BAB 5

Pengenalan sistem diskrit

Meskipun secara alami sinyal terjadi dari berbagai analog (amplitudo terus-menerus
dan variasi waktu terus-menerus), kami menemukan bahwa konversi sinyal-sinyal ini ke
bentuk digital (diskrit dan ampitudo diskrit variasi) memberikan banyak ke untungan.
Misalnya, sinyal digital dapat disimpan di kompuer disk atau hardisk, sinyal digital dapat
dikompresi untuk menghemat tempat, dikonvrensi ke format lain, atau ditransmisikan dalam
kombinasi sinyal lain. Bentuk sinyal digital benaar-benar telah menjadi standar dalam
penggunaan sehari-hari sebagai compact disc (CDs) untuk audio dan aplikasi multi media bis
dibuktikan, oleh karena itu, sisa dari teks ini ikhususkan untuk aplikasi penyaringan teknik
sinyal digital.
Dalam bab ini kita akan membahas proses konversi sinyal analog ke dalam bentuk
digital. Selanjutnya, dengan sinyal diskrit waktu domain dan frekuensi domain. Dan
menemukan respon frekuensi diskrit sistem serta cara mengetahui gelombang digital pada
komputer yang dilengkapi dengan sound card.

5.1 ANALOG-TO-DIGITAL CONVERSION

sebagian besar sinyal yang kita gunakan stiap hari dikenal sebagai sinyal analog.
Jenis sinyal ini memiliki variasi terus menerus dalam waktu dan amplitudonya, seoerti di
tunjukan gambar 5.1 (a). Untuk mengkonvrensi sinyal analog ke sinyal digital diskrit dan
amplitudo diskrit, seperti pada gambar 5.1 (b) beberapa langkah yang dilakukan
Pertama, spektrum frekuensi sinyal analog harus benar-benar pada batas band. Kedua,
sinyal harus dapat sampel di tingkat sample yang tepat. Ketiga, nilai sample harys
terkuantisasi untuk tingkat akurasi yang dapat diterima. Ketika saatnya untuk mengubah
sinyal digital kembali ke bentuk sinyal analog ada beberapa metode yang dapat digunkan,
salah satu metode hanya memerlukan dua langka.
Langkah pertama adalah output nilai digital sinyal dan menahannya selama periode sampel.
Langkah kedua untuk melewati low pass filter sinyal. Untuk memahami alasan diperlukan
langkah untuk konvrensi analog dan digita, kita harus belajar spektrum frekuensi sinyal
sampel dan persyaratan ditempatkan pada sampel

Gambar 5.1 menunjukkan ringkasan perbandingan analog dan sinyal digital.

 5.1.1 spektrum frekuensi dan Sampling Rate
Ketika sinyal analog x(t) sampel, ditunjukan pada gambar 5.1, sampel biasanya
diambil pada interval waktu yang sama. Periode sampel ini Ts adalah kebalikan dari fs
frekuensi sampel. Xs (nT) digital gelombang yang dihasilkan dapat ditemukan dengan
argumen menunjukkan periode sampel Ts, seperti yang di tunjukan dalam (5.1.1) :

(5.1.1)

Sebagai contoh, jika kita memiliki X(t) sinyal analog yang ditentukan dalam (5.1.2), versi
sampel sinyal Xs(nTs) seperti yang ditunjukan dalam (5.1.3) akan menghasilkan.

(5.1.2)

(5.1.3)
Jika kita menganggap bahwa sinyal analog sampel pada frekuensi sampel 1.000 perdetik,
maka dapat kita hitung nilai-nilai Xs(nTs) dengan Ts= 0,001 detik. Nilai-nilai yang
dihasilkan dapat disimpang sebagai urutan angka, seperti yang ditunjukkan dibawah, ini
adalah point penting setelah sinyal analog digital, hal ini tidah lebih dari pada urutan nomor
yang dapat disimpan, dimanipulasi, dikirimkan, atau diproses dengan cara yang kita lihat
sesuai

(5.1.4)
Sejak periode sampel jarang berubah, persamaan waktu diskrit biasanya periode sampel drop
Ts dari ekspresi untuk menghasilkan ekspresi seperti (5.1.5). periode sampel akan tidak
diperlukan lagi sampai gelombang digital diubah ke analog bentuk

(5.1.5)
Meskipun itu tidak muncul, banyak yang telah berubah dalam represemtasi dari sinyal dalam
waktu domain, banyak yang berubah dalam frekuensi domain. Spektrum frekuensi sinyal
yang ditunjukan dalam gambar 5.2(a) sebelum pengambilan.
Sebelum sampel, jika sinyal ini adalah sampel pada frekuensi fs, spektrum sinyal sampel
akan seperti ditunjukan pada gambar 5.2(b). Spektrum analog asli direplikasi seluruh
spektrum interval fs (walapun hanta satu contih yang di tunjukan). Karena replikasi ini sangat
layak bahwa akan ada korupsi komponen-kompnen frekuensi sinyal asli oleh komponen
direplikasi sinyal. Korupsi ini disebut sebagai aliasing, dan frekuensi menyinggung yang
aliasing frekuensi (info lebih lanjut tentang aliansi dan kiteria nyquist mendatang dapat
ditemukan di sebagian besar digtal filter desain refrensi dalam lamiran A.)
Gambar 5.2 spectrum sinyal (a) sebelum dan (b) sesudah sampel.

Filter praktis Analog dan Digital desain

Ketika digitalisasi sinyal, sangat penting untuk menangkap, jika tidak semua, informasi
dalam sinyal analog asli tanpa menghasilkan alias frekuensi. Untuk alasan ini, banyak studi
telah pergi ke kondisi yang diperukan untuk setia mengkonvrensi sinyal analog ke dalam
bentuk digital. Kita dapat melihat dengan cermat mengamati gambar 5.2(b) bahwa jika untuk
menghilangkan efek aliasi, frekuensi sampel harus stidaknya dua kali tinggi frekuensi
tertinggi di sinyal asli. Hubungan ini seperti ditunjukan dalam (5.6), dikenal sebagai ktriteria
Nyquist, dan merupakan persyaratan terkenal dalam sampel teori :

(5.6)
Untuk menjamin bahwa persyaratan ini bertemu di semua waktu, itu adalah prosedur normal
untu band-batas sinyal input ke satu setengah frekuensi sampel setelah frekuensi sampel telah
diatur. Ini adalah ukuran yang tepat, karena frekuensi mealmpaui band yang biasanya
diharapkan kadang-kadang terjadi di semua sistem. Proses membatasi band dapat
dilaksanakan dengan mengirimkan sinyal analog lowpass sebelum pengambilan sampel. (baik
menggunakan teori analog filter

5.1.2 kuantisasi sampel

Setelah sampel sinyal analog, adalah sinyal diskrit karena nilai-niai sinyal yang ada hanya
pada saat waktu tertentu, tetapi amplitudo sinyal masih terum-menerus. Kemudian , langkah
berikutnya dalam konvrensi anlaog ke digital (ADC) untuk kuantitas terus-menerus sinyal
amplitudo ke salah satu dari banyak nilai-nilai diskrit amplitudo. Jumlah nilai yang mungkin
di perbolehkan untuk amplitudo di tentukan oleh ukuran variabel yang di pilih untuk
menyimpan nilai-nilai. Misalnya, jika satu byte memori (8 bit) dipilih untuk menyimpan
informasi, maka amplitudo dapat mengambil salah satu dari 28 atu 256 nilai yang berbeda.
Jika sinyal asli memiliki rentang ampitudo dari +1 volt untuk -1 volt, maka perbedaan antara
amplitudo sekitar 7.8 10-3 voly. Di sisi lain, jika dua byte memory (16 byte) yang digunakan
untuk menyimpan stiap sampel, akan ada 216 atau 65.536 nilai-nilai yang berbeda untuk
mewakili sinyal. Dengan ini banayak nilai-nilai, 1 volt sinyal akan memiliki amplitudo
berdekatan yang dipisahkan hanya 3.05 10-5 volt. Jelas, semakin besar variabel yang
digunakan untuk menyimpan data sampel, semakit erat kita dapatkan perkiraan sinyal analog
dengan reprentasi digital. (Dalam diskusi sebelumnya diasumsikan bahwa seragam sampel
digunakan dimana semua tingkatan akan sama spasi. Ada juga teknik yang menggunakan
nonuniform spasi unytuk menempatkan tingkat lebih rendah dan jarak yang luas untuk sinyal
yang lebih besar.) Namun, kelemahan dari menggunakan variabel yang besar ada dua.
Pertama, kebutuhan penyimpanan untuk menyimpan gelombang digital sebanding dengan
jumah bit yang digunakan untuk kuantitas sampel. Misalnya, kami memutuskan untuk
pengenalan sitem diskrit.
Sampel sinyal speech yang berisi sinyal frekuensi dari 300 untuk 3.000 Hz pada frekuensi
8.000 Hz (yang memenuhi kriteri Nyquist). Gelombang akan perlu ukuran file 480.000 byte
(480 kilobyte) untuk menyimpan satu menit senilai data menggunakan hanya 1 byte per
sampel. Di sisi lain, jika kita disimpan satu ,enit musik stereo menggunakan 2 byte data untuk
stiap saluran (kanan dan kiri), ukuran file akan perlu lebih dari 10 juta byte (10 megabyte).
Ukuran file besar ini diperlukan untuk mengakomodasi tingkat sampling 44 kHz, yang
merupakan angka normal yang di gunakan untuk tinggi sinyal audio dengan frekuensi hingga
20 kHz.
Kekurangan yang kedua adalah kecepatan konvrensi dari bentuk analog ke digital. Walaupun
ADC chip sangat cepat saat ini, mendapatkan lebih akurat memerlukan lebih banyak waktu
untuk konversi. Akhirnya, batas pada akurasi akan dicaai karena konvrensi tidak dapat dibuat
dalam interval sampel yang diberikan. Pembatas ini lebih umum ketika pengolahan sinya-
sinya video yang memiliki bandwidth di jutaan hertz (MHz).
Hal ini penting di catat pada titik ini bahwa secara teoritis sampel dari gelombang analog
tidak biasanya menghasilkan kesalahn. (ini mengasumsikan bahwa jam sampel
memperkenalkan kesalahan kerena jitter waktu) kuantitas sampel yang menghasilkan
kesalahan dalam sisitem digital. Jika sampel bisa disimpan dalam bentuk kontinue-amplitudo
aslinya, mereka dapat digunakan untuk menumbuhkan sinyal asli dengan tidak ada kesalahan
( dengan asumsi kriteria Nyquist bertemu). Jumlah maksimum kesalahan yang diperkenalkan
k dalam sistem oleh kuantisasi ini sama dengan satu setengah dari perbedaan antara tingkat
amplitudo. Seperti yang kita lihat, memilih sebuah metode untuk digitalisasi sinyal analog
adalah kompromi antara konversi kecepatan, akurasi gelombang, dan ukuran penyimapanan
atau transmisi

51.3 Sistem lengkap Analog-Digital-Analog

Gambar 5.3 menunjukan diagram blok sistem lengkap yang pertama mengkonvrensi sinyal
analog ke digital untuk diolah, transmisi atau penyimpanan. Kemudian konvrensi dibatalkan
dengan mengubah sinyal digital kembali ke bentuk analog di lain waktu dan/ atau
menggunakan digital-analog konverter (DAC). Seperti ditunjukan dalam gambar 5.2(b),
proses sampel sinyal menghasilkan replika asli spektrum analog interval frekuensi sampling.
Untuk memulihkan sinyal analog asli kita harus menghilangkan frekuensi yang lebih tinggi
dari fs 2. Penyaringan ini dicapai dengan filter tinggi urutan low pass
Contoh yang bagus dari sebuah prosedur lengkap adalah pengolahan sinyal audio untuk CD
musik. Suara asli musik disediakan oleh instrumen atau suara dan kemudian di catat pada
tape dalam bentuk analog digital dan dikodekan di compact disc. Kita kemudian dapat
membeli CD ini dan mengambil ke rumah dan memainkan pada sistem stereo yang mana data
musik pertama dikonversi dari digital ke bentuk analog dan kemudian fiproduksi. Dalam
contoh ini data diproses, di simpan, dan direproduksi di lain waktu dan tempat yang berbeda

Gambar 5.3 Sistem lengkap analog-to-digital-to-analog

5.2 PERSAMAAN, PERBEDAAN LINEAR DAN LILITAN

Dalam setudi kami sistem diskrit, kita harus mampu menggambarkan sitem diskrit dalam
sejumlah cara yang berbeda. Dalam bagian ini kita akan mempelajari bagaimana untuk
menggambarkan sistem discret time dengan menggunakan persamaan perbedaan dan sistem
impuls respon. Respon impulse sistem adalah hanya menanggapi doronhan diskrit fungsi
(n), sebagaimana didefinisikan dalam (5.7). fungsi ini adalah setara diskrit Dirac delta
fungsi (t) digunakan dalam teori sistem continous-time. Fungsi dorongan adalah fungsi
yang sangat berguna karena sinya input berurutan dapat digambarkan dengan menjumlahkan
ditimbang dan tertunda versi fungsi dorongan. Demikian juga respon sitem diskrit dapat
digambarkan dengan menggabungkan tanggapan kepada urutan input

(5.7)

Selain itu kita akan menggunakan unit langkah fungsi u(n) dalam banyak eksoresi, sehingga
definisi ditampilkan dalam (5.8). fungsi ini adalah setara dengan u(t) fungsi continous-time

(5.8)

Seperti u(t) dapat didefinisikan sebagaiintergal dari (t), u(n) dan (n) memiliki hubungan
yang dibangun pada penjumlahan terbatas seperti yang dijelaskan dalam (5.9)

Pengenalan sistem diskrit

 (5.9)
5.2.1 Linear Difference Equations
Continuous-time sistem sering membutuhkan solusi dari satu atau lebih persamaan
diferensial linier. Dalam kasus ini, nilai-nilai sinyal input dan output dan turunannya yang
digunakan. Diskrit setara dengan analisisini menggunakan perbedaan linear persamaan yang
membuat penggunaan waktu lalu dan nilai-nilai input sekarang dan waktu lalu output.
Perhatikan bahwa ali-alih menggunakan derivatif, kami menggunakan nilai-nilai dari sinyal.
Salah satu contih kelasik dari sistem diskrit yang dapat dengan mudah dijelaskan oleh
persamaan perbedaan adalah keseimbangan bank. Biarkan y(n) mencerminkan keseimbangan
dalam rekening tabungan yang mana X(n) dolar disimpan pada permulaan setiap bulan. Kita
dapat mengansumsikan bahwa account memperoleh bunga pada tingkat persentase bulanan
saya. Jika kita biarkan Ts, periode sampel dari sistem, satu bulan, maka perbedaan persamaan
dalam (5.10) mencerminkan saldo di akun pada permulaan setiap bulan.

(5.10)

Jika kita berasumsi bahwa deposit $100 setiap bulan dan bunga 1% perbulan, kami dapat
mengganti x(n) dengan 100 u(n) di (5.10) untuk menghasilkan hasil sebagai berikut

(5.11)

Tabel 5.1 menunjukkan saldo rekening selama enam bulan, dengan asumsi bahwa kami
hanya membuka rekening dan keseimbangan adalah nol

Tabel 5.1

Balance in Savings Account

Meskipun teknik manual untuk solusi persamaan defference ini dapat diterima untuk waktu
enam bulan, metode lain akan perlu untuk dipekerjakan untuk jangka waktu periode yang
lebih lama. Mari kita lihat jika kita dapat menentukan rumus umum saldo akun ini. Mulai dari
bukan pertama kami menemukan bahwa

(5.12)
 (5.13)

(5.14)

Atau secara umum

(5.15)

Meskipun ungkapan ini compact, hal itu masih memerlukan perhitungan jumlah n+1
persyaratan untuk menghasilkan nilai. Apa yang kita perlukan adalah solusi bentuk tertutup.
(Tentu saja saya telah menyebutkan hal jika salah satu tidak ada) Kita dapat mendefinisikan
apa yang disebut sebagai geometris jumlah terbatas, seperti yang ditunjukan di bawah ini :

(5.16)

Kemudian dengan beberapa rumus matematika, kita dapat mendefinisikan perbedaan yang
membatalkan kebanyakan istilah

(5.17)

Akhirnya, kita dapat menentukan nilai KT, seperti yang ditunjukan di bawah ini (Nilai KT
ketika= 1 ditentuka secara langsung dari (5.16) ):

(5.18)

Sekarang kita dapat menulis persmaan untuk saldo rekening tabungan kami dalam bentuk
tertutup, seperti yang ditunjukan di bawah. Persmaan ini tidak memerlukan perhitungan n+1
dalam istilah rangka bagi untuk mengevaluasi

(5.19)

Kita juga dapat menentukan nilai geometris jumlah tak terbatas, seperti yang ditunjukan
gambar di bawah
 (5.20)

Dengan hanya memasukan n di (5.18) ke infinity pendekatan, kita dapat melihat bahwa IGS
dapat ditepatkan sebagai

(5.21)
Salah satu cara untuk mendefinisikan sistem diskrit adalah dengan menggunakan persamaan
differensial. Secara umum persamaan differensial menggambarkan output untuk sistem
discretetime dapat di tulis sebagai

(5.22)
Kita akan mengetauhi secara lengkap sistem jika kita tahu koefisien ak dan bk. Seperti yang
ditunjukkan dalam (5.22), output y(n) adalah fungsi dari sebelumnya dan sekarang nilai-nilai
x(n) masukan dan melewati nilai-nilai output. Sistem seperti ini adalah sistem rekursif.
Sistem yang memiliki output dijelaskan hanya oleh nilai-nilai input sebelumnya dan sekarang
adalah sistem nonrecursive. Kita akan lihat dlam bab selanjutnya bahwa definisi ini efektif
membagi jenis filter digital dirancang menjadi dua kelompok
Kita telah mendefinisikan output dari sistem kami dalam hal nilai hanya sebelumnya dan
sekarang dari masukan. Sistem tersebut disebut sebagai sistem kuasal. Setiap sistem real-
time, tentu saja harus kausal karena tidak bisa menentukan output dari sistem yang
didasarkan pada nilai-nilai input atau output yang kita miliki belum terlihat. Namun, sistem
yang tidak real-time dapat noncausal. Sebagai contoh, sistem apapun yang dapat menarik
input dari data yang tersimpan dapat menentukan output dari sistem di waktu n oleh
Menggunakan nilai input pada n + m. Nilai-nilai kedepan ini dikenal karena mereka sudah
disimpan

5.2.2 Impuls repon dan lilitan

cara lain untuk menggambarkan sistem diskrit adalah untuk menentukan h(n) respon impulse
sistem. Respon impulse sistem dapat ditentukan dari persamaan differensial dengan
mengganti (n) fungsi dorongn untuk x(n) masukan dan menetukan output y(n)

contoh 5.1 Determinasi impuls respon

permasalahan : Berasumsi bahwa sistem diskrit yang dijelaskan oleh persamaan diferensial
yang ditunjukan di bawah ini. Menentukan nilai-nilai pertama lima respon impulse, kemudian
memformulasikan ekspresi analitasi untuk respon impulse

Solusi : Pertama, persamaan yang dimodifikasi untuk mencerminkan fakta bahwa output akan
h(n) respon impulse jika input (n)

Selanjutnya, set nilai-nilai pertama lima respon impulse ditentukan menggunakan tabel 5.2
Dari hasil ini kita dapat melihat bahwa ada bentuk umum untuk respon impulse, seperi yang
di tunjukkan dibawah ini :

Ketika respon impulse dari sebuah sistem yang dikenal, karakteristik lengkap sistem yang
dikenal reaksi sistem masukan lainnya kemudain dapat ditentukan dengan menggunakan
lilitan (mirip dengan operasi terus-menerus sistem). Output sistem daoat didefinisikan dalam
(5.23) simana * menunjukan lilitan, bukan perkalian. Dalam ungkapan itu, kita melihat
bahwa output dari y(n) sistem ditentukan oleh komputasi sejumlah produk impuls respon
koefisien h(n) dan melewati nilai-nilai input x (n k). Lilitan memiliki properti commutatuve
sehingga urutan fungsi dalam lilitan didefinisi ini tidak penting. Dari sudut andang praktis.
Namun, fungsi sederhana biasanya ditentukan dalam format waktu-bergeser. Ini adalah
metode utama yang digunakan untuk mengimplementasikan FIR filte, yang dibahas secar
rinci pada bagian 8.3. selain itu, sejumlah naskah-naskah tercantum di baian desain digital
filter dari lampiran A penutup diskrit lilitan

(5.23)

Contoh 5.2 Respon sistem dengan lilitan

Masalah : menentukan output dari sistem yang dijelaskan dalam contoh 5.1 jika input sinyal
yang ditunjukkan di bawah ini :

Solusi : karena kia sudah memiliki respon impulse sistem, kita dapat menggunakan lilitan
untuk menentukan output dari sistem. Persamaan untuk output sistem

Atau
Perhatikan bahwa batas penjumlahan lilitan disesuaikan oleh fungsi u(k) dan (n-k). Langka
fungsi u(k) memiliki nilai nol untuk nilai-nilai negatif k dan oleh karena itu batas
penjumlahan diatur ke nol. U fungsi langkah (n-k) akan memiliki nilai nol untuk semua nilai
k yang lebih besar dari n dan oleh kerena itu batas atas penjumlahan diatur untuk n. Kita
dapat menggunakan bentuk geometris jumlah terbatas untuk menyederhanakan hasilnya ke
solusi bentuk tertutup, seperti yang ditunjukan dibawah ini :

5.3 DISKRIT-WAKTU SISTEM DAN Z-TRANSFORMASI

Hal ini juga penting untuk dapat memahami karakteristik diskrit sistem dalam frekuensi
domain serta waktu domain. Untuk sistem linear, transformasi La place dapat dignakan untuk
mengubah karakteristik waktu domain ke domain frekuensi. Untuk sistem diskrit, kita akan
menggunakan z-transform sebagaimana didefinisikan dalam (5.24):

(5.24)
z-transform fungsi tertimang impuls, misalnya, hasil satu istilah karena fungsi dorongan
memiliki satu nilai bukan nol.

(5.25)
Z-transform fungsi tertimbang langkah juga dapat ditentukan dengan menggunakan definisi.
Dalam kasus ini, hasilny dapat disederhanakan dengan menggunakan definisi geometris
jumlah taj terbatas. Beberapa pasang z-transform lebih umum yang akan ditampilkan dalam
tabel 5.3

(5.26)

z- transform juga memiliki seperangkat sifat yang berguna, seperti yang ditunjukan tabel 5.4
pertama dan terpenting adalah properi z-transform respon impulse yang berfungsi
mentrasnfer sistem di z- domain. Kita akan menggunakan properti itu dalam contoh
berikutnya . properti kedua di tabel 5.4 menunjukan bahwa lilitan dalam waktu domain dapat
diwakili sebagai perkalian sederhana di z-domain. Ketiga properti yang terdaftar menunjukan
bahwa waktu tunda k satuan waktu dapat diwakili oleh perkalian z-k . z-domain. Dan
akhirnya, perkalian oleh n dalam waktu domain dapat diwakili oleh diferensiasi dalam z-
domain. Untuk diskusi lebih lanjut sifat-sifat z-mengubah atau untuk daftar yang lebih
lengkap dari z-transform pasang, silakan merujuk ke salah satu teks rujukan yang tercantum
pada lampiran A
Contoh 5.3 Menentukan fungsi transfer
Masalah : menentukan fungsi transfer dari sistem yang dijelaskan dalam contoh 5.1 yang
memiliki respon implse
Menemukan lokasi elektroda dan nol transfer fungsi serta persamaan diferensial sisitem dari
fungsi transfer
Solusi : menggunakan input keempat dalam tabel z-transform pairs, kita dapat menentukan
bahwa fungsi transfer sistem dijelaskan adalah

Kita melihat bahwa ada pairs tunggal (penyebut akar) di z = b1 dan satu nol (akar pembilang)
di z = 0 oleh cross-multiplication, hasil persamaan berikut

Dengan mengambil invers z-transform persamaan ini dan menerapkan pergeseran waktu z-
transform, kita dapat menentukan persamaan diferensial sama, seperti dalam contoh 5.1

Cara lain bahwa sistem diskrit dapat digambarkan adalah dengan menggambar diagram
sistem untuk mewakili pperdamaan umu diferensial. Gambar 5.4 menunjukkan diagram
sistem untuk (5.2.1). pada gambar ], penundaan yang diwakili z-1 dan perkalian dengan
simbol segitig. Tentu saja, jika nonrecursive filter yang diwakili, setengah bawah diaagram
sistem akan dieliminasisejak output dari sistem tersebut tidak bergantung pada nilai-nilai
output sebelumnya
Dalam diagram sistem ini, kita melihat bahwa setiap kali sinyal bergerak melalui sebuah
elemen penunjanh dan output tertunda oleh salah satu contoh untuk interval. Meskipun sistem
diagram benar dan akan menghasilkan output benar, ada gambar yang lebih efisien sistem.
Pertama, jika kita mengubah persamaan umum diferensial (5.22)

Dari uraian ini, kita dapat menentukan fungsi transfer H(z) menjadi :
 (5.28)
Kita dapat menggunakan (5.28) dalam cara yang sedikit berbeda untuk memungkinkan untuk
pengembangan lebih lanjut:

(5.29)
Representasi ini mengarah pada dua hubungan yang terpisah, seperti yang ditunjukan
dibawah ini ;

(5.30)

(5.31)
Persamaan dua ini z-domain dapat ditulis dalam bentuk yang setara dalam waktu domain
dengan menganggap z-k dalam z-domain mewakili penundaan k sampel periode waktu
domain.

(5.32)

(5.33)
Hasil dari penurunan ini adalah bentuk umum diagram diskrit sistem dapat ditarik dengan
lebih efesien penggunaan unit penundaan dengan mendefinisikan w(n) dalam diagram.
Karena unit penundaan ini harus dilaksanakan secara hardware atau software, sedikit
digunakan lebih baik 5.5 angka menunjukan metode pilihan menggambar diagram sistem
dengan penundaan.
5.5 gambar diagram sistem dengan lebih sedikit penundaan unit.

5.4 RESPON FREKUENSI DISKRIT SISTEM

Respon frekuensi adalah salah satu karakteristik pang penting dari sisitem diskrit
time. Meski tidak benar-benar menggambarkan sistem sebagai persamaan diferensial, respon
impulse atau fungsi transfer ( ini menyampaikan perilaku sementara sistem.) respon frekuensi
memberikan informasi penting tentang mapan perilaku sistem. Kita dapat mulai dengan
mempertimbangkan sinyal sinusodial analog dan sinyal sampel menggunakan periode
sampling ts.

(5.34)

(5.35)
Yang mana telah didefinisikan
(5.36)
Persamaan (5.36) dengan metode untuk membandingka f frekuensi analog ke digital
frekuensi . Kisara frekuensi analog yang dapat diterima sistem diskrit tidak memperpanjang
dari nol hingga tak terbatas sebagai terjadi dalam sisitem analog biasa. Ingat bahwa batas atas
ditererima analog frekuensi diskris sistem diatur oleh Nyquist kiteria, dan karena itu berbagai
definis seperti ditunjukan dibawah. Perhatikan bahwa subskrip d ditambahkan kevariabel
frekuensi untuk menunjukan kita berbicara tentang analog setara dalam sistem diskrit

(5.37)
Menggabungkan kondisi ini dengan hasil (5.36) di kisaran berikut
(5.38)
Meskipun fungsu sinus atau kosinus biasanya digunakan untuk menentukan respon frekuensi
dari sitem hardwere, kedua fungsi-fungsi ini dapat dijelaskan dengan kompleks exponentials,
seperti yang ditununjukan dibawah

(5.39)

(5.40)
Pada kenyataannya, semua fungsi periodik dapat diwakili oleh exponentials ini bahkan
konstanta dapat diwakili sebagau exponentials dengan frekuensi nol. Oleh karena itu ketika
menentukan respon frekuensi dari sistem diskrit, ini umum untuk mempertimbangkan driver
fungsi sebagai komplek eksonensial, seperti yang ditunjukan dibawah ini

(5.41)
Output dari sistem diskrit kemudian ditentukan oleh convolving sinyal input dengan sistem
impuls respon. Output kemudian

(5.42)
Atau dapat di tulis :

(5.43)
Yang mana H (e j) didefinisikan sebagai respon frekuensi dari sitem.
Jika membandingkan definisi respon frekuensi, seperti yang di tunjukan (5.44), dan definisi
fungsi transfer untuk sistem, seperti yang ditunjukan dalam (5.45), kita lihat persamaan

(5.44)

(5.45)
Contoh 5.4 menentukan respon frekuensi

(5.46)
Berasumsi b1 memiliki nilai 0.8 untuk sistem ini
Solusi: Respon frekuensi dapat ditemukan dari fungsi transfer dengan hanya membuat
penggantian z + e j
Nilai untuk respon frekuensi kemudian dihitung dengan memungkinkan frekuensi
jangkauan dari 0 sampai , seperti yang ditunjukan dalam tabel 5.5 perhatikan bahwa j e
eksponensial yang kompleks dapat dikonversi ke sejumlah kompleks dalam bentuk persegi
panjang cos() + j sin() menggunakan Euler hubungan atau diubah ke bentuk polar sebagai
1.

Contoh 5.4 menunjukan bahwa respon frekuensi dari sistem yang lebih kompleks daat
berfungsi frekuensi. Pada frekuensi tertentu, nilai kompleks fungsi dapat ditentukan dan di
ubah ke bentuk polar, seperti yang ditunjukan dibawah ini :

(5.47)
Dalam rumus ini, M() mewakili penyesuaian di besarannya sinyal akan melewati sistem,
dan () mewakili penyesuaian dalam fase yang sinyal input akan mengalami. Misalnya ,
jika sinyal digital

(5.48)
Diterapkan untuk sistem contoh 5.4, sinyal keluaran dapat ditentukan dengan mengalikan
besarnya input oleh besarnya respon frekuensi di = /2, dan dengan menggeser fase
masukan oleh fase respon frekuensi di = /2. Hasilnya dapat ditulis sebagai :

(5.49)
Atau

(5.50)
Menggunakan frekuensi digital = 2 mungkin tidak nyaman bagi desainer analog filter
yang digunakan untuk bekerja dengan frekuensi jauh lebih besar. Oleh karena itu sangat
penting untuk dicatat bahwa frekuensi digital ini berhubungan dengan beberapa frekuensi
analog melalui formula yang dinyatakan dalam (5,36). Bahwa persamaan mengulangi di sini
dalam hal frekuensi analog serta fd. Kita melihat bahwa frekuensi ini adalah fungsi dari
frekuensi digital dan frekuensi sampling untuk sistem, seperti yang dibahas sebelumnya.
 (5.51)
Oleh karena itu, jika berhadapan dengan sebuah sistem dengan frekuensi sampling 10.000
sampel/detik, mungkin lebih bagus untuk memikirkan sinyal input di atas sebagai sinyal
analog 2.500 Hz yang telah dikonverensi untuk frekuensi digital :

(5.52)
Beberapa masaah akan lebih baik dinyatakan dalam waktu domain, sementara yang lain akan
lebih mudah untuk bekerja dalam frekuensi domain. Beberapa analis sistem akan lebh mudah
menggunakan sistem implus respon, sementara yang lain memerlukan penggunaan fungsi
treansfer sistem. Jika menerapkan filter ini, diagram sistem akan berguna
Contoh 5.5 Contoh Sistem Diskrit-Waktu Lengkap

Masalah: Pertimbangkan persamaan perbedaan untuk sistem diskrit-waktu yang ditunjukkan

di bawah ini. Tentukan respon impuls, fungsi transfer, dan respon frekuensi sistem.

Juga, temukan lokasi kutub dan nol untuk sistem serta gambar diagram sistem. Akhirnya,
tentukan output dari sistem jika inputnya adalah sinyal analog x (t) yang ditunjukkan di
bawah ini. Asumsikan bahwa frekuensi sampling adalah 20.000 sampel per detik.

Solusi: Kita mulai solusi dari permasalahan tersebut dengan mengubah persamaan perbedaan
untuk menentukan fungsi transfer untuk sistem seperti itu.

Atau

Setelah kita mengubah H (z) menjadi kekuatan positif z, kita faktorkan fungsi transfer untuk
menentukan lokasi kutub dan nol. Dari ungkapan tersebut, kita melihat bahwa ada tiga nol
pada z = -1,0 dan tiga kutub pada z = 0,8 dan 0,6 j0,7:

Respons frekuensi sekarang dapat dengan mudah ditentukan dari fungsi transfer, seperti yang
ditunjukkan di bawah ini:
Jika kita ingin menentukan respons sistem kita terhadap sinyal analog sampel, kita perlu
mengubah frekuensi analog kritis ke frekuensi digital. Istilah DC adalah frekuensi nol dalam
kedua kasus, sementara frekuensi analog 2.000 Hz mengkonversi ke frekuensi digital / 5,
dan frekuensi analog 8.000 Hz mengkonversi ke frekuensi digital 4 / 5. Respon besarnya
dan fase untuk H (ej) ini ditunjukkan pada Tabel 5.6.

Table 5.6
Respon Frekuensi

Dengan menerapkan penyesuaian besaran dan fasa yang ditunjukkan pada Tabel 5.6 untuk
frekuensi 0, / 5, dan 4 / 5, kita dapat menentukan output dari sistem sebagai:

Respon impuls sistem dapat ditentukan dengan menemukan transformasi z invers dari fungsi
transfer. Metode yang paling umum digunakan untuk menemukan transformasi invers adalah
dengan menggunakan perluasan fraksi parsial H (z) / z dan kemudian mencocokkan istilah
yang dihasilkan dengan yang ada dalam tabel transform.

maka kita tuliskan H (z) sebagai jumlah dari tiga syarat

Dua istilah pertama dapat dengan mudah terbalik ditransformasikan dengan mencocokkan
istilah dalam tabel transformasi z. Namun, istilah ketiga berhubungan dengan sinusoid yang
teredam dan membutuhkan beberapa manipulasi sebelum bisa berubah terbalik.

Dengan membandingkan istilah denominator, kita menemukan bahwa a = 0,92195 dan =

0,86217, sedangkan istilah pembilang memberikan A = 11,337 dan = 0,09677. Dengan
nilai ini, fungsi transfer bisa terbalik
Ada banyak aljabar dan trigonometri yang dibutuhkan untuk menemukan respons impuls.
Jika kita hanya memerlukan beberapa persyaratan pertama dari respons impuls, atau jika kita
ingin memverifikasi kebenaran pekerjaan kita, ada metode yang berguna yang dapat
diterapkan. Jika kita kembali ke fungsi H (z) asli dan melakukan pembagian panjang pada
fraksi, kita akan mendapatkan serangkaian istilah seperti yang ditunjukkan:

Dengan invers mengubah urutan ini, kita memiliki h (n) yang ditunjukkan sebagai
serangkaian fungsi impuls yang tertunda. Ini akan memberi tahu kita secara eksplisit apa nilai
respons impuls untuk beberapa nilai pertama dari urutannya. Nilai-nilai ini memang sesuai
dengan yang diberikan oleh ungkapan umum di atas untuk h (n):

5.5 BERMAIN GELOMBANG DIGITIZED PADA SISTEM KOMPUTER

Agar mendapatkan manfaat penuh dari pekerjaan yang akan kita lakukan di sisa teks ini,
kartu suara komputer harus tersedia. Tentu saja, kode C dalam teks ini untuk perancangan
dan penerapan filter analog dan digital adalah insentif utama untuk mendapatkan salinan teks
ini, namun tanpa kartu suara untuk memutar file suara yang akan kita proses dalam beberapa
bab berikutnya, sebuah pengalaman penting akan dilewatkan. Kami akan menggunakan
beberapa file suara untuk menggambarkan efek yang dihasilkan oleh filter digital yang akan
kami rancang. File suara ini telah disertakan pada disk perangkat lunak dengan teks ini di
direktori \ C_CODE \ SOUND.
Selain format file suara, ada variasi lain yang harus diperhatikan saat memutar file suara.
Pertama, frekuensi sampling harus dipertimbangkan. Frekuensi sampling standar untuk sinyal
audio berkualitas studio adalah 44.100 Hz. Frekuensi ini cukup tinggi untuk memungkinkan
frekuensi audio dalam kisaran 20.000 Hz dimasukkan ke dalam informasi sinyal. Frekuensi
ini mewakili batas atas dalam rentang pendengaran manusia. Namun, tidak semua aplikasi
memerlukan tingkat respons frekuensi ini. Oleh karena itu, tingkat sampling 22.050 dan
11.025 Hz juga umum terjadi. Frekuensi rendah ini memberikan alternatif yang menarik
untuk sinyal tanpa komponen frekuensi tinggi atau sinyal termasuk hanya ucapan. Kartu
suara secara otomatis menyertakan filter antialiasing yang disetel ke frekuensi yang benar
berdasarkan tingkat sampling. Sebagian besar kartu suara juga termasuk pilihan untuk
memilih kuantisasi yang akan digunakan saat sinyal diambil sampelnya. Resolusi 8-bit (1
byte) atau 16-bit (2 byte) dapat dipilih. (Pilihan lain umum untuk aplikasi industri.) Tabel 5.7
memberikan gambaran ukuran file suara sebagai fungsi sampling rate, jumlah saluran, dan
metode kuantisasi.
 Tabel 5.7
Perbandingan Data Ukuran Suara Untuk 1 Menit Perekaman

Tentunya, ukuran file audio bisa tumbuh sangat besar! Itulah sebabnya penting untuk
memilih tingkat sampling, jumlah saluran, dan metode kuantisasi dengan hati-hati untuk
memberikan tingkat akurasi yang sesuai dengan proyek. Tentu saja saat ini ada banyak
pilihan untuk kompresi data ini, namun masih ada korelasi langsung antara ukuran file dan
pilihan sampling. Ada dua file berbeda yang disertakan dengan disk perangkat lunak. File
pertama, SPEECH, adalah file mono yang menggunakan sampling rate 11.025 sampel per
detik dengan 8 bit per sampel. Pemilihan kedua, MUSIC, juga merupakan sinyal monaural
yang direkam dengan sampel sebanyak 22.050 sampel per detik dengan 16 bit per sampel.
Karena kebanyakan kartu suara juga akan merekam sinyal, sinyal uji lainnya dapat ditangkap
dan diuji pada sistem komputer sesuai keinginan.
Pada titik ini, sekarang saatnya untuk memeriksa kartu suara di komputer dengan memutar
file suara yang disebutkan di atas. Disarankan agar file suara disalin ke hard disk untuk akses
lebih cepat. Kami akan menggunakannya sebagai sampel masukan untuk dirancang dalam
dua bab berikutnya.

5.6 KESIMPULAN
Kami telah mencapai akhir peninjauan kami terhadap sistem waktu diskrit. Dalam bab ini,
kami menemukan bahwa karakteristik lengkap dari sistem waktu diskrit dapat ditentukan
dengan mengetahui persamaan perbedaan sistem, respon impuls, fungsi transfer, atau
diagram sistem. Kami belajar cara untuk menentukan salah satu dari deskripsi ini dari yang
lain. Selain itu, kami belajar bagaimana menemukan respons frekuensi suatu sistem dengan
penggantian langsung ke dalam fungsi transfer sistem. Kami akan menggunakan materi yang
disajikan dalam bab ini untuk merancang dan mengimplementasikan filter digital dalam dua
bab berikutnya. Sisa dari teks ini akan disajikan dengan cara yang menekankan aplikasi
daripada teori, namun jika diperlukan, kita dapat menggunakan materi di bab ini untuk lebih
memahami masalah yang mungkin kita hadapi.
 BAB 6
Respon impuls tak terbatas design filter digital
6.1 respon impuls invarian design
Metode ini di sebut juga transformasi invarian pulsa adalah berdasarkan pada penciptaan
suatu filter digital dengan respon impulse itu adalah versi sampel dari respon impuls dari
filter analog kami pertama kali memulai dengan fungsi transfer filter analog dan dengan
menggunakan perubahan invers laplace
Contoh. 6.1 respon impuls invarian transformasi
Masalah : asumsikan bahwa kita ingin mengkonversi fungsi transfer yang sedang terjadi
berikut pada fungsi transfer diskrit menggunakan metode impuls invariant transformasi :

Solusi : Kami pertama kali menggunakan teknik ekspansi dasar pecahan parsial untuk
menulis fungsi transfer dalam bentuk yang sesuai untuk transformasi invers:

Kemudian mengenali perubahan pasangan Laplace

kita dapat dengan mudah menemukan respon impuls sebagai berikut :

Jika kita kemudian sampel respon impulse ini pada interval T, kita akan memiliki
respon impulse diskrit. Secara efektif, kami hanya mengganti setiap t dengan nT untuk
menunjukkan nth sampel pada interval T:

Ungkapan ini dapat ditulis ulang dalam bentuk yang lebih jelas menunjukkan
hubungan eksponensial n :

Sekarang kita menggunakan z-transform tabel seperti yang dikembangkan pada Bab 6 untuk
menemukan fungsi transfer pada the z-domain:
Dan akhirnya kita dapat menggabungkan istilah-istilah tersebut di atas common denominator
untuk menghasilkan hasil akhir, yang bisa disederhanakan satu kali nilai sampling periode T
dipilih:

Meskipun contoh 6.1 contoh jelas menunjukkan langkah-langkah yang diperlukan untuk
menerjemahkan fungsi analog transfer ke fungsi digital transfer, kita dapat melewatkan
beberapa langkah dengan mengakui hubungan umum antara H(s) dan H(z). Seperti yang
dapat diverifikasi dalam contoh, untuk setiap istilah dalam fungsi analog transfer dari bentuk
yang ditunjukkan pada (6.1), Ada sebuah istilah yang diciptakan dalam fungsi digital transfer
dari bentuk yang ditunjukkan pada (6.2):

yang dihasilkan diskrit-waktu yang setara kemudian bisa ditulis dan disederhanakan seperti
ditunjukkan pada (6.3) sampai (6.6):

Contoh 6.2 Butterworth impuls invarian Filter desain

Masalah: Menentukan impuls filter digital invarian untuk fungsi pendekatan Butterworth
urutan kedua, seperti ditunjukkan di bawah ini. Perhatikan bahwa H(s) adalah dinormalisasi
dan karena itu memiliki frekuensi tepi passband 1 rad/sec or (1/2 Hz). Menentukan
perbedaan yang menghasilkan dari memilih sampling periode t = 1.0 SEC dan T = 0.1 sec.

Solusi : Kita bisa faktor pertama fungsi transfer analog dan gunakan sebagian
ekspansi fraksi untuk menentukan

Dan sekarang kita bisa menggunakan rumus ini

Sangat menarik untuk membandingkan dua fungsi transfer dari contoh 6.2. Kita juga bisa
cepat mengetahui indikasi besarnya fungsi transfer ini dengan menentukan respon di
frekuensi nol. Kita bisa melakukan itu dengan mudah membiarkan z = ej0 = 1:

Dengan pengecekan cepat ini kita melihat bahwa respon pada frekuensi nol tampaknya
sebanding 1/T. Untuk melihat mengapa pilihan ini menghasilkan variasi, kita harus
mengingatkan diri kita akan hubungan antara frekuensi analog digital dan ekuivalen.
frekuensi digital meluas dari 0 sampai dimana sejalan dengan frekuensi analog fs/2
seperti yang ditentukan oleh kriteria Nyquist. Hubungan ini dapat ditulis pada salah satu dari
dua bentuk yang ditunjukkan dalam (6.7) dan (6,8):
Gambar 6.1 Tanggapan frekuensi untuk Contoh 6.2.
Sekarang kita bisa melihat lebih jelas mengapa tanggapannya sangat berbeda.
Meskipun sumbu frekuensi memanjang dari 0 sampai , Dalam kasus respons T = 1 detik
(fs = 1 Hz), rentang frekuensi digital memanjang dari 0 sampai 0,5 Hz, dan frekuensi tepi
passband 0.159 Hz, terlihat jelas pada suatu titik kira-kira 1-3 Caranya sepanjang sumbu
frekuensi. Secara umum, metode desain invarian impuls yang terbaik untuk pencocokan
respons sistem frekuensi rendah.
6.2 LANGKAH RESPON INVARIAN DESAIN
Metode umum lain untuk mengkonversi fungsi analog transfer ke digital domain
adalah untuk mencocokkan respon langkah kedua sistem. Langkah respons invarian prosedur
perancangannya sama seperti impuls invariant design, kecuali bahwa kita harus menentukan
langkah respon fungsi transfer analog sebelum dijadikan sampel dan z-transformed Kita
dapat menentukan sistem analog langkah tanggapan hanya dengan mengalikan H(s) dengan
mengubah langkah masukan, yang adalah 1/s. Di (6.9) kita didefinisikan sistem langkah
respon sebagai G(s):
Respons impuls-impuls tak terbatas desain filter digital

Setelah kita telah menentukan G(s), kita dapat menemukan domain waktu respon terhadap
g(t) masukan langkah dengan menggunakan invers Laplace mengubah:

Kemudian, respons langkah diskrit-waktu dapat ditentukan dengan mengambil sampel versi
waktu kontinu:
Selanjutnya, respon sistem diskrit-waktu terhadap masukan langkah dapat ditentukan dengan
menggunakan z-transform:

Seperti ditunjukkan pada (6.12), G (z) adalah produk dari fungsi transfer diskrit waktu H (z)
dan z-transform dari masukan langkah. Oleh karena itu, untuk menemukan H (z), kita hanya
mengalikan G (z) dengan (1 - z-1), seperti yang ditunjukkan:

Saat kita meninjau prosedur ini, kita dapat melihat bahwa langkah utama sama dengan
transformasi impuls invarian, kecuali bahwa kita telah menambahkan satu langkah di awal
dan satu langkah di akhir. Langkah awal yang baru mengharuskan kita membagi fungsi
transfer analog dengan s, dan langkah terakhir yang baru mengharuskan kita mengalikan
fungsi transfer digital dengan (1 - z-1).

Contoh 6.3 langkah respon invarian transformasi

Masalah: Berasumsi bahwa kami ingin mengkonversi Fungsi kontinu-waktu transfer 6.1
contoh fungsi transfer diskrit, tapi kali ini kita ingin menggunakan metode transformasi
invarian respon langkah.

Solusi: Kita perlu menentukan sistem menanggapi masukan langkah dengan mengalikan H(s)
dengan transformasi Laplace masukan langkah 1/s.

Kita kemudian dapat dengan mudah menemukan respon domain waktu terhadap masukan
langkah dengan menemukan transformasi Laplace terbalik dari G (s) sebagai

Jika kita sampel respon ini interval t, kita akan memiliki respon diskrit, seperti yang
ditunjukkan di bawah ini:
Kemudian, dengan menggunakan tabel z-transform pada Bab 5, kita dapat menemukan z-
transform g (nT) sebagai:

Dan dengan menggabungkan istilah-istilah di atas common denominator, kita akan

menemukannya

dimana G(z) mewakili output dari sistem ke langkah masukan. Untuk menentukan fungsi
transfer sistem, kita harus menghilangkan efek input langkah 1 / (1 z1).

Meskipun hasil dari contoh sebelumnya terlihat sangat terlibat, Semua istilah eksponensial
akan menjadi konstanta setelah periode sampling untuk sistem dipilih. Kami juga dapat
menggunakan metode invarian desain langkah pada penyaring Butterworth 6.2 contoh.
Contoh 6.4 Butterworth langkah invarian Filter desain
Masalah: Tentukan filter digital invarian langkah untuk fungsi perkiraan Butterworth orde
kedua yang dinormalisasi, seperti yang ditunjukkan di bawah ini. Tentukan perbedaan yang
menghasilkan periode sampling T = 1,0 detik dan T = 0,1 detik.

Solusi: Sekali lagi, kita pertama menentukan output dari sistem analog ke fungsi input
langkah dan kemudian menggunakan pecahan parsial ekspansi untuk menentukan persyaratan
individu.

Respon langkah kemudian akan ditentukan oleh menemukan invers Laplace mengubah dari
G(s), seperti yang ditunjukkan di bawah ini:

Kemudian, setelah sampling di interval t, respon langkah diskrit bertekad untuk menjadi
Menanggapi langkah masukan diskrit dapat kemudian ditentukan dengan menggunakan z-
transform.

Sekarang, dengan menggabungkan istilah-istilah ini lebih dari sebuah common denominator
(dan melakukan cukup banyak kompleks aljabar), kami memiliki sistem menanggapi langkah
masukan:

Fungsi transfer diskrit H(z) sekarang dapat ditentukan dengan menghapus faktor (1 z1)
yang berkaitan dengan langkah masukan, dan kami dapat membuat penggantian periode
sampling berbeda dalam bentuk umum untuk menemukan dua fungsi transfer yang berbeda:

Perhatikan bahwa lokasi tiang yang sama untuk desain invarian impuls tetapi bahwa lokasi
nol telah berubah. Kita dapat membandingkan tanggapan frekuensi dari filter diskrit ini dua
seperti yang ditunjukkan pada gambar 6.2.
Gambar 6.2 Tanggapan frekuensi untuk Contoh 6.4.
Seperti yang bisa kita lihat, ada perbedaan yang signifikan antara kedua implementasi
tersebut, namun perbedaannya lagi merupakan hasil dari sumbu frekuensi yang memiliki dua
skala yang berbeda. Pada metode perancangan invarian langkah, tidak perlu skala besarnya
seperti halnya metode perancangan impuls invarian. Dengan membandingkan respons
frekuensi ini dengan Gambar 6.1, kita melihat perbedaan yang signifikan. Alasan
perbedaannya adalah kriteria yang berbeda ditempatkan pada disain. Pada bagian
sebelumnya, penekanan ditempatkan pada pencocokan impuls seperti sinyal input, sedangkan
pada bagian ini tujuannya adalah untuk mencocokkan langkah seperti sinyal input. Seperti
ditunjukkan pada gambar, kriteria yang berbeda menghasilkan filter dengan respons frekuensi
yang sangat berbeda. Seperti pada bagian sebelumnya, metode desain filter IIR ini paling
sesuai untuk menyesuaikan respons sistem frekuensi rendah.
6.3 DESAIN TRANSFORMASI BILINEAR
Baik metode invarian invarian dan invarian langkah impuls memberikan perkiraan
yang baik untuk lowpass dan beberapa respons filter analog bandpass. Namun, mereka tidak
dapat memberikan pencocokan yang baik dengan respons frekuensi tinggi, yang membuat
tidak mungkin menggunakannya untuk desain filter highpass atau bandstop. Sebenarnya,
metode ini tidak memberikan metode terbaik untuk mencocokkan respons filter analog saat
kecocokan yang baik dibutuhkan sepanjang rentang frekuensi yang luas. Selain itu, tanpa
pemilihan frekuensi sampling yang cermat dan pembatasan sinyal masukan yang ketat,
distorsi dari aliasing dapat terjadi. Oleh karena itu, pada bagian ini kita akan membahas
transformasi bilinear yang berusaha membuat kecocokan yang masuk akal terhadap
keseluruhan rentang frekuensi filter. Tentu saja, itu memberikan tantangan karena rentang
frekuensi analog membentang dari nol sampai tak terbatas dan rentang frekuensi digital
hanya berkisar dari nol sampai . Namun, transformasi dari domain analog ke domain z
digital telah dikembangkan (seperti yang dijelaskan secara lebih rinci dalam referensi teknis
yang diberikan di akhir teks), Dalam metode ini, hubungan antara variabel kompleks s dan z
dapat digambarkan dengan persamaan berikut, dimana T adalah periode sampling:
Untuk lebih memahami hubungan ini, kita bisa merepresentasikan variabel kompleks z dalam
bentuk eksponensial R e j

Representasi ini dapat ditulis dalam bentuk persegi panjang sebagai

dan akhirnya disederhanakan ke :

Dengan mengacu pada (6.17) dan mengamati s-pesawat dan z-pesawat di 6.3 tokoh, kita bisa
melihat bahwa ada tiga wilayah yang berbeda dalam s-domain yang berhubungan dengan tiga
berbeda daerah di z-domain. Dalam kasus pertama, setiap titik di z-domain yang terletak di
luar unit circle (R > 1) dikaitkan dengan titik di bidang hak setengah (RHP) s-pesawat ( >
0). Dalam kedua kasus, titik dalam z-domain terletak di dalam unit circle (R < 1) dikaitkan
dengan titik di bidang kiri setengah (LHP) s-domain ( < 0). Akhirnya, titik pada lingkaran
unit (R = 1) dikaitkan dengan titik di s-pesawat yang terletak pada sumbu j ( = 0). Pada
kenyataannya, dalam kasus terakhir ini, sumbu positif j berhubungan dengan bagian atas
setengah dari unit lingkaran sebagai sudut perjalanan dari 0 ke , sedangkan sumbu negatif j
berhubungan dengan bagian bawah setengah lingkaran unit dengan sudut dari 0 sampai .

Gambar 6.3 Perbandingan bidang s-plane dan z-plane menggunakan transformasi bilinear.
Meskipun tidak ada satu-satu hubungan antara sumbu j positif dan bagian atas unit
lingkaran, itu adalah satu nonlinier. Jika kita melihat lebih dekat pada bagian imajiner (6.17)
ketika R = 1 (dan karena itu = 0), kita melihat bahwa

atau, dalam hal z-domain frekuensi variabel

Persamaan (6,18) dan (6,19) adalah penting untuk proses transformasi bilinear karena mereka
perlu menentukan pemetaan tepat antara domain analog dan digital. Pemetaan ini frekuensi
analog digital frekuensi cukup linier untuk frekuensi rendah, tetapi menjadi sangat nonlinier
sebagai frekuensi yang lebih tinggi yang dipetakan. Pemetaan ini frekuensi sering disebut
sebagai "warping" untuk menggambarkan bagaimana frekuensi yang lebih tinggi yang
melengkung ke tempat yang layak pada unit circle. Alasan yang warping ini begitu penting
adalah bahwa meskipun kami akan menentukan frekuensi karakteristik digital filter oleh
digital frekuensi, filter akan diturunkan dari fungsi transfer analog filter. Oleh karena itu,
sangatlah penting untuk menentukan frekuensi analog untuk menggunakan pada rancangan
analog dengan warping digital frekuensi tertentu seperti ditunjukkan pada contoh 6.5. Setelah
menentukan frekuensi diperlukan untuk desain analog filter, filter dapat dirancang dengan
menggunakan proses yang dijelaskan sebelumnya dalam teks ini. Setelah fungsi analog
transfer telah ditetapkan, kita dapat menggunakan bilinear mengubah substitusi diberikan
dalam (6.14). Karena kami akan mengembangkan kode untuk melaksanakan proses
transformasi ini, sangat penting untuk hati-hati menggambarkan substitusi ini. Dalam kasus
merupakan faktor urutan pertama, proses transformasi dimulai dengan (6,20).
Contoh 6.5 Menentukan Frekuensi Kritis Analog dan Digital
Masalah: Berasumsi kita ingin desain lowpass filter digital (dengan frekuensi sampling 20
kHz) berdasarkan Butterworth analog filter. Karakteristik diperlukan digital filter

Parameter apa yang harus kita gunakan untuk merancang filter analog yang menjadi dasar
filter digital kita?
Solusi: Kami pertama kali menyadari bahwa sumbu digital frekuensi dapat diberi label dalam
dua cara yang berbeda, seperti yang dibahas sebelumnya. Kemudian menggunakan (6.7), kita
dapat menentukan
Setelah frekuensi ini ditentukan, mereka dapat dilengkungkan dengan menggunakan (6.18)
untuk menghasilkan frekuensi analog setara yang diperlukan untuk desain filter analog.

Perhatikan sedikit pita frekuensi tepi passband yang lebih rendah (dari 1.000 sampai 1.008
Hz) dan warping yang lebih signifikan dari frekuensi ujung stopband yang lebih tinggi (dari
5.000 sampai 6.366 Hz). Attenuations filter tidak berubah; oleh karena itu, kami memiliki
informasi yang cukup untuk melanjutkan dengan desain filter analog, yang akan menjadi
subjek dari contoh berikutnya.

Dalam persamaan ini, huruf besar A dan B mewakili koefisien fungsi analog filter. Setelah
penyederhanaan, (6.21) dan (6.22) hasil dengan set baru koefisien mana 2/T telah diganti
dengan 2fs. Dalam persamaan ini, huruf kecil a dan b mewakili koefisien digital filter yang
akan digunakan, dan G mewakili keuntungan penyesuaian untuk istilah urutan pertama ini:

Dimana

Dalam kasus istilah kuadrat yang digunakan untuk menggambarkan koefisien kita, proses
transformasi ditunjukkan pada (6.23) sampai (6.25). Sekali lagi, G mewakili penyesuaian
gain yang diperlukan untuk masing-masing faktor kuadrat untuk filter.
Di mana

Contoh 6.6 Butterworth Bilinear mengubah Filter desain

Masalah: Menentukan filter digital untuk memenuhi spesifikasi yang diberikan dalam
contoh 6.5 menggunakan transformasi bilinear.
Solusi: dengan memasukkan attenuations dan prewarped frekuensi analog
W Filter untuk desain analog filter, kita menentukan transfer analog berikut
fungsi:

Kemudian, dengan menggunakan bilinear substitusi untuk s, kita dapat menentukan fungsi
transfer dalam digital domain.

Fungsi transfer dapat disederhanakan dengan menggunakan (6.23) untuk (6,25) untuk
menghasilkan

Respons frekuensi filter digital yang dirancang dalam contoh 6.6 dapat ditentukan dengan
cara yang dibahas dalam bab sebelumnya (dan ditampilkan dalam gambar 6.4).
Respon frekuensi gambar 6.4 misalnya 6.6.
Untuk faktor kuadrat umum dari bentuk yang ditunjukkan di bawah ini:

respons frekuensi dapat ditentukan dengan membiarkan z = ej seperti yang ditunjukkan:

Faktor pembilang dan penyebut kemudian dapat dikonversi.

Kita lihat pada Gambar 6.4 bahwa spesifikasi telah dipenuhi (pada 1.000 Hz gain -1 dB =
0,89125, dan pada 5.000 Hz gain -20 dB = 0,1).
Contoh 6.7 Chebyshev Bilinear Transform Filter Design.
Masalah: Peninggi WFilter untuk menu-menu merancang filter digital IIR Chebyshev dan
Tagclient tanggapan besarnya. Spesifikasi untuk filter ini adalah.

Solusi: Kami dapat menyediakan nilai-nilai ini untuk WFilter dan WFilter akan menghitung
tanggapan besarnya filter, seperti ditunjukkan pada gambar 6.5. Koefisien IIR digital dan
tiang dan lokasi nol ditampilkan dalam gambar 6.6. Dalam gambar 6.5 kita melihat efek dari
sampel pada respon frekuensi. Khususnya, kami melihat tanggapan lowpass direplikasi dalam
bentuk gambar cermin di frekuensi sampling 50 kHz. Selain itu, kita melihat setengah bawah
refleksi di dua kali frekuensi sampling 100 kHz. Jika kita telah memilih skala besar-
frekuensi, kita akan melihat ini replications direproduksi di semua kelipatan dari frekuensi
sampling. Tentu saja, dalam sistem diskrit khas, antialiasing filter akan ditetapkan ke satu-
setengah frekuensi sampling (25 kHz dalam kasus ini), dan pengguna tidak akan melihat efek
dari komponen-komponen frekuensi yang lebih tinggi.

Gambar 6.5 besarnya tanggapan dari WFilter.

Nilai-nilai desain 6.6 gambar dari WFilter.
6.4 C KODE UNTUK IIR FREKUENSI RESPON PERHITUNGAN
Untuk memverifikasi bahwa semua persyaratan telah dipenuhi, kita harus menghitung
respons frekuensi filter kami. Dalam kasus ini, fungsi Calc_DigIIR_Resp ditampilkan dalam
daftar 6.1 akan dipanggil untuk melakukan perhitungan respon frekuensi. Perhitungan dibuat
dengan cara yang sama Calc_Analog_Resp kecuali nyata dan khayalan nilai yang dihitung
dengan menggunakan (6.28).
Daftar 6.1 fungsi Calc_DigIIR_Resp.

6.5 KESIMPULAN
 Dalam bab ini kita menyelidiki tiga metode yang berbeda untuk menghasilkan digital
IIR filter dari fungsi analog transfer. Dalam setiap kasus kami menemukan bahwa ada tidak
cocok untuk fungsi analog asli, terutama karena ada batas ketat pada kisaran frekuensi suatu
filter digital. Namun, metode bilinear mengubah memberikan karakteristik baik respons
secara keseluruhan, dan untuk alasan itu dipilih untuk diimplementasikan di C kode. (Rincian
kode ini disediakan dalam Apendiks G.) Respon frekuensi karakteristik IIR filter juga
dianggap, dan perhitungan respon dilaksanakan dalam C kode. Akhirnya, kami menggunakan
WFilter untuk desain IIR filter dan menampilkan respon besarnya lengkap termasuk
replications beberapa respon asli. Pelaksanaan IIR filter dibahas dalam Bab 8.