Puji dan syukur kami panjatkan kehadirat Allah swt, atas rahmat dan
karunianya kami dapat menyelesaikan laporan ini. Laporan ini membahas tentang
Makalah Sistem Pengolahan Sinyal, “Deret Fourier dan Transformasi
Fourier”. Makalah ini dibuat sebagai syarat pemenuhan nilai mata kuliah Sistem
Pengolahan Sinyal, Program Studi Teknik Elektro, Universitas Mercu Buana.
Penulis
2
DAFTAR ISI
HALAMAN JUDUL........................................................................................ 1
BAB I ............................................................................................................... 4
PENDAHULUAN ........................................................................................... 4
1. 1 Sejarah ....................................................................................................... 5
1. 4 MATLAB .................................................................................................. 8
2. 2 Aplikasi ..................................................................................................... 17
3
BAB I
PENDAHULUAN
Sinyal adalah sesuatu yang membawa informasi. Setiap sinyal yang tidak
membawa informasi digolongkan sebagai noise. Salah satu informasi penting
dalam sebuah sinyal adalah frekuensinya.
4
Gambar pertama adalah penjumlahan 10 sinyal sinusoid dengan amplitude
yang sama, tetapi frekuensinya kelipatan 50 Hz. Gambar kedua merupakan bentuk
penampilan gambar pertama jika ditunjukkan dalam domain frekuensi. Gambar
kedua dapat dilihat dengan simulasi yang disebut spectrum analyzer.
Secara umum, sinyal sinusoid adalah sinyal standar. Hal ini tampak dari
bentuk umum fungsinya yang bisa dipergunakan untuk menyatakan semua sinyal
sinusoid. Hal ini membuat proses analisis sebuah sinyal menjadi lebih mudah
karena sinyal seperti ini sudah dikenali.
1. 1 Sejarah
5
dinamakan deret Fourier dan integral Fourier, atas jasa Jean Baptise Joseph
Fourier.
1. 2 Analisis Fourier
1. 3 Transformasi Fourier
6
Pembahasan deret Fourier dibatasi pada sinyal periodic. Bagaimana
mengunakan analisis Fourier untuk sinyal yang tidak periodic? Jenis sinyal ini
diproses dengan menggunakan transformasi Fourier. Transformasi Fourier
merupakan bentuk umum analisis Fourier sehingga kita bisa menggunakannya
untuk sinyal periodic juga.
7
1. 4 MATLAB
8
MATLAB juga bisa digunakan untuk menangani sistem linier, non-linier, waktu
kontinu, diskrit-waktu, multivariable dan sistem multirate.
9
BAB II
PEMBAHASAN
10
mirip dengan Inverse Fourier Transform. DFT sangat berguna dalam analisis
spektral dari kedua seri Fourier dan transformasi Fourier.
11
Dengan asumsi x adalah sampel dari sinyal dengan panjang N, maka program
Matlab sederhana untuk melakukan penjumlahan di atas adalah sebagai berikut:
n=[0:1:N-1];
k=[0:1:N-1];
WN=exp(-j*2*pi/N);
nk=n'*k;
WNnk=WN .^ nk;
Xk=x * WNnk;
Sebuah program Matlab sederhana untuk melakukan inverse DFT dapat ditulis
sebagai berikut:
n=[0:1:N-1];
k=[0:1:N-1];
WN=exp(-j*2*pi/N);
nk=n'*k
WNnk=WN .^ (-nk);
x=(Xk * WNnk)/N;
12
Gambar dibawah ini merupakan contoh sederhana dari proses DFT dimana
sampel data dari domain waktu ke-n diubah menjadi domain frekuensi dan
menghasilkan nilai magnitude.
Program MATLAB:
F=150;
nT=0:1/Fs:1;
n=0:length(nT)-1;
r=sin(2*pi*F*nT);
U=abs(fft(r));
13
figure;subplot(2,1,1); % Start plotting the
signal
stem(n,r);
xlabel('n');
ylabel('amplitude');
title('Sinyal diskrit');
stem(frek,U);
xlabel('Frekuensi');
ylabel('|X(F/Fs)|');
Plot Magnitude dan fase DFT! Gunakan IDFT untuk mentransfer hasil DFT (yaitu
urutan Xk) ke urutan aslinya.
Program MATLAB:
N=4;
n=[0:1:N-1];
% row vector
k=[0:1:N-1];
% row vector
x=ones(1,4);
% Generate x = [ 1 1 1 1 1 1]
14
subplot(2,2,1); % Start
plotting the signal
stem(k,x);
xlabel(' k ');
title('Original signal');
WN=exp(-j*2*pi/N);
WNnk=WN.^(nk);
xlabel(' k ');
title('Magnitude response');
ph=angle(Xk);
stem(k,ph); % Phase
response
xlabel(' k ');
15
ylabel(' Radians ');
WNnk1=WN.^(-nk);
% and dividing it by N
stem(k,x1);
xlabel(' k ');
title('Inverse DFT');
Output program:
16
2. 2 Aplikasi
Dalam point sebelumnya telah dibahas tentang definisi, formula, serta simulasi
Discrete Fourier Transform (DFT) menggunakan aplikasi MATLAB. Aplikasi
MATLAB tersebut di atas juga telah menunjukkan bagaimana proses DFT dapat
mengubah sinyal dalam domain waktu ke dalam domain frekuensi. Point
selanjutnya akan dibahas bagaimana DFT diaplikasikan dalam pengolahan sinyal
digital, yaitu: analisis spectral sinyal, analisis spectral lanjut, serta penggunaan
DFT pada Notch Filter.
17
windowing itu sendiri, yaitu: Hamming, Hanning, Bartlet, Rectangular, dan
Blackman.
Contoh Soal 2-2. Misalkan 𝑥(𝑡) = cos(2𝜋Fot) di mana F0 30Hz, dengan asumsi
frekuensi sample Fs= 128 Hz dan N = 256 sampel, dapatkan FFT dengan
windowing sinyal menggunakan Rectangular dan Hamming Window, zero
padding untuk = 1024. Plot besarnya normalisasi FFT dari windowed signals.
Windowed sinyal manakah yang memiliki mainlobe yang lebih sempit?
Program Matlab:
n=0:N-1; % Index n
plot(f(1:N1/2),20*log10(XR(1:N1/2)/max(XR)));
18
grid;
xlabel('Frequency, Hz');
plot(f(1:N1/2),20*log10(XH(1:N1/2)/max(XH)));
grid;
xlabel('Frequency, Hz');
Output program:
19
Dari proses windowing menggunakan Matlab diatas dapat dilihat bahwa plot
spektrum sinyal baik menggunakan Rectangular Window maupun Hamming
Window memiliki amplitudo puncak yang sama, yaitu sebesar f = 30Hz sesuai
dengan frekuensi sinyal. Sementara Rectangular Window memiliki mainlobe
sempit, Hamming Window memberikan sidelobes puncak kurang dari
Rectangular Window.
Contoh Soal 2-3. Generate 256 sample dari sinyal sinusoidal frekuensi sebesar 1
Khz dengan frekuensi sample 8 Khz. Plot sinyal dan spectrumnya!
Program Matlab:
f=1000;
n=0:N-1;
magX=abs(X);
20
% Build up an appropriate frequency axis
figure(1);
subplot(1,1,1);
plot(fx,20*log10(magX(1:N/2)));
grid;
xlabel('Frequency (Hz)');
ylabel('Magnitude (dB)');
Output program:
21
Dari plot spektrum di atas jelas menunjukkan bahwa sinyal terdiri dari komponen
sinusoidal tunggal yang memiliki frekuensi 1000Hz. Artefak lain yang terdapat
pada gambar disebabkan oleh terbatasnya jumlah sampel, efek windowing, dan
akurasi perhitungan.
Maka:
Contoh Soal 2-4. Diketahui sebuah sistem filter adalah sebagai berikut:
Input sinyal:
22
( ) ( ) ( ) where = 120 Hz, = 60 Hz dan = 1000 Hz
Plot input spectrum, respon magnitude dari filter, dan output spectrum dari Notch
filter tersebut!
Program MATLAB:
clear;
f1=120;
f2=60;
n=0:N-1;
x=sin(2*pi*(f1/fs)*n)+sin(2*pi*(f2/fs)*n);
[pxx, fx]=psd(x,2*N,fs);
plot(fx,20*log10(pxx));
grid;
sin(2*pi*(f2/fs)*n);
k=0.9969;
23
b=k*b;
figure(1);
[pxx, fx]=psd(x,2*N,fs);
plot(fx,20*log10(pxx));
grid;
24
plot(f,20*log10(magH)); % Plots the magnitude in dB against frequency
y=filter(b,a,x);
[pyy, fy]=psd(y,2*N,fs);
plot(fy,20*log10(pyy));
grid;
Output program:
25
Dari hasil plot di atas dapat dilihat bahwa sinyal input terdiri dari dua
komponen sinyal sinusoidal yaitu pada frekuensi 60 Hz dan 120 Hz. Dari
besarnya respons dari filter, jelas bahwa filter melemahkan komponen sinyal yang
berada pada frekuensi 60 Hz. Oleh karena itu, spektrum keluaran terdiri dari
sinyal 120 Hz dan sinyal yang dilemahkan (0 dB) pada frekuensi 60 Hz .
26
BAB III
PENUTUP
27
DAFTAR PUSTAKA
28