2.1
Tujuan
antara
Continuous
Time
Fourier
2.2
Peralatan
2.3
Dasar Teori
2.3.1
Transformasi Sinyal
Asumsikan ga(t) adalah sinyal waktu kontinyu yang disample secara
2.2
Dimana representasi domain frekuensi dari g[n] diperoleh dengan transformasi
Fourier Diskrit
. 2.3
Relasi antara Ga(j) dengan
, diberikan oleh :
. 2.4
. 2.5
Atau dapat dinyatakan sebagai :
. 2.6
2.3.2
Teorema Sampling
Asumsikan ga(t) adalah sinyal bandlimited dengan Ga(j) = 0 untuk || >
2
T
. 2.7
. 2.8
dan melewatkan gp(t) ke filter lowpass ideal Hr(j) dengan gain T dan frekuensi
cut off c > m dan c < T- m, sehingga:
. 2.9
Frekuensi tertinggi m yang terkandung dalam ga(t) disebut dengan Frekuensi
Nyquist, yang dinyatakan sebagai:
T > 2 m
2.10
dan 2 m disebut dengan Nyquist rate. Jika rate sampling lebih besar dari rate
Nyquist maka disebut dengan Oversampling, dan sebaliknya disebut dengan
Undersampling. Jika rate sampling sama dengan rate Nyquist maka disebut
dengan Critical sampling.
2.3.3
Proses Filterisasi
Response impulse hr(t) dari filter lowpass ideal secara sederhana diperoleh
2.11
Maka :
... 2.12
Dan deretan impulse diperoleh dengan :
2.13
Selanjutnya, output filter lowpass ideal ( ) diketahui dengan mengkonvolusi gp(t)
dengan response impulse hr(t).
2.14
Substitusi persamaan 2.12 ke dalam persamaan 2.14 dan asumsikanc = T/2 =
/T, maka akan diperoleh :
2.15
2.3.4
Spesifikasi Filter
Spesifikasi
filter
biasanya
dinyatakan
dalam
bentuk
respon
...... 2.16
atau dengan kata lain, magnituda mendekati 1 dengan error . Dalam stopband
dinyatakan dengan s || , magnitudanya :
...... 2.17
Frekuensi p dan s masing-masing disebut dengan passband edge frequency
dan stopband edge frequency. Batas toleransi maksimum dalam passband dan
stopband
dan
2.4
Langkah Percobaan
2.4.1
2.4.2
ya(t) dari sinyal diskrit yang dihasilkan oleh program P2_1 untuk menginvestigasi
hubungan antara frekuensi sinyal sinusoidal xa(t) dengan perioda sampling. Untuk
menghasilkan sinyal rekontruksi ya(t), sinyal x[n] dilewatkan melalui filter
lowpass menggunakan persamaan :
...
2.18
Langkah Percobaan :
1. Buat script Matlab dan simpan dengan nama P2_2
2.
3.
%ProgramP2_2
%Ilustrasiefekaliasingdalamdomain
clf;
T=0.1;f=13;
n=(0:T:1)';
xs=cos(2*pi*f*n);
t=linspace(0.5,1.5,500)';
ya=sinc((1/T)*t(:,ones(size(n)))
(1/T)*n(:,ones(size(t)))')*xs;
plot(n,xs,'o',t,ya);grid;
Jalan
program P2_2 untuk membangkitkan sinyal waktu diskrit x[n] dan
xlabel('Time,msec');ylabel('Amplitude');
title('Reconstructedcontinuoustimesignal
sinyal
kontinyu ekivalennya ya(t), dan menampilkannya bersama-sama.
y_{a}(t)');
Berapa range t dan nilai peningkatan waktu dalam script P2_2?. Berapa
axis([011.21.2]);
2.4.3
Transform (CTFT) pada sinyal waktu kontinyu band terbatas (limited) dan
Discrete Time Fourier Transform (DTFT) dari sinyal diskrit. Dalam hal untuk
mengkonversi sinyal waktu kontinyu xa(t) menjadi sinyal waktu diskrit ekivalen
x[n], diperlukan xa(t) harus band limited dalam domain frekuensi. Untuk
mengilustrasikan efek sampling dalam domain frekuensi, percobaan ini
menggunakan sinyal waktu kontinyu eksponensial dengan CTFT yang band
limited.
Langkah Percobaan :
1. Buat script Matlab dan simpan dengan nama P2_3
2.
3.
4.
%ProgramP2_3
%Ilustrasiefekaliasingdalamdomainfrekuensi
clf;
t=0:0.005:10;
xa=2*t.*exp(t);
subplot(2,2,1)
plot(t,xa);grid
xlabel('Time,msec');ylabel('Amplitude');
title('Continuoustimesignalx_{a}(t)');
subplot(2,2,2)
wa=0:10/511:10;
ha=freqs(2,[121],wa);
plot(wa/(2*pi),abs(ha));grid;
xlabel('Frequency,kHz');ylabel('Amplitude');
title('|X_{a}(j\Omega)|');
axis([05/pi02]);
subplot(2,2,3)
T=1;
n=0:T:10;
xs=2*n.*exp(n);
Jalankan
program P2_3 untuk membangkitkan dan mendisplaykan sinyal
k=0:length(n)1;
stem(k,xs);grid;
waktu
diskrit dan sinyal kontinyu ekivalennya, dan kaitan dengan
xlabel('Timeindexn');ylabel('Amplitude');
title('Discretetimesignalx[n]');
transformasi
Fourier. Apakah tampak ada efek aliasing?
subplot(2,2,4)
Ulangi
jalankan
program P2_3 dengan meningkatkan perioda sampling
wd=0:pi/255:pi;
hd=freqz(xs,1,wd);
manjadi
1.5. Apakah terjadi efek aliasing?
plot(wd/(T*pi),T*abs(hd));grid; x
t 2
Modifikasi
program P2_3 untuk kasus
(t) = e
dan ulangi
xlabel('Frequency,kHz');ylabel('Amplitude');
title('|X(e^{j\omega})|');
pertanyaan 2 dan 3.
2.4.4
dan frekuensi cutoff (c). Parameter ini dihitung menggunakan fungsi Matlab
2.
%ProgramP2_4
%Disainfilterlowpassanalog
clf;
Fp=3500;Fs=4500;
Wp=2*pi*Fp;Ws=2*pi*Fs;
[N,Wn]=buttord(Wp,Ws,0.5,30,'s');
[b,a]=butter(N,Wn,'s');
wa=0:(3*Ws)/511:3*Ws;
h=freqs(b,a,wa);
Perhatikan
script diatas,berapakah passband ripple (Rp) dalam dB dan
plot(wa/(2*pi),20*log10(abs(h)));grid
xlabel('Frequency,Hz');ylabel('Gain,dB');
minimum
stopband attenuation (Rs) dalam dB. Berapakah frekuensi
title('Gainresponse');
passband
dan stopband edge (Hz) ?
axis([03*Fs605]);
3. Jalankan
program
P2_4
dan
perhatikan
display
grafik
yang
2.5.1
b. Sampling T = 0.08
c. Sampling T = 0.06
d. Sampling T = 0.5
e. Sampling T = 0.8
f. Sampling F = 3 Hz
g. Sampling F = 7 Hz
2.5.2
2.5.3
b. Sampling T = 1.5
t 2
c. Sampling xa(t) = e
dengan T=1.0
t 2
d. Sampling xa(t) = e
dengan T=1.5
et 2 T = 1.0
2.5.4
t 2
T = 1.5
Fs=
1
Ts
. Semakin
tinggi frekuensi sampling, atau semakin kecil periode sampling maka sinyal hasil
sampling akan semakin menyerupai sinyal analog asli. Sinyal hasil sampling
sering kali disebut juga istilah pulse amplitude modulation (PAM). Namun,
semakin tinggi frekuensi sampling membawa konsekuensi pada harga keseluruhan
pada proses pencacahan semakin tinggi sebaliknya, menggunakan frekuensi
sampling rendah akan menurunkan harga proses pencacahan tetapi mengandung
konseskuensi pada represensitasi sinyal PAM yang kurang dapat mewakili sinyal
analog asli. Karena itu secara natural akan muncul pertanyaan, berapa frekuensi
terendah yang dapat digunakan agar hasil pengkodean digital nantinya dapat
dikendalikan ke bentuk dari sinyal analog. Hal tersebut sesuai dengan Teorema
Nyiquist yang berbunyi sebagai berikut Frekuensi sampling harus minimal 2 kali
frekuensi tertinggi(bukan bandwidth) yang dikandung oleh sinyal asli.
a. Sampling T = 0,1
Fs=
1
Ts
1
0,1
Fs=10 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 10 Hz. Hasil Fs itu belum terlalu tinggi sehingga hasil sampling dari
sinyal tersebut belum menyerupai sinyal analognya.
b. Sampling T = 0,08
1
Ts
1
0,08
100
8
Fs=12,5 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 12,5 Hz. Hasil Fs itu sudah terlalu tinggi sehingga hasil sampling dari
sinyal tersebut hampir menyerupai sinyal analognya.
c. Sampling T = 0,06
1
Ts
1
0,06
100
6
Fs=16,67 Hz
1
Ts
1
0,5
10
5
Fs=2 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 2 Hz. Hasil Fs itu kecil sehingga hasil sampling dari sinyal tersebut belum
menyerupai sinyal analognya.
e. Sampling T = 0,8
1
Ts
1
0,8
10
8
Fs=1,25 Hz
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Frekuensi sampling (Fs)
sebesar 1,25 Hz. Hasil Fs itu kecil sehingga hasil sampling dari sinyal tersebut
belum menyerupai sinyal analognya.
f. Sampling F = 3 Hz
1
Fs
1
3
Ts=0,33
Sehingga, sesuai dengan teori semakin tinggi frekuensi sampling, atau
semakin kecil periode sampling maka sinyal hasil sampling akan semakin
menyerupai sinyal analog asli. Data diatas menunjukan Periode sampling (Ts)
sebesar 0,33. Hasil Ts itu cukup besar sehingga hasil sampling dari sinyal tersebut
belum menyerupai sinyal analognya.
g. Sampling F = 7 Hz
1
Fs
1
7
Ts=0,14
1
2
efek aliasing maka frekuensi sampel Fs harus dua kali lebih besar daripada
frekuensi sinyal maksimum Fmax. Apabila aliasing terjadi maka tidak dapat
mengetahui frekuensi sinyal yang sebenarnya. (Frekuensi aliasing = frekuensi
pencuplikan frekuensi sinyal ).
a. Range T = 0,1 & F = 13
Gambar 2.23 Pengaruh Aliasing Dalam Domain Range T=0,1 dan F =13
Gambar 2.24 Pengaruh Aliasing Dalam Domain Range T=0,2 dan F =13
(i)
(ii)
(iii)
Keterangan :
(i) : Range T = 0,1 dan F =13
(ii) : Range T = 0,1 dan F = 3
(iii)
sebesar 0,1 dan frekuensi yang berbeda beda. Mempunyai hasil penggambaran
sinyal yang sangat indentik atau sama tanpa adanya perbedaaan.Sehingga apabila
kita mengacu pada rumus
Frekuensi Aliasing = Frekuensi Sampling Frekuensi Sinyal
Anggap saja F = 13 merupakan frekuensi sinyal dan Fs = 16 maka sehingga
apabila dimasukan rumus tersebut akan diperoleh hasil sebagai berikut :
Frekuensi Aliasing = Frekuensi Sampling Frekuensi Sinyal
= 16 13
Frekuensi Aliasing
=3
Dari hal tersebut diperoleh kesimpulan yaitu sinyal yang memiliki Fs= 15 akan
mempunyai kembaran sinyal yang memiliki sinyal aliasing sebesar 3.
2.6.3
Fs=
1
Ts
sampling, atau semakin kecil periode sampling maka sinyal hasil sampling akan
semakin menyerupai sinyal analog asli. Sinyal hasil sampling sering kali disebut
juga istilah pulse amplitude modulation (PAM). Namun, semakin tinggi frekuensi
sampling membawa konsekuensi pada harga keseluruhan pada proses pencacahan
semakin tinggi sebaliknya, menggunakan frekuensi sampling rendah akan
menurunkan harga proses pencacahan tetapi mengandung konseskuensi pada
represensitasi sinyal PAM yang kurang dapat mewakili sinyal analog asli. Karena
itu secara natural akan muncul pertanyaan, berapa frekuensi terendah yang dapat
digunakan agar hasil pengkodean digital nantinya dapat dikendalikan ke bentuk
dari sinyal analog. Hal tersebut sesuai dengan Teorema Nyiquist yang berbunyi
sebagai berikut Frekuensi sampling harus minimal 2 kali frekuensi
tertinggi(bukan bandwidth) yang dikandung oleh sinyal asli.
a. Sampling T= 1,0
Pada hasil percobaan di atas dengan periode T = 1,0 Sehingga apabila dilakukan
perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=
1
Ts
1
1
Fs=1 Hz
(i)
(ii)
Keterangan :
(i) : Sinyal Asli
(ii): Sinyal Hasil Sampling
Data diatas menunjukan sampling antara sinyal asli menjadi sinyal sampling
dengan T= 1,0
(iii)
(iv)
Keterangan :
(iii)
Diskrit
(iv)
Kontinyu
Dari data di atas diperoleh hasil yaitu proses perubahan sinyal akibat adanya
variable frekuensi. Di mana Fs = 1,0 sesuai dengan proses perhitungan di atas.
b. Sampling T= 1,5
Pada hasil percobaan di atas dengan periode T = 1,5 Sehingga apabila dilakukan
perhitungan matematis akan dperoleh hasil sebagai berikut :
Fs=
1
Ts
1
1,5
F s=0.67 Hz
(i)
(ii)
Keterangan :
(i) : Sinyal Asli
(ii): Sinyal Hasil Sampling
Data diatas menunjukan sampling antara sinyal asli menjadi sinyal sampling
dengan T= 1,5
(iii)
(iv)
Keterangan :
(iii)
(iv)
Diskrit
Kontinyu
Dari data di atas diperoleh hasil yaitu proses perubahan sinyal akibat adanya
variable frekuensi. Di mana Fs = 0.67 sesuai dengan proses perhitungan di atas.
t 2
c. Sampling xa(t) = e
dengan T=1.0
et 2 dengan T=1.0
sebagai berikut :
Fs=
1
Ts
1
1
F s=1 Hz
Dalam hal ini akan dibandingkan antara Effect of Sampling in the Frequency
et 2
dengan
T=1.0.
Gambar 2.30 Perbandingan Effect of Sampling in the Frequency T=1.0 dan Effect of
Sampling in the Frequency Domain xa(t) =
t 2
dengan T=1.0.
Dari data di atas hanya diperoleh perubahan yang terjadi pada hasil
sinyal asli disebabkan karena adanya nilai xa(t) =
hasil sampling dan data Perubahan dari Sinyal Waktu Kontinyu menjadi Sinyal
Waktu Diskrit atau sebaliknya diperoleh hasil yang sama karena nilai T yang
tetap.
t 2
d. sampling xa(t) = e
dengan T=1.5
et 2 T=1.5
sebagai berikut :
Fs=
1
Ts
1
1,5
F s=0,67 Hz
Dalam hal ini akan dibandingkan antara Effect of Sampling in the Frequency
T=1.5 dan Effect of Sampling in the Frequency Domain xa(t) =
T=1.5.
et 2
dengan
Gambar 2.32 Perbandingan Effect of Sampling in the Frequency T=1.5 dan Effect of
et 2 dengan T=1.5.
Dari data di atas hanya diperoleh perubahan yang terjadi pada hasil
sinyal asli disebabkan karena adanya nilai xa(t) =
t 2
hasil sampling dan data Perubahan dari Sinyal Waktu Kontinyu menjadi Sinyal
Waktu Diskrit atau sebaliknya diperoleh hasil yang sama karena nilai T yang
tetap.
2.6.4 Disain Filter Lowpass Analog P2_4
Filter adalah adalah sebuah rangkaian yang dirancang agar melewatkan
suatu pitra frekuensi tertentu seraya memperlemah semua isyarat di luar pita ini.
Pengertian lain dari filter adalah rangkaian pemilih frekuensi agar dapat
melewatkan frekuensi yang diinginkan dan menahan (couple) atau membuang (by
pass) frekuensi lainnya, Komponen sirkit hanya terdiri dari elemen lumped (R, L,
C) atau elementer distribusi (pandugel atau microstrip, atau medium lain) atau
keduanya. Filter Low Pass (LPF) adalah sebuah rangkaian yang tegangan
keluarannya tetap dari dc naik sampai ke suatu frekuensi cut-off fc. Bersama
naiknya frekuensi di atas fc, tegangan keluarannya diperlemah (turun). Low Pass
Filter adalah jenis filter yang melewatkan frekuensi rendah serta meredam atau
menahan frekuensi tinggi.
Gambar 2.33 Disain Filter Lowpass Analog
Filter ini memiliki orde N, (N Integer) dan jika N semakin besar maka
respon filter mendekati respon filter ideal. Orde filter ini ditentukan oleh jumlah
komponen penyimpan energi. Dari hasil di atas Cuma terdapat N=1 karena hanya
terdapat 1 hasil percobaan yang sudah mendekati hasil respon filter ideal. Di mana
perhitungannya ialah :
=1
c
Keterangan :
: Frekuensi redaman yang diinginkan
c : Frekuensi cutt of 10 dB
| HN(J)|2=
1
1+10
1N
=-10Nlog(10)
dB = -10 dB/dec
Jadi setelah frekuensi cut off-nya, filter Butterworth ini memiliki respon meredam
mendekati 10N dB/ dekade.
2.7 Kesimpulan
Semakin tinggi frekuensi sampling, atau semakin kecil periode sampling
maka sinyal hasil sampling akan semakin menyerupai sinyal analog asli.
Dengan range periode yang sama sebesar dan frekuensi yang berbeda
beda. Mempunyai hasil penggambaran sinyal yang sangat indentik atau