Anda di halaman 1dari 41

BUKU MODUL PRAKTIKUM

DTE 3236L- PENGOLAHAN SINYAL DIGITAL


1. SINYAL DAN SISTEM WAKTU DISKRIT
2. PENGOLAHAN DIGITAL SINYAL WAKTU KONTINYU
3. PROSES REKAM DAN EDIT SINYAL WICARA
4. PERHITUNGAN ENERGI SINYAL WICARA
5. STRUKTUR FILTER DIGITAL
6. DISAIN FILTER DIGITAL

Disusun Oleh:
Dr.Fahmi, ST, M.Sc., IPM
Ir. Arman Sani, MT
Suherman, ST, M.Comp., Ph.D
Ir. Sihar Parlinggoman Panjaitan, MT
Naemah Mubarakah, ST, MT

LABORATORIUM PENGUKURAN BESARAN LISTRIK


DEPARTEMEN TEKNIK ELEKTRO FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
2018
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

MODUL 1
SINYAL DAN SISTEM WAKTU DISKRIT

1.1 Tujuan
 Memahami konsep deret dan representasinya pada MATLAB
 Mempelajari deret-deret dan operasi dasar untuk membentuk deret yang lebih kompleks
 Mengerti konsep linearitas, shift-invariance, stabilitas, dan Kausalitas
 Menjadi lebih familiar dengan sifat-sifat konvolusi
 Mempelajari perhitungan konvolusi menggunakan penjumlahan dan matrix

1.2 Peralatan
 Program Matlab 2008 keatas

1.3 Teori Penunjang


1.3.1 Sinyal dan Karakterisitknya
Sinyal waktu diskrit disebut dengan deret dan dinotasikan sebagai berikut:

x(n) ={x(n)} = {…, x(-1), x(0), x(1),…} (1.6)

Deret sinyal waktu diskrit dapat berupa deret terbatas maupun tidak terbatas yang terdifinisi pada N1< n
< N2, dimana N1 < N2. Dengan durasi deret tersebut adalah N2-N1+1 sample
Bentuk dasar yang sering digunakan adalah:

Deret unit sample dinotasikan sebagai d(n) dan didefinisikan sebagai:


1, ;n  0
 ( n)   (1.2)
0, ;n  0
Sinyal Unit Step dinotasikan sebagai u(n) dan didefinisikan sebagai:
1, untuk n  0
u ( n)   (1.3)
0, untuk n  0

1
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Sinyal Unit Ramp :

Sinyal Eksponensial :

1.3.2 Sistem Waktu Diskrit


Sistem waktu diskrit adalah suatu alat atau algoritma yang beroperasi pada pada sinyal waktu diskrit
(input), menurut beberapa aturan yang dibuat, untuk menghasilkan sinyal waktu diskrit dengan bentuk
lain (output atau respons) sistem tersebut.
Secara umum dinyatakan:
y (n)  T x(n) (1.4)
Salah satu sistem waktu diskrit yang sering digunakan adalah sistem linier tidak berubah terhadap waktu
(linier time invariant (LTI) system). Sistem ini mempunyai sifat-sifat sebagai berikut:
 Memenuhi sifat superposisi.
 Tidak berubah terhadap waktu (time invariant).
 Mempunyai respons terhadap deret unit sample yang disebut dengan respons impuls.
 Jika input (x(n)) dan sistem (h(n)) adalah deret yg finite maka y(n) merupakan hasil konvolusi
dari x(n) dan h(n).

2
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

 Apabila setiap input yang terbatas menghasilkan output yg terbatas maka sistem disebut
dengan stabil BIBO.
 Apabila outputnya (y(n)) hanya tergantung dari input n sekarang dan output sebelumnya maka
sistem disebut dengan sistem kausal.
 Sistem LTI waktu diskrit dapat ditulis/dijelaskan menggunakan persamaan beda koefisien
konstanta linier.

1.4 Langkah Percobaan


A Menggambar sinyal waktu diskrit.
1. Diketahui suatu sinyal x1 ( n)  (0.9) n cos( 0,2n   / 3) 0 < n < 20. Selanjutnya, buatlah

program script matlab dan simpan dengan nama “P1_1”


clc
clear
n1=[0:100];
%x1=((0.9).^n1.*cos(0.2*pi*n1+pi/3));
x2=10*cos(0.008*pi*(n1).^2);
axis([min(n1-1),max(n1-1),-1,1]);
stem(n1,x2)
xlabel('n');ylabel('x2(n)');title(' Deret
x2(n)');
set(gca,'XTickMode','manual','Fontsize',10)

2. Jelaskan langkah-langkah pada sript matlab P1-1 diatas.


3. Jalankan program P1_1, dan perhatikan gambar grafik yang dihasilkan. Apakah sinyal di atas
adalah sinyal periodic?. Simpanlah gambar yang anda dapatkan tersebut.
4. Modifikasi progarm P1_1 untuk memplot sinyal berikut:
- x2(n)=10 cos(0.008π.n2) ; 0< n < 100 ,
- x3=2n ; 0 < n < 100
Apakah kedua sinyal ini periodik? Jelaskan.
B Konvolusi
1. Diketahui suatu sinyal :
- x4(n)={1,2,3,4} ; 0 < n < 3,
- x5(n)={3,2,1} ; 0 < n < 2,
- x6(n) = {2, 2, 1, 2, 3} ; 0 < n < 4.
Lakukan proses konvolusi untuk x4(n)* x5(n), menggunakan program P1_2 berikut:

3
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

close all
clear all
x=input('Enter x: ')
h=input('Enter h: ')
m=length(x);
n=length(h);
X=[x,zeros(1,n)];
H=[h,zeros(1,m)];
for i=1:n+m-1
Y(i)=0;
for j=1:m
if(i-j+1>0)
Y(i)=Y(i)+X(j)*H(i-j+1);
else
end
end
end
Y
stem(Y);
ylabel('Y[n]');
xlabel('----->n');
title('Convolution of Two Signals without
conv function');

2. Jalankan program P1_2 dengan ketentuan sebagai berikut:


o Hitunglah konvolusi x4(n)*x5(n) dan x5(n)*x4(n), bandingkan hasilnya. Memenuhi sifat
konvolusi apakah ini? Jelaskan
o Hitunglah konvolusi (x4(n)*x5(n))*x6(n) dan x4(n)*(x5(n)*x6(n)), bandingkan hasilnya.
Memenuhi sifat konvolusi apakah ini? Jelaskan
o Hitunglah konvolusi (x4(n)+x5(n))*x6(n) dan x4(n)*(x5(n)+x6(n)), bandingkan hasilnya.
Memenuhi sifat konvolusi apakah ini? Jelaskan

4
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

MODUL 2

PENGOLAHAN DIGITAL SINYAL WAKTU KONTINYU

2.1 Tujuan
 Mempelajari hubungan dalam domain waktu antara sinyal waktu kontinyu xa(t) dan sinyal waktu
diskrit x[1] yang dibangkitkan oleh sampling periodik xa(t)
 Menginvestigasi hubungan antara frekuensi sinyal sinusoidal xa(t) dengan perioda sampling.
 Menginvestigasi hubungan antara Continuous Time Fourier Transform (CTFT) pada sinyal
waktu kontinyu band terbatas (limited) dan Discrete Time Fourier Transform (DTFT) dari sinyal
diskrit.
 Mendisain filter lowpass analog

2.2 PERALATAN
 Program Matlab 6.1 ke atas

2.3 Teori Penunjang


2.3.1 Transformasi Sinyal

Asumsikan ga(t) adalah sinyal waktu kontinyu yang disample secara kontinyu pada t=nT
menghasilkan sekuen g[n], yaitu:

2.1
Dengan T adalah perioda sampling. Kebalikannya dari T disebut dengan frekuensi sampling (FT), yaitu
1/T. Representasi domain frekuensi dari ga(t) diperoleh dari transformasi Fourier waktu kontinyu Ga(jΩ),
yaitu :

2.2
Dimana representasi domain frekuensi dari g[n] diperoleh dengan transformasi Forirer Diskrit ( ),

2.3
Relasi antara Ga(jΩ) dengan ( ), diberikan oleh :

2.4

5
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

2.5

Atau dapat dinyatakan sebagai:

2.6

2.3.2 Teorema Sampling

Asumsikan ga(t) adalah sinyal bandlimited dengan Ga(jΩ) = 0 untuk |Ω| > Ω m. Kemudian ga(t)
dihitung dengan mensamplenya pada ga(nt), n = 0,1,2,3,4,5, ...... jika,
ΩT > Ω m, dengan Ω = 2.7

Dengan mengetahui {g[n]} = {ga(nT)}, kita dapat memulihkan ga(t) dengan membangkitkan deret impulse
gp(t), yaitu:

2.8
dan melewatkan gp(t) ke filter lowpass ideal Hr(jΩ) dengan gain T dan frekuensi cutoff Ω c > Ω m dan Ω c
< ΩT- Ωm, sehingga:

2.9
Frekuensi tertinggi Ωm yang terkandung dalam ga(t) disebut dengan Frekuensi Nyquist, yang
dinyatakan sebagai:
ΩT > 2 Ωm 2.10
dan 2 Ωm 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 dengan inverse
transformasi Fourier dari response frekuensinya Hr(jΩ), yaitu:
2.11

Maka:

2.12

6
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

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 asumsikan Ω c = ΩT/2 = π/T, maka akan
diperoleh:

2.15

2.3.4 Spesikasi Filter


Spesifikasi filter biasanya dinyatakan dalam bentuk respon magnituda.Sebagai contoh, magnituda
|Ha(jΩ)| dari filter laowpass analog ditunjukan pada Gambar 2.1. Dalam passband, dinyatakan dengan
0 < Ω < Ω p, magnitudanya adalah:
untuk 2.16

atau dengan kata lain, magnituda mendekati 1 dengan error ± . Dalam stopband dinyatakan dengan
Ωs ≤ |Ω| ≤ ∞, magnitudanya:
2.17
2.16

Frekuensi Ω p dan Ωs masing-masing disebut dengan passband edge frequency dan stopband edge
frequency. Batas toleransi maksimum dalam passband dan stopband dan disebut dengan
ripples.

Gambar 2.1 Spesifikasi respon magnituda filter lowpass analog

7
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

2.4 Proses Sampling dalam Domain Waktu


2.4.1 Sampling Sinyal Sinusoidal

Percobaan ini akan menginvestigasi sampling sinyal sinusoidal waktu diskrit x a(t) di beberapa rate
sampling.

1. Buatlah script Matlab berikut dan simpan hasilnya dengan nama “P2_1”

% Program P2_1
% Ilustrasi dalam proses sampling domain waktu
clf;
t = 0:0.0005:1;
f = 13;
xa = cos(2*pi*f*t);
subplot(2,1,1)
plot(t,xa);grid
xlabel('Time, msec');ylabel('Amplitude');
title('Continuous-time signal x_{a}(t)');
axis([0 1 -1.2 1.2])
subplot(2,1,2);
T = 0.1;
n = 0:T:1;
xs = cos(2*pi*f*n);
k = 0:length(n)-1;
stem(k,xs); grid
xlabel('Time index n');ylabel('Amplitude');
title('Discrete-time signal x[n]');
axis([0 (length(n)-1) -1.2 1.2])

2. Jalankan Program P2_1 untuk menghasilkan sinyal waktu kontinyu dan sinyal versi tersample.
3. Dari Scipt diatas, berapakah frekuensi (Hz) sinyal sinusoidal dan berapakah perioda sampling
(detik).
4. Jalan program P2_1 untuk 4 (empat) nilai perioda sampling baru, masing-masing 2 (dua) lebih
rendah dan 2 (dua) lainnya lebih tinggi dari perioda sampling di script. Amati hasilnya dan
jelaskan .
5. Ulangi program P2_1 dengan merubah frekuensi sinyal menjadi 3 Hz dan 7. Amati dan
jelaskan hasil yang diperoleh.

2.4.2 Pengaruh Aliasing Dalam Domain Waktu

Pada percobaan ini, kita akan membangkitkan sinyal kontinyu ekivalin 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 :

8
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

(2....)

Langkah Percobaan:
1. Buat script Matlab dan simpan dengan nama ‘P2_2’

% Program P2_2
% Ilustrasi efek aliasing dalam domain

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;
xlabel('Time, msec');ylabel('Amplitude');
title('Reconstructed continuous-time signal
y_{a}(t)');
axis([0 1 -1.2 1.2]);

2. Jalan program P2_2 untuk membangkitkan sinyal waktu diskrit x[n] dan sinyal kontinyu
ekivalennya ya(t), dan menampilkannya bersama-sama.
3. Berapa range t dan nilai peningkatan waktu dalam script P2_2?. Berapa range t pada
gambar/grafik yang dikeluarkan oleh simulasi?. Selanjutnya ubahlah range t, dan jalankan
kembali program P2_2. Jelaskan hasil rekonstruksi sinyal yang dihasilkan
4. Kembalikan range sinyal t ke kondisi semula. Selanjutnya, rubahlah frekuensi sinyal sinusoidal
menjadi 3 dan 7 Hz. Apakah terdapat perbedaan antara sinyal diskrit ekivalen dengan yang
dihasilkan pada langkah 1. Jika tidak, jelaskan.

2.5 Effect of Sampling in the Frequency Domain

Percobaan ini akan meneliti hubungan antara Continuous Time Fourier 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 x a(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’

9
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

% Program P2_3
% Ilustrasi efek aliasing dalam domain frekuensi
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('Continuous-time signal x_{a}(t)');
subplot(2,2,2)
wa = 0:10/511:10;
ha = freqs(2,[1 2 1],wa);
plot(wa/(2*pi),abs(ha));grid;
xlabel('Frequency, kHz');ylabel('Amplitude');
title('|X_{a}(j\Omega)|');
axis([0 5/pi 0 2]);
subplot(2,2,3)
T=1;
n = 0:T:10;
xs = 2*n.*exp(-n);
k = 0:length(n)-1;
stem(k,xs);grid;
xlabel('Time index n');ylabel('Amplitude');
title('Discrete-time signal x[n]');
subplot(2,2,4)
wd = 0:pi/255:pi;
hd = freqz(xs,1,wd);
plot(wd/(T*pi), T*abs(hd));grid;
xlabel('Frequency, kHz');ylabel('Amplitude');
title('|X(e^{j\omega})|');
axis([0 1/T 0 2])

2. Jalankan program P2_3 untuk membangkitkan dan mendisplaykan sinyal waktu diskrit dan
sinyal kontinyu ekivalennya, dan kaitan dengan transformasi Fourier. Apakah tampak ada efek
aliasing?
3. Ulangi jalankan program P2_3 dengan meningkatkan perioda sampling manjadi 1.5. Apakah
terjadi efek aliasing?
4. Modifikasi program P2_3 untuk kasus ( )= dan ulangi pertanyaan 2 dan 3.

2.6 Disain Filter Lowpass Analog

Tahap pertama dalam mendisain filter adalah menentukan orde filter (N) dan frekuaensi cutoff (Ω c).
Parameter ini dihitung menggunakan fungsi Matlab “buttord” untuk filter Butterworth, “cheb1ord” untuk
filter Chebyshev Tipe 1, “cheb2ord” untuk tipe 2, dan “ellipord” untuk filter elliptic. Ωc adalah frekuensi
cutoff 3 dB untuk filter Butterworth, passband edge untuk filter Chebyshev Type 1, stopband edge untuk
filter Chebyshev Type 2, dan passband edge untuk filter elliptic.

10
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Langkah Percobaan :

1. Buat script Matlab dan simpan dengan nama ‘P2_4’

% Program P2_4
% Disain filter lowpass analog
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);
plot(wa/(2*pi), 20*log10(abs(h)));grid
xlabel('Frequency, Hz');ylabel('Gain, dB');
title('Gain response');
axis([0 3*Fs -60 5]);

2. Perhatikan script diatas,berapakah passband ripple (Rp) dalam dB dan minimum stopband
attenuation (Rs) dalam dB. Berapakah frekuensi passband dan stopband edge (Hz)?
3. Jalankan program P2_4 dan perhatikan display grafik yang dihasilkan.Apakah filter yang
dirancang sudah memenuhi spesifikasi ?. Berapakah orde filter (N) dan frekuensi cutoff (Hz)
dari filter yang telah dirancang?

11
Perekaman dan Pengeditan

MODUL 3
PROSES PEREKAMAN DAN PENGEDITAN SINYAL WICARA

I. TUJUAN
- Mahasiswa mampu melakukan proses perekaman dan pengeditan sinyal wicara
dengan menggunakan perangkat lunak.

II. DASAR TEORI


2.1. Pembangkitan Sinyal Wicara pada Manusia
Speech (wicara) dihasilkan dari sebuah kerjasama antara lungs(paru-paru), glottis
(dengan vocal cords) dan articulation tract (mouth/mulut dan nose cavity/rongga hidung).
Gambar 1 menunjukkan penampang melintang dari organ wicara manusia. Untuk
menghasilkan sebuah voiced sounds (suara ucapan), paru-paru lungs menekan udara
melalui epiglottis, vocal cords bergetar, menginterupt udara melalui aliran udara dan
menghassilkan sebuah gelombang tekanan quasi-periodic.

Gambar 1. Organ wicara manusia

12
Perekaman dan Pengeditan

Impuls tekanan pada umumnya disebut sebagai pitch impulses dan frekuensi sinyal
tekanan adalah pitch frequency atau fundamental frequency. Di dalam Gambar 2a
sederetan impuls (fungsi tekanan suara) dihasikan oleh vocal cords untuk sebuah suara.
Ini merupakan bagian dari sinyal voice (suara) yang mendefinisikan speech melody
(melodi wicara). Ketika kita berbicara dengan sebuah frekuensi pitch konstan, suara
sinyal wicara monotonous tetapi dalam kasus normal sebuah perubahan permanen pada
frekuensi terjadi. Variasi frekuensi pitch dapat dilihat seperti pada Gambar 2b.

a. Sederetan impulse yang sama

b. Variasi pada frekuensi pitch

Gambar 2. Sederetan impuls dan pitch pada sinyal wicara

Impuls pitch merangsang udara di dalam mulut, dan untuk suara tertentu (nasals) juga
merangsang nasal cavity (rongga hidung). Ketika rongga beresonansi, akan menimbulkan
radiasi sebuah gelombang suara yang mana merupakan sinyal wicara. Kedua rongga
beraksi sebagai resonators dengan karacteristik frekuensi resonansi masing-masing, yang
disebut formant frequencies. Pada saat rongga mulut dapat mengalami perubahan besar,
kita mampu untuk menghasilkan beragam pola ucapan suara yang berbeda.

13
Perekaman dan Pengeditan

Di dalam kasus unvoiced sounds (suara tak terucap), exitasi pada vocal tract lebih
menyerupai noise (derau). Gambar 3 menampilkan proses produksi suara-suara /a/, dan
/f/. Untuk sementara perbedaan bentuk dan posisi pada organ articulation diabaikan saja.

a) pembangkitan ucapan /a/

b) pembangkitan ucapan /f/

Gambar 3. Proses produksi suara

2.2. Bentuk Sinyal Wicara dalam Domain Waktu


Sinyal wicara merupakan sinyal yang bervariasi lambat sebagai fungsi waktu, dalam
hal ini ketika diamati pada durasi yang sangat pendek (5 sampai 100 mili detik)
karakteristiknya masih stasioner. Tetapi bilamana diamati dalam durasi yang lebih
panjang (> 1/5 detik) karakteristik sinyalnya berubah untuk merefleksikan suara ucapan
yang keluar dari pembicara.

14
Perekaman dan Pengeditan

Gambar 4. Contoh sinyal wicara ucapan “Selamat Datang”

Salah satu cara dalam menyajikan sebuah sinyal wicara adalah dengan
menampilkannya dalam tiga kondisi dasar, yaitu silence (S) atau keadaan tenang dimana
sinyal wicara tidak diproduksi, unvoice (U) dimana vocal cord tidak berfibrasi, dan yang
ketiga adalah voiced (V) dimana vocal cord bervibrasi secara periodik sehingga
menggerakkan udara ke kerongkongan melalui mekanisme akustik sampai keluar mulut
dan menghasilkan sinyal wicara.

2.3. Proses Sampling


Perhatikan sinyal sinus berikut ini:
x(t) = A cos(ωt +φ) (1)
Sinyal tersebut merupakan contoh sinyal waktu kontinyu. Kita juga seringkali
menggunakan terminologi sinyal analog untuk menyebutnya.
Untuk proses komputasi, sinyal waktu kontinyu harus dirubah menjadi bentuk waktu
diskrit dan dilanjutkan dengan proses digitalisasi. Untuk memperoleh bentuk sinyal waktu
diskrit, sinyal waktu kontinyu harus di-sampel.

15
Perekaman dan Pengeditan

x(t) C-to-D x[n] = x[nTs]

Ts = 1/fs

Gambar 5. Blok diagram konversi sinyal kontinyu menjadi sinyal diskrit

Sekuen x[n] didapakan setelah proses perubahan dari continues to discrete (C-to-D).
Kondisi realnya secara hardware adalah menggunakan rangkaian sampling seperti
Gambar 6 berikut ini.

fs=1/Ts

Sinyal
Sinyal
output
input

Gambar 6. Rangkaian Sampling

Rangkaian sampling diatas merupakan sebuah ujung tombak dari sebuah analog to digital
conversion (ADC).

informasi N bit
Sample &

Quantization Encoding kode digital


Hold

Gambar 7. Blok diagram rangkaian ADC

Persyaratan frekuensi sampling menurut teorema Shannon harus sama dengan atau
melebihi 2 kali frekuensi sinyal yang di sample.
fs > 2x fi (2)
Jika sinyal informasi yang kita sample memiliki komponen frekuensi beragam,
misalnya untuk sinyal wiacara memungkinkan untuk memiliki frekuensi dari 20 sampai
4000 Hz, maka sinyal informasi tersebut bisa dituliskan sebagai:
i max
x(t ) = ∑ sin(2πf t )
i =1
i (3)

16
Perekaman dan Pengeditan

Dan persyaratan untuk frekuensi smpling menjadi:


fs > 2x fimax (4)
Frekuensi sampling seringkali dikatakan dengan terminology sampling rate, yaitu jumlah
sample yang diambil setiap detik, fs=1/Ts yang juga dikenal sebagai Nyquist rate.

III. PERANGKAT YANG DIPERLUKAN


- 1 (satu) buah PC Multimedia lengkap sound card dan microphone
- Satu perangkat lunak Matlab

IV. LANGKAH-LANGKAH PERCOBAAN

4.1. Penataan Perangkat


Sebelum melakukan percobaan siswa harus melakukan penataan seperti pada Gambar
8 berikut ini.

Microphone

Matlab
Sound Card

PC Multimedia

Speaker

Gambar 8. Penataan perangkat percobaan recording dan editing

PC yang digunakan harus dilengkapi dengan peralatan multimedia seperti sound card,
speaker aktif dan microphone. Untuk microphone dan speaker aktif bias juga digantikan
dengan head set lengkap. Sebelum memulai praktikum, sebaiknya dites dulu, apakah
seluruh perangkat multimedia sudah terintegrasi dengan PC.

17
Perekaman dan Pengeditan

4.2 Perekaman dengan Matlab


Praktikum Pengolahan Informasi Wicara dengan langkah pertama adalah melakukan
proses recording (perekaman) suara. Untuk itu ikuti langkah berikut ini.
1. Aktifkan Matlab, seperti pada pertemuan pertama saat mengenal Matlab Audio.
Siapkan microphone dan perangkat multimedia.
2. Buat program berikut ini untuk melakukan recording dengan Matlab
clear all;
Fs = 8000;
y = wavrecord(5.0*Fs, Fs, 'double');
wavwrite(y,Fs,'aiueo.wav')
3. Untuk mengetahui apakah proses perekaman yang telah dilakukan berhasil, cobalah
untuk membuat perintah tambahan pada program diatas sehingga bisa membaca file
*.wav hasil perekaman.
4. Tambahkan juga pada program bagaimana cara memainkan file *.wav yang sudah
direkam. Kalau mengalami kesulitan buka kembali catatan tentang Matlab Audio yang
ada di bagian lain pada buku ini.

4.3. Proses Pengeditan untuk Pemisah Vokal


Apabila telah selesai berdiskusi dengan teman terdekat, coba aktifkan kembali Matlab,
dan lanjtukan dengan langkah berikut ini.
1. Buka file hasil rekaman “aiueo.wav”. Tampilkan dengan perintah plot, dan coba
perhatikan dengan seksama durasi sinyal hasil dari proses perekaman tersebut.
2. Coba tampilkan sebagian saja dari seluruh sinyal, caranya adalah sebagai berikut:
y1=wavread('aiueo.wav');
t=length(y1);
y2=y1(1:10000);
plot(y2)
3. Sekarang coba buat program yang hanya membuat tampilan untuk vokal ’a’ saja, dan
jangan lupa mengujinya dengan melalui gambar dan mendengarkan suara yang
dihasilkan.
4. Simpan ke dalam suatu file a.wav.
wavwrite(y1,Fs,’a.wav’);
5. Lakukan hal yang sama untuk vocal ’i’, ’u’, ’e’ dan ’o’. Semuanya juga harus
disimpan dalam bentuk file *.wav.

18
Perekaman dan Pengeditan

4.4. Perubahan Nilai Sampling


1. Coba panggil kembali file hasil perekaman dengan cara sebagai berikut.
clear all;
Fs = 8000;
y=wavread('aiueo.wav')
wavplay(y,Fs)

2. Rubah nilai frekuensi sampling menjadi Fs=10000, perhatikan apa yang terjadi.
Lakukan hal yang sama, dengan nilai Fs = 14000, 16000, 24000, 44000 Hz.
3. Coba rubah dengan menurunkan nilai sampling Fs=7000, 6000, dan 5000. Amati
kejadian apa yang dapat diamati pada sinyal suara tsb.

5. ANALISA DATA DAN TUGAS


1. Untuk grafik “aiuoe.wav”, coba beri tanda mana yang termasuk katagori silence,
unvoice, dan voice.
2. Dari hasil percobaan yang telah dilakukan, coba buat catatan tentang durasi
perekaman masing-masing vokal yang telah dilakukan.
3. Berikan catatan nilai magnitudo tertinggi pada masing-masing vokal yang telah
direkam.
4. Berikan analisa terhadap perubahan nilai Sampling Rate terhadap suara yang
dihasilkan.

19
Energi Sinyal Wicara

MODUL 4
PENGHITUNGAN ENERGI PADA SINYAL WICARA

I. TUJUAN
- Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara
dengan menggunakan perangkat lunak.

II. DASAR TEORI

2.1. Energi Suatu Sinyal


Perhatikan sinyal sinus berikut ini:
x(t) = A cos(2πt +φ) (1)
Sinyal tersebut merupakan contoh sinyal waktu kontinyu. Kita juga seringkali
menggunakan terminologi sinyal analog untuk menyebutnya.
Bentuk persamaan (1) diatas merepresentasikan nilai magnitudo sinyal sebagai fungsi
waktu. Di dalam kondisi real seringkali dinyatakan dalam besaran volt. Nilai x(t) dalam
parameter yang umum untuk pengukuran dinyatakan dalam V(t) yang menunjukkan nilai
simpangan sinyal atau magnitudonya pada suatu waktu t.

Gambar 1. Contoh sinyal sinus dengan frekuensi 200 Hz

Tri Budi Santoso, Miftahul Huda 20


Energi Sinyal Wicara

Sedangkan untuk besaran lain dari sinyal dalam hal ini daya dinyatakan sebagai:

P (t ) =
(V (t ))2 (2)
R
Dalam hal ini nilai nilai R biasanya dinyatakan sebesar 1 Ω. Dan parameter ini seringkali
tidak dituliskan, sehingga persamaan 2 menjadi lebih sederhana.
P (t ) = (V (t ))
2

Sedangkan besarnya energi dari suatu sinyal diketahui sebagai total daya pada suatu
durasi waktu tertentu. Dengan mengacu pada persamaan (2) yang sudah dimodifikasi,
maka dapat dinyatakan sebagai:
T
E = ∑ (V (t ))
2
(3)
t =0

dan energi rata-rata untuk suatu durasi tertentu T, dinyatakan sebagai


T

∑ (V (t ))
2

E ave = t =0
(4)
T
Untuk sinyal sinus diatas dalam bentuk energi dapat diberikan seperti Gambar 2 berikut
ini.

Gambar 2. Sinyal sinus dalam bentuk energi

Tri Budi Santoso, Miftahul Huda 21


Energi Sinyal Wicara

2.2. Energi Pada Sinyal Wicara


Untuk pengkuran nilai energi pada sinyal wicara kita harus melibatkan fungsi window. Hal ini
karena dalam pengukuran energi sinyal wicara kita harus menyusunnya dalam frame-frame
tertentu. Ini merupakan standar dalam teknologi speech processing, sebab secara umum dalam
pengolahan sinyal wicara kita terlibat dengan sinyal dengan durasi yang terlalu panjang bila
dihitung dalam total waktu pengukuran. Fenomena ini juga dikenal sebagai short term speech
signal energy.
Untuk menghitung energi sinyal wicara kita gunakan formulasi dasar seperti berikut:
T
E = ∑ (V (t )w(t ))
2
(5)
t =0

dimana: w(m) = merupakan fungsi window seperti hamming, hanning, bartlett, dan boxcarr.
Panjang window dalam hal ini adalah m, untuk durasi dari t=0 sampai t=T akan didapatkan
window sebanyak n=T/m apabila tidak ada overlapping antara window satu dengan yang lain.
Jika terjadi overlapping antara window satu dengan yang lain, misalnya sebesar m/2, maka jumlah
window dalam satu durasi T adalah sebanyak n = 1 + T/(m/2).
Untuk suatu pengamatan energi pada frame ke-k bentuk persamaan (5) menjadi:
T
E k = ∑ (V (t )w(k − t ))
2
(6)
t =0

dimana k akan menentukan posisi titik-titik window pada sinyal tersebut, ini juga dikenal sebagai
model sliding window.

Gambar 3. Sinyal wicara

22
Energi Sinyal Wicara

Dengan menggunakan model short time measurement dapat digunakan untuk memilah bagian
dari sinyal wicara yang merupakan voiced atau unvoiced. Sebab pada umumnya unvoiced speech
memiliki durasi yang lebih pendek. Untuk pengukuran winyal wicara menggunakan window
biasanya dipilih panjang window dengan durasi 10 s/d 20 mili detik. Apabila menggunakan
frekuensi sampling sebesar 16 KHz, maka nilainya akan ekuivalen dengan sampel sebanyak 160
sampai 320 sampel setiap frame.

Gambar 4. Segmen sinyal wicara ‘a’ dan window hamming 20 mili detik per frame widow

III. PERANGKAT YANG DIPERLUKAN


- 1 (satu) buah PC Multimedia lengkap sound card dan microphone
- Satu perangkat lunak Matlab under windows

23
Energi Sinyal Wicara

IV. LANGKAH-LANGKAH PERCOBAAN


4.1. Penataan Perangkat
Sebelum melakukan percobaan anda harus melakukan penataan seperti pada Gambar
5 berikut ini.

Microphone

Matlab
Sound Card

PC Multimedia

Speaker

Gambar 5. Penataan perangkat percobaan pengukuran energi sinyal wicara

PC harus dilengkapi dengan peralatan multimedia seperti sound card, speaker active dan
microphone. Untuk microphone dan speaker active bisa juga digantikan dengan head set lengkap.
Sebelum anda memulai praktikum, sebaiknya dites dulu, apakah seluruh perangkat multimedia
yang diguanakan sudah terintegrasi dengan PC.

4.2 Penghitungan Energi Sinyal Sinus


Pada percobaan ini akan dilakukan pembangkitan sinyal sinus dan menghitung
energinya. Langkah-langkahnya adalah sebagai berikut.
1. Bangkitkan sinyal sinus dengan menggunakan sampel sebanyak 16000 sampel per
detik. Caranya adalah dengan menetapkan fs=16000. Waktu t mulai dari 1/fs dengan
step kenaikan 1/fs dan berakhir di t=1. Nilai frekuensinya tetapkan f = 800 Hz.
clear all;
fs=16000;
t=1/fs:1/fs:1;
f=800;

2. Coba gambarkan segmen sinyal sinus tersebut sebesar 1 frame atau senilai 20 ms. Ini
seharusnya ekuivalen dengan sampel sebanyak 320 sampel. Aktifkan suaranya, dan
perhatikan bagaimana bunyinya.

24
Energi Sinyal Wicara

3. Hitung besarnya energi sinyal sinus dengan formulasi dasar pada persamaan (2), (3)
dan (4). Tampilkan grafiknya untuk sinyal sinus dalam bentuk magnitudo dan
energinya sebagai fungsi waktu.
y=sin(2*pi*f*t);
yy=y.*y;

4.3. Penghitungan Energi Sigal to Noise Ratio


Pada percobaan ini kita akan menghitung besarnya perbandingan nilai signal-to-noise
ratio. Langkahnya adalah sebagai berikut.
1. Bangkitkan sinyal noise gaussian dengan jumlah sampel persis seperti jumlah sampel
yang digunakan pada langkah percobaan 4.2. Jangan lupa tetapkan nilai noise ini
harus zero mean dan varians sebesar 0.1.
2. Hitung besarnya nilai energi noise yang telah dibangkitkan
3. Dengan memanfaatkan langkah percobaan 4.2 bangkitkan sinyal sinus, dengan
spesifikasi yang sama, dan jumlahkan nilainya.
4. Coba hitung perbandingan energi sinyal terhadap besarnya energi noise, atau yang
lebih dikenal sebagai signal-to-noise ratio. Caranya harus mengikuti formulasi dasar
sbb.
⎛ S (t ) 2 ⎞
SNR = 10 log10 ⎜⎜ 2
⎟⎟
⎝ N (t ) ⎠
dimana : S(t) merupakan sinyal sinus tanpa noise
N(t) merupakan sinyal noise
Note: Seharusnya nilai SNR berkisar 34 dB.

4.4. Penghitungan Energi Sinyal Wicara


Untuk peraktikum ini anda harus menggunakan formulasi yang didasarkan pada
persamaan (5) dan (6) sehingga hasil penghitungannya bisa benar-benar mendekati cara
penghitungan sinyal wicara yang benar.
1. Baca file sinyal wicara hasil rekaman suara yang telah dihasilkan dari sebuah
lingkungan bebas dari noise. Untuk keperluan ini bisa menggunakan digital voice
recorder dan bisa melakukan proses perekaman di Studio yang ada di Laboratorium
Jaringan Komputer, Jurusan Teknologi Informasi, lantai 3 Gedung Baru Blok C.

25
Energi Sinyal Wicara

Usahakan tidak terlalu panjang proses perekamannya, sehingga tidak membebani


memori pada PC.
2. Gunakan formulasi yang benar untuk menghitung besarnya short-term-energy sinyal
wicara, dengan cara menggunakan windowing dan pilih window hamming untuk ini.
Untuk kali ini gunakan formulasi panjang window yang standar untuk menghitung
sinyal wicara, dimana panjang window sebesar 320 atau 160 sampel per frame.
3. Coba ulangi langkah 2 dan kali ini gunakan panjang window yang berbeda, perhatikan
bagaimana pengaruh bentuk energinya.
4. Lakukan hal yang sama seperti langkah 2 dan 3, kali ini gunakan jenis window yang
berbeda, misalnya window hanning, bartlett, atau boxcar.

4.5. Penghitungan Energi to Noise ratio pada Sinyal Wicara


Pada percobaan ini kita akan menghitung besarnya perbandingan nilai signal-to-
noise ratio. Langkahnya adalah sebagai berikut.
1. Lakukan proses perekaman suara pada kondisi lingkungan yang bernoise.
2. Ulangi proses yang sama pada percobaan 4.4, untuk langkah 2 sampai 4. Dengan
demikian akan didapatkan energi sinyal bernoise.
3. Bandingkan besarnya sinyal wicara hasil perekaman percobaan 4.3 dengan hasil
perekaman pada percobaan 4.4. Dapatkan selisihnya sebagai nilai noise dari
lingkungan perekaman.
4. Hitung nilai energy noise average dari yang dihasilkan pada langkah 3.
5. Lakukan penghitungan besarnya average energy-to-noise ratio untuk sinyal wicara
dengan memanfaatkan langkah yang telah dilakukan pada percobaan 4.3.

5. ANALISA DATA DAN TUGAS


1. Coba cari formulasi signal to noise ratio (SNR) untuk energi average.
2. Cari standar penghitungan dalam besaran dB untuk sebuah sinyal yang diukur
langsung dengan menggunakan spectrum analyzer.
3. Cari formulasi penghitungan apabila sinyal wicara diukur dengan sebuah sound
pressure level (SPL).

26
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

MODUL 5

STRUKTUR FILTER DIGITAL

3.1 TUJUAN
 Merealisasikan kaskade fungsi tranfer filter FIR
 Merealisasikan kaskade fungsi tranfer filter IIR

3.2 PERALATAN
 .Program Matlab 2008 ke atas

3.3 TEORI PENUNJANG

Algoritma komputasi dari filter digital LTI dapat dinyatakan dalam blok-diagram menggunakan blok-
blok bangunan dasar seperti unit delay, pengali (multiplier), penjumlah (adder) dan pick-off node).

Gambar 3.1 Blok-blok bangunan dasar: (a) pick-off node, (b) adder, (c) multiplier, dan (d) unit
delay

Dua struktur filter digital adalah ekivalen jika memiliki fungsi transfer yang sama. Cara paling mudah
untuk membangkitkan struktur yang ekivalen adalah melalui fungsi transpose, yaitu : (i) Membalikan
seluruh jalur, (ii) Mengganti pick-off dengan penjumlah (adder) atau sebaliknya, dan (iii) Membalikan
node input dan ouput.

Struktur yang koefisien-koefisien pengalinya (multiplier) tepat, koefisiein-koefisien fungsi transfer


disebut dengan struktur Direct Form

3.4 PERCOBAAN REALISASI FUNGSI TRANSFER FIR


3.4.1 Realisasi Kaskade
Filter FIR kausal dengan panjang M, dikarakteristikan oleh fungsi transfer H(z):

27
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

(3.1)

Dalam domain waktu relasi input-output dinyatakan dengan:

(3.2)

Realiasasi Form Direct dari filter FIR dikembangkan dari persamaan (3.2), ditunjukan pada Gambar
3.2(a) untuk M=5, dan transposenya ditunjukan pada Gambar 3.2(b). Secara umum dalam
implementasinya, filter FIR panjan M dikarakteristikan oleh M koefisien, membutuhkan M pengali dan
(M-1) penjumlah dua input.

Gambar 3.2 Struktur Direct Form filter FIR

Fungsi transfer FIR orde lebih tinggi dapat direalisasikan dengan kaskade seksi-seksi FIR dengan
setiap seksi dikaraketerisitkan oleh fungsi transfer orde perta, atau kedua. Maka, fungsi transfer FIR
H(z) dalam bentuk terfaktor, dinyatakan sebagai

(3.3)

Gambar 3.3 Struktur bentuk kaskade FIR dengan panjang 7

Fase linier dari filter FIR panjang-M dikarakteristikan oleh kesimetrisan response impulse h[n]=h[M
− 1 − n] atau anti-simetris impulse response h[n]=−h[M -1− n]. Sifat simetri dari phase linier filter FIR
dapat diekploitasi untuk menurunkan jumlah total pengali menjadi setengah yang dibutuhkan dalam

28
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

implementasi fungsi transfer Form Direct. Gambar 3.4 (a)menunjukan realisasi fungsi transfer FIR tipe
1 panjang 7 dengan respon impulse simetris, dan (b) menunjukan realisasi fungsi transfer FIR tipe 1
panjang 8 dengan respon impulse simetris.

Gambar 3.4 Struktur Linear-phase FIR : (a) Tipe 1 and (b) Tipe 2.

3.4.2 Langkah Percobaan:


1. Buat script Matlab dan simpan hasilnya dengan nama “p3-1”

% Program P3_1
num = input(’Numerator coefficient vector = ’);
den = input(’Denominator coefficient vector = ’);
[A, B] = eqtflength(num, den);
[z,p,k] = tf2zp(A, B);
sos = zp2sos(z,p,k)

2. Dengan menggunakan Program P3_1, bangunlah sebuah realisasi kaskade untuk fungsi
tranfer FIR berikut:

 Sketch blok diagram untuk merealisasikan kaskade


 Apakah H1(z) adalah fungsi transfer fase linier?
3. Selanjutnya, gunakan Program P3_1 untuk membangun kaskade dengan fungsi tranfer
FIR berikut:

 Sketch blok diagram untuk merealisasikan kaskade


 Apakah H1(z) adalah fungsi transfer fase linier?

29
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

3.5 PERCOBAAN REALISASI FUNGSI TRANFER IIR


3.5.1 Realisasi Kaskade

Filter IIR kausal beroder N dikarakteristikan oleh fungsi transfer H(z)::

(3.4)
Dalam domain waktu, relasi input-output filter IIR dinyatakan dengan:

(3.5)
Dengan mendefinisikan variabel sinyal intermediate, w[n],

(3.6)
Makan persamaan (3.5) dapat dinyatakan sebagai:

(3.7)
Realisasi filter IIR berdasarkan persaman (3.6) dan (3.7) disebut dengan struktur Direct Form I,
seperti ditunjukan oleh Gambar 3.5(a) untuk N=3, dan bentuk transposenya ditunujukan pada Gambar
3.5(b). Jumlah total delay yang diperlukan dalam realisasi Direct Form I adalah 2N, dapat diturunkan
menjadi N, dengan memanipulasi diagram blok menghasilkan struktur Direct Form II, seperti ditunjukan
pada Gambar 3.6 (N=3).

Gambar 3.5 (a) Struktur Direct Form I, (b) Struktur Transpose Direct Form II

30
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Gambar 3.6 (a) Struktur Direct Form II, (b) Struktur Transpose Direct Form II

Dengan menyatakan polinomial pembilang (numerator) dan penyebut (denominator) dari fungsi
transfer H(z) sebagai perkalian dari plinomial-polinomial orde rendah, maka filter digital dapat
direalisasikan sebagai kaskade dari seksi-seksi filter orde rendah. Pada kasus ini, H(z) dinyatakan
sebagai:

(3.8)

Untuk orde pertama, faktor = = 0. Realisasi yang mungkin dari fungsi transfer orde-3
adalah:

(3.9)

Gambar 3.7 Realisasi kaskade fungsi transfer IIR orde-3

Fungsi transfer IIR dapat direalisasikan dalam bentuk Paralel Form I, dan Paralel Form II, yaitu:

Paralel Form I :

(3.10)
Paralel Form II:

(3.11)

31
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Realisasi paralel dari fungsi transfer IIR orde-3 ditunjukan pada Gambar 3.8

Gambar 3.8 Realisasi Paralel dari dari fungsi transfer IIR orde-3: (a) Parallel Form I, (b)Parallel
Form II.
3.5.2 Langkah Percobaan
A. Realisasi Kaskade
1. Gunakan Program P3_1 untuk membangun realisasi kaskade dengan fungsi transfer IIR

Gambarkan blok diagram dari realisasi kaskade


2. Gunakan Program P3_1 untuk membangun realisasi kaskade dengan fungsi transfer IIR

Gambarkan blok diagram dari realisasi kaskade


B. Realisasi Paralel
1. Buat script Matlab dan simpaan hasilnya dengan nama “p3-2”

% Program P3_2
% Parallel Form Realizations of an IIR Transfer Function
num = input(’Numerator coefficient vector = ’);
den = input(’Denominator coefficient vector = ’);
[r1,p1,k1] = residuez(num,den);
[r2,p2,k2] = residue(num,den);
disp(’Parallel Form I’)
disp(’Residues are’);disp(r1);
disp(’Poles are at’);disp(p1);
disp(’Constant value’);disp(k1);
disp(’Parallel Form II’)
disp(’Residues are’);disp(r2);
disp(’Poles are at’);disp(p2);
disp(’Constant value’);disp(k2);

2. Gunakan Program P3_2 untuk membangun realisasi bentuk paralel dengan fungsi
transfer IIR

32
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Gambarkan blok diagram dari realisasi Paralel


3. Gunakan Program P3_2 untuk membangun realisasi bentuk paralel dengan fungsi
transfer IIR

Gambarkan blok diagram dari realisasi Paralel

33
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

MODUL 6

DISAIN FILTER DIGITAL

4.1 TUJUAN
 Disain dan implementasi filter digital IIR
 Disain dan implementasi filter digital FIR

4.2 PERALATAN
 Program Matlab 2008 keatas

4.3 TEORI PENUNJANG

Spesifikasi filter biasanya dinyatakan dalam bentuk response magnitudanya. Sebagai contoh,
magnituda | ( | dari filter lowpass G(z), dinyatakan seperti pada Gambar 4.1.

Gambar 4.1 Tipikal response magnituida untuk filter digital lowpass

Dalam passband didefinisikan oleh 0 ≤ ≤ , diperlukan:

(4.1)

Dengan kata lain, magnituda mendekati 1 (satu) dengan kesalahan ±

Dalam Stopband, didefinisikan oleh ≤ | | ≤ , diperlukan:

(4.2)

Yang menunjukan bahwa magnituda mendekati 1 *satu) dengankesalahan

34
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Frekuensi dan , masing-masing disebut dengan frekuensi tepi passband dan frekuensi tepi
stopband. Batas maksimum toleransi dalam passband ( ) dan stopband ( ), disebut dengan
Ripples.

Pada banyak aplikasi, spesifikasi filter digital diketahui seperti ditunjukan pada Gambar 4.2. Disini,
Passband dinyatakan oleh 0 ≤ ≤ , nilai maksimum dan minimum dari magnituda masing-masing

dinyatakan dengan 1 (satu) dan 1⁄√1 + . Peak passband ripple (dB) adalah:

(4.3)

Maksimum Ripple dalam stopband, didefinisikan oleh ≤ | | ≤ , dinyatakan dengan 1/A,


dan maksimum minimum stopband attenuation (dB) dinyatakan dengan:

(4.4)

Gambar 4.2 Spesifikasi respon magnituda ternormalisasi untuk filter digital lowpass

Jika frekuensi tepi passband (Fp) dan stopband (Fs) dari filter digital dinyatakan dalam Hz
dengan laju sampling (FT), maka frekuensi angular ternormalisasi dalam radian dinyatakan dengan:

(4.5)

4.4 PERCOBAAN DISAIN FILTER LPF IIR

Fungsi transfer yang analog yang biasa digunakan dalam mendisain filter IIR adalah Butterworth,
Chebyshev Tipe 1, Chebyshev Tipe 2, dan fungsi transfer elliptic.

35
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

4.4.1 Estimasi Orde filter IIR

Step pertama dalam proses mendisain filter adalah memilih tipe pendekatan filter yang diterapkan
dan kemudian mengestimasi orde fungsi transfer dari spesifikasi filter. Untuk filter Butterworth,
etimasi orde dapat menggunakan command dari Matlab yaitu:

[N,Wn] = buttord(Wp, Ws, Rp, Rs)

Untuk filter Chebyshev Tipe 1, etimasi orde dapat menggunakan command dari Matlab yaitu:

[N, Wn] = cheb1ord(Wp, Ws, Rp, Rs)

Untuk filter Chebyshev Tipe 2, etimasi orde dapat menggunakan command dari Matlab yaitu:

[N, Wn] = cheb2ord(Wp, Ws, Rp, Rs)

Untuk filter Elliptic, etimasi orde dapat menggunakan command dari Matlab yaitu

[N, Wn] = ellipord(Wp, Ws, Rp, Rs)

Langkah Percobaan

1. Ketikan command Matlab diatas untuk menghitung order terendah filter lowpass IIR pada ke-
4 jenis filter, menggunakan spesifikasi filter berikut: Laju Sampling = 40 kHz, frekuensi
passband = 4 kHz, frekuensi stopband = 8 kHz, passband ripple = 0.5 dB, dan redaman
stopband minimum = 40 dB.
Catatan: Normalisasi nilai frekuensi dalam radian, sperti Wp =(4/40) Hz, Ws=(8/40) Hz
Berikan penjelasan terhadap hasil yang diperoleh.
2. Ketikan command Matlab diatas untuk menghitung order terendah filter highpass IIR pada ke-
4 jenis filter, menggunakan spesifikasi filter berikut: Laju Sampling = 3.500 Hz, frekuensi
passband = 1.050 Hz, frekuensi stopband = 600 Hz, passband ripple = 1 dB, dan redaman
stopband minimum = 50 dB.
Berikan 4penjelasan terhadap hasil yang diperoleh.
3. Ketikan command Matlab diatas untuk menghitung order terendah filter bandpass IIR pada
ke-4 jenis filter, menggunakan spesifikasi filter berikut: Laju Sampling = 7 kHz, frekuensi
passband = 1.4 kHz dan 2.1 kHz, frekuensi stopband = 1.05 kHz dan 2.45 kHz, passband ripple
= 0.4 dB, dan redaman stopband minimum = 50 dB.
Berikan penjelasan terhadap hasil yang diperoleh
4. Ketikan command Matlab diatas untuk menghitung order terendah filter bandstop IIR pada
ke-4 jenis filter, menggunakan spesifikasi filter berikut: Laju Sampling = 12 kHz, frekuensi

36
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

passband = 2.1 kHz dan 4.5 kHz, frekuensi stopband = 2.7 kHz dan 3.9 kHz, passband ripple
= 0.6 dB, dan redaman stopband minimum = 45 dB.
Berikan penjelasan terhadap hasil yang diperoleh

4.4.2 Implementasi Filter Low Pass IIR

Setelah tipe filter telah dipilih dan ordenya telah diestimasi, langkah berikutnya adalah menentukan
fungsi transfer filter. Untuk mendisain filter digital Butterworth pada orde N, command matlabnya adalah:

[num,den] = butter(N,Wn,’high’)  filter Highpass


[num,den] = butter(N,Wn,’stop’)  filter bandstop

Langkah Percobaan:

1. Buat script Matlab dan simpan hasilnya dengan nama “IIR_LPF”.

clc;
close all;
clear all;
format long
rp=input('enter the passband ripple :');
rs=input('enter stopband ripple :');
wp=input('enter passband freq :');
ws=input('enter stopband freq :');
fs=input('enter sampling freq :');
w1=2*wp/fs;
w2=2*ws/fs;

%Digital LPF
[n,wn]= buttord(w1,w2,rp,rs);
[b,a]=butter(n,wn);
w=0:.01:pi;
[h,om]=freqz(b,a,w);
m=20*log10(abs(h));
an=angle(h);
figure(1)
plot(om/pi,m);
title('**** Digital Output Magnitude *****');
ylabel('gain in db...>');
xlabel('normalised freq..>');
figure(4)
plot(om/pi,an);
title('**** Digital Output Phase ****');
xlabel('normalised freq..>');
ylabel('phase in radians...>');

2. Jelaskan prosedur dari sript Matlab diatas, disesuaikan dengan teori implementasi LPF IIR
3. Inputkan spesifikasi filter IIR dengan rincian sebagai berikut : Laju Sampling = 40 kHz, frekuensi
passband = 4 kHz, frekuensi stopband = 8 kHz, passband ripple = 0.5 dB, dan redaman
stopband minimum = 40 dB.

37
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Berikan penjelasan terhadap hasil yang diperoleh.


4. Inputkan spesifikasi filter IIR dengan rincian sebagai berikut : Laju Sampling = 10.000 Hz,
frekuensi passband = 1500 Hz, frekuensi stopband = 3000 Hz, passband ripple = 0.5 dB, dan
redaman stopband minimum = 100 dB.
Bandingkan hasil yang diperoleh dengan percobaan 3.

4.4.3 Implementasi Filter High Pass IIR


Langkah Percobaan:
1. Buat script Matlab dan simpan hasilnya dengan nama “IIR_HPF”.

clc;
close all;
clear all;
format long
rp=input('enter the passband ripple :');
rs=input('enter stopband ripple :');
wp=input('enter passband freq :');
ws=input('enter stopband freq :');
fs=input('enter sampling freq :');
w1=2*wp/fs;
w2=2*ws/fs;

%Digital HPF
[n,wn]= buttord(w1,w2,rp,rs);
[b,a]=butter(n,wn,'high');
w=0:.01:pi;
[h,om]=freqz(b,a,w); m=20*log10(abs(h));
an=angle(h);
figure(3)
plot(om/pi,m);
title('**** Digital Output Magnitude *****');
ylabel('gain in db...>');
xlabel('normalised freq..>');
figure(4)
plot(om/pi,an);
title('**** Digital Output Phase ****');
xlabel('normalised freq..>');
ylabel('phase in radians...>');

2. Inputkan spesifikasi filter IIR dengan rincian sebagai berikut: Laju Sampling = 3.500 Hz,
frekuensi passband = 1.050 Hz, frekuensi stopband = 600 Hz, passband ripple = 1 dB, dan
redaman stopband minimum = 50 dB.

Berikan penjelasan terhadap hasil yang diperoleh.

3. Inputkan spesifikasi filter IIR dengan rincian sebagai berikut: Laju Sampling = 8.000 Hz,
frekuensi passband = 1.200 Hz, frekuensi stopband = 2400 Hz, passband ripple = 0.5 dB, dan
redaman stopband minimum = 100 dB.

38
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Bandingkan hasil yang diperoleh dengan percobaan 3.

4.5 IMPLEMENTASI LPF FIR


Langkah Percobaan:
1. Buat script Matlab dan simpan hasilnya dengan nama “FIR_LPF”.
clc;
close all;
clear all;
rp=input('enter the passband ripple :');
rs=input('enter the stopband ripple :') ;
fp=input('enter the passband frequency :');
fs=input('enter the stopband frequency :');
f=input('enter the sampling freq :');
wp=2*fp/f;
ws=2*fs/f;
num=-20*log10(sqrt(rp*rs))-13;
dem=14.6*(fs-fp)/f;
n=ceil(num/dem);
n1=n+1;
if(rem(n,2)~=0)
n1=n;
n=n-1;
end
y=boxcar(n1);
b=fir1(n,wp,y);
[h,o]=freqz(b,1,256);
m=20*log10(abs(h));
an=angle(h);
figure(1)
plot(o/pi,m);
title('******** LOW PASS FIR FILTER RESPONSE
********');
ylabel('GAIN in db--->');
xlabel('Normalised Frequency--->');
figure(2)
plot(o/pi,an);
title('******** LOW PASS FIR FILTER RESPONSE
********');
ylabel('PHASE--->');
xlabel('Normalised Frequency--->');

2. Jelaskan prosedur dari sript Matlab diatas, disesuaikan dengan teori implementasi LPF FIR
3. Inputkan spesifikasi filter IIR dengan rincian sebagai berikut: Laju Sampling = 8.000 Hz,
frekuensi passband = 1.500 Hz, frekuensi stopband = 2.000 Hz, passband ripple = 0.05 dB,
dan redaman stopband minimum = 0.04 dB.

Berikan penjelasan terhadap hasil yang diperoleh, dan cobakan dengan spesifikasi yang lain.

39
MODUL PRAKTIKUM [Pengolahan Sinyal Digital]

Tugas :

1. Buatlah script matlab untuk implementasi HPF FIR dan ujikan dengan beberapa spesifikasi
inputan filter.
2. Tambahkan tinjaun teori untuk disain filter IIR dan FIR

40

Anda mungkin juga menyukai