El302 07
El302 07
Struktur yang terbentuk dari persamaan sistem LCCDE mengandung hubungan antara
elemen delay , multiplier, dan adder.
• Kompleksitas komputasi
a. Aritmetic operations per sample
b. Memory access per sample
• Kebutuhan memori : jumlah lokasi memori yang dibutuhkan untuk menyimpan
parameter sistem
• Efek finite-word-length : berkaitan dengan efek kuantisasi dalam implementasi
sistem digital
VII-1
BAB 7 Filter Digital
Fungsi karakteristik sistem IIR dapat dilihat sebagai dua sistem secara kaskade, yaitu:
H(z) = H1(z) H2(z)
dimana H1(z) terdiri atas zero dari H(z) dan H2(z) terdiri atas pole dari H(z),
M
H 1 ( z ) = ∑ bk z − k 1
dan H 2 ( z) = N
k =0
1 + ∑ ak z − k
k =1
Persamaan di atas dapat diwujudkan dalam struktur IIR Direct Form I sebagai berikut:
VII-2
BAB 7 Filter Digital
Jika semua filter all-pole H2(z) diletakkan sebelum filter all-zero H1(z) diperoleh
struktur yang lebih compact yang dinamakan struktur Direct Form II seperti pada
gambar berikut :
Persamaan di atas hanya mengandung delay pada deretan {w(n)} sehingga hanya
sebuah jalur delay tunggal atau satu set lokasi memori tunggal yang diperlukan untuk
menyimpan nilai {w(n)}sebelumnya.
VII-3
BAB 7 Filter Digital
Kedua struktur di atas dikatakan direct form sebab diperoleh secara langsung dari fungsi
sistem H(z) tanpa penyusunan kembali H(z) tersebut. Namun, keduanya sangat sensitif
terhadap parameter kuantisasi dan oleh karenanya tidak direkomendasikan dalam
aplikasi prakteknya.
Peserta memahami peran Flow Graph dan graph theory dalam mengubah
struktur filter.
Sinyal Flow Graph menyediakan alternatif representasi grafis dari struktur diagram blok
yang digunakan untuk mengilustrasikan realisasi dari sistem. Elemen utama dari flow
graph adalah branch dan node.
Sinyal flow graph merupakan set dari branch terarah yang terhubung di node. Secara
definisi, sinyal keluar dari sebuah branch sama dengan gain branch (fungsi sistem)
dikalikan sinyal yang masuk ke branch. Sedangkan sinyal pada suatu node sama dengan
jumlah sinyal dari semua branch yang terhubung ke node tersebut.
Berikut ilustrasi dari filter IIR dua-pole dan dua-zero (orde dua) dalam bentuk diagram
blok dan sinyal flow graphnya :
Sinyal flow graph di atas mempunyai lima node mulai dari 1 sampai 5. Dua dari node
tersebut (1,3) merupakan node penjumlahan (yaitu berisi adder), sedangkan lainnya
VII-4
BAB 7 Filter Digital
Struktur filter direct form II di atas dapat dinyatakan dalam persamaan perbedaan
sebagai berikut :
y (n) = b0 w(n) + b1 w(n − 1) + b2 w(n − 2)
" If we reverse the directions of all branch transmittance and interchange the
input and output in the flow graph, the system function remain unchanged"
Contoh transposisi dari sinyal flow graph di atas dan realisasinya dalam diagram blok
adalah sebagai berikut :
Struktur realisasi hasil transposisi filter direct form II tersebut dapat dinyatakan dalam
persamaan perbedaan sebagai berikut :
y (n) = w1 (n − 1) + b0 x(n)
VII-5
BAB 7 Filter Digital
Secara umum, untuk hasil transposisi dari filter orde-N (asumsi N=M) IIR direct form II
dapat dinyatakan dalam persamaan berikut:
y (n) = w1 (n − 1) + b0 x(n)
w N ( n ) = − a N y ( n ) + b N x ( n)
Persamaan di atas dapat diwujudkan dengan struktur filter sebagai berikut :
Untuk sistem FIR, struktur direct form hasil transposisi dapat diperoleh dengan
mensetting nilai ak=0 dengan k=1,2,…,N. Struktur FIR hasil transposisi dapat
digambarkan sebagai berikut :
y (n) = w1 (n − 1) + b0 x(n)
wM ( n ) = b M x ( n )
VII-6
BAB 7 Filter Digital
Secara keseluruhan, fungsi sistem IIR orde-2 (dua pole dan dua zero) untuk struktur
direct form I, direct form II, maupun hasil transposisi direct form II mempunyai bentuk:
b0 + b1 z −1 + b2 z −2
H ( z) =
1 + a1 z −1 + a 2 z −2
Dari ketiga struktur tersebut di atas, struktur direct form 2 lebih disukai dikarenakan
jumlah lokasi memori yang diperlukan untuk implementasi lebih kecil.
∑b z k
−k
H ( z) = k =0
N
1 + ∑ a k z −k
k =1
Sistem tersebut dapat difaktorkan ke dalam kaskade sub sistem orde-2, sehingga H(z)
dapat dinyatakan sebagai :
K
N +1
H ( z ) = ∏ H k ( z) dengan K bagian integer dari
k =1 2
Fungsi sub-sistem orde-2 tersebut secara umum dinyatakan sebagai:
bk 0 + bk 1 z −1 + bk 2 z −2
H k ( z) =
1 + a k 1 z −1 + a k 2 z −2
Untuk sistem FIR, nilai parameter b0 untuk K sub-sistem filter bernilai b0 = b10b20…bK0.
VII-7
BAB 7 Filter Digital
y 0 ( n) = x ( n )
y ( n) = y K ( n )
wk (n) = − a k 1 wk (n − 1) − a k 2 wk (n − 2) + y k −1 (n) k = 1,2,..., K
H ( z) =
( )( )(
10 1 − 12 z −1 1 − 23 z −1 1 + 2 z −1 )
(1 − 3
4
)( )( )(
z −1 1 − 18 z −1 1 − ( 12 + j 12 )z −1 1 − ( 12 − j 12 )z −1 )
Solusi :
H 1 ( z) =
(1 − 1
2
z −1 ) dan H 2 ( z) =
1 + 23 z −1 − z −2
1 − 78 z + 323 z − 2
−1
1 − z −1 + 12 z −2
VII-8
BAB 7 Filter Digital
Struktur paralel dari sistem IIR dapat diperoleh dengan ekspansi partial-fraction dari
H(z). Dengan asumsi bahwa N = M dan pole-polenya berbeda, kita melakukan ekspansi
partial-fraction H(z) untuk memperoleh :
N
Ak
H ( z) = C + ∑ −1
k =1 1 − p k z
dimana {pk} adalah pole-pole, {Ak} koefisien (residu) dalam ekspansi partial-fraction
struktur yang terdiri atas bank paralel dari filter pole-tunggal.seperti pada diagram
sebagai berikut :
VII-9
BAB 7 Filter Digital
Jika N ganjil, satu dari Hk(z) merupakan sistem pole tunggal ( bk1 = ak2 = 0 ).
Implementasi H(z) dapat diwujudkan dengan struktur direct form II sebagai berikut :
Persamaan realisasi bentuk paralel dari sistem FIR dengan struktur direct form II:
H ( z) =
( )(
10 1 − 12 z −1 1 − 23 z −1 1 + 2 z −1 )( )
(1 − 3
4
z −1
)(1 − 1
8
z −1
)(1 − ( 1
2 + j 12 )z −1
)(1 − ( 1
2 − j 12 )z −1 )
Solusi:
VII-10
BAB 7 Filter Digital
VII-11
BAB 7 Filter Digital
1 M −1
h( n ) = ∑
M k =0
H (k + α )e j 2π ( k +α ) n / M n = 0,...M − 1
M −1 M −1
1
H ( z) = ∑ ∑ H (k + α )e j 2π (k +α ) n / M z − n
n=0 M k =0
1 M −1 n
( )
M −1
= ∑ H (k + α ) ∑ e j 2π ( k +α ) n / M z −1
k =0 M n = 0
1 − z − M e j 2πα M −1 H (k + α )
= ∑ j 2π ( k +α ) n / M −1
M k =01 − e z
H1 ( z) =
M
1
( )
1 − z − M e j 2πα menghasilkan zk = e
j 2π (k+α) / M
, k = 0, 1, …,M-1
M −1
H (k + α )
H 2 ( z) = ∑ j 2π ( k +α ) / m −1
k =01 − e z
Bank paralel dari filter single-pole menghasilkan frekuensi resonan.
pk = e j 2π ( k +α ) / M
k = 0, 1, …, M-1
Terlihat, bahwa zero dan pole terjadi pada lokasi yang sama.
1 1
Fungsi sistem all-pole: H ( z) = N
=
AN ( z )
1 + ∑ a N (k ) z −k
k =1
VII-12
BAB 7 Filter Digital
Dengan mengubah aturan input dan output (mengubah x(n) dengan y(n)) diperoleh:
N
x(n ) = −∑ a N (k ) x(n − k ) + y (n)
k =1
output: y (n ) = f 0 (n)
y (n ) = f 0 (n) = g 0 (n)
Persamaan sistemnya :
g 2 (n ) = K 2 f1 (n − 1) + g1 (n − 1) , g1 (n ) = K1 f 0 (n − 1) + g 0 (n − 1)
VII-13
BAB 7 Filter Digital
y (n ) = f 0 (n) = g 0 (n)
Y ( z ) F0 ( z ) 1
H a ( z) = = =
X ( z ) Fm ( z ) Am ( z )
Gm ( z ) Gm ( z )
H b ( z) = = = Bm ( z )
Y ( z) G0 ( z )
Contoh:
1 ω ≤ ωc
H (ω ) =
0 ωc < ω ≤ π
VII-14
BAB 7 Filter Digital
ωC
n = 0
h ( n ) = ω sin π
ωCn
C
n ≠ 0
π ωCn
0.25
0.2
0.15
0.1
0.05
-0.05
-0.1
-20 -15 -10 -5 0 5 10 15 20
LPF ideal tersebut non-kausal sehingga tidak dapat direalisasikan dalam praktek
Sistem yang dihasilkan tidak mempunyai karakteristik respons frekuensi ideal lagi.
Teorema Paley-Wiener memberikan solusi tentang kondisi perlu dan cukup dari respon
frekuensi H(ω) agar filter yang dihasilkan kausal.
Teorema Paley-Wiener:
VII-15
BAB 7 Filter Digital
Maka, respon fasa Θ(ω) dapat diasosiasikan dengan H (ω ) , sehingga filter yang
Catatan :
H (ω ) tidak boleh bernilai nol pada suatu band frekuensi tertentu supaya ∫ lnH(ω) < ∞
Semua filter ideal adalah non-kausal
Kausalitas menunjukkan hubungan antara komponen real HR(ω) dan komponen imajiner
HI(ω) dari respons H(ω). Hubungan ini ditunjukkan dalam persamaan berikut:
dimana
bila h(n) causal, maka h(n) bisa diperoleh kembali dari he(n) untuk 0 ≤ n ≤ ∞ atau ho(n)
untuk 1 ≤ n ≤ ∞
Catatan :
Jika ho(n) = 0 untuk n = 0 → h(0)tidak dapat diperoleh dari ho(n) dan harus diperoleh
secara eksplisit. Untuk n ≥ 1, ho(n) = he(n) → erat hubungan antar keduanya.
Jika h(n) absolutely summable (yaitu BIBO stabil) à H(ω) exist, dan
H(ω) = HR(ω) + jHI(ω)
Dan jika h(n) bernilai real dan kausal, maka
VII-16
BAB 7 Filter Digital
1 − a cos ω
H R (ω ) = , a <1
1 − 2a cos ω + a 2
Solusi :
Cari he(n):
1 + ( z + z −1 ) 2 z − a( z 2 + 1) / 2
H R ( z ) = H R ( z ) z=e jω ⇒ H R ( z) = =
1 − a( z + z −1 ) + a 2 ( z − a )(1 − az )
1
ROC ada di antara p1 = a dan p2= 1/a, dan termasuk unit circle, sehingga a< z <
a
dan he(n) merupakan two-sided sequence, dengan pole z = a untuk kausal dan p2= 1/a
untuk antikausal.
1 n 1
diperoleh : he (n) = a + δ ( n)
2 2
h(n) diperoleh dari nilai he(n) : h ( n) = a n u ( n )
1
Transformasi Fourier dari h(n): H (ω ) =
1 − ae − jω
Hubungan antara HR(ω) dan HI(ω) dari FT h(n) yang absolutely summable, kausal dan
real dapat dijelaskan sebagai berikut:
π
H (ω ) = H R (ω ) + jH I (ω ) = H R (λ )U (ω − λ )dλ
1
π −∫π
dengan U(ω) merupakan respons frekuensi dari unit step u(n)
U (ω ) = πδ (ω ) +
1
1 − e − jω
1 1 ω
= πδ (ω ) + − j cot , -π ≤ ω ≤ π
2 2 2
π
ω −λ
diperoleh hubungan : H I (ω ) = − ∫ H (λ )cot 2 dλ Hubungan
1
di atas disebut
2π
R
−π
discrete Hilbert Transform.
Latihan : cari bentuk transformasi Hilbert dari hubungan HR(ω) dengan HI(ω)
VII-17
BAB 7 Filter Digital
2. |Hω)| tidak bisa konstan pada sebuah interval, dan tidak bisa bertransisi yang tajam
dari passband ke stopband (konsekuensi fenomena Gibbs agar h(n) kausal )
3. HI(ω) dan HR(ω) terhubung oleh discrete Hilbert Transform, |Hω)| dan Θ(ω) tidak
bisa dipilih secara acak
∑b e k
− jωk
dengan H(ω) : H ( w) = k =0
N
1 + ∑ a k e − jωk
k =1
Problem desain filter digital : mencari {ak} dan {bk} agar H(ω) mendekati ideal
VII-18
BAB 7 Filter Digital
Orde filter berdasarkan kriteria untuk memilih parameter {ak} dan {bk} dan koefisien
(M,N).
3 Desain FIR
Tujuan Belajar 10
[ ]
= z −( M −1) / 2 ∑ h(n) z ( M −1− 2 k ) / 2 ± z −( M −1−2 k ) / 2 à M genap
n=0
VII-19
BAB 7 Filter Digital
M − 1 ( M −3) / 2 M −1
dimana , H r (ω ) = h + 2 ∑ h(n) cos ω − n ,M ganjil
2 n=0 2
( M2 )−1
M −1
H r (ω ) = 2 ∑ h(n) cos ω − n ,M genap
n =0 2
Karakteristik fasa filter :
M −1
− ω 2 H r (ω ) > 0
θ (ω ) =
− ω M − 1 + π H r (ω ) < θ
2
ω ( M −1) π
j − +
Respons sistem antisimetrik: H (ω ) = H r (ω )e 2 2
( M −3 ) / 2
M −1
dimana : H r (ω ) = 2 ∑
n =0
h(n) sin ω
2
− n
, M ganjil
M
−1
M −1
H r (ω ) = 2∑ h(n) sin ω
2
− n , M genap
n =0 2
Respons fasanya :
π M − 1
2 − ω 2 H r (ω ) > 0
θ (ω ) =
3π
− ω M − 1
H r (ω ) < 0
2 2
VII-20
BAB 7 Filter Digital
Catatan :
§ Untuk h(n) simetrik, jumlah koefisien filter adalah (M+1)/2 untuk M ganjil dan M/2
untuk M genap
§ Untuk h(n) antisimetrik, h((M-1)/2) = 0, mempunyai jumlah koefisien filter
( M − 1) / 2 untuk M ganjil dan M/2 untuk M genap
§ Jika h(n) = -h(M-1-n) dan M ganjil à Hr(0) = 0 dan Hr(π) = 0. Sistem tersebut
tidak cocok untuk LPF atau HPF
§ Untuk sistem dengan respon antisimetrik dan M genap à Hr(0) = 0, sehingga tidak
cocok untuk desain LPF
Problem desain filter FIR : menentukan koefisien M untuk h(n) dari spesifikasi Hd(ω)
filter, respons frekuensi yang diinginkan.
VII-21
BAB 7 Filter Digital
n =0 1 − e − jω ω
sin
2
ωM M −1 ωM
sin − ω 2 , sin ≥0
2 2
W (ω ) = dan θ (ω ) =
ω − ω M − 1 ωM
sin +π , sin <0
2 2 2
40
Hanning
Hamming
20
-20
Magnitude (dB)
-40
-60
-80
-100
-120
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x pi rad
VII-22
BAB 7 Filter Digital
1e − jω ( M −1) / 2 0 ≤ ω ≤ ωc
H d (ω ) =
0
Respons unitnya :
M − 1
ωc sin ω c n −
M −1
jω n −
1 2
2π −∫ω c
hd (n) = e dω = 2
n ≠ (M-1)/2
M − 1
π n −
2
Jelas, bahwa hd(n) non-kausal dan infinite.
0.8
Magnitude
0.6
0.4
0.2
0
0 0.05 0.1 0.15 0.2 0.25 0.3
Normalized Frequency (×π rad/sample)
VII-23
BAB 7 Filter Digital
α = 0 atau 1/2
kemudian cari h(n) dengan inversi. Untuk mengurangi sidelobe, diharapkan untuk
mengoptimasi spesifikasi pada transisi band dari filter.
Contoh:
VII-24
BAB 7 Filter Digital
M −1 m M −1M −1 n m
j 2πk − j 2πα m − j 2πα
∑H(k +α)e M = ∑∑ h(n)e M
≡ Mh(n)e M
k =0 k =0 n=0
Menghasilkan nilai h(n):
1 M −1
h ( n) = ∑ H (k + α )e j 2π (k +α )n / M
M k =0
Persamaan di atas memungkinkan untuk menghitung nilai dari respon h(n) dari
spesifikasi sample frekuensi H(k+α), k=0,1, …, M-1.
Catatan :
H (ω ) = H r (ω )e j [−ω ( M −1) / 2 +π / 2]
Jika disample pada frekuensi ωk = 2π(k+α)/M, k=0,1,…,M-1 didapat:
π ( M −1)
2π j β −2π ( k +α ) 2 M
H (k + α ) = H r ( k + α ) e 2
M
di mana β = 0 bila {h(n)} symetric
Sekarang, kondisi simetri untuk H(k+α) ditranslasikan ke dalam kondisi simetri G(k+α)
untuk menyederhanakan {h(n)} untuk empat kasus β = 0, 1 dan α = 0, ½ seperti pada
tabel berikut :
VII-25
BAB 7 Filter Digital
Contoh :
Cari koefisien FIR fasa linear dengan M = 15 dengan respon impuls simetrik dan
respons frekuensi memenuhi :
VII-26
BAB 7 Filter Digital
1 k = 0,1,2,3
2πk
Hr = 0.4 k =4
15
0 k = 5,6,7
Solusi :
2πk
dari tabel : G (k ) = (−1) k H r k = 0, 1, …7
15
Teknik window dan frequency sampling mudah dimengerti tetapi punya beberapa
kelemahan :
• ωp dan ωs tidak dapat ditentukan pradesign
• δ1 dan δ2 kurang bisa ditentukan secara simultan
VII-27
BAB 7 Filter Digital
• Error Aproksimasi tidak terdistribusi dengan baik pada interval-interval band (besar
di dekat daerah transisi)
Metoda alternatif dengan minimisasi dari maximum aproksimasi error (minimax) →
Chebyshev error
3.3.1 Overview
1. Define a minimax problem
2. Discuss the number of maxima & minima (= extrema)
3. Design algorithm, polynomial interpolation
4. Parks-McClellan algorithm
5. Remez exchange routine, as a part of P-McCalg
Development of the Minimax Problem
Diketahui :
M −1
−j ω
jω jβ
H (e ) = e e 2 H r (ω )
↓"Amplitudo Response" bilangan real
Beberapa kasus dalam desain filter FIR :
dengan nilai a(n), b(n), c(n) dan d(n) ditentukan sebagai berikut:
M − 1
h 2 k =0
a(k ) =
2h M − 1 − k k = 1,2,..., M − 1
2 2
M
b(n ) = d (n) = 2h − k , k = 1,2,..., M / 2
2
VII-28
BAB 7 Filter Digital
M −1
c(n ) = 2h − k , k = 1,2,..., ( M − 1) / 2
2
Persamaan Hr(ω) bisa dinyatakan dalam Hr(ω) = Q(ω) P(ω)
L
di mana : P(ω ) = ∑ α (n) cos ωn
n=0
2 ∑ a(n ) cosωn
n=0
II Cos(ω/2) M L
∑ b (n) cos ωn
−1 ~
2 n=0
II Sinω M −3 L
2 ∑ c~(n ) cos ωn
n=0
IV Sin(ω/2) M L
∑ d (n )cos ωn
−1 ~
2 n=0
[ ]
E (ω ) ≅ W (ω )[H dr (ω ) − H r (ω )], ω ∈ s ≅ 0, ω p U [ω s , π ]
↓ ↓
desired response actual response
VII-29
BAB 7 Filter Digital
d2
, in Passband
bila W (ω ) = d1
1, in Stopband
Jadi apabila kita berhasil meminimasi dengan max weighted error ke δ2, maka kita juga
dapat memenuhi spesifikasi di passband pada δ1.
H (ω )
= W (ω )Q(ω ) dr − P(ω )
Q(ω )
H (ω )
bila Wˆ (ω ) ≅ W (ω )Q(ω ) dan Hˆ DR (ω ) ≡ dr
Q(ω )
[ ]
→ E (ω ) = Wˆ (ω ) Hˆ dr (ω ) − P(ω ) , ω ∈ s → untuk semua kasus
Problem statement
Cari a[n] (atau b[n] atau c[n] atau d [n] ) untuk minimisasi dari maximum absolute
value dari E(ω) over the passband dan stopband
min max E (ω )
ω∈s
L
Di P(ω ) = ∑ β (n) cos n ω → ada L-1 at most local extreme (0 < ω < π)
n=0
VII-30
BAB 7 Filter Digital
Contoh:
h ( n) =
1
[1,2,3,4,3,2,1] → M = 7 or L = 3
15
Let S be any closed subset of the closed interval [0,π]. Kondisi perlu dan cukup agar
L
P(ω ) = ∑ α (k ) cos ωk
k =0
menjadi unique, minimax app. to HDR(ω)on S, adalah bahwa E(ω) ≥ L+2 "altenations"
atau extremes di S, yaitu setidaknya terdapat L + 2 frekuensi {ωi} di S sehingga
Algoritma Parks-McClellan
→ Kaiser approximates M as
− 20 log10 δ 1δ 2 − 13 ωs − ω p
M= +1 ∆f =
14.6∆f 2π
The Parks-McClellan
à Estimasi δ di ωi in
à Fit P(ω) di ωi in
Sampai δ = δ2
VII-31
BAB 7 Filter Digital
di matlab → remez
[
Wˆ (ω n ) H dr (ω n ) − P(ω n ) = (−1)n δ ]
(−1) n δ
P(ω n ) + = Hˆ dr (ω n )
Wˆ (ω ) n
L
(−1) n δ
⇒ ∑ α (k ) cos ω n k + = Hˆ dr (ω n )
k =0 Wˆ (ω n )
γ o Hˆ dr (ω o ) + γ 1 Hˆ dr (ω1 ) + ... + γ L +1 Hˆ dr (ω L +1 )
→δ =
γo (−1)γ 1 (−1) L +1γ L +1
+ + ... +
Wˆ (ω o ) Wˆ (ω1 ) Wˆ (ω L +1 )
L +1
1
→γk = ∏
n = 0 cos ω k − cos ω n
n≠k
L
∑ P(ω k )[β k /( x − xk )]
k =0
P(ω ) = L
∑ [β k /( x − xk )]
k =0
→ interpolasi Lagrange
(−1) δ n
di mana P(ω n ) = Hˆ DR (ω n ) − n = 0,..., L + 1
Wˆ (ω n )
L
1
βk = ∏
n=0 xk − x n
n≠ k
[ ]
E (ω ) = Wˆ (ω ) Hˆ dr (ω ) − P(ω ) → ω fine grids
bila |E(ω)| ≥ δ untuk beberapa ωj, pilih L+2 largest peaks sebagai ωi baru, dan ulangi
lagi.
4 Desain IIR
VII-32
BAB 7 Filter Digital
M
∑ βk sk
Ha (s ) = B (s ) = k = 0
A(s ) N
∑α k s k
k =0
{α k } dan {β k } → filter coefficient
∞
Impulse response h(t ) → H a (s ) = ∫ h(t )e
− st
dt
−∞
Filter analog dapat pula dinyatakan dalam persamaan differensial kengan koefisien
konstan:
N
d k y (t ) N
d k x(t )
∑α k dt k
= ∑ βk
dt k
k =0 k =0
Filter analog LTI dengan fungsi sistem H(s) akan stabil jika semua polenya terletak di
sebelah kiri bidang-s. Oleh karena itu teknik konversi harus memenuhi sifat-sifat:
1. sumbu jΩ pada bidang-s dipetakan ke unit lingkaran bidang-z
2. LHP (Left-half plane) bidang-s dimapping ke dalam lingkaran bidang-z. Filter
analog stabil dikonversikan ke filter digital stabil
VII-33
BAB 7 Filter Digital
( )
H ( z ) = ± z − N H z −1
Filter akan mempunyai pole mirror-image di luar unit lingkaran untuk setiap pole di
dalam lingkaran à filter tidak stabil.
t
y (t ) = ∫ y1 (τ )dτ + y (to ) y1 : turunan pertama dari y(t)
to
Pada t = nT; to = nT – T :
y (nT ) =
2
[
T 1
]
y (nT ) + y 1 (nT − T ) + y (nT − T )
VII-34
BAB 7 Filter Digital
aT aT
1 + y ( n ) − 1 − y (n − 1) =
bT
[x(n) + x(n − 1)]
2 2 2
aT
1 +
aT −1
Y ( z ) − 1 − z Y ( z) =
bT
(
1 + z −1 X ( z ) )
2 2 2
H ( z) =
Y ( z)
=
(
(bT / 2) 1 + z −1
)
X ( z) aT 1 − aT −1
1+ − z
2 2
b
H ( z) = = H (s) 2 1− z −1
à transformasi bilinear
2 1 − z −1 s =
T 1+ z −1
+a
T 1 + z −1
Meskipun ini diturunkan untuk orde satu, ini juga berlaku untuk orde tinggi
Z = re jω s = σ + jΩ
2 z − 1 2 re jω − 1
s= =
T z + 1 T re jω + 1
2 r2 −1 2r sin ω
= + j
T 1 + r + 2r cos ω
2
1 + r 2 + 2r cos ω
Diperoleh :
2 r 2 −1 2r sin ω
σ = dan Ω =
T 1 + r + 2r cos ω
2
1 + r 2 + 2r cos ω
LHP di-map ke dalam unit circle dan RHP dimap di luar unit circle
ketika r = 1 → σ = 0, dan
2 sin ω 2 ω ΩT
Ω= = tan atau ω = 2 tan −1
T 1 + cos ω T 2 2
VII-35
BAB 7 Filter Digital
Contoh :
s + 0 .1
Konversikan H a ( s ) = dengan transformasi bilinear:
( s + 0.1) 2 + 6
Filter digital mempunyai frekuensi resonansi di ωr=π/2.
Jawab:
1 − z −1
Mapping yang dikehendaki s = 4
−1
1+ z
Jadi, kita dapat membuat filter dua-pole dengan resonansi dekat ω = π/2
Kadang-kadang T dipilih satu apabila tidak ada permintaan khusus, atau H(s) dicari
setelah HDF(z) ditentukan.
VII-36
BAB 7 Filter Digital
Contoh :
Desain LPF digital satu-pole dengan 3-dB bandwidth di 0.2π, dengan transformasi
bilinear untuk filter analog
Ωc
H ( s) =
s + Ωc
↑ 3 dB BW dari AF
Solusi :
0.245(1 + z −1 )
H ( z) = (T diabaikan)
1 − 0.509 z −1
Frekuensi respon dari filter digital:
H (ω ) =
(
0.245 1 + e − jω )
1 − 0.509e − jω
pada ω = 0 ⇒ H(0) = 1 dan pada ω = 0.2π → |H(0.2π)| = 0.707, yang merupakan
respons yang diinginkan.
∏ (1 − e z T z −1 )
M M
∏ (s − zk ) k =1
k
H (s) = k =1 ⇒ H ( z) =
∏ (1 − e p T z −1 )
N N
∏ ( s − pk ) k
k =1 k =1
VII-37
BAB 7 Filter Digital
Butterworth
2 1 1
H (Ω ) = =
1 + (Ω / Ω c ) 2N
1+ ∈ (Ω / Ω p ) 2 N
2
1
à nilai band-edge dari |H(Ω)|2
1+ ∈2
Pada s = jΩ maka
2 1
H ( s) H (− s) s = jΩ = H ( Ω) = n
2
1 + − s 2
Ω c
− s2
= (− 1)1 / N = e j (2 k +1)π / N k=0,1,…,N-1
Ωc 2
VII-38
BAB 7 Filter Digital
2
H (Ω) monotonic di passband & stopband maka analisis relatif lebih mudah →
VII-39
BAB 7 Filter Digital
pada Ω = Ωs,
1
= δ 22
1+ ∈ (Ω / Ω p )
2 2n
⇒N=
[( ) ]
log 1 / δ 2 2 − 1
=
log(δ / ε )
2 log(Ω s / Ω c ) log(Ω s / Ω p )
dengan δ 2 = 1 / 1 + δ 2
Jadi, filter Butterworth dikarakteristik oleh parameter N, δ2, ε dan rasio Ωs / Ωp.
Contoh :
Tentukan orde dan poles dari sebuah lowpass Butterworth filter, -3dB pada BW 500Hz,
att 40 dB at 1000Hz
Solusi : Ωc = 500.2π
Ωs = 1000.2π
At 40 dB ⇒ δ2 = 0.01
log10 (10 4 − 1)
N= = 6.64 → pilih N = 7
2 log10 2
Pole position :
π ( 2 k +1)π
j +
2 14
S k = 1000πe k = 0,1,...6
Chebyshev
- equiripple in passband
- monotonic in stopband
- monotonic in passband
- equiripple in stopband
VII-40
BAB 7 Filter Digital
Type I (all-pole):
2 1
H (Ω ) =
(
1+ ∈ TN Ω / Ω p
2 2
)
ε → related ripple in passband
cos( N cos −1 x) | x |≤ 1
TN ( x) = −1
cosh( N cosh x) | x |> 1
TN +1 ( x) = 2 xTN ( x) − TN −1 ( x) N = 1, 2, …
Karakteristik :
1 1
⇒ = 1 − δ1 ∈2 = −1
1+ ∈2 (1 − δ 1 ) 2
Poles dari Type I Chebyshev filter terletak pada ellipse in the s-plane with :
VII-41
BAB 7 Filter Digital
β 2 +1 β 2 −1
major axis : r1 = Ω p dan minor axis : r2 = Ω p
2β 2β
1
1+ ∈2 + 1 N
Ripple pada stopband ⇒ β =
∈
π (2k + 1)π
φk = + k = 0, 1, …, N-1
2 2N
( xk , y k ) → x k = r cos φk k = 0, …, N-1
yk = r1 sin φk k = 0, …, N-1
2 1
H (Ω ) =
TN (Ω s / Ω p )
2
1+ ∈2 2
TN (Ω s / Ω)
Ωs → Stopband
VII-42
BAB 7 Filter Digital
Ωs
zeros : sk = j (sumbu imajiner)
sin φk
Ω s xk
poles : (vk,wk) vk = k = 0,1, …N-1
xk 2 + yk 2
Ω s yk
wk = k = 0, 1, …N-1
xk 2 + y k 2
1 + 1 − δ 2 N
Ripple stop-band à β = 2
δ2
Jadi ,karakteristik Chebyshev filter ditentukan oleh N, ε, δ2, Ωs/Ωp untuk menentukan:
log 2 2 (
1 − δ 2 + 1 − δ 2 1+ ∈2
)
∈δ 2 −1
N= = cosh (δ / ∈)
( ) ( )
−1
log Ω s / Ω p + Ω s / Ω p 2 − 1 cos (Ω s / Ω p )
1
δ2 ≡
1+ δ2
VII-43
BAB 7 Filter Digital
Contoh :
Cari N dan poles of a type I lowpass Chebyshevfilter that has a 1-dB ripple in the
passband cutoff frequency Ωp = 1000π, a stopband frequency of 2000π, att. 40dB or
more for Ω ≥ Ωs
Solusi:
log10 196.54
N= = 4.0 → 4 poles
(
log10 2 + 3 )
Poles : β = 1.429 r1= 1.06Ωp r2 = 0.365Ωp
π (2k + 1)π
φk = + k = 0, …, 3
2 8
Elliptic
2 1
H (Ω ) =
1+ ∈ U N (Ω / Ω p )
2
VII-44
BAB 7 Filter Digital
The most effecient designs occur when we spread the appr. Error equally over the
passband and the stopband
N=
( ) (
K Ω p / Ω s K 1 − ∈2 / δ 2 ( ))
(
K (∈ / δ )K 1 − Ω p / Ω s
)2
π /2
δθ
K ( x) = ∫ 1 − x 2 sin 2 θ
complete elliptic integral of the first kind
0
1
δ2 =
1+ δ 2
Bessel : All-Pole
1
H (s) =
BN ( s )
N
BN ( s ) = ∑ ak s k Nth order Bessel polynomial
k =0
ak =
(2 N − k )! k = 0, 1, …, N
2 N −k
k!( N − k )!
⇒ BN ( s ) = (2 N − 1)BN −1 ( s ) + s 2 BN − 2 ( s )
VII-45
BAB 7 Filter Digital
Proses desain DF dapat diubah menjadi problem desain AF dengan spesifikasi khusus
yang diturunkan dari Bilinear Transform
LPF dapat ditransformasikan ke LPF, BPF, HPF dan BSF. Jadi diskusi dapat difokuskan
ke LPF
Ada AF yang bisa digunakan Butterworth Filter, Chebyshev Filter, Elliptic Filter,
Bessel Filter.
VII-46