Anda di halaman 1dari 44

Bab 3a

Transformasi Fourier Waktu-Diskrit

Kuliah PSD 01 (MFS4617)


agfi@ugm.ac.id

Latar Belakang
• Sistem LTI dinyatakan dalam tanggapan terhadap
masukan cuplikan satuan (tanggap cuplikan satuan –
unit impulse response h(n)):

• Bentuknya Konvolusi: sembarang sinyal bisa


dinyatakan dengan kombinasi linear cuplikan satuan
yang terskala dan yang tertunda ;
• Sembarang sinyal diskrit kombiasi sinyal dasar tiap
sinyal dasar penyajian sinyal baru punya kelebihan
dan kelemahan;
• Ada satu cara penyajian yang sangat bermanfaat
berbasis sinyal eksponensial kompleks ej n DTFT;

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 2


Diskrit

DTFT
• DTFT = Discrete-time Fourier Transform
Transformasi Fourier dalam Waktu-
diskrit;
• Rumus DTFT:

• Rumus IDTFT:

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 3


Diskrit

1
Contoh 3.1 & Solusinya
• Tentukan DTFT dari x(n) = 0.5n u(n)!

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 4


Diskrit

Contoh 3.2 & Solusinya

• Karena X(ej n) merupakan sebuah fungsi nilai-kompleks


perlu digambarkan bagian besaran dan sudut-nya
(bagian nyata dan imajiner-nya) terhadap w secara
terpisah untuk mendeskripsikan X(ej n) secara visual;
• Menggunakan nilai antara 0 hingga ;

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 5


Diskrit

2 (dua) Sifat Penting


• Periodisitas: DTFT X(ej n) bersifat periodik dalam ranah-; dengan
periode 2; hanya dibutuhkan satu periode saja (; [0,2>] atau
[->,>]) untuk analisa:

• Simetris: untuk nilai-nyata x(n), X(ej n) bersifat simetrik konjugat:

• Atau dituliskan:

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 6


Diskrit

2
2 (dua) Sifat Penting
• Implikasi Simetrik untuk menggambar
X(ej n) hanya perlu diperhatikan setengah
periode-nya saja secara umum periode ini
adalah [0, ]
• Contoh 3.3: untuk persamaan x(n) = 0.5n u(n)!

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 7


Diskrit

Solusi Contoh 3.3


w = [0:1:500]*pi/500; % [0, pi] axis divided into 501 points.
X = exp(j*w) ./ (exp(j*w) - 0.5*ones(1,501));
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');
title('Magnitude Part'); ylabel('Magnitude')
% --
subplot(2,2,3); plot(w/pi,angX); grid
xlabel('frequency in pi units');
title('Angle Part'); ylabel('Radians')
% --
subplot(2,2,2); plot(w/pi,realX); grid
xlabel('frequency in pi units');
title('Real Part'); ylabel('Real')
% --
subplot(2,2,4); plot(w/pi,imagX); grid
xlabel('frequency in pi units');
title('Imaginary Part'); ylabel('Imaginary')

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 8


Diskrit

Solusi Contoh 3.3


Magnitude Part Real Part
2 2

1.5 1.5
Magnitude

Real

1 1

0.5 0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
frequency in pi units frequency in pi units

Angle Part Imaginary Part


0 0

-0.2 -0.2
Imaginary
Radians

-0.4 -0.4

-0.6 -0.6

-0.8 -0.8
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
frequency in pi units frequency in pi units
agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 9
Diskrit

3
Komputasi Numerik DTFT
• Misalkan x(n) memiliki N cuplikan (data) antara n1 E n E
n2 (tidak perlu dalam jangkauan [0,N-1]) dan akan
dievaluasi X(ej n) pada:

• yang panjangnya (M+1) antara [0, ] sehingga


persamaan (3.1) dituliskan:

• Jika {x(nl)} dan {X(ej n)} disusun dalam vektor kolom


masing-masing x dan X, maka:

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 10


Diskrit

Komputasi Numerik DTFT


• Dengan W adalah matriks (M+1) x N:

• Jika kita susun {k} dan {nl} masing-masing sebagai vektor baris k
dan n, maka:

• Di MATLAB, disajikan sebagai vetkor baris, sehingga persamaan


(3.3) menjadi:

• Bentuk nTk merupakan matriks N x (M+1). Sekarang persamaan


(3.4) dapat dituliskan dalam MATLAB:

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 11


Diskrit

Contoh 3.4 & Solusinya


• Hitunglah DTFT dari deret di contoh 3.2 secara numerik dengan MATLAB!
• Solusinya:

n = -1:3; x = 1:5; % sequence x(n)


k = 0:500; w = (pi/500)*k; % [0, pi] axis divided into 501 points.
X = x * (exp(-j*pi/500)) .^ (n'*k); % DTFT using matrix-vector product
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');
title('Magnitude Part'); ylabel('Magnitude')
subplot(2,2,3); plot(w/pi,angX); grid
xlabel('frequency in pi units'); title('Angle Part'); ylabel('Radians')
subplot(2,2,2); plot(w/pi,realX); grid
xlabel('frequency in pi units'); title('Real Part'); ylabel('Real')
subplot(2,2,4); plot(w/pi,imagX); grid
xlabel('frequency in pi units'); title('Imaginary Part');
ylabel('Imaginary')

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 12


Diskrit

4
Contoh 3.4 & Solusinya
Magnitude Part Real Part
15 15

10
10
Magnitude

Real
5

5
0

0 -5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
frequency in pi units frequency in pi units

Angle Part Imaginary Part


4 5

2
0
Imaginary
Radians

-5
-2

-4 -10
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
frequency in pi units frequency in pi units
agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 13
Diskrit

Contoh 3.5 & Solusinya


• Diketahui persamaan x(n)=(0.9 e(j /3))n.
untuk 0 n 10. Tentukan X(ej n) dan
periksalah periodisitas-nya!
• Solusi:
– Karena merupakan deret bilangan kompleks
hanya memenuhi sifat periodisitas;
– Hanya untuk satu periode saja (hingga 2>);
– Akan digambarkan sebanyak 401 titik antara
dua periode [- 2>, 2>] untuk melihat
periodisitas-nya;
agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 14
Diskrit

Contoh 3.5 & Solusinya


subplot(1,1,1)
n = 0:10; x = (0.9*exp(j*pi/3)).^n;
k = -200:200; w = (pi/100)*k;
X = x * (exp(-j*pi/100)) .^ (n'*k);
magX = abs(X); angX =angle(X);
subplot(2,1,1); plot(w/pi,magX);grid
axis([-2,2,0,8])
xlabel('frequency in units of pi'); ylabel('|X|')
title('Magnitude Part')
subplot(2,1,2); plot(w/pi,angX/pi);grid
axis([-2,2,-1,1]);
xlabel('frequency in units of pi');
ylabel('radians/pi');
title('Angle Part');

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 15


Diskrit

5
Contoh 3.5 & Solusinya
Magnitude Part
8

4
|X|

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
frequency in units of pi

Angle Part
1

0.5
radians/pi

-0.5

-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
frequency in units of pi
agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 16
Diskrit

Contoh 3.6 & Solusinya


• Diketahui persamaan x(n)=(-0.9)n untuk
-5EnE5. Periksalah sifat simetrik konjugat
pada DTFT-nya!
• Solusi:
– Terlihat bahwa persamaan merupakan
bilangan nyata (real) sehingga ada sifat
simetrik konjugat-nya

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 17


Diskrit

Contoh 3.6 & Solusinya


subplot(1,1,1)
n = -5:5; x = (-0.9).^n;
k = -200:200; w = (pi/100)*k;
X = x * (exp(-j*pi/100)) .^ (n'*k);
magX = abs(X); angX =angle(X);
subplot(2,1,1); plot(w/pi,magX);grid
axis([-2,2,0,15])
xlabel('frequency in units of pi'); ylabel('|X|')
title('Magnitude Part')
subplot(2,1,2); plot(w/pi,angX)/pi;grid
axis([-2,2,-1,1])
xlabel('frequency in units of pi');
ylabel('radians/pi')
title('Angle Part')

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 18


Diskrit

6
Contoh 3.6 & Solusinya
Magnitude Part
15

10
|X|

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
frequency in units of pi

Angle Part
3

1
radians/pi

-1

-2

-3
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
frequency in units of pi
agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 19
Diskrit

Bersambung
• Berikutnya...
– 3B: Sifat-sifat Transformasi Fourier Waktu
Diskrit (TFWD)!

agfi@ugm.ac.id III.A. Transformasi Fourier Waktu 20


Diskrit

7
3B – Sifat-sifat Transformasi
Fourier Waktu Diskrit (TFWD)
Kuliah PSD 01 (MFS4617)
agfi@ugm.ac.id

Linearitas
1. Linearity (Linearitas): Transformasi Fourier
waktu-diskrit merupakan suatu bentuk
transformasi yang linear, hal ini dicirikan
melalui persamaan berikut:

agfi@ugm.ac.id III.B. Sifat2 TFWD 2

Penggeseran waktu dan frekuensi


2. Time Shifting (Pergeseran Waktu): suatu
perpindahan dalam ranah waktu ditujukan untuk
perpindahan fase, hal ini dinyatakan dengan
persamaan berikut:

3. Frequency shifting (Pergeseran Frekuensi):


Perkalian dengan sebuah eksponensial kompleks
merupakan suatu penggeseran dalam ranah frekuensi:

agfi@ugm.ac.id III.B. Sifat2 TFWD 3

1
Konjugasi dan Pelipatan
4. Conjugation (konjugasi): Konjugasi dalam ranah
waktu merupakan lipatan dan konjugasi dalam ranah
frekuensi:

5. Folding (pelipatan): Lipatan dalam ranah waktu


merupakan lipatan dalam ranah frekuensi

agfi@ugm.ac.id III.B. Sifat2 TFWD 4

Simetri dalam deret nyata


6. Simetri dalam deret nyata:

Implikasi: Jika urutan x(n) adalah real dan genap,


hanya satu plot [0, ] yang dapat digunakan untuk
penyajian lengkap.

agfi@ugm.ac.id III.B. Sifat2 TFWD 5

Konvolusi vs. Perkalian


7. Convolution (Konvolusi): ini merupakan salah satu dari sifat-
sifat yang sangat berguna dalam analisis sistem yang sesuai
dalam ranah frekuensi

8. Multiplication (Perkalian): ini merupakan suatu sifat konvolusi


rangkap dua

Convolution (konvolusi) seperti operasi diatas disebut dengan


konvolusi periodik (periodic convolution).

agfi@ugm.ac.id III.B. Sifat2 TFWD 6

2
Energi sinyal
9. Energy (energi): Energi dari sinyal x(n)
dituliskan dengan persamaan berikut:

agfi@ugm.ac.id III.B. Sifat2 TFWD 7

Catatan Sifat-sifat TFWD


Hal ini juga dikenal sebagai Teorema Parseval. Dari
(3.13) spektrum densitas energi dari x(n) didefinisikan
sebagai berikut

Selanjutnya energi dari x(n) dalam pita atau jangkauan


[ 1, 2] dinyatakan dengan

agfi@ugm.ac.id III.B. Sifat2 TFWD 8

Contoh soal 3.7


• Dalam contoh ini akan dibuktikan sifat
linearitas menggunakan sinyal/deret real
durasi-terbatas x1(n) dan x2(n), yang
merupakan dua deret acak yang
didistribusikan antara [0,1] untuk
jangkauan 0 n 10.
• Selanjutnya kita dapat menggunakan
prosedur TFWD sebagai berikut…
(Matlab):

agfi@ugm.ac.id III.B. Sifat2 TFWD 9

3
Contoh soal 3.7 – Solusi Matlab

x1 = rand(1,11); x2 = rand(1,11); n = 0:10;


alpha = 2; beta = 3;
k = 0:500; w = (pi/500)*k;
X1 = x1 * (exp(-j*pi/500)).^(n'*k); % DTFT of x1
X2 = x2 * (exp(-j*pi/500)).^(n'*k); % DTFT of x2
x = alpha*x1 + beta*x2; % Linear combination of x1 & x2
X = x * (exp(-j*pi/500)).^(n'*k); % DTFT of x
% verification
X_check = alpha*X1 + beta*X2; % Linear Combination of X1 & X2
error = max(abs(X-X_check)) % Difference

error =

7.9441e-015

agfi@ugm.ac.id III.B. Sifat2 TFWD 10

Contoh soal 3.8


• x(n) merupakan deret acak yang
didistribusikan antara [0,1] untuk
jangkauan 0 n 10 dan y(n) = x(n – 2).
• Selanjutnya kita dapat membuktikan
contoh sifat penggeseran sebagai
berikut…

agfi@ugm.ac.id III.B. Sifat2 TFWD 11

Contoh soal 3.8 – Solusi Matlab

x = rand(1,11); n = 0:10;
k = 0:500; w = (pi/500)*k;
X = x * (exp(-j*pi/500)).^(n'*k); % DTFT of x
% signal shifted by two samples
y = x; m = n+2;
Y = y * (exp(-j*pi/500)).^(m'*k); % DTFT of y
% verification
Y_check = (exp(-j*2).^w).*X; % multiplication by exp(-j2w)
error = max(abs(Y-Y_check)) % Difference

error =

8.4843e-015

agfi@ugm.ac.id III.B. Sifat2 TFWD 12

4
Contoh soal 3.9
• Untuk membuktikan sifat penggeseran
frekuensi kita akan menggunakan
pendekatan grafik (visualisasi)…

agfi@ugm.ac.id III.B. Sifat2 TFWD 13

Contoh soal 3.9 – Solusi Matlab


n = 0:100; x = cos(pi*n/2);
k = -100:100; w = (pi/100)*k; % frequency between -pi and +pi
X = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x
%
y = exp(j*pi*n/4).*x; % signal multiplied by exp(j*pi*n/4)
Y = y * (exp(-j*pi/100)).^(n'*k); % DTFT of y
% Graphical verification
subplot(1,1,1)
subplot(2,2,1); plot(w/pi,abs(X)); grid; axis([-1,1,0,60])
xlabel('frequency in pi units'); ylabel('|X|')
title('Magnitude of X')
subplot(2,2,2); plot(w/pi,angle(X)/pi); grid; axis([-1,1,-1,1])
xlabel('frequency in pi units'); ylabel('radiands/pi')
title('Angle of X')
subplot(2,2,3); plot(w/pi,abs(Y)); grid; axis([-1,1,0,60])
xlabel('frequency in pi units'); ylabel('|Y|')
title('Magnitude of Y')
subplot(2,2,4); plot(w/pi,angle(Y)/pi); grid; axis([-1,1,-1,1])
xlabel('frequency in pi units'); ylabel('radians/pi')
title('Angle of Y')

agfi@ugm.ac.id III.B. Sifat2 TFWD 14

Magnitude of X Angle of X
60 1

50
0.5
40
radiands/pi

30 0
|X|

20
-0.5
10

0 -1
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
frequency in pi units frequency in pi units

Magnitude of Y Angle of Y
60 1

50
0.5
40
radians/pi

30 0
|Y|

20
-0.5
10

0 -1
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
frequency in pi units frequency in pi units

agfi@ugm.ac.id III.B. Sifat2 TFWD 15

5
Contoh soal 3.10
• Membuktikan sifat konjugasi diketahui
sinyal x(n) merupakan sinyal acak
bilangan kompleks untuk –5 n 10 yang
secara umum didistribusikan antara [0,1].

agfi@ugm.ac.id III.B. Sifat2 TFWD 16

Contoh soal 3.10 – Solusi Matlab

n = -5:10; x = rand(1,length(n)) + j*rand(1,length(n));


k = -100:100; w = (pi/100)*k; % frequency between -pi and +pi
X = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x
% conjugation property
y = conj(x); % signal conjugation
Y = y * (exp(-j*pi/100)).^(n'*k); % DTFT of y
% verification
Y_check = conj(fliplr(X)); % conj(X(-w))
error = max(abs(Y-Y_check)) % Difference

error =

1.1382e-013

agfi@ugm.ac.id III.B. Sifat2 TFWD 17

Contoh soal 3.11


• Untuk membuktikan sifat pelipatan,
diketahui sinyal x(n) merupakan sinyal
acak untuk –5 n 10 yang secara umum
didistribusikan antara [0,1].

agfi@ugm.ac.id III.B. Sifat2 TFWD 18

6
Contoh soal 3.11 – Solusi Matlab

n = -5:10; x = rand(1,length(n));
k = -100:100; w = (pi/100)*k; % frequency between -pi and +pi
X = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x
% folding property
y = fliplr(x); m = -fliplr(n); % signal folding
Y = y * (exp(-j*pi/100)).^(m'*k); % DTFT of y
% verification
Y_check = fliplr(X); % X(-w)
error = max(abs(Y-Y_check)) % Difference

error =

1.6012e-015

agfi@ugm.ac.id III.B. Sifat2 TFWD 19

Contoh soal 3.12


• Dalam masalah ini akan dibuktikan sifat
simetri dari sinyal real

kemudian menggunakan fungsi


evenodd.m (pada Bab 2), dapat dihitung
bagian genap dan ganjil-nya, kemudian
dievaluasi TFWD-nya…

agfi@ugm.ac.id III.B. Sifat2 TFWD 20

Contoh soal 3.12 – Solusi Matlab

n = -5:10; x = sin(pi*n/2);
k = -100:100; w = (pi/100)*k; % frequency between -pi and +pi
X = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x
% signal decomposition
[xe,xo,m] = evenodd(x,n); % even and odd parts
XE = xe * (exp(-j*pi/100)).^(m'*k); % DTFT of xe
XO = xo * (exp(-j*pi/100)).^(m'*k); % DTFT of xo
% verification
XR = real(X); % real part of X
error1 = max(abs(XE-XR)) % Difference
XI = imag(X); % imag part of X
error2 = max(abs(XO-j*XI)) % Difference

agfi@ugm.ac.id III.B. Sifat2 TFWD 21

7
Contoh soal 3.12 – Solusi Matlab

% graphical verification
subplot(1,1,1)
subplot(2,2,1); plot(w/pi,XR); grid; axis([-1,1,-2,2])
xlabel('frequency in pi units'); ylabel('Re(X)');
title('Real part of X')
subplot(2,2,2); plot(w/pi,XI); grid; axis([-1,1,-10,10])
xlabel('frequency in pi units'); ylabel('Im(X)');
title('Imaginary part of X')
subplot(2,2,3); plot(w/pi,real(XE)); grid; axis([-1,1,-2,2])
xlabel('frequency in pi units'); ylabel('XE');
title('Transform of even part')
subplot(2,2,4); plot(w/pi,imag(XO)); grid; axis([-1,1,-10,10])
xlabel('frequency in pi units'); ylabel('XO');
title('Transform of odd part')

agfi@ugm.ac.id III.B. Sifat2 TFWD 22

Real part of X Imaginary part of X


2 10

1 5
Re(X)

Im(X)

0 0

-1 -5

-2 -10
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
frequency in pi units frequency in pi units

Transform of even part Transform of odd part


2 10

1 5
XO
XE

0 0

-1 -5

-2 -10
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
frequency in pi units frequency in pi units

agfi@ugm.ac.id III.B. Sifat2 TFWD 23

Bersambung…
• Berikutnya...
– 3C: Penyajian sistem LTI dalam Ranah-
Frekuensi!

agfi@ugm.ac.id III.B. Sifat2 TFWD 24

8
3C – Penyajian Sistem LTI dalam Ranah
Frekuensi

Kuliah PSD 01 (MFS4617)


agfi@ugm.ac.id

Tanggap Eksponensial
Kompleks
• x(n)=ej on merupakan suatu masukan terhadap
sistem LTI yang dinyatakan dengan tanggap
impuls h(n)…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 2


Ranah Frekuensi

Definisi-1: Tanggap Frekuensi


• TFWD dari suatu tanggap impuls disebut
tanggap frekuensi (Fungsi Alih) dari suatu
sistem LTI dan dinyatakan dengan persamaan…
H(e j n ) h(n)e j n
• Dengan demikian persamaan (3.15) dapat
dituliskan sebagai…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 3


Ranah Frekuensi

1
Definisi-1: Tanggap Frekuensi
• Hasil selanjutnya dapat diperluas dengan kombinasi
linear antar eksponensial kompleks menggunakan
linearitas sistem LTI…

• Pada umumnya tanggap frekuensi H(ej ) adalah suatu


fungsi kompleks dari . Magnitude |H(ej )| dari H(ej )
disebut sebagai fungsi tanggap magnitude (atau gain)
dan sudut H(ej ) disebut fungsi tanggap fase.

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 4


Ranah Frekuensi

Tanggap thd Deret Sinusoidal


• x(n)=A.cos( 0n+ 0) sebagai masukan ke sistem
LTI h(n). Maka dari persamaan (3.17) dapat
ditunjukkan bahwa tanggap y(n) merupakan
sinusoid lain dari frekuensi ;0 yang sama,
dengan amplitudo yang dikuatkan |H(ej )|
sebesar dan fase yang digeser sebesar H(ej ),
sehingga…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 5


Ranah Frekuensi

Tanggap thd Deret Sinusoidal


• Tanggap ini (persamaan 3.18) disebut
dengan Tanggap Kondisi-Tetap (Steady
State) dan dinyatakan dengan yss(n).
Persamaan tersebut dapat diperluas
menjadi sebuah kombinasi linear deret
sinusoidal:

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 6


Ranah Frekuensi

2
Tanggap thd Sembarang Deret
• Persamaan 3.17 dapat digeneralisasi ke bentuk
deret yang dapat secara absolut-dijumlahkan
(absolute summable).Jika X(ej n)=F[x(n)] dan
Y(ej n)=F[y(n)], maka dengan menggunakan
Sifat konvolusi diperoleh…

• Dengan demikian, sebuah sistem LTI dapat


dinyatakan dalam ranah frekuensi sebagai…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 7


Ranah Frekuensi

Contoh Soal 3.13


• Tentukan tanggap frekuensi H(ej ) dari
suatu sistem yang dicirikan dengan
h(n)=(0.9)nu(n). Gambarkan besaran dan
tanggap fase-nya…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 8


Ranah Frekuensi

Contoh Soal 3.13 - Solusi

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 9


Ranah Frekuensi

3
Contoh Soal 3.13 - Solusi
• Untuk menggambarkan tanggap ini, dapat
diimplementasikan fungsi |H(ej )| dan
H(ej ) atau tanggap frekuensi H(ej ),
kemudian melakukan proses perhitungan
besaran dan fase-nya, berikut Matlab-
nya…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 10


Ranah Frekuensi

Contoh Soal 3.13 - Solusi


w = [0:1:500]*pi/500; % [0, pi] axis divided into 501pts.
X = exp(j*w) ./ (exp(j*w) - 0.9*ones(1,501));
magX = abs(X); angX = angle(X);
subplot(2,1,1); plot(w/pi,magX);
grid; axis([0,1,0,10])
xlabel('frequency in pi units'); ylabel('|H|');
title('Magnitude Response');
subplot(2,1,2); plot(w/pi,angX/pi); grid
xlabel('frequency in pi units');
ylabel('Phase in pi Radians');
title('Phase Response');

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 11


Ranah Frekuensi

Contoh Soal 3.13 – Visualisasi Matlab


Magnitude Response
10

6
|H|

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
frequency in pi units

Phase Response
0

-0.1
Phase in pi Radians

-0.2

-0.3

-0.4
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
frequency in pi units

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 12


Ranah Frekuensi

4
Contoh Soal 3.14
• Misalkan masukan ke sistem pada contoh
3.13 adalah 0.1u(n), tentukan tanggap
kondisi-tetap (steady-state) yss(n)…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 13


Ranah Frekuensi

Contoh Soal 3.14 - Solusi


• Masukan bukan deret yang secara absolut-dapat-
dijumlahkan TFWD tidak terlalu bermanfaat!
• Tapi bisa dipakai untuk menghitung tanggap kondisi-
tetap (steady-state response)!
• Dalam kondisi tetap, untuk n U, masukan merupakan
konstanta (atau sebuah sinusoidal dengan ;0 = V0 = 0),
dengan demikian keluarannya adalah…
yss(n) = 0.1 x H(ej0) = 0.1 x 10 = 1
• Dengan penguatan sistem pada ;=0 (penguatan DC)
adalah H(ej )=10 (dari gambar contoh sebelumnya).

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 14


Ranah Frekuensi

Fungsi Tanggap Frekuensi dari


Persamaan Beda
• Jika sebuah Sistem LTI dinyatakan dengan persamaan
beda …

• maka untuk mengevaluasi tanggap frekuensi dari pers


3.16, dibutuhkan tanggap impuls h(n). Namun dengan
pers 3.17 dapat dengan mudah diperoleh H(ej )
• Jika x(n)=ej n, maka y(n) harus , substitusikan ke pers
3.20 diperoleh…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 15


Ranah Frekuensi

5
Fungsi Tanggap Frekuensi dari
Persamaan Beda

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 16


Ranah Frekuensi

Contoh Soal 3.15


• Sebuah sistem LTI dinyatakan dengan
persamaan beda berikut…
y(n) = 0.8y(n-1) + x(n)
1. Tentukan H(ej )
2. Hitung dan gambarkan tanggap kondisi-
tetap yss(n) untuk x(n)=cos(0.05 n)u(n)

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 17


Ranah Frekuensi

Contoh Soal 3.15 - Solusi


• Tuliskan kembali persamaan beda menjadi…
y(n) – 0.8y(n-1) = x(n)
1. Menggunakan pers 3.21 diperoleh…

2. Untuk kondisi-tetap, masukannya adalah


x(n)=cos(0.05 n) dengan frekuensi 0=0.05
dan 0=0°. Tanggap sistemnya adalah

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 18


Ranah Frekuensi

6
Contoh Soal 3.15 – Solusi Matlab
subplot(1,1,1)
b = 1; a = [1,-0.8];
n=[0:100];x = cos(0.05*pi*n);
y = filter(b,a,x);
subplot(2,1,1); stem(n,x);
xlabel('n'); ylabel('x(n)');
title('Input sequence')
subplot(2,1,2); stem(n,y);
xlabel('n'); ylabel('y(n)');
title('Output sequence')

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 19


Ranah Frekuensi

Contoh Soal 3.15 – Visualisasi Matlab


Input sequence
1

0.5
x(n)

-0.5

-1
0 10 20 30 40 50 60 70 80 90 100
n
3.42
Output sequence
5

4.092
y(n)

-5
0 10 20 30 40 50 60 70 80 90 100
n

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 20


Ranah Frekuensi

Asumsi vs. Kenyataan


• Contoh 3.15 persamaan beda orde pertama (1st
order) dengan mudah dapat diimplementasikan
dengan 3.22 menggunakan Matlab;
• Kenyataannya orde persamaan lebih tinggi perlu
prosedur yang efektif atau singkat untuk implementasi
3.21;
• Gunakan perkalian vektor matriks sederhana Jika kita
evaluasi H(ej ) pada frekuensi k=0,1,…,K yang sama
jaraknya dari [0, ], maka…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 21


Ranah Frekuensi

7
Asumsi vs. Kenyataan

• Jika {bm}, {al} (dengan a0=1), {m=0,..,M}, {l=0,..,N} dan { k}


merupakan larik (atau vektor baris), maka pembilang
dan penyebut pada 3.23 menjadi…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 22


Ranah Frekuensi

Asumsi vs. Kenyataan


• Dengan demikian, larik H(ej ) pada 3.23
dapat dihitung menggunakan operasi ./ di
dalam Matlab…

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 23


Ranah Frekuensi

Contoh Soal 3.15


• Penapis lolos-rendah orde-3 dituliskan sebagai
berikut…

• Gambarkan tanggap besaran dan fase dari


penapis ini dan verifikasi-lah bahwa persamaan
beda tersebut merupakan penapis lolos-rendah!

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 24


Ranah Frekuensi

8
Contoh Soal 3.15 - Solusi
b = [0.0181, 0.0543, 0.0543, 0.0181];
a = [1.0000, -1.7600, 1.1829, -0.2781];
m = 0:length(b)-1; l = 0:length(a)-1;
K = 500; k = 1:1:K;
w = pi*k/K; % [0, pi] axis divided into 501 points.
num = b * exp(-j*m'*w); % Numerator calculations
den = a * exp(-j*l'*w); % Denominator calculations
H = num ./ den;
magH = abs(H); angH = angle(H);

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 25


Ranah Frekuensi

Contoh Soal 3.15 - Solusi


subplot(1,1,1);
subplot(2,1,1); plot(w/pi,magH);
grid; axis([0,1,0,1])
xlabel('frequency in pi units'); ylabel('|H|');
title('Magnitude Response');
subplot(2,1,2); plot(w/pi,angH/pi); grid
xlabel('frequency in pi units');
ylabel('Phase in pi Radians');
title('Phase Response');

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 26


Ranah Frekuensi

Contoh Soal 3.15 – Visualisasi Matlab


1
Magnitude Response
Ciri-ciri penapis
0.8
lolos-rendah!
0.6
|H|

0.4

0.2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
frequency in pi units

Phase Response
1

0.5
Phase in pi Radians

-0.5

-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
frequency in pi units

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 27


Ranah Frekuensi

9
Bersambung
• Berikutnya…
– 3C: Pencuplikan dan Rekonstruksi Sinyal
Analog!

agfi@ugm.ac.id III.C. Penyajian Sistem LTI dalam 28


Ranah Frekuensi

10
agfi@ugm.ac.id

3D – Pencuplikan & Rekonstruksi


Sinyal Analog
Kuliah PSD 01 (MFS4617)
agfi@ugm.ac.id

Pendahuluan
• Dalam berbagai aplikasi – misalnya dunia komunikasi
digital – sinyal analog dikonversi ke sinyal diskrit
menggunakan pencuplikan dan operasi kuantisasi
(Konversi Analog ke Digital atau ADC).
• Sinyal diskrit ini diolah oleh Prosesor Sinyal Digital dan
sinyal yang diproses dikonversi kembali ke sinyal analog
menggunakan operasi rekonstruksi (Konversi Digital ke
Analog atau DAC).
• Menggunakan Analisa Fourier, kita dapat menjelaskan
operasi pencuplikan dari sudut pandang ranah-frekuensi,
analisa efek dan melakukan operasi rekonstruksi yang
tepat.

agfi@ugm.ac.id III.D. Pencuplikan dan 2


Rekonstruksi Sinyal Analog

Pencuplikan
• xa(t) merupakan sinyal analog. Transformasi Fourier
Waktu-Kontinyu diberikan oleh persamaan sebagai
berikut:

• Dimana adalah frekuensi analog dalam radian/detik.


Kebalikan dari Tranformasi Fourier Waktu Kontinyu
diberikan dengan persamaan berikut:

agfi@ugm.ac.id III.D. Pencuplikan dan 3


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 1
agfi@ugm.ac.id

Pencuplikan
• Sekarang kita cuplik xa(t) pada pencuplikan tersendiri
Interval Ts detik untuk memperoleh sinyal waktu diskrit
x(n):

• Transformasi Fourier Waktu Diskrit X(ej n)dari x(n)


merupakan jumlah yang dapat dihitung dari skala-
amplitudo, skala-frekuensi dan versi terjemahan dari
Transformasi Fourier Xa(j )

agfi@ugm.ac.id III.D. Pencuplikan dan 4


Rekonstruksi Sinyal Analog

Pencuplikan
• Persamaan 3.26 tersebut dikenal dengan
Persamaan Aliasing. Frekuensi analog dan
digital dihubungkan lewat Ts.

• Frekuensi Pencuplikan diberikan oleh


persamaan berikut:

agfi@ugm.ac.id III.D. Pencuplikan dan 5


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id III.D. Pencuplikan dan 6


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 2
agfi@ugm.ac.id

agfi@ugm.ac.id III.D. Pencuplikan dan 7


Rekonstruksi Sinyal Analog

Definisi 2: Sinyal Pita-Terbatas


• Suatu sinyal memiliki Pita-Terbatas jika terdapat
frekuensi Radian terbatas sedemikian hingga
0

Xa(j ) adalah 0 untuk | | > 0. Frekuensi


F0= 0/2 disebut lebarpita sinyal dalam Hz.
• Merujuk gambar 3.10 maka jika > Ts atau 0

Fs/2 > F0 maka bentuk persamaannya adalah


sebagai berikut:

agfi@ugm.ac.id III.D. Pencuplikan dan 8


Rekonstruksi Sinyal Analog

Teorema-3: Prinsip Pencuplikan


• Suatu sinyal pita-terbatas xa(t) dengan lebar pita F dapat
0

direkonstruksi dari nilai cuplikannya x(n) = x (nTs), jika


a

pencuplikan frekuensi Fs = 1/Ts lebih besar daripada dua


kali lebar pita F0 dari xa(t).
Fs > 2Fo
• Sebaliknya aliasing akan menghasilkan x(n). Laju
pencuplikan 2F0 untuk suatu sinyal analog pita-terbatas
disebut Laju Nyquist

agfi@ugm.ac.id III.D. Pencuplikan dan 9


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 3
agfi@ugm.ac.id

Implementasi MATLAB:
Pencuplikan
• Tidak mungkin menganalisa sinyal analog dengan
MATLAB kecuali menggunakan Toolbox Symbolic
proses lama;
• Jika kita mencuplik xa(t) dengan grid yang baik yang
memiliki kenaikan waktu yang cukup kecil sedemikian
hingga menghasilkan plot yang halus dan waktu
maksimum yg cukup besar untuk bisa menampilkan
semua data, maka dapat dilakukan analisa pendekatan.
• Misalkan t sebagai interval grid sedemikian hingga
t << Ts. Maka…

agfi@ugm.ac.id III.D. Pencuplikan dan 10


Rekonstruksi Sinyal Analog

Implementasi MATLAB:
Pencuplikan
• Persamaan 3.30 dapat digunakan sebagai suatu
larik untuk mensimulasikan sinyal analog.
• Interval pencuplikan Ts jangan disamakan
dengan $t, yang digunakan untuk menyatakan
sinyal analog!
• Persamaan Transformasi Fourier 3.24 dapat
didekati dengan persamaan 3.30, sehingga:

agfi@ugm.ac.id III.D. Pencuplikan dan 11


Rekonstruksi Sinyal Analog

Contoh 3.17 & Solusi


• Tentukan dan Gambarkan Transformasi
Fourier dari xa(t) = e-1000|t|.
• Solusi, dari persamaan 3.24…

agfi@ugm.ac.id III.D. Pencuplikan dan 12


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 4
agfi@ugm.ac.id

Contoh 3.17 – Solusi (lanjt…)


• Yang merupakan suatu fungsi nilai-nyata karena xa(t)
merupakan sinyal nyata dan genap.
• Untuk mengevaluasi Xa(j ) secara numerik maka xa(t)
harus didekati dengan deretan grid durasi-terbatas
xG(m).
• Menggunakan pendekatan e-5 % 0, maka sinyal xa(t)
dapat didekati dengan sinyal berdurasi-terbatas antara
-0.005 t 0.005 (atau [-5,5] mdetik)
• Persamaan 3.32, Xa(j&) % 0 untuk & ' 2 (2000), sehingga
dipilih…

agfi@ugm.ac.id III.D. Pencuplikan dan 13


Rekonstruksi Sinyal Analog

Contoh 3.17 – Solusi Matlab


% Analog Signal
Dt = 0.00005;
t = -0.005:Dt:0.005;
xa = exp(-1000*abs(t));
%
% Continuous-time Fourier Transform
Wmax = 2*pi*2000;
K = 500; k = 0:1:K;
W = k*Wmax/K;
Xa = xa * exp(-j*t'*W) * Dt;
Xa = real(Xa);
W = [-fliplr(W), W(2:501)]; % Omega from -Wmax to Wmax
Xa = [fliplr(Xa), Xa(2:501)];

agfi@ugm.ac.id III.D. Pencuplikan dan 14


Rekonstruksi Sinyal Analog

Contoh 3.17 – Solusi Matlab


subplot(1,1,1)
subplot(2,1,1);plot(t*1000,xa);
xlabel('t in msec.'); ylabel('xa(t)')
title('Analog Signal')
subplot(2,1,2);plot(W/(2*pi*1000),Xa*1000);
xlabel('Frequency in KHz');
ylabel('Xa(jW)*1000')
title('Continuous-time Fourier Transform')

agfi@ugm.ac.id III.D. Pencuplikan dan 15


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 5
agfi@ugm.ac.id

Contoh 3.17 – Visualisasi Matlab


Analog Signal
1

0.8 xa(t)
0.6
xa(t)

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

Continuous-time Fourier Transform


2

- 4000 1.5
Xa(j2)
Xa(jW)*1000

4000
0.5

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Frequency in KHz

agfi@ugm.ac.id III.D. Pencuplikan dan 16


Rekonstruksi Sinyal Analog

Contoh 3.18
• Untuk mempelajari efek pencuplikan pada
kuantitas ranah frekuensi, kita akan mencuplik
xa(t) pada contoh 3.17 dengan frekuensi
pencuplikan yang berbeda:
a. Cuplik xa(t) pada Fs 5000 cuplik/detik
untuk menghasilkan x1(n).
Tentukan dan gambarkan X1(ej )!
b. Cuplik xa(t) pada Fs 1000 cuplik/detik
untuk menghasilkan x2(n).
Tentukan dan gambarkan X2(ej )!

agfi@ugm.ac.id III.D. Pencuplikan dan 17


Rekonstruksi Sinyal Analog

Contoh 3.18 – Solusi (a)


• Karena lebar-pita dari xa(t) adalah 2 kHz
maka laju Nyquist-nya adalah 4000
cuplikan/detik, kurang dari Fs yang
diinginkan aliasing (hampir) bisa
dihindari…

agfi@ugm.ac.id III.D. Pencuplikan dan 18


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 6
agfi@ugm.ac.id

Contoh 3.18 – Solusi Matlab (a)


% Analog Signal
Dt = 0.00005;
t = -0.005:Dt:0.005;
xa = exp(-1000*abs(t));
% Discrete-time Signal
Ts = 0.0002; n = -25:1:25;
x = exp(-1000*abs(n*Ts));
% Discrete-time Fourier transform
K = 500; k = 0:1:K;
w = pi*k/K;
X = x * exp(-j*n'*w);
X = real(X);
w = [-fliplr(w), w(2:K+1)];
X = [fliplr(X), X(2:K+1)];

agfi@ugm.ac.id III.D. Pencuplikan dan 19


Rekonstruksi Sinyal Analog

Contoh 3.18 – Solusi Matlab (a)


subplot(1,1,1)
subplot(2,1,1);plot(t*1000,xa);
xlabel('t in msec.'); ylabel('x1(n)')
title('Discrete Signal'); hold on
stem(n*Ts*1000,x); gtext('Ts=0.2 msec');
hold off
subplot(2,1,2);plot(w/pi,X);
xlabel('Frequency in pi units');
ylabel('X1(w)')
title('Discrete-time Fourier Transform')

agfi@ugm.ac.id III.D. Pencuplikan dan 20


Rekonstruksi Sinyal Analog

Contoh 3.18 – Visualisasi Matlab (a)


Discrete Signal
1

0.8 Ts=0.2 msec

0.6
x1(n)

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

Discrete-time Fourier Transform


10

8
Bentuk
mirip!
6
X1(w)

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Frequency in pi units

agfi@ugm.ac.id III.D. Pencuplikan dan 21


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 7
agfi@ugm.ac.id

Contoh 3.18 – Solusi (b)


• Karena Fs = 1000 < 4000 akan terjadi
efek aliasing…
• Perhatikan MATLAB dan hasilnya…

agfi@ugm.ac.id III.D. Pencuplikan dan 22


Rekonstruksi Sinyal Analog

Contoh 3.18 – Solusi Matlab (b)


% Analog Signal
Dt = 0.00005;
t = -0.005:Dt:0.005;
xa = exp(-1000*abs(t));
% Discrete-time Signal
Ts = 0.001; n = -5:1:5;
x = exp(-1000*abs(n*Ts));
% Discrete-time Fourier transform
K = 500; k = 0:1:K;
w = pi*k/K;
X = x * exp(-j*n'*w);
X = real(X);
w = [-fliplr(w), w(2:K+1)];
X = [fliplr(X), X(2:K+1)];

agfi@ugm.ac.id III.D. Pencuplikan dan 23


Rekonstruksi Sinyal Analog

Contoh 3.18 – Solusi Matlab (b)


subplot(1,1,1)
subplot(2,1,1);plot(t*1000,xa);
xlabel('t in msec.'); ylabel('x2(n)')
title('Discrete Signal'); hold on
stem(n*Ts*1000,x); gtext('Ts=1 msec');
hold off
subplot(2,1,2);plot(w/pi,X);
xlabel('Frequency in pi units');
ylabel('X2(w)')
title('Discrete-time Fourier Transform')

agfi@ugm.ac.id III.D. Pencuplikan dan 24


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 8
agfi@ugm.ac.id

Contoh 3.18 – Visualisasi Matlab (b)


Discrete Signal
1

0.8 Ts=1 msec

0.6
x2(n)

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

Discrete-time Fourier Transform


2.5

2 Bentuk
1.5
tidak sama!
X2(w)

0.5

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Frequency in pi units

agfi@ugm.ac.id III.D. Pencuplikan dan 25


Rekonstruksi Sinyal Analog

Rekonstruksi
• Dari Teorema Pencuplikan dan contoh-contoh
sebelumnya sangat jelas bahwa jika kita mencuplik
xa(t) pita-terbatas diatas laju Nyquist, maka kita dapat
merekonstruksi xa(t) dari cuplikan x(n).
• Rekonstruksi ini dapat dilakukan dengan proses dua
langkah:
– Pertama: Cuplikan dikonversi menjadi deretan impuls
berbobot:

– Kedua: Deretan impuls berbobot tsb di-tapis melalui sebuah


penapis lolos-bawah ideal dibatasi pada pita [-Fs/2,Fs/2].

agfi@ugm.ac.id III.D. Pencuplikan dan 26


Rekonstruksi Sinyal Analog

Rekonstruksi
• Dua langkah ini dapat Fungsi Interpolasi
dinyatakan secara
matematis…
• Perhatikan gambar
sin( x)
berikut…
sinc(x) =
x

agfi@ugm.ac.id III.D. Pencuplikan dan 27


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 9
agfi@ugm.ac.id

Rekonstruksi – Gambar 3.14

agfi@ugm.ac.id III.D. Pencuplikan dan 28


Rekonstruksi Sinyal Analog

Rekonstruksi – Gambar 3.14

agfi@ugm.ac.id III.D. Pencuplikan dan 29


Rekonstruksi Sinyal Analog

Konverter D/A praktis


• Perlu dipikirkan implementasi praktis
(selain menggunakan persamaan 3.33).
• Tetap menggunakan dua langkah, penapis
lolos-bawah ideal penapis lolos-bawah
analog yang praktis!
• Persamaan 3.33 suatu interpolasi orde
tak-berhingga interpolasi orde
berhingga, beberapa pendekatan…

agfi@ugm.ac.id III.D. Pencuplikan dan 30


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 10
agfi@ugm.ac.id

Konverter D/A praktis: Interpolasi


• Interpolasi Zero-Order-Hold (ZOH): pada interpolasi
ini, nilai cuplikan saat ini ditahan hingga cuplikan
berikutnya diterima:

• Yang dapat diperoleh dengan cara menapis sederetan


impuls melalui penapis interpolasi:

• Yang merupakan pulsa kotak hasilnya berupa


gelombang undah (staircase)…

agfi@ugm.ac.id III.D. Pencuplikan dan 31


Rekonstruksi Sinyal Analog

Konverter D/A praktis: Interpolasi


• Interpolasi First-Order-Hold (FOH): Dalam
kasus ini cuplikan yang berdampingan
digabungkan dengan garis lurus.
• Yang dapat diperoleh dengan cara menapis
sederetan impuls melalui penapis interpolasi
(masih membutuhkan post-filter):

agfi@ugm.ac.id III.D. Pencuplikan dan 32


Rekonstruksi Sinyal Analog

Konverter D/A praktis: Interpolasi


• Interpolasi Kubik Spline (Cubic Spline): Pendekatan ini
menggunakan interpolan spline untuk penghalusan, tetapi tidak
terlalu akurat, memperkirakan sinyal analog antar cuplikan.
• Tidak lagi membutuhkan post-filter analog.
• Rekonstruksi yang halus diperoleh menggunakan sekumpulan
potongan-potongan kontinyu polinomial orde-ketiga cubic spline:

• dengan merupakan koefisien polinomial, yang ditentukan


menggunakan analisa least-square pada tiap-tiap cuplikan.

agfi@ugm.ac.id III.D. Pencuplikan dan 33


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 11
agfi@ugm.ac.id

Implementasi MATLAB:
Rekonstruksi
• Untuk Interpolasi antara cuplikan MATLAB
menyediakan beberapa pendekatan…
• Fungsi sinc(x), yang menghasilkan Fungsi
(sin x)/ x, dapat digunakan untuk implementasi
persamaan 3.33.
• Jika diketahui {x(n), n1 n n2} dan jika kita ingin
untuk menginterpolasi xa(t) pada suatu grid yang
sangat baik dengan interval grid t, maka
dengan persamaan 3.33 diperoleh…

agfi@ugm.ac.id III.D. Pencuplikan dan 34


Rekonstruksi Sinyal Analog

Implementasi MATLAB:
Rekonstruksi
• Dengan MATLAB dituliskan…

n = n1:n2; t = t1:t2; Fs = 1/Ts; nTs = n*Ts;


% Ts is the sampling interval
xa = x * sinc(Fs*(ones(length(n),1)*t-nTs’*ones(1, length(t)));

• Perhatikan contoh-contoh soal dan


penyelesaian-nya berikut…

agfi@ugm.ac.id III.D. Pencuplikan dan 35


Rekonstruksi Sinyal Analog

Contoh 3.19
• Dari cuplikan-cuplikan x1(n) dalam contoh
3.18a, rekonstruksi-kan xa(t) dan berikan
komentar pada hasilnya!

agfi@ugm.ac.id III.D. Pencuplikan dan 36


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 12
agfi@ugm.ac.id

Contoh 3.19 - Solusi


• Catatan: x1(n) diperoleh dengan
mencuplik xa(t) pada
Ts = 1/Fs = 0.0002 detik.
• Kita akan menggunakan spasi grid
0.00005 detik pada jangakuan
-0.005 t 0.005, yang akan
menghasilkan x(n) pada jangkauan -
25 n 25.

agfi@ugm.ac.id III.D. Pencuplikan dan 37


Rekonstruksi Sinyal Analog

Contoh 3.19 – Solusi Matlab


% Discrete-time Signal x1(n)
Ts = 0.0002; Fs = 1/Ts; n = -25:1:25; nTs = n*Ts;
x = exp(-1000*abs(nTs));
% Analog Signal reconstruction
Dt = 0.00005;
t = -0.005:Dt:0.005;
xa = x * sinc(Fs*(ones(length(nTs),1)*t-
nTs'*ones(1,length(t))));
% check
error = max(abs(xa - exp(-1000*abs(t))))
error =

0.0363

agfi@ugm.ac.id III.D. Pencuplikan dan 38


Rekonstruksi Sinyal Analog

Contoh 3.19 – Solusi Matlab


% Plots
plot(t*1000,xa);
xlabel('t in msec.'); ylabel('xa(t)')
title('Reconstructed Signal from x1(n) using sinc function');
hold on
stem(n*Ts*1000,x); hold off

agfi@ugm.ac.id III.D. Pencuplikan dan 39


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 13
agfi@ugm.ac.id

Contoh 3.19 – Visualisasi Matlab


Reconstructed Signal from x1(n) using sinc function
1

0.9

0.8

0.7

0.6
xa(t)

0.5

0.4

0.3

0.2

0.1

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

agfi@ugm.ac.id III.D. Pencuplikan dan 40


Rekonstruksi Sinyal Analog

Contoh 3.20 & Solusi


• Dari cuplikan-cuplikan x2(n) dalam contoh 3.18b,
rekonstruksi-kan xa(t) dan berikan komentar
pada hasilnya!
• Dalam kasus ini x2(n) diperoleh dengan
pencuplikan xa(t) pada Ts = 1/Fs = 0.001 detik.
• Kita akan menggunakan lagi spasi grid dari
0.00005 detik pada jangkauan
-0.005 t 0.005, yang menghasilkan x(n) pada
jangkauan -5 n 5.

agfi@ugm.ac.id III.D. Pencuplikan dan 41


Rekonstruksi Sinyal Analog

Contoh 3.20 – Solusi Matlab


% Discrete-time Signal x1(n)
Ts = 0.001; Fs = 1/Ts; n = -5:1:5; nTs = n*Ts;
x = exp(-1000*abs(nTs));
% Analog Signal reconstruction
Dt = 0.00005;
t = -0.005:Dt:0.005;
xa = x * sinc(Fs*(ones(length(nTs),1)*t-nTs'*ones(1,length(t))));
% check
error = max(abs(xa - exp(-1000*abs(t))))
error =

0.1852

agfi@ugm.ac.id III.D. Pencuplikan dan 42


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 14
agfi@ugm.ac.id

Contoh 3.20 – Solusi Matlab


plot(t*1000,xa);
xlabel('t in msec.');
ylabel('xa(t)')
title('Reconstructed Signal from x2(n) using sinc function');
hold on
stem(n*Ts*1000,x);
hold off

agfi@ugm.ac.id III.D. Pencuplikan dan 43


Rekonstruksi Sinyal Analog

Contoh 3.20 – Visualisasi Matlab


Reconstructed Signal from x2(n) using sinc function
1.2

0.8

0.6
xa(t)

0.4

0.2

-0.2
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

agfi@ugm.ac.id III.D. Pencuplikan dan 44


Rekonstruksi Sinyal Analog

Rekonstruksi – Pendekatan lain


(MATLAB)
• Pendekatan MATLAB yang kedua adalah
pendekatan plot/gambar;
• Fungsi stairs digunakan untuk
menggambarkan ZOH sinyal analog,
sedangkan fungsi plot digunakan untuk
FOH…

agfi@ugm.ac.id III.D. Pencuplikan dan 45


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 15
agfi@ugm.ac.id

Contoh 3.21 & Solusi


• Gambarkan rekonstruksi sinyal dari
cuplikan-cuplikan x1(n) dalam contoh 3.18
menggunakan interpolasi ZOH dan POH.
Berikan Komentar pada hasilnya!
• Sebagai catatan bahwa dalam
rekonstruksi ini kita tidak menghitung xa(t)
tetapi hanya menggunakan cuplikan-
cuplikan-nya.

agfi@ugm.ac.id III.D. Pencuplikan dan 46


Rekonstruksi Sinyal Analog

Contoh 3.21 – Solusi Matlab


figure(1); clf
% Discrete-time Signal x1(n) : Ts = 0.0002
Ts = 0.0002; n = -25:1:25; nTs = n*Ts;
x = exp(-1000*abs(nTs));
% Analog Signal reconstruction using stairs
subplot(2,1,1); stairs(nTs*1000,x);
xlabel('t in msec.'); ylabel('xa(t)')
title('Reconstructed Signal from x1(n) using zero-order-hold');
hold on
stem(n*Ts*1000,x);
hold off
% Analog Signal reconstruction using plot
subplot(2,1,2); plot(nTs*1000,x);
xlabel('t in msec.'); ylabel('xa(t)')
title('Reconstructed Signal from x1(n) using first-order-hold');
hold on
stem(n*Ts*1000,x);
hold off

agfi@ugm.ac.id III.D. Pencuplikan dan 47


Rekonstruksi Sinyal Analog

Contoh 3.21 – Visualisasi Matlab


Reconstructed Signal from x1(n) using zero-order-hold
1

0.8

0.6
xa(t)

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

Reconstructed Signal from x1(n) using first-order-hold


1

0.8

0.6
xa(t)

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

agfi@ugm.ac.id III.D. Pencuplikan dan 48


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 16
agfi@ugm.ac.id

Contoh 3.22 & Solusi


• Dari cuplikan x1(n) dan x2(n) dalam contoh
3.18, tentukan rekonstruksi xa(t)
menggunakan fungsi spline. Berikan
komentar pada hasilnya!
• Contoh ini hampir sama dengan contoh
3.19 dan 3.20. Oleh sebab itu parameter
pencuplikan sama dengan sebelumnya.

agfi@ugm.ac.id III.D. Pencuplikan dan 49


Rekonstruksi Sinyal Analog

Contoh 3.22 – Solusi Matlab


% a) Discrete-time Signal x1(n): Ts = 0.0002
Ts = 0.0002; n = -25:1:25; nTs = n*Ts;
x = exp(-1000*abs(nTs));
% Analog Signal reconstruction
Dt = 0.00005;
t = -0.005:Dt:0.005;
xa = spline(nTs,x,t);
% check
error = max(abs(xa - exp(-1000*abs(t))))
error =

0.0317

agfi@ugm.ac.id III.D. Pencuplikan dan 50


Rekonstruksi Sinyal Analog

Contoh 3.22 – Solusi Matlab


figure(1); clf
subplot(2,1,1);plot(t*1000,xa);
xlabel('t in msec.'); ylabel('xa(t)')
title('Reconstructed Signal from x1(n) using cubic spline function');
hold on
stem(n*Ts*1000,x); hold off

agfi@ugm.ac.id III.D. Pencuplikan dan 51


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 17
agfi@ugm.ac.id

Contoh 3.22 – Solusi Matlab


% b) Discrete-time Signal x2(n): Ts = 0.001
Ts = 0.001; n = -5:1:5; nTs = n*Ts;
x = exp(-1000*abs(nTs));
% Analog Signal reconstruction
Dt = 0.00005;
t = -0.005:Dt:0.005;
xa = spline(nTs,x,t);
% check
error = max(abs(xa - exp(-1000*abs(t))))
error =

0.1679

agfi@ugm.ac.id III.D. Pencuplikan dan 52


Rekonstruksi Sinyal Analog

Contoh 3.22 – Solusi Matlab


% Plots
subplot(2,1,2);plot(t*1000,xa);
xlabel('t in msec.'); ylabel('xa(t)')
title('Reconstructed Signal from x2(n) using cubic spline function');
hold on
stem(n*Ts*1000,x); hold off

agfi@ugm.ac.id III.D. Pencuplikan dan 53


Rekonstruksi Sinyal Analog

Contoh 3.22 – Visualisasi Matlab


Reconstructed Signal from x1(n) using cubic spline function
1

0.8

0.6
xa(t)

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

Reconstructed Signal from x2(n) using cubic spline function


1

0.8

0.6
xa(t)

0.4

0.2

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t in msec.

agfi@ugm.ac.id III.D. Pencuplikan dan 54


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 18
agfi@ugm.ac.id

Terima Kasih!
• TFWD selesai...
• Berikutnya
– 4A: Transformasi Z bilateral!

agfi@ugm.ac.id III.D. Pencuplikan dan 55


Rekonstruksi Sinyal Analog

agfi@ugm.ac.id 19