PENGOLAHAN ISYARAT DIGITAL

(DIGITAL SIGNAL PROCESSING-DSP)

Disampaikan oleh Lasmadi, S.T., M.Eng. ME-2017
 ISYARAT, SISTEM, DAN PENGOLAHAN
ISYARAT
 Isyarat atau sinyal berasal dari signal;
 Besaran fisis yang bergantung dengan waktu, ruang,
atau variabel bebas lainnya.

2
S 1(t )  5t
2
S 2(t )  20t
2
S 3( x, y )  3 x  2 xy  10 y
 Isyarat-isyarat dengan hubungan matematis yang
jelas.
 Speech signal (isyarat pembicaraan)

 Isyarat-isyarat dengan hubungan matematis yang

tidak jelas.
 Secara umum, suatu segmen dari isyarat
pembicaraan dapat direpresentasikan sebagai:
 Sejumlah isyarat sinusoidal dengan amplitudo (A),
frekuensi (F) dan fase (θ) yang berbeda.

N
S (t )   Ai (t) sin [2Fi (t )t   i (t )]
i 1

 Informasi yang terkandung di dalam suatu sinyal

dapat ditentukan dengan mengukur A, F, dan θ.
 …
 Isyarat Electrocardiogram (ECG)
 Isyarat elektronik yang berasal dari aktivitas jantung.
 Informasi mengenai kondisi jantung pasien.

 Isyarat Electroencephalogram (EEG)

 Isyarat elektronik yang berasal dari aktivitas otak.
 Isyarat-isyarat dengan satu variabel bebas (waktu)
 Speech signal, ECG, EEG.
 Isyarat dengan dua variabel bebas (ruang)
 Isyarat gambar (image signal).
 Sistem;
 Piranti fisik, yang melakukan suatu operasi pada
isyarat. Contoh: Filter yang digunakan untuk
mereduksi (mengurangi) derau (noise).
 Piranti non fisik. Contoh: software, sejumlah operasi
matematik, algoritme.
 Ketika kita melewatkan suatu sinyal melalui sebuah
sistem, sebagai filtering, berarti kita telah melakukan
pengolahan sinyal.
 Jika operasinya linear, sistem disebut linear. Jika
operasinya non-linear, sistem disebut non-linear.
 Pengolahan Isyarat (signal processing);
 Operasi-operasi yang dilakukan pada suatu
sinyal/isyarat.
 SINYAL ANALOG DAN DIGITAL
 Sinyal analog vs digital
 LPF
 DIGITAL SIGNAL PROCESSING
 Why DSP…?
 Related Areas of DSP
 Applications - Space photograph enhancement
- Data compression
- Intelligent sensory analysis by
Space remote space probe

- Diagnostic imaging (CT, MRI,

ultrasound, and other)
Medical - ECG analysis
- Medical image storage/retrieval

- Image and sound compression

Commercial - Movie special effect
- Video conference calling

- Voice and data compression

- Echo reduction
Telephone
DSP - Signal multiplexing
- Filtering

- Radar
- Sonar
Military - Ordnance guidance
- Secure communication

- Oil and mineral prospecting

- Process monitoring and control
Industrial - Nondestructive testing
- CAD and design tools

- Earthquake recording & analysis

Scientific - Data acquisition
- Spectral analysis
- Simulation and modeling
 Sinyal digital penting

Unit Impulse(sample)
[n] 1 for n  0

Unit Step
u[n]  1 for n  0
 [n]  u[n]  u[n  1]

Unit Ramp
r[n]  nu[n]
 ELEMEN-ELEMEN DASAR DSP
 Sistem Pengolahan (komputasi) Isyarat Analog

-Filter
-Frequency multiplier,
-etc.

 Sistem Pengolahan Isyarat Digital

-Digital computer
-Small microprocessor
 KLASIFIKASI SINYAL
 Single Channel Signal
 Hanya terdiri dari satu sinyal (variabel tak bebas)
 Nilainya bisa real atau kompleks.
S1 (t )  A sin(3t ) real

S 2 (t )  Ae j 3t  A cos(3t )  jA sin(3t ) kompleks

 Multi Channel Signal

 Lebih dari satu sinyal (variabel tak bebas)
 Gelombang gempa (3 channels)  S1 (t ) 
S (t )   S 2 (t ) vektor
 ECG (3 channels dan 12 channels)
 S 3 (t ) 
 Contoh: Gelombang Gempa
 Primary (P) waves (longitudinal)
 Secondary (S) waves (transversal)
 Surface wave (near the ground surface)

Fipre 1.4 Three components of ground acceleration measured a few kilometers

from the epicenter of an earthquake. (From Earrhquakex. by B. A. Bold. 01988
 One-dimensional Signal
 Hanya fungsi dari satu variabel bebas.
 Multi-dimensional (M-dimensional) Signal
 Nilainya adalah fungsi lebih dari satu variabel bebas
(sebanyak M).

Sinyal dua dimensi, intensitas

atau brightness:
S  I ( x, y )

Figure 1.5 Example of a two-dimensional signal.

  Sinyal 3D gambar televisi hitam putih:
S  I ( x, y , r )
 Multichannel multidimensional signal (3-channel
3D) gambar color TV: (3 warna sbg fungsi t)

 I r ( x, y , t ) 

I ( x, y , t )   I g ( x, y , t ) 
 I b ( x, y, t ) 

 Sinyal diklasifikasikan dlm kategori berdasarkan

variabel t dan nilainya…
 Sinyal waktu kontinyu (Continuous-time signals)
 Speech signal
 continuous in time and amplitude
 Sinyal waktu diskret (Discrete-time signals)
 Hanya ada pada waktu-waktu tertentu saja
 discrete in time, continuous in amplitude
0.8n n0
x[n]  
 0 lainnya

0.8
0.64
 Sinyal berharga kontinyu (Continuous-Valued
signal)
 Dapat berharga berapa saja pada rentang waktu

Figure 1.7 Wolfer annual sunspot numbers (1770-1869).

Sinyal berharga kontinyu dan waktu diskret
 Sinyal berharga diskret (Discrete-valued signal)
 Berharga pada beberapa kemungkinan saja
 Sinyal digital
 Waktu diskret, harga diskret
 discrete both in time and amplitude

Fig. 1.8 Digital signal with four different amplitude values

 Sinyal deterministik
 Harganya dapat diprediksi
 Sinyal acak (random signal)
 Harganya tidak dapat diprediksi

Figure 1.9 Random signals from the signal generator

 KONSEP FREKUENSI
 Sinyal sinusoidal waktu kontinyu

xa (t )  A cos(t   )    t  
t = waktu
A = amplitudo
Ω = frekuensi sudut (rad/s)
θ = fase (rad)

  2F 
 xa (t )  A cos(2Ft   )    t  
F = frekuensi (cycles /s, Hz)

 ….
 Example: xa (t )  A cos(2Ft   )

 Properti sinyal analog:

 Untuk setiap frekuensi F , xa (t ) periodik.
1 Perioda
xa (t  T p )  xa (t ) Tp   fundamental
F
 Sinyal-sinyal sinusoidal waktu kontinyu dengan
frekuensi berbeda dpt dibedakan.
 Memperbesar frekuensi F akan menaikan laju osilasi.
 Sinyal sinusoidal waktu diskret

x[n]  A cos(n   )    n  
n = bilangan bulat (integer)
A = amplitudo
ω = frekuensi sudut (rad/s)
θ = fase (rad)

  2f 
 x[n]  A cos(2fn   )
f = frekuensi (cycles/sample)
 Example:

x[n]  A cos(o n   )
 1 
o  fo  
6 12 3
 Properti sinyal diskret
 x[n] periodik hanya bila frekuensi f merupakan bilangan
rasional.

x[n  N ]  x[n]

Harga terkecil dari N disebut periode dasar (fundamental)

cos[2f o (n  N )   ]  cos[2f o n  2f o N   ]  cos(2f o n   )

Relasi ini akan benar jika dan hanya jika ada sebuah
integer k, shg

2f o N  2k k
fo 
N
 Sinyal-sinyal sinusoidal waktu diskret dengan
frekuensi-frekuensi yang berbeda sebesar 2 k adalah
identik (tidak dapat dibedakan) …alias

 Bila sinyal sinus cos(o n   ) ,

cos[(o  2 ) n   ]  cos[o n  2n   ]  cos(o n   )

x[n]  A cos(k n   ) k  0,1,2...

1 1
k  o  2k    o   or   f 
2 2
 Frekuensi diperbesar, laju osilasi bertambah harga
maksimum f=1/2.
 Bila sinyal sinus, x[ n ]  cos( o n ) dengan
   1 1 1 1 N  ,16,8,4,2
o  0, , , ,   f  0, , , ,
8 4 2 16 8 4 2
TERIMA KASIH