Digital Filter

1
 Filter

Filter:
• Suatu Rangkaian elektronika yang berfungsi untuk melewatkan sinyal
frekuensi tertentu yang diinginkan dan meredam sinyal frekuensi
tertentu yang tidak diinginkan
 Jenis-Jenis Filter

Jenis –Jenis Filter :

1. Low Pass Filter
Low pass filter (LPF) berfungsi melewatkan sinyal input yang
frekuensinya berada dibawah frekuensi tertentu(Frekuensi
cutoff) dan meredam sinyal frekuensi diatas frekuensi
tertentu (frekuensi cutoff)

Frekuensi Cut off(Fc)

 Jenis-Jenis Filter

Jenis –Jenis Filter :

2. High Pass Filter
High pass filter (HPF) berfungsi meneruskan sinyal di atas
frekuensi cut off sedangkan yang berada dibawah frekuensi
cut off diredam
 Jenis-Jenis Filter

Jenis –Jenis Filter :

3. Band Pass Filter
Band pass filter (BPF) berfungsi meneruskan sinyal input
yang berada diantara dua frekuensi tertentu saja atau
melewatkan frekuensi diatas fc1 dan meredam dibawah fc2
 Jenis-Jenis Filter

Jenis –Jenis Filter :

4. Band Reject Filter (BRF)
Band stop filter (BSF) atau band reject filter (BRF)adalah
kebalikan dari band pass filter yaitu meredam frekuensi yang
ada diantara dua buah frekuensi tertentu atau melewatkan
sinyal frekuensi dibawah FC1 dan meredam sinyal frekuensi
dibawah fc2
 Teknologi Perancangan Filter

Berdasarkan Teknologi Perancangan, filter dibedakan atas dua

bagian ,yaitu filter analog dan filter digital.
Filter analog dapat dibagi menjadi dua yaitu filter pasif dan filter
aktif.
filter digital dapat dibedakan menjadi dua jenis yaitu filter Infinite
Impulse Response (IIR) dan Finite Impulse Response
 FIR/IIR Desain
Metode = Penempatan pole-zero (dibantu oleh komputer)

1. Desain FIR
• Frequency Sampling (DFT)
• Windowing

2. Desain IIR Konsep Dasar

• Impulse Invariant 1. Frekuensi Digital
• Matched Z-Transform 2. Transformasi Z
• Transformasi Bilinear 3. Transformasi Laplace
a) Metode Butterworth 4. DFT-IDFT
b) Metode Chebysev 5. Pengaruh Pole-Zero
c) Metode Elliptik Terhadap Respon
Frekuensi
8
Realistic vs. Ideal Filter Response
 FIR filtering
• Finite Impulse Response (FIR) filters hanya
menggunakan sample input sebelumnya
• Contoh:
y(n)=0.1x(n)+0.25x(n-1)+0.2x(n-2)
• Z-transform:
Y(z)=0.1X(z)+0.25X(z)z^(-1)+0.2X(z)(z^-2)
• Transfer function:
H(z)=Y(z)/X(z)=0.1+0.25z^(-1)+0.2(z^-2)
• No poles, just zeroes. FIR is stable
 FIR Filter Implementation
• y(n)=h(0)x(n)+h(1)x(n-1)+h(2)x(n-2)+h(3)x(n-3)
 IIR Filtering
• Infinite Impulse Response (IIR) filters
menggunakan sample input dan output
sebelumnya
• Contoh:
y(n)=0.3x(n)+0.5x(n-2)+0.2y(n-1)+0.8y(n-2)
• Z-transform:
Y(z)=0.3X(z)+0.5X(z)z^(-2)+0.2Y(z)(z^-1)+
0.8Y(z)(z^-2)
 IIR Filter Implementation
• y(n)=b(0)x(n)+b(1)x(n-1)+b(2)x(n-2)+b(3)x(n-3) +
a(0)y(n)+a(1)y(n-1)+a(2)y(n-2)+a(3)y(n-3)
 Perbandingan FIR - IIR filter
• FIR
– Simpler to design
– Inherently stable
– Require lower bit precision
• IIR
– Can simulate analog filters
Desain FIR Filter

15
 2 Methods FIR Filter Design
Windowing Method Frequency Sampling Method

H ( ) H ( )
Inverse Discrete
Time Fourier Sampling
Transform / ITFWD

hi (n) H (k )
Inverse Discrete
Fourier
Windowing Transform/IDFT/IFFT

h(n)  hi (n) w(n)

h( n)
 Metode Windowing

IDE: Idealnya dalam merancang filter kita dapat

menghasilkan response frekuensi filter yang
sempurna.
Contoh: LPF sempurna dengan cut-off c.
|H(ej)|

-c c  
e  j untuk   c

Arg(H(ej))
H(e j )  
0 untuk  lainnya.

c  
 Metode Windowing
Response impuls h(n) diperoleh dengan
menginverskan H(ej). Untuk LPF
sin[c  (n   )]
hD (n)  F 1(H(e j )) 
  (n   )
   n  , n bilangan bulat
 Metode Windowing

Tentukan Response Impulse

filter ideal dari:

a). LPF dengan cut-off 0,2 rad/s.

b). HPF dengan cut-off 0,6 rad/s.

c). BPF dengan cut-off 0,2  dan 0,6 rad/s.

d). BSF dengan cut-off 0,2  dan 0,6 rad/s.

e). Differensiator dengan slope 3 dB/rad.

 Metode Windowing

Tabel respons impulse filter ideal:

 Metode Windowing

LPF
sin c  n 
hideal  n  
n
  n  

HPF

sin  n   sin c n 

hideal  n  
n
  n  
 Metode Windowing

BPF

sin c 2 n   sin c1n 

hideal  n   ,
n
  n  
 Metode Windowing

BSF

sin c1n   sin c 2 n   sin  n 

hi  n   ,
n
  n  
 Metode Windowing
h(n) untuk filter ideal tidak dapat diimplementasikan
karena:
1). Memiliki panjang respons yang tidak terbatas
2). Tidak kausal.
Cara termudah untuk menghasilkan Filter FIR
adalah dengan memotong respons impuls dari filter
ideal kemudian mengesernya sehingga menjadi
kausal. Proses ini diistilahkan : windowing.
 Metode Windowing
Proses windowing dapat dipandang sebagai perkalian
respons ideal hD(n) dengan fungsi window w(n).

hD(n)

N
w(n)
Lebar window
=N

h(n) =
hD(n).w(n)
 Metode Windowing
Pengaruh Windowing: Smearing Effect.
Jika H(ej), Hd(ej), W(ej) adalah Transformasi
Fourier dari h(n), hd(n), dan w(n), maka :

1
 d
j j j (  ) j j
H(e )  H (e )  W (e )  d  Hd (e ) * W (e )
2 

Domain waktu Domain frekuensi

h(n)  hd (n)  w(n) H(e j )  Hd (e j ) * W(e j )

Sehingga efek windowing di domain frekuensi adalah

konvolusi dari respons frekuensi ideal dengan
respons frekuensi dari fungsi window.
 Desain Filter dengan Metode Windowing

Trade-off antara
lebar window N
dengan efek N=11
smearing dan
kecuraman slope
pada transition
band.
N=41
N Smearing

Slope

N=201
 Metode Windowing
Macam-macam Window:
1. Rektangular

1 untuk 0  n  N 1

wR (n)  
0 untuk h arg a n yang lainnya


wR(n)
1
N=6

0 1 2 3 4 5
n
 Metode Windowing
Macam-macam Window:
2. Segitiga/Bartlett
 2n
 N 1 untuk 0  n  (N  1) / 2


 2n
2  untuk (N  1) / 2  n  (N  1)
wB (n)   N 1

 0 untuk h arg a n yang lainnya



 wR(n)
1 4/5 4/5
N=6
2/5 2/5

0 1 2 3 4 5 n
 Metode Windowing
Macam-macam Window:
3. Hanning

 2    n 
0,5  0,5 * cos N  1 , 0  n  N  1
  
wHan(n)  
 0, n lainnya.



wR(n)
0,9045 0,9045
N=6
1 0,3455 0,3455

0 1 2 3 4 5 n
 Metode Windowing
Macam-macam Window:
4. Hamming

 2    n 
0,54  0,46  cos N  1 , 0  n  N 1
  
wHam(n)  
 0, n lainnya.



wR(n)
0,9121 0,9121
1
N=6 0,3979 0,3979
0,08 0,08

0 1 2 3 4 5 n
 Metode Windowing
Macam-macam Window:
5. Blackman

 2    n  4    n
0,42  0,5  cos N  1   0,08  cos N  1 , 0  n  N  1
    
wBl (n)  
 0, n lainnya.



wR(n)
0,8492 0,8492
N=6
1
0,208 0,208

0 1 2 3 4 5 n
 Metode Windowing
Macam-macam Window:
6. Kaiser

  2 2
 
 I0 c  N  1   N  1  
  n   
   2   2  
  , 0  n  N 1
   N  1 
 I 0 c  
   2 


wK (n)  
 0, n lainnya.








I0(.) adalah fungsi Bessel
jenis pertama.
 Metode Windowing
Tabel Karakteristik Window:

Lebar Pita Redaman

Window
Transisi Stopband
Rektangular 4/N -21 dB

Segitiga 8/N -25 dB

Hanning 8/N -44 dB

Hamming 8/N -53 dB

Blackman 16/N -74 dB

Kaiser variabel variabel

 Windowing
(Lebar Pita Transisi dan Redaman Window)
Redam
Lebar
an
Window Pita
Stopba Redaman  untuk
Transisi
nd menentukan jenis window
Rektangul
4/N -21 dB
ar Lebar pita transisi = |ωc-ωs|
untuk menentukan panjang
Segitiga 8/N -25 dB window/orde window N
Hanning 8/N -44 dB
Redaman window harus <
Hamming 8/N -53 dB dari redaman yang
Blackman 16/N -74 dB diinginkan.

Kaiser variabel variabel

35
 METODE WINDOWING
Prosedur
1). Tentukan response impuls filter ideal.
2). Menentukan jenis window (dari redaman Stopband).
3). Menentukan lebar window N (dari Lebar Pita Transisi),
N 1
dan slope fasa  
2
4). Menentukan persamaan window w(n)
5). Mengalikan hd(n) dengan w(n) untuk memperoleh hLPF(n)
[6. Pengujian dengan software]
Prosedur FIR dengan metode windowing di atas adalah berdasarkan
data empiris [Ludeman]. Oleh karena itu, setelah selesai desain,
periksalah hasil desain menggunakan software, sebagai contoh
MATLAB.
 Metode Windowing
Proses Windowing:
Misal: lebar window = 9. LPF
frekuensi cut-off: 0,2 rad/s
sin(0,2 (n   ))
hD (n) 
 (n   )

n 0 1 2 3 4 5 6 7 8
hD(n) 0,0468 0,1009 0,1514 0,1871 0,2 0,1871 0,1514 0,1009 0,0468

w(n) 1 1 1 1 1 1 1 1 1

h(n) 0,0468 0,1009 0,1514 0,1871 0,2 0,1871 0,1514 0,1009 0,0468
 Metode Windowing

Latihan A:
Desainlah filter FIR LPF dengan frekuensi
cut-off c = 0,3 rad/s dengan metode
windowing dengan redaman stopband 30
dB pada s = 0,7 rad/s.

Latihan B:
Desainlah filter FIR HPF dengan frekuensi
cut-off c = 0,5  rad/s dengan metode
windowing dengan redaman stopband 50
dB pada s = 0,2 rad/s.
 Metode Windowing

Latihan C:
Desainlah filter FIR BPF dengan
frekuensi cut-off 0,3 rad/s dan 0,7
rad/s dengan metode windowing
dengan redaman stopband 30 dB pada
s = 0,2 rad/s dan s = 0,9 rad/s.

Latihan D:
Desainlah filter FIR BSF dengan
frekuensi cut-off 0,3 rad/s dan 0,7
rad/s dengan metode windowing
dengan redaman stopband 30 dB pada
s = 0,4 rad/s dan s = 0,5 rad/s.
 Metode Windowing

Latihan E:
Desainlah filter dengan spesifikasi sbb:

|H(ej)|
1

-/2 /2  

Anggap fasa adalah 0 untuk semua

frekuensi. Window Hamming digunakan
dengan panjang window 30 sampel!
 Metode Frequency Sampling
Metode sampling frekuensi dilakukan dengan mensampel N titik
dari response frekuensi yang diinginkan pada interval 0-2.
Koefisien yang diperoleh (H(k)) kemudian diinvers transformasi
Fourierkan untuk memperoleh h(n).
Di sampel pada
interval 0 - 2,
|H(ej)|
sebanyak N sampel.
1

-c c  c 2 
|H(ej)| Contoh: N = 8
1

-c c  c 2 
Metode Frequency Sampling
Contoh:
Desain LPF DIGITAL dengan frekuensi cut-
off 0,5 rad/s dengan metode frekuensi
sampling dengan N = 9. Tentukan H(k), k=0
sampai 8.
N=9, jadi jarak antar sampel adalah: 2/9.
Jawab: Sampel pertama (H(0)), pada frekuensi 0
rad/s; sampel ke dua pada 2/9, dst.
|H(ej)|

14
1
9

-0,5  0,5  1,5 2

2 4 6 8 10 12 14 16

0 9 9 9 9 9 9 9 9
9
 Metode Frequency Sampling
Selanjutnya, h(n) diperoleh dengan IDFT dari H(k).

1  N 1 
h(n)  IDFT (H(k ))     H(k )  e j 2nk 
N  k 0 

Jika diinginkan respons fasa linier, maka h(n) dihitung

dengan:

1  ( N / 2 1)

N genap h(n)    H(0)  2   H(k )  cos(2k(n   ))
N  k 1 
1  ( N 1) / 2

N ganjil h(n)    H(0)  2   H(k )  cos(2k(n   ))
N  k 1 
(N  1)
Dengan  
2