BAB 7 Filter Digital

Bab 7: Filter Digital

1 Struktur Filter Digital

Tujuan Belajar 1

Peserta mengerti issue yang terkait dengan struktur implementasi dari

sistem LCCDE.

Karakteristik sistem LCCDE dinyatakan dalam persamaan perbedaan:

N M
y (n) = −∑ ak y (n − k ) + ∑ bk x(n − k )
k =1 k =0

Dengan transformasi-z, fungsi sistem LCCDE dinyatakan:

M
∑ bk z − k
k =0
H ( z) = N
1 + ∑ ak z − k
k =1
Dari persamaan di atas, diperoleh zero dan pole, yang tergantung dari pemilihan
parameter sistem {bk} dan {ak}dan menentukan respon frekuensi dari sistem.

Struktur yang terbentuk dari persamaan sistem LCCDE mengandung hubungan antara
elemen delay , multiplier, dan adder.

Faktor yang mempengaruhi pemilihan struktur realisasi sistem filter:

• 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

1.1 Direct Form Tipe 1 dan 2

Tujuan Belajar 2

Peserta mengerti struktur IIR berbentuk Direct Forms 1 dan 2.

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:

Realisasi filter IIR ini memerlukan M + N + 1 perkalian, M + N penjumlahan dan

menggunakan delay (memori) terpisah pada cuplikan sinyal input dan outputnya. Lokasi
memori yang dibutuhkan sebanyak M + N + 1 lokasi.
Struktur di atas dapat dinyatakan dalam persamaan perbedaan sebagai berikut :
N M
y (n ) = −∑ a k y (n − k ) + ∑ bk x(n − k )
k =1 k =0

yang merupakan kascade dari sistem non-rekursif :

M
v(n) = ∑ bk x(n − k )
k =0

VII-2
BAB 7 Filter Digital

dan sistem rekursif :

N
y (n ) = −∑ a k y (n − k ) + v(n)
k =1

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 :

Struktur di atas dapat dinyatakan dalam persamaan perbedaan sebagai berikut:

§ untuk filter all-pole:
N
w(n ) = −∑ a k w(n − k ) + x(n)
k =1

§ untuk sistem all-zero dimana w(n) sebagai inputnya:

M
y (n) = ∑ bk w(n − k )
k =0

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.

Jadi, struktur IIR Direct Form 2 tersebut hanya membutuhkan M + N + 1 perkalian,

M+N penjumlahan dan nilai maksimum {M,N}lokasi memori. Karena realisasi direct
form 2 meminimasi jumlah lokasi memori, maka struktur tersebut dikatakan bersifat
canonic.

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.

1.2 Flow Graph

Tujuan Belajar 3

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.

Branch gain Nodes

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

merepresentasikan titik percabangan (branching point). Branch transmittance ditujukan

untuk branch dalam flow graph.

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)

w(n) = −a1 w(n − 1) − a 2 w(n − 2) + x(n)

Dengan flow graph sinyal linear, kita dapat mentransformasikan satu flow graph ke
dalam flow graph lainnya tanpa mengubah hubungan input-output dasarnya untuk
mendapatkan struktur sistem baru untuk sistem FIR dan IIR yaitu dengan transposition
atau flow-graph reversal theorem yang menyatakan :

" If we reverse the directions of all branch transmittance and interchange the
input and output in the flow graph, the system function remain unchanged"

Struktur yang dihasilkan disebut transposed structure atau transposed form.

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)

w1 (n) = w2 (n − 1) − a1 y (n) + b1 x(n)

w2 (n) = −a 2 y (n) + b2 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)

wk (n) = wk +1 (n − 1) − a k y (n) + bk x(n) k = 1,2,..., N − 1

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 :

Struktur di atas dapat dinyatakan dalam persamaan perbedaan sebagai berikut :

y (n) = w1 (n − 1) + b0 x(n)

wk (n) = wk +1 (n − 1) + bk x(n) k = 1,2,..., M − 1

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.

1.3 Struktur Kaskade orde 2

Tujuan Belajar 4

Peserta memahami dan dapat menciptakan struktur kaskade orde 2.

Persamaan fungsi sistem IIR orde-tinggi :

M

∑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.

Jika N = M, beberapa sub-sistem orde-2 mempunyai koefisien pembilang yang bernilai

nol, yaitu baik bk2 = 0 atau bk1 = 0 atau bk2 = bk1 = 0 untuk beberapa nilai k. Jika N
ganjil dan N = M , maka salah satu dari sub-sistem, Hk(z), harus mempunyai ak2 = 0,
sehingga sub-sistem tersebut merupakan orde-1.

Bentuk umum dari struktur kaskade adalah sebagai berikut :

VII-7
BAB 7 Filter Digital

Jika kita menggunakan struktur direct form II untuk masing-masing subsistem,

algoritma komputasi untuk merealisasikan sistem IIR dengan fungsi sistem H(z) dapat
dijelaskan dengan menggunakan persamaan sebagai berikut:

y 0 ( n) = x ( n )

y k (n) = x k +1 (n) k = 1,2,..., K − 1

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

y k (n) = bk 0 wk (n) + bk 1 wk (n − 1) + bk 2 wk (n − 2) k = 1,2,..., K

Contoh :

Tentukan realisasi kaskade dari sistem fungsi :

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 :

Pasangan pole dan zero yang mungkin adalah :

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

sehingga diagram blok realisasinya:

VII-8
BAB 7 Filter Digital

1.4 Struktur Paralel

Tujuan Belajar 5

Peserta memahami dan dapat menciptakan struktur paralel.

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

dan konstanta C didefinisikan C = b N . Sistem H(z) di atas diimplikasikan dalam

aN

struktur yang terdiri atas bank paralel dari filter pole-tunggal.seperti pada diagram
sebagai berikut :

VII-9
BAB 7 Filter Digital

Untuk menghindari perkalian oleh bilangan komplek, kita dapat mengkombinasikan

pasangan pole komplek-konjugat untuk membentuk sub-sistem dua pole. Kita pun dapat
mengkombinasikan pasangan pole bernilai real untuk membentuk sub-sistem dua-pole.
Tiap sub-sistem ini mempunyai bentuk persamaan:
bk 0 + bk1 z −1
H k ( z) = dengan {bki} dan {aki} bernilai real
1 + a k 1 z −1 + a k 2 z −2
Keseluruhan sistemnya dapat diekspresikan sebagai berikut :
K
H ( z) = C + ∑ H k ( z) dengan K : bagian integer dari (N+1)/2
k =1

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:

wk (n) = − a k 1 wk (n − 1) − a k 2 wk (n − 2) + x(n) k = 1,2,..., K

y k (n) = bk 0 wk (n) + bk 1 wk (n − 1) k = 1,2,..., K
K
y (n) = Cx(n) + ∑ y k (n)
k =1
Contoh:

Tentukan realisasi paralel dari sistem fungsi :

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:

H(z) harus dipecah secara parsial :

A1 A2 A3 A3*
H ( z) = + + +
(
1 − 34 z −1 1 − 18 z −1) (1 − ( 12 + j 12 )z −1) (1 − ( 12 − j 12 )z −1 ) ( )
Nilai A1, A2, A3 dan A3* yang akan ditentukan.

VII-10
BAB 7 Filter Digital

Dengan perhitungan diperoleh :

A1 = 2,93 ; A2 = -17,68 ; A3 = 12,25 – j14,57 ; A3* = 12,25 + j14,57
Dengan mengkombinasikan kembali pasangan pole, diperoleh:
− 14,75 − 12,90 z −1 24,50 + 26,82 z −1
H ( z) = +
1 − 78 z −1 + 323 z − 2 1 − z −1 + 12 z − 2

Sehingga diagram blok realisasi pararelnya:

1.5 Struktur Frequency Sampling

Tujuan Belajar 6

Peserta mengerti struktur Frequency Sampling untuk implementasi filter

H(ω) didefinisikan pada :

2π
ωk = (k + α ) k = 0, 1, …, M-1/2 M odd
M
k = 0, 1, …, (M/2)-1 M even
α = 0 or 1/2
ωk merupakan titik sample.
M −1
H (ω ) = ∑ h(n)e − j ωn
n =0
Spesifikasikan H(ω) pada ωk :
 2π 
H (k + α ) = H  (k + α ) 
M 
M −1
= ∑ h(n)e − j 2π ( k +α )n / m k = 0, 1, …M-1
n=0

VII-11
BAB 7 Filter Digital

Jika α = 0, persamaan menjadi DFT (Discrete Fourier Transform).

Persamaan di atas dapat diuraikan menjadi:

1 M −1
h( n ) = ∑
M k =0
H (k + α )e j 2π ( k +α ) n / M n = 0,...M − 1

Jika α = 0, persamaan menjadi IDFT (Inverse Discrete Fourier Transform)

Kemudian dicari Z-transform dari h(n):

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

Realisasi dengan memecah H(z) menjadi

H(z) = H1(z) H2(z)

Untuk All zeros ( Filter Comb).

H1(z) dan H2(z) ditentukan :

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.

1.6 Struktur Lattice

Tujuan Belajar 7

Peserta mengetahui ada struktur Lattice.

1 1
Fungsi sistem all-pole: H ( z) = N
=
AN ( z )
1 + ∑ a N (k ) z −k
k =1

Realisasi dengan struktur direct form:

VII-12
BAB 7 Filter Digital

Persamaan perbedaan sistem:

N
y(n ) = −∑ a N (k ) y(n − k ) + x(n)
k =1

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

Definisikan input: x(n ) = f N (n)

output: y (n ) = f 0 (n)

Kuantitas {fm(n)} dihitung secara mundur : fN(n), fN-1(n),…

Persamaan filter lattice :

f m−1 (n ) = f m (n) − K m g m−1 (n − 1) m = N , N − 1,...,1

g m (n ) = K m f m−1 (n − 1) + g m−1 (n − 1) m = N , N − 1,...,1

y (n ) = f 0 (n) = g 0 (n)

Struktur dari persamaan di atas adalah:

Contoh: untuk N=2 à sistem 2-pole

Persamaan sistemnya :

f 2 (n) = x(n) , f1 (n ) = f 2 (n) − K 2 g1 (n − 1) , f 0 (n ) = f1 (n) − K1 g 0 (n − 1)

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 (n ) = x(n) − K1 (1 + K 2 ) y (n − 1) − K 2 y (n − 2) à IIR dua-pole

g 2 (n ) = K 2 y (n) + K1 (1 + K 2 ) y (n − 1) + y (n − 2) à FIR dua-zero

Strukturnya adalah sebagai berikut:

Fungsi sistem IIR all-pole adalah:

Y ( z ) F0 ( z ) 1
H a ( z) = = =
X ( z ) Fm ( z ) Am ( z )

Fungsi sistem FIR all-zero adalah:

Gm ( z ) Gm ( z )
H b ( z) = = = Bm ( z )
Y ( z) G0 ( z )

2 Masalah Desain Filter

2.1 Konsiderasi Umum

Tujuan Belajar 8

Peserta mengetahui konsiderasi umum dari desain filter, seperti

pertentangan antara kausalitas dan reliabilitas, dan teorema Paley-Wiene

Filter non-kausal à filter tidak dapat direalisasikan

Contoh:

Filter low pass ideal dengan karakteristik respons frekuensi:

1 ω ≤ ωc
H (ω ) = 
0 ωc < ω ≤ π

Respons impuls dari filter ini adalah:

VII-14
BAB 7 Filter Digital

 ωC
 n = 0
h ( n ) =  ω sin π
ωCn
 C
n ≠ 0
 π ωCn

Plot dari h(n) untuk ωC = π/4 :

0.25

0.2

0.15

0.1

0.05

-0.05

-0.1
-20 -15 -10 -5 0 5 10 15 20

>> n=-20:20; w=pi/4;

>> y=w/pi*sinc(w/pi*n);
>> stem(n,y)

LPF ideal tersebut non-kausal sehingga tidak dapat direalisasikan dalam praktek

Solusi yang mungkin :

§ delay no pada h(n)

§ mengeset h(n) = 0 untuk n < no. Deret Fourier H(ω) menimbulkan fenomena Gibbs,
yaitu osilasi pada band edge dari respons filter.

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:

Jika h(n) mempunyai energi terbatas dan h(n) = 0 untuk n < 0

π
Maka, ∫ ln H (ω) dω < ∞
−π

Jika H (ω ) square integrable dan jika integral di atas terbatas,

VII-15
BAB 7 Filter Digital

Maka, respon fasa Θ(ω) dapat diasosiasikan dengan H (ω ) , sehingga filter yang

dihasilkan dengan respon frekuensi H(ω) = H(ω) e jΘ(ω) akan kausal.

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:

h(n) = he(n) + ho(n)

dimana

he(n) = 1/2 [h(n) + h(-n)] dan ho(n) = 1/2 [h(n) - h(-n)]

bila h(n) causal, maka h(n) bisa diperoleh kembali dari he(n) untuk 0 ≤ n ≤ ∞ atau ho(n)
untuk 1 ≤ n ≤ ∞

dapat dilihat bahwa:

h(n) = 2he(n)u(n) - he(0)δ(n) n ≥ 0 dan

h(n) = 2ho(n)u(n) + h(0)δ(n) n ≥ 1

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

he (n) ↔ H R (ω ) dan ho (n) ↔ H I (ω )

F F

atau : - HR(ω) dan HI(ω) saling bergantung

- |Hω)| dan θ(ω) saling bergantung

Prosedur menentukan H(ω):

§ mencari he(n) dari HR(ω) atau
§ menentukan HI(ω) dan h(0)

VII-16
BAB 7 Filter Digital

Contoh mencari H(ω) dari HR(ω) berikut:

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)

Kesimpulan implikasi kausalitas :

1. H(ω) tidak boleh 0 kecuali pada point frekuensi terbatas

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

Persamaan sistem dibatasi menjadi :

N M
y (n) = −∑ a k y (n − k ) + ∑ bk x(n − k ) , yang causal dan realizable
k =1 k =0
M

∑b e k
− jωk

dengan H(ω) : H ( w) = k =0
N
1 + ∑ a k e − jωk
k =1

2.2 Problem Desain

Tujuan Belajar 9

Peserta dapat membuat problem desain: spesifikasi untuk filter LCCDE.

Problem desain filter digital : mencari {ak} dan {bk} agar H(ω) mendekati ideal

Berikut adalah karakteristik magnitude dari realizable filter :

Dalam problem desain filter kita dapat menspesifikasikan :

§ ripple passband, 20log10δ1, maksimum yang dapat ditoleransi
§ ripple stopband, 20log10δ2, maksimum yang dapat ditoleransi
§ frekuensi sisi (edge) passband ωp
§ frekuensi sisi (edge) stopband ωS
Parameter {ak} dan {bk} ditentukan berdasarkan spesifikasi di atas.

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

Peserta mengerti prinsip desain FIR symetric dan asymetric.

Persamaan keluaran filter FIR dengan panjang M :

y(n) = box(n) + b1x(n-1) + … + bM-1x(n-M+1)

M −1
y (n) = ∑ bk x(n − k ) dengan {bk}merupakan koefisien filter
k =0

Dalam bentuk konvolusi

M −1
y (n) = ∑ h(k ) x(n − k ) sehingga bk = h(k), k = 0, …, M-1
k =0
M −1
Fungsi sistem filter : H ( z ) = ∑ h(k ) z −k à polinomial dari z-1 orde M-1
k =0

Syarat filter FIR fasa-linear :

h(n) = ±h(M - 1- n) n = 0, …, M-1

Jika kondisi simetri dan antisimetri pada h(n):

H(z) = h(0) + h(1)z-1 + h(2)z-2 + …+h(M-2)z-(M-2) + h(M-1)z-1(M-1)

− ( M −1) / 2   M − 1 
[ ] 
( M − 3) / 2
 + ∑ h( n ) z
( M −1− 2 k ) / 2
=z h ± z −( M −1− 2 k ) / 2  à M ganjil
  2  n =0 
( 2 )−1
M

[ ]
= z −( M −1) / 2 ∑ h(n) z ( M −1− 2 k ) / 2 ± z −( M −1−2 k ) / 2 à M genap
n=0

Ternyata, z −(M−1) H(z −1 ) = ±H(z)

Sehingga, akar H(z) = akar H(z-1) à H(z) harus mempunyai pasangan akar resiprokal.
§ Jika z1 real à akar-akar H(z) : z1 dan 1/z1
§ Jika h(n) real dan z1 kompleks à akar-akar H(z) : z1 , 1/z1, z1* dan 1/ z1*
Berikut kesimetrian lokasi zero / akar dari filter FIR fasa-linear :

VII-19
BAB 7 Filter Digital

Jika h(n) = h(M-1-n), maka H (ω ) = H r (ω )e − jω ( M −1) / 2

 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 

Jika h(n) = -h(M-1-n) à respons sistem antisimetrik.

Untuk M ganjil, centre point h(n) adalah n = (M-1)/2 à h((M-1)/2) = 0

 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

Contoh pemilihan desain filter simetrik / antisimetrik tergantung aplikasinya :

§ 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

§ Jika h(n) = h(M-1-n) à filter mempunyai respons tidak-nol pada ω = 0 , LPF

Problem desain filter FIR : menentukan koefisien M untuk h(n) dari spesifikasi Hd(ω)
filter, respons frekuensi yang diinginkan.

3.1 Teknik Windows

Tujuan Belajar 11

Peserta dapat mendesain FIR dengan teknik windows. Termasuk di

dalamnya, peserta mengenal window rectangular, Barlett, Hanning,
Hamming, dan Blackman. Peserta mengetahui bahwa window Hanning
ekivalen dengan pembobotan di domain frekuensi.

Menentukan hd(n) dari Hd(ω) , respons filter yang diinginkan :

∞ π
1
H d (ω ) = ∑ hd (n)e − jωn
←→
F
hd (n) = ∫ H d (ω )e jωn dω
n =0 2π −π
Potong hd(n) pada n = M-1 untuk menghasilkan filter FIR dengan panjang M, yang
ekivalen mengalikan hd(n) dengan window rectangular :
1 n = 0,..., M − 1
ω ( n) = 
0 otherwise

Respons sistemnya : h(n) = hd(n) ω(n)

h (n) n = 0,..., M − 1
= d
 0 otherwise

VII-21
BAB 7 Filter Digital

Respons frekuensi dari filter FIR:

M −1 π
1
W (ω ) = ∑ ω (n)e − jωn dan H (ω ) = ∫H (v)W (ω − v)dv = H d (ω ) * W (ω )
2π
d
n =0 −π

Untuk window rectangular :

 ωM 
− jωn sin  
M −1
1− e  2 
W (ω ) = ∑ e − jωn = =e − jω ( M −1) / 2

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 

Untuk window Bartlett (triangular):

M −1
2n−
2
ω ( n) = 1 − untuk 0 ≤ n ≤ M −1
M −1

Untuk window Hanning:

1 2πn 
ω (n) = 1 − cos  untuk 0 ≤ n ≤ M −1
2 M −1
Untuk window Hamming:
2πn
ω (n) = 0,54 − 0,46 cos untuk 0 ≤ n ≤ M −1
M −1
Grafik respons frekuensi window Hanning dan Hamming:

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

>> b1=hanning(61); b2=hamming(61);

>> [H1,f]=freqz(b1,1,251,'whole',2);
>> H2=freqz(b2,1,251,'whole',2);
>> H=[H1 H2];
>> s.yunits ='dB'; s.xunits =' x pi rad';
>> freqzplot(H,f,s)

Untuk window Blackman:

2πn 4πn
ω (n) = 0,42 − 0,5 cos + 0,08 cos untuk 0 ≤ n ≤ M −1
M −1 M −1
Contoh : desain filter FIR LP simetrik yang mempunyai respons frekuensi

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.

Jika menggunakan window rectangular diperoleh:

 M −1
sin ω c  n − 
h ( n) =  2 
0≤ n ≤ M-1 , n ≠ (M-1)/2
 M −1
π n − 
 2 
 M −1 ωC
Jika M dipilih ganjil, maka nilai h(n) pada n= (M-1)/2 adalah h =
 2  π
Respons frekuensi dari filter tersebut dengan ωc = 0,4π untuk M=61 dan M=101
digambarkan:
1.4
M=61
M=101
1.2

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

>> b1=0.4*sinc(0.4*(0:60)-0.4*30); % M =61

>> b2=0.4*sinc(0.4*(0:100)-0.4*50); % M=101
>> [H1,w]=freqz(b1,1,512,2); [H2,w]=freqz(b2,1,512,2);
>> H=[H1 H2];
>> s.xunits ='rad/sample'; s.yunits ='linear'; s.plot ='mag';
>> freqzplot(H,w,s)

Karakteristik domain-frekuensi untuk beberapa fungsi window :

Window Main Lobe Peak Sidelobe

Rectangular 4π/M -13 dB
Bartlett 8π/M -27 dB
Hanning 8π/M -32 dB
Hamming 8π/M -43 dB
Blackman 12π/M -58 dB

3.2 Teknik Frequency Sampling

Tujuan Belajar 12

Peserta dapat mendesain FIR dengan teknik Frequency Sampling.

Hd(ω) didefinisikan pada

2π
ωk = (k + α ) k = 0, 1, …(M-1)/2, M ganjil
M
k = 0, 1, …(M/2)-1, M genap

α = 0 atau 1/2

kemudian cari h(n) dengan inversi. Untuk mengurangi sidelobe, diharapkan untuk
mengoptimasi spesifikasi pada transisi band dari filter.

Contoh:

Respons frekuensi dari filter FIR yang diinginkan :

M −1
H D (ω ) = H (ω ) = ∑ h(n)e − jωn
n =0

Spesifikasikan H(ω) pada ωk:

 2π 
H (k + α ) ≡ H  (k + α ) 
M 
M −1
≡ ∑ h ( n )e
n =0
− 2π ( k +α ) n / M
k = 0, 1, …, M-1

Jika α = 0, persamaan menjadi DFT (Discrete Fourier Transform)

Dari persamaan di atas menjadi:

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

Jika α = 0, persamaan menjadi IDFT (Inverse Discrete Fourier Transform)

Persamaan di atas memungkinkan untuk menghitung nilai dari respon h(n) dari
spesifikasi sample frekuensi H(k+α), k=0,1, …, M-1.

Catatan :

Jika {h(n)} real → H(k+α) = H*(M - k -a) (kondisi simetri)

dapat digunakan untuk mengurangi spesifikasi frekuensi dari M titik menjadi
(M+1)/2 titik untuk M ganjil dan M/2 titik M genap. Jadi, persamaan linear untuk
menentukan {h(n)} dari {h(k+α)}dapat disederhanakan.

Contoh filter dengan respons asimetrik

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

β = 1 bila {h(n)} antisymetric

Dapat disederhanakan dengan mendefinisikan set sample frekuensi real {G(k+m)}:

 2π 
G (k + α ) = (−1) k H r  (k + α ) 
M 
 π M −1 
β − 2π ( k +α )
jπk  2 2 M 
Eliminasi Hr(ωk): H (k + α ) = G (k + α )e e

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 :

Untuk h(n) simetrik dan α = 0

 2πk 
dari tabel : G (k ) = (−1) k H r   k = 0, 1, …7
 15 

Dari hasil perhitungan h(n) didapat:

h(0) = h(14) = -0.014112893

h(1) = h(13) = -0.001945309
h(2) = h(12) = 0.04000004
h(3) = h(11) = 0.01223454
h(4) = h(10) = -0.09138802
h(5) = h(9) = -0.01808986
h(6) = h(8) = 0.3133176
h(7) = 0.52
Dari {h(n)} maka didapat respons H(ω) dengan grafik:

3.3 Teknik Optimal Equiripple

Tujuan Belajar 13

Peserta dapat mendesain FIR dengan teknik Optimal Equiripple.

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 :

Type Kondisi β Hr(ejω)

I M ganjil, h(n) 0 ( M −1) / 2
simetrik ∑ a(n ) cos ωn
n=0
II M genap, h(n) 0 M /2

simetrik ∑ b(n ) cos[ω (n − 1 / 2)]

n =1
III M ganjil, h(n) π/2 ( M −1) / 2
antisimetrik ∑ c(n)sin ωn
n=0
IV M genap, h(n) π/2 M /2

antisimetrik ∑ d (n )sin[ω (n − 1 / 2)]

n =1

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

Type Q(ω) L P(ω)

I 1 M −1 L

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

Identitas trigonometri : sin(α+β) = sinαcosβ + cosαsinβ dst.

⇒ gunanya adalah untuk mendapatkan common form → agar lebih mudah

Sekarang Weighted Error :

[ ]
E (ω ) ≅ W (ω )[H dr (ω ) − H r (ω )], ω ∈ s ≅ 0, ω p U [ω s , π ]
↓ ↓
desired response actual response

Grafik respons yang diinginkan dan sebenarnya:

[H dr (ω ) − H r (ω )] menentukan kesalahan sistem:

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.

E (ω ) = W (ω )[H dr (ω ) − Q(ω ) P(ω )]

 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 

Batasan jumlah extrema:

Diketahui M-point filter, berapa extrema (lokal) ada di E(ω)?

L
Di P(ω ) = ∑ β (n) cos n ω → ada L-1 at most local extreme (0 < ω < π)
n=0

à +2 untuk di boundary 0 dan π di E(ω) (ωp & ωs)

⇒ total at most L+3 extrema in E(ω)

VII-30
BAB 7 Filter Digital

Contoh:

h ( n) =
1
[1,2,3,4,3,2,1] → M = 7 or L = 3
15

Teori Aproksimasi : Alternation Theory

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

ω1< ω2 < ω3 <…<ωL+2, E(ωi) = - E(ωi+1) dan |E(ωi)| = max |E(ω)|

Algoritma Parks-McClellan

Untuk mencari P(ω) secara iteratif

Asumsi: M atau L diketahui, δ2/δ1 diketahui

→ M ↑δ↓ → untuk sebuah M ada δ

untuk δ = δ2 → solusi diperoleh

→ Kaiser approximates M as

− 20 log10 δ 1δ 2 − 13 ωs − ω p
M= +1 ∆f =
14.6∆f 2π

The Parks-McClellan

à Mulai dengan menebak L+2 extremes {ωi}

à Estimasi δ di ωi in

à Fit P(ω) di ωi in

E(ω) dihitung pada finite grid

Perbaiki ωi di ulang (2)

Sampai δ = δ2

→ hitung β(n) → a(n) → h(n)

VII-31
BAB 7 Filter Digital

di matlab → remez

[h] = remez(N, f, m, weights, ftype)

[
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

Desain LP Transfer ke Convert ke

Analog Filter Digital

Desain LP Convert ke Transfer ke

Analog Digital Desired Filter

Desain dari filter analog dengan fungsi sistem:

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

Kondisi agar filter mempunyai fasa linear :

( )
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.

Filter IIR kausal dan stabil tidak mempunyai fasa linear.

4.1 Teknik Transformasi Bilinier

Tujuan Belajar 14

Peserta dapat mendesain IIR dengan teknik Tranformasi Bilinier dari

filter analog. Termasuk di dalamnya, peserta mengetahui efek warping
frekuensi.

Melakukan transformasi dengan conformal mapping :

jΩ axis → unit circle once
LHP → inside unit circle
RHP → outside unit circle
Penjelasan lewat Trapesoidal Formula for untuk integrasi numerik:
Fungsi transfer filter analog linear:
b
H ( s) = *)
s+a
dalam persamaan differensial:
dy (t )
+ ay (t ) = bx(t )
dt

Dekati dengan formula Trapesoid:

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 )

sedangkan dari *) → y1 (nT ) = − ay (nT ) + bx(nT )

Dengan y(n) ≡ y(nT) dan x(n) ≡ x(nT), diperoleh hasil:

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

Karakteristik transformasi bilinear : Frequency warping

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

r < 1 → σ < 0, r > 1 → σ > 0

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

Range : -∞ < Ω < ∞ dipetakan ke -π ≤ ω ≤ π.

Mapping tidak linear à kompresi frekuensi atau frequency warping.

untuk s = ∞ → z = -1, sehingga LPF single-pole dengan zero di s tak hingga

menghasilkan filter digital yang mempunyai zero di z = 1

VII-35
BAB 7 Filter Digital

Pemetaan Ω ke z digambarkan sebagai berikut:

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:

Analog filter punya resonansi Ωr = 4

jika frekuensi ini dipetakan ke ωr = π/2 à T = 1/2

 1 − z −1 
Mapping yang dikehendaki s = 4 
−1 
1+ z 

0.128 + 0.006 z −1 − 0.122 z −1

H ( z) = −1 −2
; komponen z-1 di penyebut diabaikan
1 + 0.0006 z + 0.975 z

0.128 + 0.006 z −1 − 0.122 z −1

H ( z) =
1 + 0.975 z − 2

Filter ini mempunyai pole : p1, 2 = 0.987e ± jπ / 2

dan zero : z1, 2 = −1.095

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 :

Cari Ωc ekivalen dari ωc:

2
ω c = 0.2π ⇒ Ω c = tan 0.1π
T
0.65
=
T
0.65 / T
H ( s) =
s + 0.65 / T
Gunakan transformasi bilinear:

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.

4.2 Teknik Matched z Transform

Tujuan Belajar 15

Peserta dapat mendesain IIR dengan metoda Matched z Transform.

Merupakan mapping poles/zeros H(s) → poles/zero Z-plane.

Fungsi sistem filter analog yang sudah difaktorkan:

∏ (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

zk merupakan zero dan pk pole , T : sampling interval.

VII-37
BAB 7 Filter Digital

Masing-masing faktor (s-a) pada H(s) dipetakan ke faktor 1 − e aT z −1 ( )

Untuk menjaga karakteristik respon filter analog, T harus dipilih untuk menghasilkan
lokasi pole dan zero yang sama dalam bidang-z.

Untuk menghindari aliasing à T harus cukup kecil.

4.3 Desain Filter Analog Low Pass

Tujuan Belajar 16

Peserta mengerti karakteristik dan dapat mendesain filter analog low-

pass jenis Butterworth, Chebyshev, Elliptic, dan Bessel.

Butterworth

All-pole filter LPF dikarekteristik dengan kuadrat magnitude respon:

2 1 1
H (Ω ) = =
1 + (Ω / Ω c ) 2N
1+ ∈ (Ω / Ω p ) 2 N
2

dengan N → orde filter

ωc → -3dB frequency (cut-off frequency)

ωp → frekuensi passband edge

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 

pole-pole dari persamaan di atas terletak pada unit circle.

− s2
= (− 1)1 / N = e j (2 k +1)π / N k=0,1,…,N-1
Ωc 2

sehingga, s k = Ω c e jπ / 2 e j ( 2 k +1)π / N k=0,1,…,N-1

VII-38
BAB 7 Filter Digital

Contoh untuk N = 4 dan N = 5

2
H (Ω) monotonic di passband & stopband maka analisis relatif lebih mudah →

spesifikasi dipenuhi oleh mencari N yang tepat.

Response filter Butterworth:

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

Type I : all pole

- equiripple in passband

- monotonic in stopband

Type II : poles + zeros

- 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

TN(x) → N the order Chebyshev polynomial

 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, …

To(x) = 1, T1(x) = x, T2(x) = 2x2-1

T3(x) = 4x3 - 3x, …

Karakteristik :

|TN(x)| ≤ 1 untuk semua |x| ≤ 1

TN(1) = 1 untuk semua N

Semua akar TN(x) ada di -1 ≤ x ≤ 1

Karakteristik filter Chebyshev tipe I

Pada band edge Ω = Ωp → TN(1) = 1

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 =  
 ∈ 

Penentuan lokasi pole dari filter Chebyshev:

Posisi angular dari pole filter:

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

Type II(zeros + poles):

Magnitudo respon filter:

2 1
H (Ω ) =
 TN (Ω s / Ω p ) 
2
1+ ∈2  2 
 TN (Ω s / Ω) 

T(x) → N-th order Chebyshev

Ωs → Stopband

VII-42
BAB 7 Filter Digital

Respon frekuensi filter tipe II:

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

di mana xk dan yk koordinat pole.

1

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:

Cari N : 10 log10 (1+ ∈2 ) = 1 → ε = 0.5088

20 log10 δ 2 = −40 → δ2 = 0.01

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

x1 + jy1 = −0.1397Ω p ± j 0.979Ω p

x2 + jy2 = −0.337Ω p ± j 0.4056Ω p

Elliptic

Equiripple in both passband/stopband

2 1
H (Ω ) =
1+ ∈ U N (Ω / Ω p )
2

UN(x) Jacobianelliptic function of order N

VII-44
BAB 7 Filter Digital

The most effecient designs occur when we spread the appr. Error equally over the
passband and the stopband

⇒ Elliptic filters can do this

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

Passband ripple = 10log10(1+ε) ⇒ use computer

Bessel : All-Pole

Fungsi sistem filter:

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 )!

Polinomial bessel dibangkitkan:

⇒ BN ( s ) = (2 N − 1)BN −1 ( s ) + s 2 BN − 2 ( s )

Bo ( s ) = 1 dan B1 ( s ) = s + 1 sebagai kondisi initial

⇒ Bessel Filter → linear phase over the passband

Sayangnya sifat ini tidak berguna di saat terjadi BT

VII-45
BAB 7 Filter Digital

4.4 Transformasi Filter Low Pass

Tujuan Belajar 17

Peserta dapat mendesain IIR dengan teknik Tranformasi Bilinier untuk

membuat filter LP, HP, BP, BS dengan bantuan transformasi jenis filter,
baik di domain analog maupun di domain 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