filter ==============
alfaa=(N-1)/2;
for i=1:N;
t=0+(1/Fs)*i;
if i==alfaa
hd=1-(wc/pi);
else
hd=-(wc/pi)*(sin(wc*(i-alfaa)))./(wc*(i-alfaa));
end;
ha(i)=hd;
end;
%======================================================
Kemudian isilah nilai frekuensi cut-off fc = 7 Hz, maka frekuensi sinyal 8 Hz dan 20
Hz akan diloloskan sedangkan frekuensi 1 Hz akan dilemahkan (tidak diloloskan).
Bagaimana hasilnya bila fc = 18 atau 19 Hz ?
Buatlah analisa hasil percobaan berdasarkan karakteristik filter lowpass/highpass
menggunakan window bartlett dan spektrum-spektum sinyal yang diperoleh pada
laporan praktikum Anda
Window Bartlett : Filter FIR Bandpass dan Bandstop
15
Program 20.
%Filter: Bandpass FIR Bartlett windowing

%by: PSD Lab, Physics Dept. Unila
clear all;clf;
%=============Parameter masukan bandpass=====================
Fs=100;
fp1=input('Frekuensi passband bawah fp1 (Hz)=');
wp1=2*pi*fp1/Fs;
fs1=fp1-0.1;%frek stopband bawah
ws1=2*pi*fs1/Fs;
fp2=input('Frekuensi passband atas fp2 (Hz)=');
wp2=2*pi*fp2/Fs;
fs2=fp2+0.1;%frek stopband atas
ws2=2*pi*fs2/Fs;
%=========Bartlett window====================================
N=35;dt=1/Fs;
for n=1:N;
t=0+0.1*(n);%0.1 pengganti 1/Fs
if and(t>0,t<((N-1)*dt/2))
Wb=2*t/(N-1);
elseif and(t>=((N-1)*dt/2),t<(N-1)*dt)
Wb=2-(2*t/(N-1));
else
Wb=0;
end;
Wn(n)=Wb;
end;
%=========== Pembentukan impulse respon h(n) bandpass =======
wc1=wp1-dW; wc2=wp2+dW;
alfaa=(N-1)/2;
for i=1:N;
t=0+(1/Fs)*i;
if i==alfaa
hd=(wc2-wc1)./pi;
else
hd=(sin(wc2*(i-alfaa))-sin(wc1*(i-alfaa)))./(pi*(ialfaa));
end;
ha(i)=hd;
end;
%====================== windowing ==========================
%==========================================================
H complex frequency
%===========================================================
figure(1);
subplot 211
16

jelas!!
grid on;
subplot 212
L=length(f);
t=1/Fs:1/Fs:5;%(4+1/Fs);
x = 1*sin(2*pi*1*t)+ 0.5*sin(2*pi*8*t) + 0.5*sin(2*pi*20*t);%
%============================================================
figure(2);
subplot 221
(s)');
grid on;
subplot 222
magX=abs(X);
N1=length(X); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));
%====================Proses pemfilteran=====================
sinyal input
%============================================================
subplot 223
r=max(x)/max(y);
p=(length(hn)-1)/2;
q=p+length(t)-1;
grid on;
subplot 224
magY=abs(Y);
N1=length(Y); T1=1/Fs; k1=0:N1-1;
hertz=k1*(1/(N1*T1));
Gambar berikut ini adalah contoh hasil running program 20 menggunakan frekuensi
sampling Fs = 100 Hz, frekuensi cut-off passband bawah fp1 = 7 Hz dan passband
atas fp2 = 9 Hz .
17
Figure 1:
0.2
h(n)
0.1
0
-0.1
-0.2
50
100
150
250
300
t (s)
200
350
400
450
|H(f)|
4
2
0
10
15
f (Hz)
20
25
Figure 2:
Sinyal input

300
200
|X|
x, input
100
-1
-2
t (s)
Sinyal Ouput
600
20
30
f (Hz)
10
400
200
-1
-2
10
|Y|
y, output
t (s)
f (Hz)
20
30
18
Jalankan program 20 dengan mengubah nilai frekuensi passband bawah fp1 = 0.8 Hz
dan frekuensi passband atas fp2 = 9 Hz sehingga filter hanya meloloskan frekuensi
sinyal 1 Hz dan 8 Hz, sedangkan frekuensi 20 Hz hilang sebagai noise yang tidak
diloloskan. Bagaimana hasilnya bila fp1 = 7 Hz dan fp2 = 21 Hz?
Buatlah analisa hasil percobaan berdasarkan karakteristik filter bandpass/bandstop
butterworth dan spektrum-spektum sinyal yang diperoleh pada laporan praktikum
Anda.
Untuk melakukan filtering sinyal menggunakan bandstop filter window bartlett,

gantilah parameter masukan dan impulse respon sebagai berikut:
%=============Parameter masukan bandstop===============
Fs=300;
fs1=input('Frekuensi stopband bawah fs1 (Hz)=');
ws1=2*pi*fs1/Fs;
fp1=fs1-0.1;%frek passband bawah
wp1=2*pi*fp1/Fs;
fs2=input('Frekuensi stopband atas fs2 (Hz)=');
ws2=2*pi*fs2/Fs;
fp2=fs2+0.1;%frek passband atas
wp2=2*pi*fp2/Fs;
%=========== Impulse respon h(n) bandstop =============
N=201;
wc1=wp1+dW; wc2=wp2-dW;
alfaa=(N-1)/2;
for i=1:N;
if i==alfaa
hd=1-((wc2-wc1)./pi);
else
hd=-(sin(wc2*(i-alfaa))-sin(wc1*(ialfaa)))./(pi*(i-alfaa));
end;
ha(i)=hd;
end;
%=====================================================
Gambar berikut ini adalah contoh hasil filtering menggunakan bandstop filter
window bartlett dengan frekuensi stopband bawah fs1=7 Hz dan frekuensi stopband
atas fs2 = 9 Hz.
Figure 1:
19

h(n)
1
0
-1
50
100
150
t (s)
200
250
|H(f)|
2
1
0
10
20
30
40
f (Hz)
50
60
70
80
Figure 2:
20
Sinyal input

800
600
400
|X|
x, input
-1
-2
200
0
t (s)
Sinyal Ouput
40
60
80
f (Hz)
1500
20
1000
500
-1
-2
20
|Y|
y, output
t (s)
40
f (Hz)
60
80
Gantilah nilai frekuensi stopband bawah fs1 = 19 Hz dan frekuensi stopband atas fs2
= 21 Hz, maka frekuensi sinyal 20 Hz tidak akan diloloskan sedangkan frekuensi
yang lain akan diloloskan.
Buatlah
analisa
hasil
percobaan
berdasarkan
karakteristik
filter
FIR
bandpass/bandstop menggunakan window bartlett dan spektrum-spektum sinyal
yang diperoleh pada laporan praktikum Anda.
21

Filter FIR Window Rectangular &amp; Bartlett

Diunggah oleh

Informasi Dokumen

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

Filter FIR Window Rectangular &amp; Bartlett

Diunggah oleh

Hak Cipta:

Format Tersedia

Arif Surtono, M.Si., M.

Eng Fisika FMIPA Unila 2015

8.1 Tujuan Praktikum

Bentuk persamaan matematik proses filter FIR dinyatakan sebagai berikut :

Impulse respon h[m] terdiri atas koefisien-koefisien bm , yaitu h[m]=[bo b1 b2

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

(maksimum) sinyal (Fs = 2 f), sehingga harga maksimum = . Itulah sebabnya

Ada beberapa fungsi window yang dikenal, diantaranya adalah window

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

0.5 0.5 cos(2n / M ), 0 n M

0.54 0.46 cos(2n / M ), 0 n M

8.3 Percobaan percobaan.

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Contoh hasil running program 17 menggunakan frekuensi sampling Fs = 100 Hz,

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Spektrum frekuensi sinyal semula

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Jalankan program 17 dengan mengubah nilai frekuensi cut-off fc = 9 Hz sehingga

Window rectangular: Filter FIR Bandpass dan Bandstop

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Contoh hasil running program 18 menggunakan frekuensi sampling Fs = 100 Hz,

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Spektrum frekuensi sinyal semula

Untuk melakukan filtering sinyal menggunakan bandstop filter, gantilah parameter

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Window Bartlett : Filter FIR Lowpas dan Highpas :

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Contoh hasil running program 19 menggunakan frekuensi sampling Fs = 100 Hz,

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Spektrum frekuensi sinyal semula

Untuk memperoleh filter highpass, gantilah bagian impulse respon lowpass

Window Bartlett : Filter FIR Bandpass dan Bandstop

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

%Filter: Bandpass FIR Bartlett windowing

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

plot(hn);%Anda bisa gunakan hn(150:250) u/ melihat hn lebih

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Spektrum frekuensi sinyal semula

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Untuk melakukan filtering sinyal menggunakan bandstop filter window bartlett,

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Arif Surtono, M.Si., M.Eng Fisika FMIPA Unila 2015

Spektrum frekuensi sinyal semula

Anda mungkin juga menyukai

Filter FIR Window Rectangular & Bartlett

Filter FIR Window Rectangular & Bartlett