MODUL VI DESAIN DAN IMPLEMENTASI FILTER IIR PADA BLACKFIN DSP
Moch Amin Rizsa Ramadhan (13216102)
Asisten: Charlie Tahar (13215079)
Tanggal Percobaan: 16/11/2018
EL3110-Praktikum Pengolahan Sinyal Digital
Laboratorium Dasar Teknik Elektro - Sekolah Teknik Elektro dan Informatika ITB
Abstrak
Pada praktikum ini, dibuat sebuah filter IIR jenis banpass
filter. Sinyak masukkan yang digunakan adalah sinyal white
noise yang memeiliki daya yang sama pada semua frekuensi.
Peercobaan dilakukan dengan memanfaatkan software
Matlab dengan memasukkan parameter berupa frekuensi
passband, frekuensi stopband, ripple passband, dan stopband
attenuation. Kemudian koefisien filter dari yang di dapat dari
Matlab akan digunakan dalam algoritma filter pada
VisualDSP, hardware yang digunakan yaitu Blackfin. Alur
percobaan mengikuti arahan dari modul. Dari percobaan ini
diperoleh sinyal keluaran hasil filter dengan spektrum yang
sesuai denbgan karakteristik filter bandpass.
Kata kunci: IIR, White Noise, Blackfin.
1. PENDAHULUAN
Filter berfungsi melewatkan frekuensi sinyal yang
diinginkan dan menahan frekuensi sinyal yang
tidak diinginkan. Respon filter yang sering
digunakan adalah respon Butterworth dan
Chebyshev. Pada praktikum ini dilakukan
Implementasi Filter Infinite Impulse Response (IIR)
dengan respon butterworth. Filter IIR adalah salah
sifat yang dimiliki oleh kebanyakan sinyal dengan
linear time-invariant. Keuntungan dari IIR anatara
lain hanya membutuhkan koefisien filter yang
sedikit, hal ini dapat memperpendek waktu
komputasinya, Pada praktikum ini, akan dilakukan
implementasi filter IIR pada sinyal masukkan
Whitenoise. Berikut tujuan praktikum secara lebih
jelas.
• Praktikan memahami dan mampu melakukan
desain filter IIR
• Praktikan memahami algoritma filter IIR
realtime
• Praktikan mampu untuk
mengimplementasikan algoritma filter IIR
realtime pada DSP Blackfin BF561EZ
2. STUDI PUSTAKA
FILTER IIR
Laporan Praktikum - Laboratorium Dasar Teknik Elektro – STEI ITB
Filter IIR (Infinite Impulse Respons) adalah salah
satu tipe dari filter digital yang dipakai pada
aplikasi Digital Signal Processing (DSP).
Keuntungan filter IIR antara lain adala
membutuhkan koefisien yang lebih sedikit untuk
respon frekuensi yang curam sehingga dapat
mengurangi jumlah waktu komputasi.
BLACKFIN
Blackfin BF561EZ adalah sebuah development
board produksi dari Analog Devices yang
digunakan untuk penelitian dan pengembangan
aplikasi menggunakan Prosesor ADSP BF561.
BF561EZ ini terdiri dari bermacam-macam
peripheral yang digunakan untuk pengembangan.
BF561EZ mempunyai fitur :
• Prosesor ADSP-BF561 Blackfin
• 64 MB (16 M x 16-bit x 2) SDRAM
• 8 MB (4 M x 16-bit) FLASH memory
• AD1836 multichannel 96 kHz audio codec
• 3 RCA jack untuk composite (CVBS),
differential component (YUV) atau S video
(Y/C) input
• RCA jack untuk input/output audio stereo
• 10-bit video decoder ADV7183A
• NTSC/PAL video encoder ADV7179
ADSP-BF561 merupakan anggota dari keluarga
prosesor Blackfin yang memang ditargetkan untuk
konsumen aplikasi-ADSP-BF561 merupakan
anggota dari keluarga prosesor Blackfin yang
memang ditargetkan untuk konsumen aplikasi-
aplikasi multimedia. Di dalam perangkat ini
terdapat dua core prosesor Blackfin yang
independen satu sama lain yang menawarkan
performa tinggi serta konsumsi daya yang rendah
dengan tetap menjaga kemudahan penggunaan
serta kompatibilitas. Arsitektur inti
mengombinasikan mesin pengolah sinyal dual-
MAC, kemampuan single-instruction multiple-
data (SIMD) yang fleksibel dan fitur-fitur
multimedia ke dalam arsitektur single-instruction-
set.[1]
1
 • Kit Blackfin BF561EZ, adaftor, kabel RCA,
converter RCA, dan speaker aktif.

3.2. Langkah Percobaan

Sebelumnya telah Blackfin dan komputer
dihubungkan dulu dengan connector, melalui port
speaker, microphone dan USB.

Memasukkan paramter frekuensi

passband pada matlab untuk
mendapatkan koefisien filter IIR.

Play laagu white noise pada media

Gambar 2-1 Arsitektur Blackfin
player dan record pada Audacity, plot
sinyal tersebut untuk mendapatkan
WHITE NOISE
spectrumnya.
White noise adalah sinyal acak (random) dengan
spektrum daya flat. Artinya sinyal white noise
memiliki daya yang sama pada bandwidth yang
tetap pada setiap frekuensi tengah. White noise Masukkan koefiseien filter dari Matlabb
merupakan nama yang diturunkan dari cahaya pada algoritma filter pada DSP.
putih yang spektrum daya dari cahayanya
terdistribusi pada rentang band cahaya tampak.
Bandwidth dari white noise terbatas pada
prakteknya oleh mekanisme pembangkitan noise, Build and Run
media transmisi. Sinyal random dapat dikatakan
white noise jika memiliki spektrum yang flat pada
bandwidth terlebar yang mungkin dapat
Record kembali lagu White noise pada
dilewatkan pada sebuah medium.
audacity kemudian plot spectrumnya
Audacity
Audacity merupakan sebuah aplikasi pemberi efek Gambar 3.2-2 Diagram Alur
suara. Aplikasi ini dibangun dengan pustaka
WxWidgets sehingga dapat berjalan pada berbagai 4. HASIL DAN ANALISIS
Operating System. Dengan menggunakan audacity,
Percobaan implementasi desain filter IIR ini
pengguna dapa mengoreksi berkas suara tertentu,
menggunakan sinyal White noise sebagai sinyal
atau sekedar menambahkan berbagai efek yang
masukkan. Berikut sinyal white noisenya.
disediakan. Kelebihan aplikasi ini terletak pada
fitur yang disediakan serta kestabilannya. Pustaka
yang digunakan juga tidak terlalu banyak dan
waktu tunggunya tidak terlalu lama. Sedangkan
kekurangannya yaitu terletak pada interface (antar
muka) yang sedikit kaku dibandingkan dengan
aplikasi sejenis. Pada praktikum ini, software
audacity digunakan untuk melihat bentuk sinyal
input dan output serta melihat respons
frekuensinya.

3. METODOLOGI
3.1. Peralatan
• 1 unit komputer
Gambar 4-3 Sinyal White Noise
• Software MATLAB dan Visual DSP++ 5.0

Laporan Praktikum - Laboratorium Dasar Teknik Elektro – STEI ITB 2

 Gambar 4-2 Spectrum Sinyal Whitenoise
Seperti terlihat pada hasil record pada audacity,
sinyal white noise ini memiliki spectrum daya plat
pada setiap frekuensi.
Filter IIR yang direalisasikan adalah filter bandpass
dengan parameter stop band di 400 Hz dan 14000
Hz dengan magnitude -20dB sedangkan untuk
passband nya di 2000 Hz – 6000Hz dengan
magnitude -1dB. Sampling frekuensi yang dipakai
sebesar 48000 Hz, frekuensi sampling harus
memenuhi Nyquist rate agar hasil sampling sinyal
tak mengalami aliasing. Agar didapatkan
spesifikasi filter tersebut, digunakan matlab dalam
perancangannya untuk mendapatkan koefisien
filter yang dibutuhkan. Dari hasil instruksi yang
dlakukan di Matlab (lampiran) didapatkan
koefisien filter sebagai berikut.
Tabel-1 Koefisien filter
Koefisien filter a [ 1-5] koefisien filter b [1-5]
dalam fraksional. dalam fraksional.
536870912 45943255
Gambar 4-3 Plot Koefisien Filter
Berdasarkan gambar diatas diketahui bahwa
desain telah berhasil membentuk bandpass filter.
Hasil desain filter pada MATLAB ini merupakan
filter yang realtime sehingga frekeunsi respons
yang dihasilkan bersifat kausal. Kausalitas
menyebabkan frekuensi respons yang dihasilkan
tidak dapat berubah dari passband lalu menjadi
stopband secara tiba-tiba. Transisi antara passband
dan stopband ini disebut transition band atau
transition region. ωp adalah adalah batas passband
sedangkan ωs adalah batas stopband. Dari kedua
nilai tersebut (ωp dan ωs) dapat ditentukan lebar
transition band adalah ωs-- ωp.
Koefisien filter seperti pada tabel di atas ini
kemudian dimasukan pada algoritma filter
bandpass VisualDSP++. Setelah dilakukan proses
build and Run terhadap algoritma tersebut, lagu
white noise kembali diputar di media player dan
dilakukan perekaman sinyal pada audacity. Beikut
hasil rekaman sinyal White noise pada audacity
setelah dilakukan filtering.

1453348081 0

1574796169 -91886509

838799089 0

194152261 45943255
Gambar 4-4 Sinyal White Noise Hasil Filtering

Laporan Praktikum - Laboratorium Dasar Teknik Elektro – STEI ITB 3

 • Board Blackfin mampu menjalankan algoritma
yang telah dibuat dengan koefisien filter yang
sudah dirancang sehingga dapat dilakukan
Digital Signal Processing secara realtime.
• Sinyal white Noise sering digunakan sebagai
sinyal input sebuah filter karena memiliki daya
yang tetap pada semua nilai frekuensi.

DAFTAR PUSTAKA
[1] Mervin T Hutabarat, Praktikum Pengolahan
Sinyal Digital, Laboratorium Dasar Teknik
Elektro ITB,Bandung, 2015.
[2] Proakis, John G. dan Dimitris G. Manolakis.
2007. Digital Signal Processing
Principles, Algorithms, and Applications
Gambar 4-5 Spectrum Sinyal White Noise Hasil Fourth Edition. New Jersey, Prentice Hall.
Filtering
Dari bentuk spektrum sinyal yang di dapat, sekilas
terlihat bahwa filter bandpass yang didesain sudah
berfungsi dengan baik. Kami juga memeriksa
ketepatan parameter filter sesuai spesifikasi,
hasilnya adalah sebagai beikut.
Tabel-2 Parameter Filter

Stop Frequency - PassFrecuency -1dB

20dB

403Hz dan 13748Hz 1917 Hz & 5894 Hz

Parameter filter yang didapatkan sudah sangat

mendekati nilai-nilai spesifikasi, sedikit perbedaan
pada nilai dikarenakan adanya noise pada kabel,
kualitas dari port yang digunakan dan kinerja
aplikasi Visual DSP yang diinstall pada PC. Hal ini
menunjukkan bahwa filter yang dibuat telah sesuai
dengan yang diharapkan.

5. KESIMPULAN
Dari praktikum ini, dapat disimpulkan beberapa
hal sebagi berikut:
• Keuntungan dari penggunaan filter IIR adalah
waktu komputasi yang sangat cepat karena
hanya membutuhkan koefisein filter dengan
jumlah yang sedikit.
• Implementasi filter dapat menggunakan
algoritma filter realtime dengan buffer circular.
Keuntungan dari filter realtime dengan buffer
circular ini yaitu lebih menghemat memory
dibandingkan jika tidak menggunakan buffer
circular. Algoritma yang digunakan yaitu
dengan menampung input dalam buffer
kemudian dilakukan konvolusi dengan
menggunakan parameter filter yang dilakukan
secara realtime.

Laporan Praktikum - Laboratorium Dasar Teknik Elektro – STEI ITB 4

 LAMPIRAN

SYNTAX MATLAB

//inisialisasi
>>f_s1 = 400;
>>f_p1 = 2000;
>>f_p2 = 6000;
>>f_s2 = 14000;
>>fs = 48000;
>>Rp = 1;
>>Rs = 20;
>>w_s1 = 2*f_s1/fs;
>>w_s2 = 2*f_s2/Fs;
>>w_p1 = 2*f_p1/Fs;
>>w_p2 = 2*f_p2/Fs;
//cari N & Wn
>>[n,Wn] = buttord([w_p1 w_p2], [w_s1 w_s2], Rp, Rs)
//koef filter disimpa dalam a,b
>>[b,a] = butter(n,Wn)
//plot koef filter
>>freqz(b,a)

ALGORITMA FILTER VISUALDSP++

#include "Talkthrough.h"
#include "math.h"

int buffer_input_left[5];
int buffer_input_right[5];
int buffer_output_left[5];
int buffer_output_right[5];

int tempLeft, tempRight = 0;

int i,j=0;

// Filter Coefficients (from MATLAB):

int a[5]={536870912, -1453348081, 1574796169, -838799089, 194152261};
int b[5]={45943255, 0, -91886509, 0, 45943255};

void Process_Data(void)
{
for(i = 4; i > 0; i--)
{
buffer_input_left[i] = buffer_input_left[i - 1];
buffer_input_right[i] = buffer_input_right[i - 1];
buffer_output_left[i] = buffer_output_left[i - 1];
buffer_output_right[i] = buffer_output_right[i - 1];
}
buffer_input_left[0] = iChannel0LeftIn;
Laporan Praktikum - Laboratorium Dasar Teknik Elektro – STEI ITB 5
 buffer_input_right[0] = iChannel0RightIn;

tempRight = 0;
tempLeft = 0;
for(i = 0; i < 5; i++)
{
tempLeft += (buffer_input_left[i] >> 15) * (b[i] >> 16);
tempRight += (buffer_input_right[i] >> 15) * (b[i] >> 16);
}

for(i = 1; i < 5; i++)

{
tempLeft -= (buffer_output_left[i] >> 15) * (a[i] >> 16);
tempRight -= (buffer_output_right[i] >> 15) * (a[i] >> 16);
}
tempLeft = tempLeft * 4;
tempRight = tempRight * 4;

buffer_output_left[0] = tempLeft;
buffer_output_right[0] = tempRight;

iChannel0LeftOut = tempLeft;
iChannel0RightOut = tempRight;

iChannel1LeftOut = iChannel1LeftIn;
iChannel1RightOut = iChannel1RightIn;
}

Laporan Praktikum - Laboratorium Dasar Teknik Elektro – STEI ITB 6