FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO
PRODI PENDIDIKAN TEKNIK ELEKTRO
UNIVERSITAS NEGERI MALANG
Tahun 2021
I. TUJUAN
- Mahasiswa mampu menyusun filter digital dan melakukan pemfilteran pada sinyalwicara
II. DASAR TEORI
2.1. Filter IIR
Yang perlu diingat disini bahwa infinite inpulse response (IIR) dalam hal ini bukan berarti
filter yang bekerja dari nilai negatif tak hingga sampai positif tak hingga. Pengertian
sederhana untuk infinite impulse respon filter disini adalah bahwa output filter merupakan
fungsi dari kondisi input sekarang, input sebelumnya dan output di waktu sebelumnya.
Konsep ini kemudian lebih kita kenal sebagai recursive filter, yang mana melibatkan proses
feedback dan feed forward. Dalam bentuk persamaan beda yang menghubungkan input
dengan output dinyatakan seperti persmaaan (1) berikut ini.
N M
l 1 k 0
dimana:
- {bk} koefisien feed forward
- {al} koefisien feed back
- banyaknya (total koefisien) = M+N+1
- N ditetapkan sebagai orde filter IIR
Untuk merealisasikan ke dalam sebuah program simulasi atau perangkat keras maka bentuk
persamaan diatas dapat disederhanakan ke dalam diagram blok Gambar 1.
Untuk implementasi sebuah low pass filter bersifat narrow-band menggunakan sebuah
filter IIR merupakan pilihan yang sangat sulit tetapi masih mungkin dilakukan. Satu
alasannya adalah penentuan orde yang tepat sehingga menghasilkan bentuk yang tajam pada
respon frekuensi relative sulit. Pada domain unit circle bidang-z sering ditandai dengan letak pole-
pole yang ada diluar lingkaran, hal ini secara fisis memberikan arti bahwa filter yang dihasilkan
tidak stabil.
b0
x[n] y[n]
z-1 z-1
b1 a1
y[n-1]
…..
…..
…..
…..
z-1 z-1
aN
bM
clear all;
R=0.2;
N=16;
Wn=0.2;
figure(1);
[B,A] = butter(N,Wn);
[H,w]=freqz(B,A,N);
len_f=length(H);
f=1/len_f:1/len_f:1;
plot(f,20*log10(abs(H)),'linewidth',2)
Dari langkah ini akan didapatkan respon frkeuensi seperti gambar berikut.
M M
k 0 k 0
dimana:
-{bk}= koefisien feed forward
- banyaknya (total koefisien) L = M + 1
- M ditetapkan sebagai orde filter FIR
Dalam realisasi diagram blok akan dapat digambarkan seperti pada Gambar 4 berikut ini
b0
x[n] y[n]
z-1
b1
…..
…..
z-1
bM
Feature
extraction
FFT, LPC, dsb
x(n) y(n)
z-1 a
Gambar 11. Sinyal input dan output dari pre-emphasis filter dalam domain waktu
Sedangkan hasil yang didapatkan dalam bentuk domain frekuensi adalah seperti berikut.
Gambar 12. Sinyal input dan output dari pre-emphasis filter dalam domain frekuensi
III. PERANGKAT YANG DIPERLUKAN
- 1 (satu) buah PC Multimedia lengkap sound card dan microphone
- Satu perangkat lunak Matlab
IV. LANGKAH-LANGKAH PERCOBAAN
4.1. Penataan Perangkat
Sebelum melakukan percobaan harus dilakukan penataan seperti pada Gambar 13 berikut ini.
Microphone
Software
Sound Card wavsurfer
PC Multimedia
Speaker
Dari beberapa percobaan maka akan di analisa bahwa Respon impulse yang terbatas (FIR)
filter outputanya menjelaskan jumlah dari input N terakhir, dimana N merupakan urutan
filter. Karena respon impulse tidak menggunakan umpan balik, maka respon impulse
stabil.Jika koefisien simetris (kasus yang biasa), maka penyaring adalah fase linier, sehingga
penundaan sinyal dari semua frekuensi yang sama. Hal ini penting dalam banyak aplikasi. Hal
ini juga mudah untuk menghindari meluap dalam sebuah filter FIR. Kerugian utama adalah
bahwa respon impulse mungkin memerlukan pemrosesan secara signifikan sehingga lebih
banyak sumber daya memori dari pada yang dirancang dengan IIR varian. FIR filter
umumnya lebih mudah untuk merancang dari pada IIR filter - algoritma pertukaran yang
Remez merupakan salah satu metode yang cocok untuk merancang filter cukup baik semi-
otomatis. Contoh dari respon impulse (FIR) : Fir 1 merupakan Jendela-respon impulse yang
terbatas berdasarkan desain filter, fir1 mengimplementasikan metode klasik berjendela linier-
fase desain filter (digital FIR [1]). Ini desain standar filter dalam lowpass, highpass, bandpass,
dan bandstop konfigurasi.Secara default filter dinormalkan sehingga besarnya respons dari
filter di pusat frekuensi passband adalah 0 dB. Sedangkan respon impulse(IIR) atau penyaring
mitra digital analog filter. Seperti filter internal berisi kombinasi linear input dan
output). Secara teori, respon impulse filter tidak pernah sempurna. Filter IIR biasanya
membutuhkan lebih sedikit sumber daya komputasi dari sebuah filter FIR dalam
kinerjanya.Namun karena system umpan balik maka urutan tinggi IIR filter dapat mengalami
masalah dengan ketidak stabilan, dan membatasi siklus, dan membutuhkan desain yang hati-
hati untuk menghindari perangkap tersebut. Selain itu, karena pergeseran fasa secara inheren
non-linear fungsi dari frekuensi yaitu waktu tunda melalui semacam filter frekuensi
bergantung dalam banyak situasi. Pengaruh daei filter ini ini adalah hasil dari bentuk spectral
frekuensi sinyal wicara yang lebih halus. Pada praktikum kali ini besar redaman yang
dihasilkan sebuah filter FIR dan filter IIR terhadap spectral sinyal wicara tepat pada
daerah frekuensi cut-off cukup besar
Low pass filter digunakan untuk mengurangi detail dari gambar atau justru membuat gambar
menjadi lebih kabur dari sebelumnya. Filter ini akan menghilangkan atau mengurangi derau-
derau berfrekuensi tinggi dari gambar menjadi frekuensi yang lebih rendah
6. HASIL SIMULASI
1) Contoh 1
Source Code
clear all;
R=0.2;
N=16;
Wn=0.2;
figure(1);
[B,A] = butter(N,Wn);
[H,w]=freqz(B,A,N);
len_f=length(H);
f=1/len_f:1/len_f:1;
plot(f,20*log10(abs(H)),'linewidth',2)
grid on
Tampilan
2) Contoh 2
Soucre Code
clear all;
R=0.2;
N=16;
Wn=0.2;
figure(1);
[B,A] = butter(N,Wn,'high');
[H,w]=freqz(B,A,N);
len_f=length(H);
f=1/len_f:1/len_f:1;
plot(f,20*log10(abs(H)),'linewidth',2)
grid on
Tampilan
3) Contoh 3
Source Code
fs=10000;
[x,fs]=audioread('a.wav');
Wn = .20;
N = 32;
LP = fir1(N,Wn);
[H_x,w]=freqz(LP);
len_f=length(H_x);
f=1/len_f:1/len_f:1;
plot(f,20*log10(abs(H_x)))
grid on
Tampilan
4) Contoh 4
Source Code
fs=10000;
[x,fs]=audioread('a.wav');
Wn1 = [.20, .50];
N = 32;
BP = fir1(N,Wn1);
[H_x,w]=freqz(BP);
len_f=length(H_x);
f=1/len_f:1/len_f:1;
plot(f,20*log10(abs(H_x)))
grid on
Tampilan
5) Contoh 5
Source Code
fs=10000;
[x,fs]=audioread('aiueo.wav');
Wn2 = .50;
N = 32;
HP = fir1(N,Wn2,'high');
[H_x,w]=freqz(HP);
len_f=length(H_x);
f=1/len_f:1/len_f:1;
plot(f,20*log10(abs(H_x)))
grid on
Tampilan