Sinyal dan Sistem Waktu Diskrit

ET 3005 Pengolahan Sinyal Waktu Diskrit

EL 5155 Pengolahan Sinyal Waktu Diskrit

Effrina Yanti Hamid

Effrina Yanti Hamid ET 3005 Sem I 1718

 Pendahuluan
1
Pengolahan Sinyal Waktu Diskrit

1.1 Pengertian Sinyal

• Sinyal dapat diartikan sebagai besaran fisis yang bervariasi dalam
waktu, jarak, temperatur ruang, tekanan, atau variabel bebas
lainnya. Secara matematis sinyal dapat dinyatakan sebagai fungsi
satu atau lebih variabel bebas. Contoh ;
s1(t) = 7t
s2(x,y) = 2x + 3y + 7

• Contoh :
sinyal suara manusia (speech), musik, citra, video
– Siyal biomedis
– Citra dan video
– Sinyal radar

Effrina Yanti Hamid ET 3005 Sem I 1718

 Contoh Sinyal
EEG Stock price & volume
position

time

DTMF

Video

time Effrina Yanti Hamid ET 3005 Sem I 1718

time
 1.2.Klasifikasi Sinyal

• Sinyal Multikanal
Pada beberapa aplikasi sinyal berasal dari beberapa sensor
atau sumber. Sinyal tersebut dapat direpresentasikan dalam
bentuk vektor. Sebagai contoh sinyal elektrik multichannel
berasal dari tiga buah sensor sk(t), k=1,2,3 yang
direpresentasikan dalam bentuk vektor berikut ;
 s1  t  
 
S3  t    s2  t  
 s3  t  

Contoh : gambar berasal dari TV berwarna dapat dianggap

sebagai sinyal 3 channel karena sinyal gambar TV berasal
dari tiga komponen warna intensitas (merah, hijau , biru).

Effrina Yanti Hamid ET 3005 Sem I 1718

1.2.Klasifikasi Sinyal

• Sinyal Multidimensi
Sinyal yang merupakan fungsi dari M variabel bebas.
Contoh :
• Citra 2 dimensi. Intensitas I(x,y) pada setiap titik (pixel)
adalah fungsi dua variabel bebas.
• Sinyal gambar TV adalah contoh sinyal tiga dimensi
dimana intensitas I(x,y,t) pada tiap titik merupakan fungsi
waktu. Gambar TV berwarna dapat direpresentasikan
oleh vektor
 I r  x, y , t  
 
I  x, y , t    I g  x, y , t  
 
 I b  x , y , t  

Effrina Yanti Hamid ET 3005 Sem I 1718

1.2.Klasifikasi Sinyal

• Sinyal waktu kontinyu

Sinyal waktu kontinyu didefinisikan pada interval kontinyu
(a,b). Secara matematis sinyal kontinyu adalah fungsi dari
variabel kontinyu.
Contoh sinyal analog adalah x (t) = cost, - < t < .

• Sinyal waktu diskrit

Sinyal waktu diskrit didefinisikan pada interval diskrit (...,-2,-
1,0,1,2,...). Secara matematis sinyal diskrit adalah fungsi
dari variabel diskrit.
Contoh sinyal diskrit adalah x(n) = 0.5 n , n = 0,1,2,...

Effrina Yanti Hamid ET 3005 Sem I 1718

 1.2.Klasifikasi Sinyal

• Sinyal bernilai kontinyu

Bila nilai sinyal adalah seluruh harga pada suatu daerah
hingga atau tak hingga maka dikatakan sinyal bernilai
kontinyu.
• Sinyal bernilai diskrit
Bila nilai sinyal adalah satu set dari beberapa kemungkinan
nilai maka sinyal dikatakan bernilai diskrit. Sinyal waktu
diskrit dengan nilai diskrit disebut sinyal dijital.

Effrina Yanti Hamid ET 3005 Sem I 1718

Sinyal Analog, Diskrit dan Dijital

Effrina Yanti Hamid ET 3005 Sem I 1718

 1.3. Sistem Pengolahan Sinyal
• Sistem
adalah suatu devais fisik dan atau realisasi software yang
melakukan operasi pada sinyal.
Contoh : filter yang digunakan untuk menghilangkan noise dan
interferensi untuk mendapatkan informasi dari sinyal . Sistem
dikarekteristikkan oleh tipe operasi yang dilakukan pada sinyal.

• Pengolahan Sinyal
Operasi yang dilakukan pada sinyal dan merupakan karakteristik
dari sistem.
Sistem pengolahan sinyal dapat direalisasikan secara software
maupun hardware.

Effrina Yanti Hamid ET 3005 Sem I 1718

 1.4. Pengolahan Sinyal Digital (DSP)

Suatu sistem berupa devais fisik atau

realisasi software yang melakukan operasi
pada sinyal dijital

• Kelebihan DSP :
– Guaranteed accuracy
– Perfect reproducibility
– Fleksibilitas tinggi
– Kinerja superior , mis : fasa linier, kompleks adaptif filtering

• Kekurangan DSP :
– Problem finite wordlength
– Waktu desain
– Speed dan cost

Effrina Yanti Hamid ET 3005 Sem I 1718

 Pengolahan Sinyal Digital
(Digital Signal Processing)

Prefilter A/D Digital D/A Postfilter

x(t) Coverter x(n) Processor y(n) Coverter y(t)

Sampling & Quantizer Encoder

Hold

A/D Converter

Effrina Yanti Hamid ET 3005 Sem I 1718

Effrina Yanti Hamid ET 3005 Sem I 1718
 1.5.Aplikasi DSP
• Image Processing: enhancement, coding, compression,
pattern recognition
• Multimedia: transmission of sound, still images, motion
pictures, digital TV, video conferencing
• Music: recording, playback and manipulation (mixing, special
effects), synthesis
• Communication: encoding and decoding of digital
communication signals, detection, equalization, filtering,
direction finding, echo cancellation
• Radar and Sonar: target detection, position and velocity
estimation, tracking
• Biomedical Engineering: analysis of biomedical signals,
diagnosis, patient monitoring, preventive health care, artificial
organs

Effrina Yanti Hamid ET 3005 Sem I 1718

 Aplikasi DSP
Algoritma DSP Aplikasi Sistem
Speech Coding Digital cellular telephones, personal communications systems, digital cordless telephones,
multimedia computers, secure communications.
Speech Encryption Digital cellular telephones, personal communications systems, digital cordless telephones,
multimedia computers, secure communications.
Speech recognition Advanced user interfaces, multimedia workstations, robotics, automotive applications,
cellular telephones, personal communications systems.
Speech Synthesis Advanced user interfaces, robotics
Speaker Identification Security, multimedia workstations, advanced user interfaces
High-fidelity Audio Consumer audio, consumer video, digital audio broadcast, professional audio, multimedia
computers
Modems Digital cellular telephones, personal communications systems, digital cordless
telephones,digital audio broadcast, digital signaling on cable TV, multimedia computers,
wirelesscomputing, navigation, data/fax
Noise cancellation Professional audio, advanced vehicular audio, industrial applications
Audio Equalization Consumer audio, professional audio, advanced vehicular audio, music
Ambient Acoustic Emulation Consumer audio, professional audio, advanced vehicular audio, music
Audio Mixing/Editing Professional audio, music, multimedia computers
Sound Synthesis Professional audio, music,
multimedia computers, advanced user interfaces
Vision Security, multimedia computers, advanced user interfaces, instrumentation,
robotics,navigation
Image Compression Digital photography, digital video, multimedia computers, videoconferencing

Effrina Yanti Hamid ET 3005 Sem I 1718

Image Compositing Multimedia computers, consumer video, advanced user interfaces, navigation
Beamforming Navigation, medical imaging, radar/sonar, signals intelligence
Echo cancellation Speakerphones, hands-free cellular telephones
Spectral Estimation Signals intelligence, radar/sonar, professional audio, music

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6. Operasi pada DSP
1.6.1 Konvolusi
Hubungan antara masukan dan keluaran pada sistem
dinyatakan oleh penjumlahan konvolusi.


x ( n)  h( n)   xk hn  k 
n  

Contoh : Digital Filtering

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6.1 Konvolusi

DSP System
x(n) h(n) y(n)

Effrina Yanti Hamid ET 3005 Sem I 1718

 Contoh
Filtering

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6.2 Transformasi Fourier
Representasi sinyal dalam domain frekuensi :

Transformasi Fourier Diskrit

N 1 2 kn
j
X k    x n e N

n 0

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6.2 Transformasi Fourier

Contoh : DTMF (Dual Tone Multi Frequency) signalling

Effrina Yanti Hamid ET 3005 Sem I 1718

 Contoh
Transformasi

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6.3 Korelasi
Korelasi antara 2 sinyal digunakan untuk mengukur derajat
kesamaan sinyal tersebut


rxy l    xn  yn  l 
n 

Contoh : aplikasi deteksi sinyal radar

mis :
xn  : sinyal ditransmis ikan
yn  : sinyal diterima dengan delay sebesar D

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6.3 Korelasi
Bila terdapat target di ruang bebas dan terdeteksi oleh radar
maka siyal diterima terdiri dari sinyal yang transmisi tertunda dan
difleksikan oleh target bersama derau tambahan (additive noise)
Persamaan sinyal menjadi :

yn  xn  D  w(n)

 : redaman
D : round - trip delay
wn  : additive noise

Problem : menghitung delay D untuk menentukan jarak ke target

dengan mencari korelasi x(n) dengan y(n)

Effrina Yanti Hamid ET 3005 Sem I 1718

 Contoh
Korelasi (Correlation)
• Mencari kesamaan diantara 2 sinyal
• Aplikasi : untuk menentukan lokasi

Radar

Blocked
pipes!

Effrina Yanti Hamid ET 3005 Sem I 1718

 Contoh
Correlation

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6.4 Modulasi

x(n) y(n)  x(n).cos(0n)

cos(0n)

y (n)  x(n). cos(0n)

Y    X (  0 )  X (  0 )

Effrina Yanti Hamid ET 3005 Sem I 1718

1.6.4 Modulasi

y(n)  x(n).cos(0n)
x(n)

cos(0n)
x=sin(2*pi*0.05*n)+0.5.*(sin(2*pi*0.075*n));
y=x.*cos(2*pi*0.15*n);
Effrina Yanti Hamid ET 3005 Sem I 1718
 1.7. Digital Signal Processor
Fitur:
•Aplikasi real time
•Mempunyai ADC (input) dan DAC (output)
•Kinerja optimal untuk streaming data
•Menggunakan arsitektur Harvard (memori program dan data
terpisah)
•Memiliki instruksi khusus untuk pemrosesan SIMD (Single
Instruction,Multiple Data)
•Mempunyai kemampuan DMA (Direct memory Access)
jika dipakai host system
•Tidak memerlukan hardware khusus untuk operasi multitasking

Effrina Yanti Hamid ET 3005 Sem I 1718

 1.7. Digital Signal Processor
Komponen DSP :
•Program Memory
•Data memory
•Compute Engine
•Input/Output

Compute INPUT/OUTPU
Engine T
Serial Pots
Timers
Host Port
External Ports
Program Data
Memory Memory Link Ports

Effrina Yanti Hamid ET 3005 Sem I 1718

Effrina Yanti Hamid ET 3005 Sem I 1718
 1.7. Digital Signal Processor
Kelebihan DSP
• Programmability
• Upgradability dan Flexibility
• Stability
• Repeatability
• Special Applications

Effrina Yanti Hamid ET 3005 Sem I 1718

Effrina Yanti Hamid ET 3005 Sem I 1718
Effrina Yanti Hamid ET 3005 Sem I 1718
Effrina Yanti Hamid ET 3005 Sem I 1718
1.7. Digital Signal Processor
Algoritma DSP diimplementasikan secara :
•Software dengan
•low level assembly code atau high level
language seperti C
•Hardware
•Digital Signal Processor
•Application specific integrated circuit
(ASICs)
•Field programmable gate array (FPGA)

Effrina Yanti Hamid ET 3005 Sem I 1718

1.7. Digital Signal Processor
Digital signal processor
•General purpose DSP
•Mis: TMS320C6x dari Texas Instrument,
ADSP 56000 Motorola
•Special purpose DSP
•Mis:DSP56200, filter dijital FIR dari
Motorola
• INMOS A100, filter dijital FIR dari
INMOS

Effrina Yanti Hamid ET 3005 Sem I 1718

Effrina Yanti Hamid ET 3005 Sem I 1718
Effrina Yanti Hamid ET 3005 Sem I 1718
Courtesy from EECC722-
Shaaban

Effrina Yanti Hamid ET 3005 Sem I 1718

Effrina Yanti Hamid ET 3005 Sem I 1718
Effrina Yanti Hamid ET 3005 Sem I 1718
A DSP contains these key components:
•Program Memory: Stores the programs the DSP
will use to process data
•Data Memory: Stores the information to be
processed
•Compute Engine: Performs the math processing,
accessing the program from the Program Memory
and the data from the Data Memory
•Input/Output: Serves a range of functions to
connect to the outside world

Effrina Yanti Hamid ET 3005 Sem I 1718

Effrina Yanti Hamid ET 3005 Sem I 1718
Effrina Yanti Hamid ET 3005 Sem I 1718