Abstrak
Dalam praktikum ini yaitu mengenai analisis fourier waktu diskrit yang bertujuan untuk mengetahui
prinsip dasar DTFT, mengetahui sifat-sifat DTFT, membuat representasi domain frekuensi dari LTI
serta mengenal respon sistem, dan mengetahui proses sampling serta rekontruksi sinyal dengan metode
interpolasi. Deret fourier merupakan suatu fungsi periodik yang ditentukan dalam interval 0 ≤ x ≤ 2π
dapat dinyatakan dalam penjumlahan kosinus dan sinus. Namun, jika suatu fungsi tidak periodik maka
perlu dilakukan transformasi fourier untuk merubah variabel waktu yang tak periodik menjadi variabel
frekuensi. Pada modul ini, telah dilakukan percobaan dengan menggunakan MATLAB dimana
dilakukan pemodelan analisis fourier dengan metode discrete time fourier transforms (DTFT),
mengamati respon suatu sistem yang timbul yang bergantung pada sistem LTI (Linier Time Invariant)
yang digunakan serta merekonstruksi suatu sinyal.
Kata kunci: Deret Fourier, Transformasi Fourier, DTFT, Linear Time Invariant.
LA 3.3 (b)
Listing :
w = [0:1:500]*pi/500;
X = (2*(0.8)^4)./(1-(0.8*exp(-
j*w)));magX = abs(X); angX =
angle(X);realX = real(X); imagX =
imag(X); subplot(2,2,1);
plot(w/pi,magX); grid;
xlabel('frequency in pi units');
Analisa :
LPF bekerja dengan memfilter frekuensi sinyal
dibawah frekuensi cutoff. Pada percobaan ini filter
LPF ideal yang digunakan dalam domain frekuensi,
oleh karena itu berdasarkan grafik tersebut,
peningkatan amplitudo yang ditunjukkan grafik
tersebut mengindikasikan bekerjanya LPF saat
frekuensi sinyal di bawah frekuensi cutoff.
LA 3.7 (a)
Listing : LA 3.7 (c)
Dt=0.00005;t=0:Dt:0.05; Dt=0.00005;t=0:Dt:0.05;
xat=sin(1000*pi*t); xat=sin(1000*pi*t);
Ts=0.0001; n=0:1:5; Ts=0.01; n=0:1:5;
x=sin(1000*pi*Ts*n); x=sin(1000*pi*Ts*n);
K=500; k=0:1:K; w=pi*k/K; K=500; k=0:1:K; w=pi*k/K;
X=x*exp(-j*n'*w); X=real(X); X=x*exp(-j*n'*w); X=real(X);
subplot(2,1,1);plot(t*1000,xat); subplot(2,1,1);plot(t*1000,xat);
title('Sinyal Diskrit'); title('Sinyal Diskrit');
xlabel('in ms'); ylabel('y(n)'); xlabel('in ms'); ylabel('y(n)');
hold on; hold on;
stem(n*Ts*1000,x); gtext('Ts= 0.1 stem(n*Ts*1000,x); gtext('Ts= 0.01
mdetik');hold off; detik');hold off;
subplot(2,1,2);plot(w/pi,X); subplot(2,1,2);plot(w/pi,X);
%axis([-1.1 1.1 -inf inf]); %axis([-1.1 1.1 -inf inf]);
title('DTFT'); xlabel('frekuensi title('DTFT'); xlabel('frekuensi
dalam pi'); ylabel('y(w)'); dalam pi'); ylabel('y(w)');
Analisa :
Percobaan ini merupakan rekonstruksi sinyal
analog dari sample x(n) dengan menggunakan
interpolasi fungsi sinc, dimana dibandingkan juga
periode sampling yang digunakan terhadap bentuk
Analisa : rekonstruksi sinyal. Berdasarkan grafik, dapat
Pada percobaan ini digunakan variasi periode dilihat pada periode sampling 0,01 bentuk sinyal
sampling, dimana berdasarkan grafik tersebut pada lebih terlihat jelas polanya, berbeda halnya pada
periode sampling 0,01 bentuk sinyal lebih terlihat periode sampling 0,1. Hal ini menunjukkan jika
jelas polanya, berbeda halnya pada periode sampling semakin kecil periode sampling maka akan
0,1. Hal ini menunjukkan jika semakin kecil periode meningkatkan sample rate yang berdampak pada
sampling maka akan meningkatkan sample rate yang tingkat akurasi dengan bentuk sinyal yang
berdampak pada tingkat akurasi dengan bentuk sebenarnya, selain itu, periode sampling yang kecil
sinyal yang sebenarnya, selain itu dengan periode juga akan meningkatkan frekuensi sampling
sampling yang kecil akan meningkatkan frekuensi sehingga dapat memenuhi syarat Nyquist agar tidak
sampling sehingga dapat memenuhi syarat Nyquist terjadi aliasing.
agar tidak terjadi aliasing.