Kupdf - Net Pengolahan Sinyal Digital Dengan Pemograman Matlab
Kupdf - Net Pengolahan Sinyal Digital Dengan Pemograman Matlab
Kupdf - Net Pengolahan Sinyal Digital Dengan Pemograman Matlab
PAN
UMUR
B
@*nAHATLMU
PENGOIAHAN
SINYAL DIGITAL
lr$t8fi]t Pffi n0snfimffi mmm[
Dadang Gunawan
Filbert Hilman Juwono
PENCOLAHAN SI NYAL DICITAT
dengan Pemrograman MATTAB i
I
I
I
Oleh : DadangGunawan
t
!
Edisi Pertama
Cetakan Pertama, 2012
GRAHA ILMU
Ruko Jambusari No. 7A
Yogyakarta 55283
Telp : 027 4-88983 6; O27 4-889398
Fax. : 0274-889O57
E-mail : info@grahailmu.co.id
1. Teknik I. Judul
ruTAPE]YGANTAR
engolahan Sinyal Digital telah banyak digunakan dalam berbagai aplikasi. Sebagai contoh,
aplikasi-aplikasi tersebut meliputi teknik pengenalan suara, kompresi sinyal (data, gambar), dan
juga televisi dan telepon digital. Pengolahan Sinyal Digital juga sangat membantu dalam
penanganan bencana alam, seperti dapat diciptakannya teknologi pemantau gempa dan tsunami. Selain
iftl
juga aplikasi biomedik, seperti sinyal electrocardiography (ECG) dan electroencephalogram (EEG),
sangat terbantu dengan adanya teknologi digital.
Buku ini memberikan dasar-dasar teknik yang digunakan dalam Pengolahan Sinyal Digital. Buku
ini terbagi menjadi 7 bab. Bab I memberikan gambaran mengenai sinyal, yaitu jenis-jenis sinyal.
Walaupun dibahas mengenai sinyal kontinu, penekanan masih tetap pada sinyal diskrit. Bab 2 membahas
mengenai sistem dan operasinya. Pengolahan Sinyal Digital memang merupakan suatu bagian khusus dari
subjek Sinyal dan Sistem sehingga penekanan intinya tidak lepas dari topik tersebut. Bab 3 membahas
mengenai Sistem LTI waktu diskrit. Sistem LTI sering diasumsikan karena paling mudah untuk
diaplikasikan. Bab 4 membahas mengenai transformasi dari domain waktu ke domain frekuensi yang
dinyatakan sebagai representasi Fourier dengan penekanan pada Discrete Fourier Transform (DFT) dan
Discrete'Time Fourier Transform (DTFT). Bab 5 membahas mengenai hansformasi z, suatu transformasi
yang berguna untuk menganalisis sistem diskrit. Bab 6 membahas mengenai filter Finite Impulse
Response (FiR) sedangkan bab 7 membahas mengenai filter Infinite Impulse Response (IIR). Tiap-tiap
bab juga dilengkapi dengan program MATLAB yang mendukung penjelasan-penjelasan yang ada.
Diharapkan Anda dapat mengembangkan program MATLAB tersebut jika telah memahami betul teori-
teori yang disajikan.
vi Dosar Pengolahan Sinyal Digitol
Akhirnya. kami berharap buku ini'dapat merijadi dasar untuk aplikasi dari Pengolahan Sinyal
Digital dan kami juga berharap dapat memberi manfaat bagi pengembangan ilmu.
Penulis
DAFTARlS'T
KATA PENGANTAR v
DAFTAR ISI vii
BAB 1 SIR{YAI, 1
1.1 Pendahuluan I
1.2 Macam-macam Sinyal 2
1.3 Operasi lJasar Sinyal I
1.4 Sinyal-sinyal Dasar 15
1.5 IV1engapa Pengolahan Sinyal Digital? 26
1.6 Kerangka Isi Buku 28
Soal-soal 34
BAB 2 SISTEM 37
2.1 Pendahuluan 37
2.2 Klasifikasi Sistem 38
Soal-soal 45
BAB 3 SISTEM LTI WAKTU-DISKRIT DALAM DOMAIN WAKTU 49
3.1 Komponen Dasar Sistem 49
3.2 Persamaan Perbedaan 5l
3.3 Konversi Sinyal Analog Menjadi Digital 58
3.4 Konvolusi 68
3.5 Korelasi 76
3.6 Interkoneksi Sistem LTI 82
wtI Dasar Pengolahan Sinyol Digital
-oo0oo-
BAB 1
Sinyal
1,1 PENDAHULUAN
inyal banyak dijumpai dalam keseharian kita seperti suara, musik, gambar, video. Selain itu,
fenomena alam seperti temperatur, kelembapan, arah angin juga termasuk sinyal. Jika kita
memeriksakan diri ke dokter biasanya akan diukur tekanan darah dan jika kita masuk ke ruang
ICU kemungkinan kita melihat denyut jantung seseorang yang ditampilkan dalam layar peralatan medis.
Tekanan darah dan denyutjantung dapatjuga digolongkan sebagai sinyal.
Sinyal didefinisikan sebagai kuantitas fisik yang membawa pesan atau informasi. Satu hal yang
membedakan antara sinyal dan gelombang adalah masalah informasi; sinyal membawa infonnasi
sedangkan gelombang tidak. Sinyal biasanya direpresentasikan secara matematik dalam bentuk fungsi
satu atau lebih variabel. Sinyal yang hanya mempunyai satu variabel disebut sinyal satu dimensi (l-D),
sebagai contoh adalah sinyal suara yang amplitudonya hanya tergantung pada satu variabel yaitu waktu.
Untuk sinyal l-D, variabel bebasnya biasanya adalah waktu. Sinyal dengan dua atau lebih variabel
disebut sinyal multi dimensi (M-D). Sebagai contoh, sinyal gambar (image) merupakan fungsi dua
variabel ruang (koordinat x dan y). Contoh lain adalah intensitas medan listrik dapat dinyatakan dalam
variabel waktu dan ruang.
Sinyal yang paling mudah diukur dan sederhana adalah sinyal listrik sehingga sinyal listrik
biasanya dijadikan kuantitas fisik referensi. Sinyal-sinyal lain seperti temperatur, kelembapan, kecepatan
angin, dan intensitas cahaya biasa diubah terlebih dahulu menjadi sinyal listrik dengan menggunakan
transducer.
Dosar Pengolahan Sinyol Digital
Istilah pengolahan sinyal berhubungan dengan metode-metode analisis, modifikasi, atau ekstraksi
informasi dari suatu sinyal. Secara umum, pengolahan sinyal merupakan representasi matematik dan
algoritma untuk melakukan proses-proses analisis, modifikasi, atau ekstraksi informasi seperti yang
disebutkan di atas. Sinyal diolah di dalarn suatu sistem yang akan dibahas pada bab berikutrya.
Sedangkan istilah digital berarti bahwa pengolahan sinyal tersebut dilakukan menggunakan komputer
atau perangkat digital.
Sinyal analog adalah sinyal waktu-kontinu dengan amplitudo yang kontinu. Contohnya adalah sinyal
suara. Sinyal digital adalah sinyal rvaktu-diskrit dengan amplitudo bernilai-diskrit yang digambarkan
dalam dalam jumlah digit yang terbatas. Contohnya adalah sinyal inusik yarg terdigitasi yang
tersimpan dalam CD-ROM.
Selain itu, terdapat juga sinyal data-tercacah dan sinyal boxcar. Sinyal data-tercacah (sampled-data
signal), yaitu sinyal waktu-diskrit yang dengan amplitude bernilai kontinu. Sinyal boxcar
terkuantisasi (quantized boxcar signafi yaitu sinyal waktu-kontinu dengan amplitudo bernilai-diskrit.
Sinyal-sinyal tersebut digambarkan dalam Gambar l.l.
Bab 1: Sinyal
Sinyal digital
Gambar 1,1 Sinyal waknt-kontinu, sinyal digital, sinyal data-tercocah, dan sinyal boxcar terkuantisosi
Sinyal waktu-kontinu variabel bebas kontinunya dilambangkan dengan l, sementara sinyal waktu-
bebas variabel bebas diskritnya dilambangkan dengan n. Sebagai contoh, x(t) menggambarkan suatu
sinyal waktu-kontinu dan x[n] menggambarkan suatu sinyal waktu-diskrit. Setiap anggota, x[n], dari
suatu sinyal waktu-diskrit disebut sampel.
Secara matematik, sampel unfuk sinyal waktu-kontinu x(l) pada saat t: nT, adalah
Contoh 1.1
Kita akan menentukan tiga sampel positif pertama untuk sinyat x(r)=sin(al) dengan periode
sampling 0,5 detik.
Berdasarkan persamaan (1.1) maka
dengan x"(t) adalah komponen sinyal genap dan .r, (r) adalah komponen sinyal ganjil. Dengan
= x"(t)- *,(t)
'(-l) (1.s)
,,(r)= (1.7)
ll-tl-,(-r)]
persamaan (1.2) - (1.7) juga berlaku untuk sinyal diskrit. Jika x(f) merupakan sinyal kompleks,
yaitu x(t) = o(t)+ jb(t) maka sinyal tersebut dikatakan simetri konjugat jika
dengan "r"(r) adalah konjugat Oari x(l). Dongan menyubstitusi nilai-nilai pada persamaan (l.g)
Contoh 1.2
Bagian genap dau ganjil dari sinyal xlnl=lcos(arrz)+Bsin(aron) dapat ditentukan sebagai
berikut.
*
"frl =| [, t
r: +x [-r]] = ] [,] "o. { aon)+B sin ( aror ) + A cos(aon ) - r sin ( aron )]
= rrs (ar,r)] = A cos(aon)
|1, ^
*,ln)= , ,o, aon)+B sin (aroz) - r cos (aron ) + B sin (oon)]
f,l-lr1- [-r]] = ] [,r {
= j;zrrin (r',)l= B sin(a,n)
Contoh 1.3
g
x[r]=
{: 4 ? 0 6 3 5} dapat ditentukan sebagai
Bagian genap dan ganjil oari
,[-,]={s s 3 6 o ? -4 3}
*"1,f=)l.u.,t-,tl={i
i i -2 ? -z Z 1, Z il Z
,.[nt=)l.w-,[-,]l={j Z-i i-z g 2;iZil
Dosar Pengolahan Sinyal Digital
t^l-- (1.10)
'T
Frekuensi pada persamaan (1.10) dinyatakan dalam satuan Hz {hertz,) atau siklus per detik. Cara lain
menyatakan frekuensi adalah dengan satuan radian per detik yang disebut sebagai frekuensi sudut
(angular).
.l-
a=2nf=""
"T (l.ll)
Contoh sinyal periodik dengan periode 0,2 detik ditunjukkan pada Gambar 1.2.
Erktu ,
Sinyal yang tidak memenuhi persamaan (1.9) disebut sinyal aperiodik. Mirip dengan sinyal waktu-
kontinu, untuk sinyal waktu-diskrit periodik memenuhi
dengan N adalah konstanta bilangan bulat positif. Nilai Nterkecil yang memenuhi persamaan (1.12)
disebut periode dasar untuk sinyal waktu-diskrit x[n]. Frekuensi sudut dasamya diberikan oleh
a=Z
N (1.13)
Contoh sinyal periodik diskrit dengan periode N: 8 ditunjukkan pada Gambar 1.3.
Bob 1: Sinyal 7
xlrl
xfnl= r, [r]n ortnj dan hfnl= x,lnfxr[z] jrs, periodik dengan periode dasar
N,Nt
N* (1.14)
gcd (.1r, , ,rr, )
dengan gcd(N,, N, ) adalah pembagi bersama terbesar (greatest common divisor) dari l[, dan 1/, .
Contoh 1.4
Jika x[n] =cos(ntrlI2)+sin(nnll8) maka periodenya dapat dicari sebagai berikut. Sinyal x[n]
merupakan penjumlahan dari 2 sinyal, sinyal pertama mempunyai periode Nt =24 dan sinyal kedua
mempunyai periode Nz =36. Karena itu periode x[z] adarah , = =4ff =r,
,affi
r
4. Sinyal deterministik dan sinyal acak
Sinyal deterministik didefinisikan sebagai sinyal yang dapat ditentukan melalui suatu proses tertentu
seperti ekspresi matematis atau aturan tertentu atau tabel look-up. Sedangkan sinyal acak adalah
sinyal yang dibangkitkan dengan cara acak dan tidak dapat diprediksi untuk waktu yang akan datang.
Gambar 1.2 merupakan contoh sinyal deterministik. Sinyal derau (noise) dan EEG
(electroencephalogram) yang ditunjukkan pada Gambar 1.4 adalah contoh sinyal acak.
Dasar Pengolahan Sinyol Digitol
v'(t\
plt)=t (1.15)
atau
Dalam banyak sistem nilai R biasanya dinormalisa si unity (1 ohm), sehingga, secara umum daya
berbanding lurus dengan kuadrat tegangan atau arus. Oleh sebab itu, untuk sinyal x(t), tanpa
memandang apakah sinyal tersebut merupakan tegangan atau arus, daya sesaatnya diberikan
oleh
Energi total dari sinyal waktu-kontinu merupakan integral dari daya sesaat, yaitu
o = !x'(t)dt (1. l 8)
Daya rata-rata didefinisikan sebagai energi total dibagi total waktu sehingga dapat ditulis secara
matematik sebagai
, Tl2
=
" l,1g* [ x'(t)at
- -rl2
(r.re)
Jika sinyal x(t) periodik dengan periode dasar 7 maka dayarata-tata menjadi
a T11
' t-
p =+ ! x'(t)at (1.20)
' -rlz
Untuk sinyal waktu-diskrit, persamaan (1.18) - (1.20) diubah menjadi persamaan (1.21) - (1.23).
P= lim+ i *'ln|
)|tl nu^.
N--+* t
(t.22)
Sinyal energi adalah sinyal yang mempunyai energi terbatas, atau dengan kata lain memenuhi
0 < .A < o, Jika melihat persamaan (1.19) maka sinyal energi mempunyai daya nol. Sebaliknya, jika
sinyal mempunyai daya terbatas, atau 0 < P < oo maka disebut sinyal daya. Sinyal daya mempunyai
energi yang tak terbatas.
Contoh 1.5
Daya ruta-rata untuk sinyal pada Gambar 1.2 dapat dicari dengan menggunakan persamaan (1.20)
sehingga didapatkan
0,2
P= | lut = =r
0,2 o!'13'
0
l. Penskalaanamplitudo
Jika x(f ) adalah sinyal waktu-kontinu maka suatu penskalaan amplitudo diberikan oleh:
y(t)=fi.{,) (1.30)
Operasi diferensiasi ini terdapat pada induktor, yailu beda tegangan antara ujung-ujung induktor
merupakan turunan pertama arus yang lewat pada induktor tersebut terhadap waktu dikalikan dengan
induktansi.
5. Integrasi
Jika x(r) adalah sinyal waktu-kontinu maka integral terhadap waktu diberikan oleh
Salah satu contoh operasi integrasi terdapat pada kapasitor, yaitu beda tegangan antara ujung-ujung
kapasitor sebanding dengan integral arus yang lewat pada kapasitor tersebut terhadap waktu.
Sinyal x(t-to) merupakan x(r) vane digeser sejauh lo. Jika lo > 0 maka sinyal x(l) aigeserke
kanan, sebaliknya jika lo < 0 maka digeser ke kiri. Hal tersebut ditunjukkan pada Gambar 1.5 yang
menunjukkan sinyal kotak yang digeser ke kanan dengan lo = I (ditunjukkan dengan dash *) dan
digeser ke kiri dengan lo = -1,5 (ditunjukkan dengan titik ..). Sinyal yang mengalami pergeseran ke
Contoh 1.6
t+1, -1<r<0
I
,\ | ,, o<t<2
x\t)=1-,*r,
2<t<3
L 0,
I
yang lain
Maka sinyat x(t -2) dan x(t +3) dapat dicari sebagai berikut.
Yang pertama adalah dengan menggeser sinyal ke kanan sebanyak 2 satuan, dapat diperoleh dengan
mengganti t = t -2sehingga didapatkan
I t-1, l<t<2
x(t
,^:,,::
-z)=
] _,1r.
I o, yang lain
Yang ke dua adalah dengan menggeser sinyal ke kiri sebanyak 3 satuan. Dengan cara yang sama
didapat
It++, -4<t<-3
x(,+3)=] l;, j,:i:;
I o, yang lain
2. Pencerminan
Sinyal ,(-f) didapatkan dari sinyal x(f ) aengan melakukan pencerminan terhadap I = 0 seperti
ditunjukkan pada Gambar 1.6. Aplikasi dari operasi ini adalah jit<a x(f) merepresentasikan sinyal
video yang keluar dari suatu video recorder maka sinyal ,(-t) merepresentasikan pemutaran balik
(rewind) video tersebut (dengan asumsi kecepatan putar dan rewind adalah sama).
-Tr
,1,_O
(a)
rz -Tz
(b)
0 Ir
Seperti yang telah dijelaskan sebelumnya, jika x(-t)=r(r) untuk semua t maka sinyal tersebut
adalah sinyal genap; sebaliknya, jika x(-f)=-x(/) untuk semua t maka sinyal tersebut adalah
sinyal ganjil.
Contoh 1.7
Jika sinyal diskrit
fl, n=l
,[r]=]-r, n=-l
[0, r=0dan lrlrt
Kita akan membuktikan yl"l= xln)+ *l-rl.
"
Sinyal *l-nl dapat diberikan sebagai
[-t, n:r
*l-"1=l l, n =-l
[0, n=0danlrlrr
Sehingga jika dijumlahkan dengan x[n] hasilnya adalah 0 untuk semua,?.
I
Bob 1: Sinyal 13
3. Penskalaan waktu
Jika sinyal x(l) ingin dibentuk menjadi x(Zt) *rl ,(;r) maka pada sinyal tersebut dilakukan
penskalaan waktu seperti ditunjukkan pada Gambar 1.7. Secara umum penskalaan waktu dapat
ditulis sebagai
v(0 , (i,)
I
_!') 0 !')
(b) (c)
Untuk sinyal waktu-kontinu terlihat jika a > 1 maka sinyal tersebut akan terkompresi, sedangkan
jika 0 < a <l sinyal akan terekspansi. Unfuk sinyal waktu-diskrit, jika fr > l maka sebagian nilai
akan hilang. Hal tersebut ditunjukkan pada Gambar 1.8. Untuk k=2, sinyal-sinyal untuk
n= *1,t3,!5,... akan hilang.
ylnl = x[2nl
o o
(a) (b)
Jika operasi pergeseran dan penskalaan waktu dikombinasikan, yaitu untuk mendapatkan sinyal
y(t)=x(at-b) maka langkah pertama yang dilakukan adalah pergeseran v(t)=x(t-b) aan
Contoh 1.8
Diketahui sinyal x(r) seperti pada Gambar 1'9(a). Sinyal y(t)=x(Zt+3) dapat dicari dengan
langkah-langkah sebagai berikut. Langkah pertama adalah melakukan pergeseran 3 satuan ke kiri,
menjadi seperti pada Gambar 1.9(b). Langkah kedua adalah dengan melakukan penskalaan waktu 2
kali, yaitu sinyal akan terkompresi 2 kali, seperti pada Gambar 1'9(c).
I
*1 0 I -44-A-l A -'3-4-l O
Contoh 1.9
Suatu sinyal diskrit diberikan oleh (lihat Gambar 1.10(a))
I t, n =1,2
j-1,
I
x[n ]= n = -7,-2
I o, r =0 dan lnlrz
maka untuk menentukan yl"7: xlZn+3] hngkah-langkahnya adalah sebagai berikut. Pertama kali
It, n=-1,-2
vlnf=xln+:l={-t,
LJLJI
n=*4,-5
I o, n: -3,fl 2 -l,n < -5
Langkah ke dua adalah penskalaan dua kali, yang akan mengkompresi sinyal menjadi seperti pada
Gambar 1.10(c).
lt' n=-l
yrn)= vlznl= n=-2
hl, yang lain
I
tub 1: Sinyol 15
vltrI=][a+3]
Y[n] = v[2nl
l. Sinyal eksponensial
Secara umun sinyal ini mempunyai bentuk
dengan B dan a adalah konstanta. Parameter B disebut amplitudo. Jika a > 0 maka sinyal
eksponensial tersebut akan naik; sebaliknya jika a<0maka sinyal eksponensial tersebut akan
menurun. Hal ini ditunjukkan pada Gambar 1.1l.
x(r)
4.5
4
3.5
4 3
2.5
x[nl 3 rlnl 2
1 t.5
I
I
0.5
0
:10 -E -4 -20 2 :t0 -8 -6 -4 -2 0 r0
waktu n rvaktu n
Gambar l.l2 Sinyal eksponensial dislvit (o) 0 < r <1 (b) r > I
2. Sinyal sinusoidal
Secara umum, sinyal sinus dan kosinus disebut sebagai sinyal sinusoidal. Sinyal kosinus pada
dasarnya adalah sinyal sinus yang digeser nf 2 radian ke kiri. Sehingga, sinyal kosinus dapat
dinyatakan dalam sinus dan begitu juga sebaliknya. Dalam buku ini sinyal sinusoidal referensi yang
digunakan adalah kosinus yang secara umum dinyatakan sebagai
dengan A adalah amplitudo, a adalah frekuensi sudut dalam radiar/detik, dan $ adalah sudut fasa
dalam radian.
Sinyal sinusoidal adalah sinyal periodik dengan periode
)r
(1.37)
2nm
O_ nx,N : bilangan bulat (1.3e)
N
Tidak semua sinyal sinusoidal diskrit periodik. Untuk periodik frekuensi sudutnya harus merupakan
kelipatan 2n seperti ditunjukkan oleh persamaan (1.39). Contoh sinyal sinusoidal kontinu dan
diskrit ditunjukkan pada Gambar 1.13 dan 1.14.
r(r) O
-5
o.2 0.3 0.4 0.5 0.6 0.7
r')iral*u, ,
0.8
0.6
0.4
0.2
xlnl o
-0.2
-o.4
-0.6
-0.8
0
:t0 -8 -6 -4 -2
n'afitu n
Bentuk sinyal sinusoidal seperti pada persamaan (1.36) disebut sebagai bentuk polar. Sinyal
sinusoidal juga dapat dinyatakan dalam bentuk rectangular, yaitu terdiri dari komponen sinus dan
kosinus, seperti ditunjukkan persamaan (I .40).
18
Dasar Pengolahan Sinyal Digital
C2 + D2 = A'(cos' S+sin' Q)
(1.4r)
A2 =C2 +D2 e A=JC\D'
dengan
A=@ (r.44)
dengan ei,, adalahsinusoidal kompleks dengan amplitudo I dan fase 0 dan Aeit adalah amplitudo
kompleks.
akan didapatkan sinyal yang
Jika sinyal sinusoidal dikalikan dengan sinyal eksponensial menurun
damped sinusoidal signal)
disebut sebagai sinyal sinusoidal teredam eksponensial (exponentially
Bab 1: Sinyal 19
yang ditunjukkan pada Gambar 1.15. Sinyal sinusoidal teredarn Gksponensial diberikan oleh
persamaan (1.47).
60
50
40
30
20
r(r)
l0
0
-10
-20
-30
-,*0 0 0.1 o.2 I),3 0.4 0.5 0.5 0.7 0.8 0.9 I
wrttu I
l't. t >O
u(tl=1'
"t'/-|0 (1'48)
t<O
(a) (b)
Contoh 1.10
Sinyal rectangular dapat dibentuk dari penjumlahan dua sinyal unit step. Secara umum, sinyal
rectangular dengan amplitudo ,4 didefinisikan sebagai
Untuk sinyal rectangular seperti pada Gambar 1.17 terbentuk dari persamaan-persamaan
x( ,)
I
A
-0.5 0
Contoh 1.11
Fungsi signum didefinisikan sebagai
[],
l>o
sgnr=] o, t=o (l.sl)
[-r ,<o
Fungsi tersebut dapat dilihat pada Gambar I . I 8 dan dapat juga dinyatakan dalam unit step sebagai
dengan syarat x(l) tontinu pada x = 0. Beberapa properti untuk fungsi Dirac delta tersebut adalah:
l. a(o)= r
2. d(r)=9, t*O
22 Dasor Pengolohan Sinyal Digital
3. Id(t)at=t
4. d(r) adalah tungsi genap karena d(r)= 6(-t)
Bentuk diskrit dengan mudah dapat ditulis
u4={t:
[0, n:=:
*0 {r s4)
Fungsi Dirac delta kontinu dan diskrit ditunjukkan pada Gambar 1.19.
0
0
(a) (b)
Fungsi impuls merupakan turunan pertama dari fungsi unit step, dan sebaliknya juga unit step
merupakan integral dari fungsi impuls.
d(t)=*,al (l.ss)
u(t)='jo(r)at (1.s6)
=\*(ro),
"- { tt < to < tz
(1.57)
Jx(r)a(r -to)dt o, yang rain
23
Bab 1: SinYal,
Terlihat dari persamaan (1.57) jika sinyal x(f) a*aikan dengan d(r-rr)dan diintegral selama
selainnyaadalahnol,dengancatatantoadadalamrentangt|<to<t2.
(1.58)
x(t)a(t-t) = x(ro)a(r -ro)
persamaan (1.58) menggambarkan bahwa jika mengalikan sinyal x(f ) aengun 6 (t - t') maka akan
pada saat sinyal unit impulse terdefinisi'
dihasilkan srnyal x(to ) Vaitu hanya terdefinisi
penskalaan pada unit impulse dapat ditulis sebagai
Properti penskalaan (scalirzg property).Ptoperti
(1.5e)
d(at+r1:frr(,.*)
unit doublet' didefinisikan sebagai
Turunan fungsi impulse. Turunan fungsi unit impulsedisebut
l2
'[*(t)d'(t tt <to <t2 (1.60)
-to)dt = -r'(lo),
,l
1. x(t)A'(t-lo) = x(to)5'(t-rr)-''(rr)a'(r-r,)
t
2. Iu'(r-t)dr=a(r-r,)
r. u'r*+b) = !u(,*l)
3. "\"._/
lrl \ ,/
impulse diberikan sebagai
Turunan kedua unit impulsedisebut triplet.Turunan ke-a dari unit
t2
1'20'
Representasi unit doublet ditunjukkan pada Gambar
24
Dosar Pengolahan Sinyat Digitat
d'(r)
Contoh 1.12
l4
Nilai dari dan
!(t+*)d(t-3)dt
-z
lp+t')d(t-z)at
_2
dapat dicari dengan langkah-langkah
I
berikut' untuk
I(t+t')a(t-3)dt,
-2
berdasarkan persamaan (1.56) nilai /o tidak berada dalam
5. Fungsi ramp
Fungsi ramp didefrnisikan oleh
waktu I
6. Fungsi sampling
Fungsi yang paling sering muncul pada spektrum frekuensi adalah fungsi sampling Sa(x) , yang
didefinisikan sebagai
sa(x)=* (1.64)
Fungsi Sa(x) merupakan fungsi sinus yang teredam karena nilai pembilangnya terbatas, yaitu
lsinxlSl, namun penyebutnya akan terus naik. Fungsi Sa(x) ditunjukkan pada Gambar 1.22.
Terlihat fungsi tersebut adalah fungsi genap dan memiliki puncak pada saat x = 0 dan akar-akar
pada x =*nfi .
-2n -tt tT 2n
Gambar 1.22 Fungsi Sa(x)
26 Dasor Pengolahan Sinyal Digital
Fungsi yang berkaitan dengan fungsi sampling adalah fungsi sinc(x), yaitu
Fungsi sinc(x) ditunjukkan pada Gambar 1.23 yang menunjukkan fungsi sinc(x) adalah tungsi
Pengolahan sinyal digital dari sinyal analog pada dasarnya meliputi tiga tahapan, yaitu:
konversi sinyal analog menjadi digital, mengolah sinyal secara digital, dan kemudian
mengembalikan lagi sinyal digital menjadi analog. Proses digitalisasi, atau sering disebut proses
Bab 1: Sinyol 27
pulse code modulation (PCM) terdiri dari proses sampling, kuantisasi, dan koding. proses
sampling biasanya diperoleh dengan proses sample-and-hold,hasil dari proses sampling disebut
sinyal data-tercacah, atan sering juga disebut sinyal pulse amplitude modulation (pAM). proses
kuantisasi dan koding biasanya disebut sebagai analoglo-digital converter (ADC).
Pengembalian dari sinyal digital menjadi sinyal analog adalah proses sebaliknya yaitu dengan
digital-to-analog converter (DAC) dan filter lowpass. Proses tersebut ditunjukkan pada Gambar
L24.
dnyd
dllta
l. Sistem digital tidak harus bekerja dengan nilai yang benar-benar tepat sehingga sinyal digital kurang
sensitif terhadap toleransi. Dengan demikian sistem digital lebih tahan terhadap perubahan
temperafur dan parameter-parameter eksternal lainnya.
2. Dengan berkembangnya sirkuit very large scale integrared (VLSI) maka dimungkinkan untuk
membuat sistem pengolahan sinyal digital yang cukup kompleks hanya pada satu chip.
3" Dalam pernrosesan digital dimungkinkan terjadi pembagian-waktu (timesharing) dalam satu
prosesor. Konsep timesharing adalah menggabungkan dua sinyal digital menjadi satu dengan time-
division multiplexing. Sinyal multiplexing tersebut kemudian dikirimkan ke prosesor. Dengan adanya
timesharing maka akan menurunkan biaya pengolahan per sinyal.
4. Sinyal digital dapat disimpan dalam media penyimpan (magnetic tape, disk, optical disk) dalam
jangka waktu yang lama tanpa ada kerusakan/hilang informasi. Sinyal yang sudah disimpan tersebut
' dapat diolah secara off-line. Berbeda halnya dengan sinyal analog yang jika disimpan tidak tahan
lama dan jika terjadi kerusakan tidak dapat diperbaiki.
5. Dapat mengolah sinyal yang mempunyai frekuensi sangat rendah, seperti sinyal gempa (seismic)
yang jika diolah dengan menggunakan sistem analog akan memerlukan induktor dan kapasitor
dengan ukuran yang besar.
Sinyal digital juga tidak terlepas dari kelemahan, diantaranya adalah meningkatnya kompleksitas
sistem jika mengolah sinyal analog sebab perlu adanya tambahan perangkat seperti analog-to-digital
canverter (ADC) dan digital-to-analog converter (DAC) seperti ditunjukkan pada Gambar L.24. yang
kedua adalah adanya keterbatasan frekuensi yang dapat diolah. Hal ini berhubungan dengan syarat dari
28 Dasar Pengolahan Sinyal Digital
frekuensi sampling yang akan dibahas kemudian. Yang terakhir adalah sistem digital dibangun dengan
menggunakan divais aktif (seperti transistor) yang akan meningkatkan konsumsi daya listrik.
Bab 4 akan membahas mengenai representasi Fourier yang digunakan untuk mengubah
sinyal dari domain waktu ke domain frekuensi. Pada dasarnya ada 4 macam representasi Fourier
yaitu Fourier Series (FS), Fourier Transform (FT), Discrete-Time Fottier Series (DTFS), dan
Discrete-Time Founer Transform (DTFT). Semuanya akan dibahas, namun akan menitik-
beratkan pada DTFS dan DTFT.
Bab 5 akan membahas mengenai transformasi Z yang akan banyak digunakan dalam
filtering. Bab 6 akan membahas mengenai filter digital yaittfinite impulse responsse (FIR) dan
Bab 7 membahas mengenai filter digital infinite impulse responsse (IIR).
Pojok
MATLAB
Untuk menyatakan fungsi unit step diskrit pada MATLAB, kita dapat menggunakan perintah
ones (1,N)
dengan Nadalah panjang unit step yang terdefinisi oleh N > 0. Berikut contoh programnya:
% Program 1.1
? Menggambar fungsi unit step diskrit
% Menentukan paniang signal
5
N = input ('masukkan panjang sinyal : ')
x : 0: (N-1);
y: ones(1,N);
% Mel-akukan plot sinYa1
stem (x, Y)
axis ( [-1 N -0 .2 1.2]l
xfabel- ( 'sampel' )
y1abe1 ( 'amplitudo' )
Bab 1: Sinyal 29
Jika,dibei input
N= 10
Perintah
axis ( [xmin xmax ymin ymax] )
digunakan untuk menyetel batas minimum dan maksimum sumbu x dan sumbu y.
smp€t
Fungsi unit impuls dengan panjang Ndengan N>0 dapat dinyatakan menggunakan perintah
unit_impuls = [1 zeros (N-1) ]
Dengan menggunakan panjang sinyal yang sama dengan contoh sebelumnya, kita akan mendapatkan hasil
seperti pada Gambar 1.26.
f--
t
i
I
I
I
0.6
to
f
.=
E.
E
t 0.4
sampel
Beberapa fungsi untuk membangkitkan sinyal juga dapat dilakukan dengan MATLAB, yaitu
exp (x) , sin (x) , cos (x) , square (x) , sawtooth (x)
Sebagai contoh kita akan membangkitkan fungsi eksponensial kompleks seperti pada program berikut:
% Program 1.3
% Membangkitkan fungsi eksponensial konpleks y[n] : C * exp(jkn)
% Menentukan konstanta-konstanta
6
C:input ('masukkan konstanta C : ')
k=input('masukkan konstanta k =')
N:input('masukkan panjang sinyal : I
)
Bab 1: Sinyal 31
--1 . \1 .
y= C*exp (j *k*n) ;
z
? Melakukan plot sinyal
a
stem(n, real (y) , 'b')
hold on
stem (n, imag (V) , 'rd: ')
xIabeI ( 'waktur )
y1abel ( 'ampli-tudo' )
Iegend('bagian real','bagian imajiner' )
Jika kita memasukkan C: 2, k:0.5, dan t/: 20 maka didapatkan hasil seperti Gambar 1.27. Fungsi
real(x) dan imag(x) menentukan bagian riil dan imajiner dari suatu sinyal kompleks x berturut-turut.
Z
' bagian real
1.5- i ,,
1.1 I
1/
i-
lli
o ''ili
)|
!
=
E.
E
6 ld)
5
I'
-0.5 r
I
-r I
-1.5
1,
,.1.1
\j, ,.
2' - r i] r --'i I- ..L L , | +,
0246810121416t8 h
waktu
Selanjutnya kita akan mencoba membuat sketsa dari fungsi sinc(-r), seperti pada Gambar 1.23.
MATLAB menyediakan perintah dengan narnayang sama, yaitu
sinc (x)
32 Dasar Pengolahan Sinyal Digital
1:-- --.T 1
kontinu
diskrit
0.8 i
0.6 i
0.4 F
o
f
E.
E
" o.zf
l
/i' r
0 \.
-o.2
I
I
-0.4 i'
-8 -6 -4 -- -2 0
waktu
% program 1.5
% Menentukan pergeseran sinyal x2 = xltn _ 5l
z
x1 = f1 2 tl.
N1 : 0:2;
% Menghitung siny.al
x2: IA 0 0 0 O x1]; %xlin _ 5l
N2 : 0:7;
z
st.em (N1, xi ) ,.
hofd on
stem(N2,x2,,r1\
Hasilnya ditLrnjukkan pada Garnba r 1.2g.
3r
z.s I,
i
2l
Soal-Soal
L ' Tunjukkan apakah sinyal-sinyal berikut periooik atau
tidak. Jika periotlik tentrrkan periodenya.
c. x[n)=zcos(J1r)
d. xln)=5sin(0, ttrn)t-4sin(0, 9rn)*cos(0, gan)
e. x(r)= v(l+r(-r) ,cengan ,,(r)= cos(r)u(r)
a .lrl={-z 12 5 o a,i u r}
b. hlnf=n'
i. Sinyal sinusoidal dinyatakan sebagai x(l) = Acos(att+ /), Tentukan daya rata-ratasinyal tersebut.
4. Tentukan energi total dari:
a. Sinyal raisecl-cosineyatlgdtnyatakan sebagar
11.
;1.", (ar)+tl,
*re <r< rf
x(\t\/ =] lo at
l-
l. 0, yang iain
b. Sinyal trapezoidal
\/
lt+S. -5<r_<-4
I C, yang lain
Bab 1: Sinyal 35
s. Gambarlah x(Zt), x(:r + 2), x(-2t - 1), dan xf 3r) + x(lt +2) dari sinyal berikut
11, x=*l
xlnl
12
I
-' r =*2
L I= I
13, x=t3
I
sebagai berikut:
Amplitudo x(l) Oltentukan sebagai x'?*+xi. nrktit<an bahwa arriplitudo ilu besarnya adalah A dan
tidak tergantung pada sudut fasa /.
8. Sinyal sinusoidal x[z] mempunyai periode dasar N : 10 sampel. Tentukan frekuensi sudut C)
a J(,*r)a(t-t)ar
-:.,-
\ , \
b. l[ L,+sinr lal ,- Lla,
j\z /\ 4)
c. !e'5(r +2)dr
-oo0oo-
B^82
Sistem
2.1 PENDAHULUAN
s
istem dapat didefinisikan sebagai suatu proses yang mengubah sinyal masukan menjadi sinyal
keluaran yang baru, yang berbeda dengan sinyal masukan semula. Sistem merupakan suatu proses
sehingga sistem dapat direpresentasikan menjadi berbagai macam proses seperti filtering,
modulasi, dan lain sebagainya. Secara fisik sistem dapat berupa suatu transmitter, kanal, receiver, dan
sebagainya.
Sistem dapat dibagi menjadi sistem waktu-kontinu dan sistem waktu-diskrit. Sistem waktu-
kontinu mengubah sinyal masukan waktu-kontinu menjadi sinyal keluaran waktu kontinu; begitu
juga untuk sistem waktu-diskrit yaitu sistem yang mengubah sinyal masukan waktu-diskrit
menjadi sinyal keluaran waktu-diskrit. Sistem waktu-kontinu dan sistem waktu-diskrit
ditunjukkan pada Gambar 2.1 danGambar 2.2.
Secara matematis, hubungan alttara siir,val keluaran dan sinyal masukan pada suatu sistem,
baik sistem waktu-kontinu maupurr sistenr wakttr-diskrit adalah
1. Linearitas
Suatu sistem dikatakan linear jika memenulii prinsip srq:erposisi dan homogenitas.
a. Superposisi. Jika suatu sistem diberikan inasukan x, (f ) maka akan menghasilkan keluaran
yr(t) au"jika diberikan masukan x, (r) amn menghasilkan keluaran yr(t). Jika sistem yang
l(t) .lit<asistem yang sama diberikan masukan ax(t), dengan u adalah suatu konstanta, akan
menghasilkan keluaran dyU) maka sistem ini disebut memenuhi prinsip homogenitas.
Dari kedua hal tersebut, jika digabungkan maka dapat disirnpulkan suatu sistem disebut linear jika
memenuhi
dengan o dan B adalah konstanta. Sistem yang tidak memenuhi persamaan (2.3) disebut sistem
nonlinear. Persamaan (2.3) berlaku juga untuk sistem diskrit.
' Walaupun dibahas rumus untuk sistem waktu-kontinu, namun berlaku juga untuk sistem waktu-diskrit
Bab 2: Sistem 39
Contoh 2.1
Sistem y(t)=x(t)x(t-l) adalah sistem nonlinear. Ketika sistem itu diberikan masukan axr(t)
akan menghasilkan keluaran yr(t)=axr(t)axr(r-t) -a'*r(t)xr(t-t) dan ketika diberikan
masukan B*r(t) akan menghasilkan keluarany, (t)= /xr(t)frxr(r-r) = Frxr(t)xr(t-t).
Jika diberikan masukan ax,(t)+pxr(t) akan menghasilkan keluaran y(t)=(or-r-r0)+Bxr(r))
(our (r - l) + B.x2 0 - l)) * lt + lz
I
Contoh 2.2
=
ir(r, lnl+ x,[n -r]+ x,ln-zl)* IOQ,lnl+ x,[r-r] + x,fn-21) = lr * lz
I
2. Sistem time-varying dan sistem time-invariant
Suatu sistem yang jika diberikan masukan x(r) akan menghasilkan keluaran l(r)ateUut time-
invariant (atau secara umum, jika variabel bebasnya bukan waktu, disebut shift-invariant) jika
memenuhi
Dengan kata lain, sistem disebut time-invariant jika sinyal masukannya digeser sebesar lo maka
keluarannya juga akan bergeser sebesar lo . Sistem yang tidak memenuhi persamaan (2.4) disebut
t im e, -v ary i n g. Imp lementasi pergeseran adalah d e I ay (p enlndaan).
Prosedur untuk menentukan apakah sistem time-invariant atau time-varying adalah sebagai berikut:
Logika prosedur di atas ditunjukkan pada Gambar 2.3 yang menjelaskan bahwa sistem time-
invariant, jika dilakukan delay (pergeseran) /o pada masukan terlebih dahulu kemudian baru
dimasukkan ke sistem H akan menghasilkan keluaran yang sama dengan keluaran sistem H di-detay
sebesar lo.
x2(l) =
xr(r) Dele] x1(l - 16) Iz(r) .rr(t) tr(r) Deiay
;,:-.i h(r - ro)
<> H + ----i- H ---p
-"+
-+
{a) (bi
Gambar 2.3 Sistem time-invariant (a) Delay dilakukan sebelum masuk ke sistem (b) Delay dilakukan
setelah masuk sistem
Contoh 2.3
Y(t)=cosx(r)
Y(t) =x(r)cos r
r
3. Sistem dengan dan tanpa memori
Sistem disebut tanpa memori, atau sesaat (instantaneor;s) jika nilai keluaran saat ini hanya
bergantung pada nilai masukan saat ini. Sebaliknya, sistem dengan memori jika keluarannya
berganfung pada nilai masukan masa lalu atau masa depan.
Contoh sistem tanpa memori adalah sistem resistor yang menggambarkan hubungan antaramasukan
(arus) dan keluaran (tegangan) sebagai berikut:
Contoh sistem dengan memori adalah sistem kapasitor yang menggambarkan hubungan antara
masukan (arus) dan keluaran (tegangan) sebagai berikut:
1 t.
y(t)=
s J*k)a, (2.6)
dengan C adalah kapasitansi. Dari persamaan (2.6)jelas bahwa nilai keluaran tergantung dari nilai
masukan masa lalu.
Contoh 2.4
Sistem y(t)=x(t-a) dengan a>0 adalah sistem dengan memori sebab jika kita ingin
mendapatkan nilai pada saat t =0 akan memberikan hasil y(0) =x(-a),yan1 bergantung dari
nilai masukan sebelumnya.
Dasar Pengolahan Sinyal Digital
tergantung masukan masa depan (yaitu x(t+I),x(t+2),...). Sistem kausal juga dikenal sebagai
sistem yang dapat direalisasikan secara fisik. Hal ini masuk akal sebab nilai masukan masa depan
tidak akan pernah diketahui. Sistem yang tidak memenuhi syarat kausal disebut sistem nonkausal
atau anticipatory.
Contoh 2.5
Sistem ylrl= xln)- xln-ll, flnl= i ,[f ] , dan ylnf = a*lnf adalah sistem kausal karena
t={
hanya tergantung dari nilai masukan saat ini dan masa lalu saja. Sistem ylnl=xfnl+3xln+4f ,
ylrl= *ln') adalah sistem nonkausal sebab untuk semua nilai n keluarannya tergantung dari nilai
masa depan. Untuk sistem yl"l= xlZn) adalah sistem nonkausal sebab untuk nilai n> 0 akan
tergantung dari masukan masa depan. Untuk sistem yl")= *l-"1 merupakan sistem nonkausal
Jika dua masukan yang berbeda menghasilkan keluarana yang sama maka sistem tersebut tidak
mempunyai invers. Persamaan yang menggambarkan sistem invers adalah sebagai berikut
Contoh 2.6
invers karena x (r ) aan x (r ) + 2tt mempunyai nilai keluaran yang sama (sistem periodik dengan
periode 2tr ).
r
6. Sistem stabil
jika memenuhi bounded-input bounded-output (BIBO), yaitu jika sistem
Sistem yang stabil adalah
diberikan masukan yang terbatas (nilainya) maka keluarannya juga akan terbatas. BIBO
didefinisikan sebagai
Contoh 2.7
Diberikan sistem ylr)= f ln -tl+ x[n] dengan asumsi / [-t] = 0 . Ambil sinyal terbatas sebagai
rtasukan, misalnya xln)=C6fnl dengan C adalah konstanta. Nilai keluaran untuk n=0 adalah
Jelas bahwa keluaran akan semakin besar (tidak terbatas) untuk nilai masukan I < lCl a * sehingga
Pojok
MATLAB
Kita akan mencoba menentukan suatu sistem linear atau nonlinear. Jika ada suatu sistem yang
didefinisikan sebagai !ln)=xln+t)+Zxln)-3x[n-1] yang akan ditentukan apakah sistem
tersebut linear atau nonlinear. Langkah pertama adalah menentukan nilai x[n] yang akan diuji dan
menghitung nilai y, [r]. I-angkah ke dua kita akan memberi faktor pengali, sebagai contoh kita
ambil 5, pada x[r] dan menghitung nilai yrlnl. Jika memenuhi yrln)=5y,[rz] maka sistem
adalah linear.
? Program 2.1
t Menentukan sistem linear atau nonLinear
z
x : randint (L ,200 , [ 0, 100 ] ) ;
% Menghitung sinyal
x1 = [x 0 0]; % x1 [n] : x[n+1]
x2 : [0 x 0]; ? x2 [n] : xlnl
x3 : [0 0 x]; % x3[n] = x[n-1]
z
y1=x1+2*x2-3*x3;
y2 = 5*xL * 2* 1$*x2) - 3* (5*x3);
.,? q*.,1 .
yr - J yL,
% Menentukan jumlah bilangan yang salah
jumlah_sal.ah = symerr (y2, y3)
yang membuktikan bahwa sistem tersebut adalah linear. Akan tetapi jika sistem tersebut diubah
menjadi yl"1= x2ln+ll+2xlnl4xln-1] maka programnya adalah sebagai berikut
% Proqram 2.2
% Menentukan sistem Iinear atau nonlinear
z
x = randint(7,200, [0,100]),'
% Menghitung sinyal
x1 : [x 0 0]; % x1 [n] : x[n+1]
x2:L0x0l;Ex2[n]=xlnl
x3 = [0 0 x] i eo x3 [n] = x[n-1]
z
y1: x1.*x1 + 2*x2 - 3*x3;
y2 = (5*x1; . * (5*x1) + 2* (5*x2) - 3* 1g*x3) ;
y3 = 5*y1;
I Menentukan jumlah bilangan yang salah
j umlah_sa1ah = symer r (y2, y3)
Bab 2: Sistem 45
dan menghasilkan
jumlah_salah = 196
Program selanjutnya adalah program untuk mensimulasikan sistem time-invariant, yaitu sistem yang
ketika masukannya digeser sejauh D makakeluarannya juga begeser sejauh D.
% Program 2.3
? Simul-asi sistem time-invariant
c1f ;
n = 0:40; D: 10;a = 3.0;b = -2;
x : a*cos (2*pi*Q.1*n) + b*cos (2*pi*Q.4*n) ;
xd: [zeros(1,D) x]; B masukan digeser ke kanan sebesar 10
pembllang : t2.2403 2.49A8 2,2403);
penyebut: t1 -0.4 0.751,.
ic = [0 0];t kondj.si awal
t Menghitung y[n]
y = filter (num, den, x, ic) ;
il Menghi tung yd I n ]
yd : filter (num, den, xd, ic) ,.
5
L
46 Dasar Pengolahon Sinyal Digital
€d
E
5'20
-40 L
0 10 15 20 25 30
go
o
E '20
.40
1520
Sinyal selisih
Smpel, n
SOAL.SOAL
l. Tenfukan apakah sistem di bawah ini linear atau nonlinear, kausal atau nonkausal, time-variant atau
time-varying, dengan memori atau tanpa memori.
a. y(t) = tx(t)
b. Y(t)= ax(t)+b
c. Y(t)= *'(t)+bx(t)+c
d. v(t) = x(t - a)
e. cos(x(r))
f. Y(t) =x(r)cosr
o
D' yl"l= xfnl+ *l-"1
h. tln)= xf-n+2]
i. yl"l= xlnl+ nxln+tl
j. tlnl= xlznl
Bab 2: Sistem 47
o<n<3
*[d={1'
Lr
[0,
yang lain
r*m
a. Apakah sistem kausal? Time-invariant? Dengan atau tanpa memori? Mengapa?
b. Sketsalah keluaran jika masukannya adalah seperti gambar berikut.
48 Dasar Pengolahan Sinyal Digital
-oo0oo-
BAB 3
Penjumlah (adder). Penjumlah digunakan untuk menjumlahkan dua atau lebih sinyal.
Penjumlah dapat dilihat pada Gambar 3.1.
= xr[r]+rr[x]
Gambar 3.1Penjumlah
Pengali konstanta (constant multiptier). Operasi ini ditunjukkan pada Gambar 3.2 yang mengalikan
masukan xfnf aengan suatu faktor skala. Model untuk pengali konstanta ada dua macam, yaitu ada yang
tnenggunakan kotak dan yang menggunakan panah. Dalam buku ini kita menggunakan keduanya dengan
maksud yang sama.
50 Dasar Pengolahan Sinyal Digital
'[*] K y=.(r[;l
Pengali sinyal (signal multiplier). Operasi ini mengalikan dua buah sinyal, yaitu x,[rJ aan *rln7.
Ditunjukkan pada Gambar 3.3.
y= xr[a]xr [nJ
Unit delay. Operasi ini melakukan penundaan sinyal yang melewatinya sebanyak satu sampel. Operasi ini
ditunjukkan pada Gambar 3,4. Jika sinyal masukannya adalah xln] maka sinyal keluarannya adalah
*f, -t] . fiAat seperti pada operasi-operasi sebelumnya, operasi ini membutuhkan memori, sebab nilai
*ln-l] aisimpan terlebih dahulu pada saat n-l dankemudian dipanggil pada saat n untuk membentuk
lln)=xln-ll. Penggunaan simbol z-t sebagai unit delay akan lebih jelas pada saat pembahasan
transformasi z.
(Jnit advance. Operasi ini berlawanan dengan unit delay, yaitu memajukan sinyal sebanyak satu sampel,
x[r+1] yang ditunjukkan pada Gambar 3.5. tlnit advance dilambangkan dengan operatot z.
tub i: Sistem LTI Waktu-Diskrit dolam Domain Waktu 51
Contoh 3.1
Representasi diagram blok untuk sistem + 0, 5r [z] + 0, 5x [n - t] Oitunluttan pada
lfnl= 0,25yln -ll
Gambar 3.6. Persamaan tersebut dinamakan persamaan perbedaan yang akan dibahas pada subbab
selanjutnya.
Bl*k hox
vl"l
ilM
Zoryl" - kl=lt*xfn - tcl, n>o (3.1)
t=0 &=0
atau
t ln!=
*(>"t n,
- k) - i, r, l, - ol) (3.2)
dengan ar dan 6* adalah konstanta. Jika konstanta ak tidak nol maka persamaan perbedaan itu disebut
Contoh 3.2
dan diketahui y(-t) = I dan y(1)= 0 . Persamaan perbedaan di atas dapat ditulis
y[o]=
]il-\-]rt-zt.(;)' =lr-* o *,=1
yr,t=
]ilot-|,r-rr.(;) =ii-| r.
+=#
vtzt=lfir-ltpr.[i) =i T-i i.i=#
Bab 3: Sistem LTI Waktu-Diskrit dalam Domoin Woktu 53
I
,
'1.,
Cara yang digunakan pada Contoh 3.2 adalah cara numerik, sedangkan cara yang lebih elegan
adalah
dengan menggunakan cara analitik, yaitu dengan menentukan solusi homogen ddn solusi partikular
dari
persamaan perbedaan' Cara lain untuk mendapatkan solusi persamaan perbedaan
adalah dengan
menggunakan transformasi Zyang akan dibahas pada bab 5.
Pada dasarnya solusi persamaan perbedaan terdiri dari solLsi homogen, yulnl dan solusi
partikular, yo["), yairu
Solusi homogen adalah respons sistem terhadap kondisi awal, dengan masukan xlnl=g. Solusi
partikular adalah respons sistem terhadap masukan *lrl dengan menganggap kondisi awal nol.
Zooyl"-&]=o
k=0
e.7)
laoAa'-k =0 (3.9)
t=0
lara-k =0 (3.10)
t=0
Dari persamaan karakteristik tersebut menghasilkan Nakar, yaitu d1,d2,...,dN. Jika akar-akar tersebut
semuanya berbeda maka solusi homogennya adalah kombinasi linear dari ai ,yaibt
yr[n]= A,ai +4ai+...+ A*afr (3.u)
Dasar Pengolahan Sinyal Digital
Jika ada akar yang berulang, sebagai contoh akar a, berulang sebanyak .( kali dan akar-akar sisanya
Contoh 3.3
nilai
Diberikan persamaan perbedaan ilr1*fit1r-t1*f,rlr-zl-*rt -31=0 dengan awal
/[-1] = A, yl-2)= 6, dan /[-3] - -2 , Persamaan karakteristik, berdasarkan persafiiaan (3.10) adalah
t-$o='*1o'
t2824\''/ -La-' =o (ro')
I
|
ot -Do, *3 o- =o
t2824 :
("-;)("-+)("-i)=o
Sehingga akar-akarnya adalah o, =)., dz =], Oun o, =1. Karena akar-akamya berbeda semua maka
:*
*
{l
I
Bob 3: Srstem LTt Woktu-Diskrit
dalam Domaln Waktu
55
Dengan menggunakan
eliminasi/substitusi didapat
4 =7 , 4 =.-19, Oun 4 =
:
sehingga penyeresaiannya
adarah y
lnl=, (;), _ + (*J, .
^ ;G),
Contoh 3.4
2, 4=1
3.3 maka didapatkan A,=?
' 4=-!g
' 4,dun
sehingga penyelesaiannya
adalah y = .
^[r] i(;), i.(;)"-*(i)'
I
56 Dasar Pengolahan Sinyal Digital
bernilai nol. Pada dasarnya solusi partikular adalah penyelesaian untuk persamaan perbedaan jenis
L"oyln-k)=lurxl"-t
t=0 t=0
l (3.13)
Solusi partikular untuk persamaan (3.13) adalah yrl"l yang memenuhi persamaan perbedaan
untuk x[n] yang diberikan. Tabel 3.1 menunjukkan beberapa solusi partikular untuk masukan, xln)
yang sering dijumpai.
',C:i,
Cn Crn+C,
Can
Contoh 3.5
Untuk persamaan perbedaan ilrl')iln -lf+*rL" -21= 2sinn!, solusi totalnya dapat
ditentukan dengan mencari solusi homogen dan solusi partikularnya.
fub 3: Sistem LTI Waktu-Diskrit dolom DomainWaktu
Solusi homogen
Solusi partikular
Berdasarkan Tabel 3.1, karena x[n] Uerbentuk Csin[naof,dengan C=2 dan ao=! makasolusi
partikurarnya adalah yoln!- r,*"1ff'l.C rt[f], Kita akan menyubstitusi solusi partikular ini
*,Iry1 .
"'r [ry]
t,ln - tl = r,
r Wrb). r,
oln-zl = C .o.
I "^1ry)
Dengan menggunakan prinsip kigonometri didapatkan
.* *' .
[qr] =
[-i " Tf='^l+)
t)".l
,6 [(, - =.ir[_] !L1= _"o.[z1
L 2I
o*
t2 2) L2)
*'l*y] = .". .
[-, T)= -
*,1+)
sehingga
,,*"1T7*c,"i,lT]-|[r,^l+1-r,*"lT)).*[-r*,[f
]-,,,"1+))=2"i,ff
(f,,,.1,,)*,[T]. (-i r **,,),', [T] = zsinff
Dengan metode identitas didapatkan
g' *1c
Tc. =o
4'
*1c^
4 'g ' =2
-1c.
l. Sinyal analog di-sampling, dengan demikian mengubah sinyal analog menjadi sinyal waktu-diskrit
dengan amplitudo yang kontinu, seperti ditunjul,rkan pada Gambar 3.7.
2. Amplitudo tiap sampel dikuantisasi menjadi 28 level dengan.B adalah jumlah bit yang digunakan
untuk merepresentasikan sebuah sampel.
3. Level-level amplitudo yang diskrit tersebut dikodekan menjadi bilangan biner dengan panjang B bit.
rlnl
33.f Sampling
Proses sampling mengubah sinyal analog, x(r) menjadi nilai-nilai waktu-distrit, x[n] Vane
dinyatakan sebagai
dengan { adalah periode sampling.Istilah lain yang sering digunakan dalam sampling adalah frekuensi
sampling, yang tidak lain adalah kebalikan dari periode sampling,yaittt
n'=TI (3.1s)
Secara praktis, proses sampling dilakukan dengan mengalikan sinyal analog dengan deretan sinyal
impuls, seperti ditunjukkan oleh Gambar 3.8.
60 Dasar Pengolahon Sinyal Digital
p(t) =
\r 6(t -nT,) (3.16)
L
Dengan demikian, sinyal analog yang telah di-sampling dapat dinyatakan sebagai
Jika frekuensi tertinggi dari sinyal analog adalah f^* maka sinyal harus di-sampling dengarr
frekuensi sampling paling sedikit dua kali frekuensi tertinggi sinyal analog tersebut, atau
F,22f.o* (3. l 8)
,a 7
'' - 2f-o^ (3.1e)
Jika teorema sampling tidak dipenuhi maka akan terjadi aliasing. Atiasing ditunjukkan oleh
Gambar 3.9. Terlihat bahwa dua sinyal tersebut (sinyal yang bergaris penuh dan putus-putus)
menghasilkan sampel yang sama sehingga jika sinyal aslinya adalah sinyal yang bergaris penuh, dan
dilakukan proses sampling dengan tidak memenuhi teorema sampling maka jika dikembalikan lagi
menjadi sinyal analog, mungkin akan menjadi sinyal yang bergaris putus-putus. Dengan demikian, jika
terjadi aliasing maka sinyal tersebut tidak dapat dikembalikan lagi menjadi sinyal analog aslinya. Alasan
terjadinya aliasing dapat ditunjukkan dengan menganalisis spektrum frekuensi sinyal. Alasan ini akan
dijelaskan lebih lanjut setelah kita membahas transformasi Fourier.
Mb 3: Sistem LTI Waktu-Diskrit dalam Domain Waktu 61
Dalam praktis, biasanya digunakan filter antialiasing untuk menghilangkan efek dari aliasing. Dengan
memperhitungkan efek dari filter ini maka kriteria Nyquist berubah sedikit menjadi kriteria Nyquist versi
engineer,yaitu
.f,22,2.f^,* (3.20)
Teorema sampling pada persamaan (3.18) atau (3.19) berlaku untuk sinyal lowpass. Sedangkan
dalam telekomunikasi biasanya sinyal hanya menempati pita tertentu saja, yang disebut sebagai sinyal
bandpass seperti pada Gambar 3.10.
frekuensi
Dalam sinyal bandpass, bandwidth,.B sangat kecil jika dibandingkan dengan frekuensi atds, f, dan
frekuensi bawah, f, pita tersebut sehingga teorema sampling untuk sinyal bondpass berubah menjadi
dengan
n=tf (3.22)
Contoh 3.6
Kita ingin melakukan digitasi musik dengan bandwidth 20 kGlz. Dengan menggunakan kriteria Nyquist
versi engineer maka frekuensi sampling harus lebih besar dari 2,2 x 20 kJlz : 44 kElz. Pada
kenyataannya, frekuensi sampling untvk cornpact disc digital audio player adalah 4,1 tGlz dan untuk
s tu di o - q ual ity au di o 48 lr*lz.
Dalam praktisnya, proses sampling sinyal analog dilakukan oleh rangkaian sample-and-hold (S/H),,
Sinyal yang telah disampel kemudian dikuantisasi dan diubah menjadi bentuk digital. Biasanya S/[I
digabungkan ke dalam ADC. S/[I melakukan penjejakan sinyal analog selama proses sampel dan .
kemudian akan menahan(hold) nilai tersebut sampai ADC mendapatkan nilai digital dari sampel tersebut.
Jika tidak ada S/H maka sinyal masukannya tidak boleh berubah selama setengah langkah kuantisasi
(quantization step size), yang mana tidak mungkin dalam kenyataannya. Proses SAI dapat dilihat pada
Gambar 3.1l.
il
i
;
Bab 3: Sistem LTlWaktu-Diskrit dalam Domain Waktu 63
dari least significant brl (LSB). LSB sama dengan ukuran langkah kuantisasi (quantization step size),
yaitu jarak antarlevel, yang didefi nisikan sebagai
Vk l/r"
q =rtr=; (3.23)
dengan Y1, adalahskala penuh ADC dengan sinyal masukan bipolar, yaiu Yo,u-V^n.Proses levelisasi
pada kuantisasi dapat dilihat pada Gambar 3.12.
Ve-tll
ve-3{,tt
s{r?
S.ra
Nilii-Eild qfrl
& leuel v,ry,
terkurntirasi
-*n
-w2
i; -Ir *u3
-Vo + qlil
L rr
---
Contoh 3.7
ADC 12 bit dengan rentang tegangan masukan + 10 V mempunyai ukuran langkah kuantisasi
20f 2t2 = 4,9 mV dengan errorkuantisasi lf 2x4,9 =2,45 my.
I
Contoh 3.8
Sebuah sinyal analog x(r) mempunyai nilai pada rentang 4<y(t)<4. Ukuran langkah kuantisasi
untuk ADC 3 bit dapat dihitung, yaiAt q =8123 = l. Dengan demikian terdapat 8 level kuantisasi dengan
64 Dosar Pengolohan Sinyal Digital
jarak antar level adalah l. Level-level tersebut adalah -3,5, -2,5, -1,5, -0,5, 0,5, 1,5, 2,5,3,5. Selanjutnya,
kita memberikan kode 0 pada level -3,5, kode 1 pada level -2,5, dan seterusnya sampai kode 7 pada level
3,5. Proses kuantisasinya dapat dilihat pada Gambar 3.13.
I
KodG Lircl
kualtisasi
*{r) tvf
7 3.5
6 2.5
5 1.5
tt 0.5
3 *0.s
2 -L5
t -2.5
0 -3.5
l1
tr
:i , I
Errorkuantisasi, e untuk setiap sampel dianggap sebagai bilangan acak yang berdistribusi seragam
(uniform) dalam interval tqlz
dengan mean:0. Dalam hal ini, daya noise kuantisasi (variansi)
diberikan oleh
q12
02 = ! e'r(e)ae
-ql2
.qlz z (3.24)
=1 [
q
-ip"'d"=Qt2
Prinsip kuantisasi yang dijelaskan di atas adalah prinsip kuantisasi seragam (unifurm), yaitu ukuran
langkah kuantisasinya selalu sama. Namun, untuk sinyal-sinyal yang lemah, seperti sinyal pembicaraan
(speech signal), kuantisasi seragam tidak banyak bermanfaat. Sebagai gantinya dapat dipergunakan
tub 3: Sistem LTI Waktu-Diskrit dalam Domain Waktu 65
kuantisasi tidak seragam (nonuniforz). KuantisaSi tidak seragam akan memberikan hasil yang baik untuk
sinyal lemah dan hasil yang buruk untuk sinyal yang kuat. Perbandingan antara kuantisasi seragam dan
kuantisasi tidak seragam untuk sinyal lemah dan kuat ditunjukkan pada Gambar 3.14.
Lcrsl-Ierd kuutiseli
15 r5
t4 It\
*
kurt r3
12
il t2
r0 tl
SinFllanh -il-tlsa t0
{ H{**",r ,r___r=
6 so5
5
n 4 3
\ 3 2
2 t
I
!1 Ao 0
Karena noise lanrfiisasi berbanding lurus dengan q makauntuk kuantisasi seragam, di mana lebih
akurat digunakan untuk sinyal kuat daripada sinyal lemah, noisektantisasi untuk sinyal lemah akan lebih
besar. Oleh karena itu, signal-to-quantization noise ra#o (SQNR) untuk sinyal lemah lebih puruk
dibandingkan sinyal kuat. SQNR dapat ditunjukkan dengan persamaan
D
.SONR = l0losA (3.2s)
t,
dengan { adalah daya sinyal dan 1 adalah daya noise. Dengan mengasumsikan sinyal *1")
mempunyai rnean :0 maka 1=o1 =Zlx'zfn)l dan begitu juga untuk noise, yaitu berdistribusi
Vft
o, =rih, sehingga persamaan (3.25) menjadi
SQNR= totog4
-oj =21logL
-o,
=2orogo,'2''fr
Yli
Contoh 3.9
Sinyal sinus dengan amplitudo I besarnya SQNR dapat dihitung sebagai berikut. Nilai Zo =2A dart
dB. Setiap penambahan satu bit B maka akan terjadi penambahan SQNR sekitar 6 dB.
I
Ou&ut Ontput
Kroprcsi
TuScbryresi
lnput lnput
tbl {c}
Gambar 3.15 (a) Nonuniform quantizer (b) kompresi logaritmik (c) uniform quantizer
Kompresi logaritmik yang sering digunakan ada 2 jenis, yaitu St-law dan A-law. Kompresi p-law
diberikan oleh
rn[r+ p(Vll:-*\1
! = /n* --rr -----':sgn, (3.27)
(l + p)
dengan p adalah konstanta positif, x dan y adalah masukan dan keluaran, dan .rn* dan yn * adalah nilai
positif maksimum masukaq dan keluaran berturut-turut. Sedangkan kompresi AJaw diberikan oleh
e(l*ll**) l'l .
/*--ffs$n.I
t+tnA
o. r.o A
1
,=T (3.28)
Ir,-.
dengan A adalah konstanta positif, dan parameter yang lain sama dengan persamaan (3.27).
68 Dasor Pengolahon Sinyal Digital
Kompresi p-/aw sering dipakai di Amerika dan Jepang dengan nilai p : 255, sedangkan AJaw
seringdigunakandiEropadengannilaiA:8'7,6.Jikap:0atauA=l.makatidakterjadikompresi
(amplifikasi linear), yang artinya sama dengan kuantisasi seragam. Grafik karakteristik kompresi p-law
dan A-law ditunjukkan pada Gambar 3.16(a) dan (b) berturut-turut.
1.0 1.0
x
0.8 0.8
€ x
o
E E
3 o.o S o,s
-3 3
a 0-4 a 0.4
t
o a.2
o 0.2
0,2 0.4 0,6 0.8 1.0 4.2 0,4 0.6 0.8 1.0
lnput,lx l/rrnr* lnput,l*l/r.",
(al (b)
3.4 KONVOLUST
Dalam subbab ini kita akan membahas mengenai hubungan antara masukan dan keluaran dalam
sistem waktu-diskrit linear, time-invariant (LTI). Sistem LTI merupakan sistem yang memenuhi properti
linear sekaligus time-invariant seperti yang dijelaskan pada subbab 2.2. Sistem LTI adalah sistem yang
paling sering dijumpai dalam aplikasi karena sistem LTI mudah dianalisis dan mudah didesain. Pada
kebanyakan sistem praktis, meskipun tidak benar-benar linear dan time-invariant, biasanya dianggap
sebagai sistem LTI dengan eruor yang diperbolehkan. Dalam pembahasan selanjutnya dalam buku ini,
sistem LTI akan digunakan.
Sistem LTI
dikarakterisasi oleh respons impulsnya, yaitu keluaran yang dihasilkan jika
masukannya adalah unit impuls. Hal ini berarti jika kita sudah mengetahui respons impulsnya maka kita
dapat mengetahui keluaran sistem untuk berbagai macam jenis masukan.
Misalkan hlnf adalah respons impuls dari suatu sistem LTI, yaitu keluaran untuk masukan unit
impuls, 01n1. Karena sistem ini mengikuti properti time-invariant maka berlaku hubungan seperti
ditunjukkan pada Tabel 3.2. Karena sistem ini mengikuti juga properti linear maka jika masukannya
Bab 3: Sistem LTI Woktu-Diskrit dalom Domoin Waktu 69
JV rt/
adalah Ir,[rJ, keluarannya adalah
ZY,l"l dengan M<N dan y, adalah respons/keluaran untuk
i=M i=M
r, yang berkaitan.
tln) = n {.l,ll = i
t={
*p,)nl, - r,l (3.30)
Persamaan (3.30) disebut sebagai penjumlahan konvolusi dan xln) dan h[n) yang dapat dinyatakan
secara notasi sebagai
Dari penjelasan di atas jelas bahwa persamaan (3.30) dan (3.31) menghubungkan antara masukan
dan keluaran dari suatu sistem LTI dengan nl"} adalah respons impuls dari sistem. Dengan
menggunakan masukan dl"l pada persamaan (3.31), sesuai dengan definisi akan menghasilkan
Dosor Pengolohon Sinyal Digital
yl")=6fnl&hfnl=nl"l. Di sini dapat dilihat bahwa sebenarnya hfn) adalah mewakili sistem
seperti diperlihatkan pada Gambar 3.17. Respons impuls, &[n] sebenarnya merupakan suatu kotak hitam
(black Do.x) seperti yang ditunjukkan oleh Gambar 3.6, di mana di dalamnya terdapat berbagai macam
operasi seperti penjumlahan, perkalian, dan juga delay.
ylnl=xlnla hlnl
Jika kita telah mengetahui respons impuls suatu sistem LTI, kita dapat mencari keluaran sistem LTI
tersebut untuk berbagai jenis masukan dengan menggunakan persamaan (3.28). Secara praktis, jika kita
tidak mengetahui respons impuls dari suatu sistem LTI maka kita dapat berikan masukan berupa unit
impuls (contoh: berupa tegangan sesaat) dan hasil keluaran sistem itu adalah respons impuls.
Secara umum, cara grafik untuk mendapatkan konvolusi x[n] aan hfn! adalahsebagai berikut:
3. Geser hl-kl sejauh n ke kanan jika n positif atau ke kiri jika n negatif sehingga didapatkan
nln-tcl
4. Kalikan x[fr] oergun hln - tc)untuk mendapatkan u,lk)= xlclnln - tc)
5. Jumlahkannilai-nilai padavn[ft],yaitu ...*ro[t]+v,lZl+v,[:]*"' untukmendapatkan y[n]
l. Komutatii yaitu x1
lnl9 xrln]= *r[z]ex, [n]
2. Asosiatif, yaitu (.r, [n ]ox, ['])e', [']=', [']O(', [n]ex, [n])
3. Distributif, yaitu .r1
[n ]e (x' lnl+ xr[r]) = x, [n]8 x, [r] * r' [n ]e x, [n ]
Bab 3: Sistem LTI Waktu-Diskrit dalam Domain Waktu 71
Contoh 3.10
nilai x[t]=0 untuk k<0 maka yl"7:0 untuk r(0 dur, 0<f <4 kur"ru x[fr] terOefinisi pada
rentang tersebut.
Sekarang kita akan menghitung nilai yln]. Berdasarkan persamaan (3.30) maka
r,[o]= I,[/.]
k=0
hl-ky
/ l1l = \xfrln[t - r]
k=0
4
yl2l=Ir[r] nlz-rc)
t=0
/ :
[3] \x[r<]nlz - rr)
f=0
yl4)=L.lr,1nl+-tl
t=0
y [6] = lxlrlnla - rl
t=0
ylTl=I,[r]nlt -tcl
t=0
Pada contoh 3.10, panjane *lr) adalah 5, panjang hlnf adalah 4, dan menghasilkan panjang
lln) adalah 8. Jika panjang x[r] adalah N,, panjang hfn) adalah {, dan panjang llnf adalaU N
maka secara umum berlaku
N = N, * Nr-l (3.32)
Contoh 3.11
hl"l={+ 0 , ,} Proses konvolusi ditunjukkan pada Gambar 3.18. Hasil keluarannya adalah
Bab 3: Sistem LTlWoktu-Diskrit dalam Domain Waktu 73
/[o]= |
k=4
v,[r]=t yl2l= |
/r=<
v, [r] = t yl4l: )
[=<
vo
[r]= t
i
@
{+ I 1
sehingga, y[r]= 2 1)
II'n,
o1
I
0123
II'n,
II
tt
o1
X
II 1
-3-2-10 'oo
,b
lft]
II
01
. I I. l -z-101
r,rr-r:= ,'[r]
II x
?I ?
I J. I
._.
htz-kl ,'r[k]
=
01 -1 012
II .
o1
I1.
0123
inp-nr = ..11.':[k1
II II lr'ro-r.r
01 7234
Jika dua sinyal periodik aan dikonvolusi maka harus dievaluasi dalam satu
{r[r]] {n{n)}
periode. Proses evaluasi tersebut dilakukan dengan window. Jika periode (panjang) sinyal pertama adalah
N, dan periode (panjang) sinyal ke dua adalah { , di mana N, * N, maka harus dilakukan
penyesuaian supaya panjang satu periode sinyal tersebut sama. Penyesuaian tersebut dilakukan dengan
menambahkan nol (zero padding) pada masing-masing sinyal. Nol sejumlah N, - 1 ditambahkan pada
Dosar Pengolohan Sinyal Digital t
sinyal pertama dan nol sejurnlah Nr -l ditarnbahkan pada sinyal kedua sehingga panjang kedua sinyal
Contoh 3.12
Dua buah sinyal periodik akan dilakukan konvolusi. Sinyal tersebut adalah (f,2,:,{r[,r]]) clan
(Zl,\nlr!\). Kur"nu sinyal tersebut tidak sama panjang maka harus ditambahkan nol. Sinyai {r[r]]
ditambah nol sebanyak I dan sinyal {hlrl\ ditambah nol sebanyak 2 sehingga menjadi
xlnl= {. ..,1,2,3,0,. dan hlnf = {...,2,1,0.0,. . .} . Proses konvolusi siklik dengan periode
. .} 4 i,i
bcrikut.
ditunjukkan pada Gambar 3.19. Hasil dari konvolusi ini dapat dicati sebagai
,l[0] ainasilkan dengan menjumlahkan hasil kali antara Gambar 3.19(a) dan 3.19(c)
l[l] Oitrasilkan dengan menjumlahkan hasil kali antara Gambar 3.19(a) dan 3.19(d)
l[2] Oitrasilkan dengan menjumlahkan hasil kali antara Garnbar 3.19(a) dan 3.19(e)
l[3] Oifrasilkan dengan menjumlahkan hasil kali antara Gambar 3.19(a) dan 3.19(l;
yl21=(rxo) +(zx0)+(3x1)+(0r2)=:
l
Selanjutnya yl47,yls\,./[6],... akan berulang kembali sehingga ,-14)=/[0] ' l[5] = l[f] , i
::
(a)
xlkl
-4 -3 -2 -1 4567
(b)
(c)
(d) h[1-k]
(e)
h[2-k]
(f)
-4 -3 -2 -110 7 2 3 14 5 6
,]
l
Karena itu, contoh 3 .12 dapat dihitung juga dengan menggunakan persamaan (3.34), yaitu
3.5 KORELASI
Korelasi merupakan bagian dari konvolusi. Ketika kita mengalikan dan menjumlahkan untuk
menentukan nilai keluaran pada konvolusi, sebenarnya kita melakukan proses korelasi. Proses korelasi
pada prinsipnya adalah menentukan derajat kesamaan dua buah sinyal. Dalam beberapa aplikasi, korelasi
Bab 3:Sistem LTlWaktu-Diskrit dolam Domoin Waktu
berfungsi untuk mengekstrak informasi. Korelasi silang (cross-correlatioru) dua buah sinyal, xrln] aan
n I 2 ., 4 5 6 7 6 9
X1 4 2 -1 J -2 -6 4 5
') .,
X2 -4 J 7 4 -6 I
,,, = -4) + (z x r) + (-t x :) + (: x 7) + (-z x +)* (-6 x -2) + (-s x -a) + (+ x -z) + (s x r)]
ilfux
-5
3
Perhatikan Gambar 3.20. Jika kedua sinyal tersebut dikorelasi rnaka nilai korelasinya akan nol.
Padahal, sebenarnya kedua sinyal tersebut identik, hanya bergeser saja. Untuk menyelesaikan masalah
tersebut, diperlukan pergeseran atau disebut lag. Jika sinyal xrlnl sebagai referensi maka sinyal *rlr7
dapat digeser ke kiri.
,,,(i)= i)
*I, ln)x,ln+ (3.36)
=,,,(-i)=
*;r lnlx,[n- i]
1=t+j
I
Gambar 3.21 Sinyal *r1"7 yang digeser ke kiri sebanyakj
Contoh 3.14
Kita akan menghirung kembali korelasi data pada contoh 3.13 dengan lag : 3. Data tersebut sekarang
menjadi
n I 2 3 4 J .6 7, I 9,
X1 4 2 -l J -2 -6 -5 4 5
a a I
X2 7 4 -8
Dengan demikian,
Dengan melihat contoh 3.13 dan 3.14 dapat dilihat bahwa ketika *rl") digeser ke kiri maka
sinyal-sinyal tersebut tidak lagi berpasangan (yaitu tiga data terakhir). Keadaan demikian disebut sebagai
j
efek akhir (end ffict). Selain itu, dengan bertambahnya maka hasil korelasinya akan menunrn secara
linear, yang menimbulkan perdebatan tentang nilai korelasinya. Hal ini ditunjukkan pada Gambar 3.22.
Salah satu cara menyesuaikan hasil korelasi tersebut adalah dengan memberikan faktor koreksi.
Dari Gambar 3.22 terllhat bahwa ketika lag = 0 maY'a rt (j)=rrr(0)d* ketika log - 1r' **u
,rr(j) = 0 karena tidak satupun sinyal yang berpasangan. Nilai korelasi sebenarnya antara 0 < lag < N
adalah ,rr(j),*", sedangkan yang dihitung dengan persam&m (3.34) adalah ,"(i\. Dengan
qr(i),^"-r,r(i) li,(o)
- t/
(3.37)
sehingga,
lag
Parameter yang menggambarkan derajat kesamaan dua buah sinyal adalah koefisien korelasi, yang
didefinisikan sebagai
80 Dasar Pengolohan Sinyol Digital
ttz (r)
p"(j)= iv-l
(3.3e)
Nilai koefisien korelasi selalu berada dalarn- rentang antara -l dan 1. Ketika prr(i)=l artinya
100% korelasi, ketika pt Q) - -1 artinya l00Yo berkorelasi namun dengan fasa yang berbeda, dan
ketika prr(j)= 0 artinya tidak berkorelasi sama sekali yang artinya sinyal-sinyal tersebut saling bebas.
Kasus spesial adalah ketika ,, [n] = *r1"7 yang disebut sebagai auto korelasi, yaitu korelasi sinyal
,,,(i)=
*f,, lnlx,ln+ il (3.40)
Fungsi auto korelasi terhadap /ag diberikan pada Gambar 3.23. Terlihat pada gambar bahwa nilai
auto korelasi terbesar terjadi ketikaT: 0. Hal ini juga menghasilkan beberapa properti auto korelasi, yaitu
Jika sinyal-sinyal yang ingin dikorelasikan periodik maka korelasinya adalah korelasi siklik. Jika
sinyal pertama mempunyai periode N, d- sinyal ke dua mempunyai periode N, maka 4, (,1) atun
berulang setiap z lag, dengan fi = Nr+ Nr- 1. Perhatikan contoh 3.15,
Contoh 3.15
Diberikan dua sinyal yang periodik, yaitu s = {43,1,6} dan D = {5,2,3} . Untuk mendapatkan korelasi
siklik, sinyal pertama harus ditambahkan nol sebanyak N, -l =2 dan sinyal ke dua harus ditambahkan
nol sebanyak Nr - I = 3 . Proses selanjutnya ditunjukkan pada Gambar 3.24. Tampak bahwa nilai korelasi
tersebut berulang setiap n = 4 +3 -l = 6 lag.
2
.|
., tr 0 0 5 I 1,7
.)
-) 0 0 _il ) 2 2 T2
0 0 0 5 2 J 3 30
0 0 ) 2 3 0 4 t7
.)
0 5 ) J 0 0 5 35
) 2 J- 0 0 0 6 t,.'29'i
Korelasi banyak digunakan pada beberapa aplikasi seperti radar, sonar, komunikasi digital, geologi,
dan lainnya. Dalam radar dan sonar, xlnl adalah sinyal yang ditransmisikan dan ylnl adalah sinyal
yang diterima. Sinyal yang diterima itu telah mengalami penundaan dan juga noise. Sinyal yang diterima
dapat ditulis sebagai
dengan o adalah faktor atenuasi dan D adalah waktu $nda (delay) dan wlnl adalah noise. Permasalahan
pada radar dan sonar adalah membandingkan antara sinyal llnl aan x[n] untuk menentukan apakah
Sistem hubgngan seri ini juga dapat merepresentasikan invers dari sistem. Jika diberikan suatu
persamaan
maka sistem ke dua adalah invers dari sistem pertama, begitu juga sebaliknya'
Ilubungan paralel. Hubungan paralel ditunjukkan pada Gambat 3.26. Respons impuls total dari dua
buah sistem paralel diberikan oleh
Contoh 3.16
Kita ingin mencari respons impuls total sistem seperli ditunjukkan pada Gambar 3.41.
Yang pertama adalah mencari sistem respons impulse pengganti unnk l4ln] au holnf yang paralel
yaitu h'ln)= \L"l+ holnl. Kemudian hrlnf aan h'ln) adatah sistem seri sehingga respons impuls
penggantinya menjadi h"lr)= hrl"l@ h'ln)= hrl")A(nrlnl+ nrlnl). Akhimya respons impuls total
untuk sistem di atas adalah
__L,tkl4{
,l,l ,fnl=
oi
,kl) I x[r]:':
/s=+ :..: . '
Penambahan (berhingga) k1 k1 kl
I
k--ko
I ,lk1
{,trl}r k--ko I,[r]
k=ko
y(t)=-!x(c)n(t-r)dr (3.4s)
Bab 3:Sistem LTlWoktu-Diskrit dalam Domain Woktu 85
Konvolusi sinyal kontinu yang terbatas memerlukan suatu sinyal perantara (intermediate signal) yang
didefinisikan sebagai
Secara umum, prosedur untuk mencari konvolusi dua sinyal kontinu yang terbatas adalah:
l. Sketsalah grafik x(r) Oun h(t -r) sebagai fungsi dari t. Untuk mendapatkan h(t -c), pertama-
tama adalah cerminkan h(r) terhadap r=0 untuk mendapatkan n(-r) dan kemudian geser
sejauh l.
2. Geserlah sinyal dengan nilai r yang besar dan negatif (pergeseran ke kiri).
3. Tulislah representasi matematis untuk 4 (r).
4. Geserlah h(t-r) ke kanan sampai representasi matematis *,(r) berubah. Nilai r di mana
perubahan terjadi menunjukkan bahwa itulah akhir dari interval yang sekarang dan permulaan
interval yang baru.
5. Sekarang / berada dalam interval yang baru. Ulangi langkah 3 dan 4.
6. Untuk setiap interval, integralk un w, (r) dafi r - --co samp ai T = co untuk menghasilk a" y (t) .
Contoh 3.17
Kita akan mencari konvolusi antara x(t)=u(t) aan h(r)= Ae' .Karena sinyal-sinyal ini bukan sinyal
y(t)= lu()*('-)ar
Contoh 3.18
Kita akan menghitung konvolusi dua buah sinyal terbatas yaitu rect(tl2a)@reu(tl2a). Proses
t='b
-c <r <0
Perlu diingat bahwa representasi grafik suatu integral tertentu adalah luas di bawah grafik
tersebut sehingga untuk menghitung nilai integrasi konvolusi untuk setiap interval (bagian yang
diarsir) adalah dengan mencari luasnya (yaitu luas persegi panjang). Sebagai contoh, untuk
interval -a 1t < 0, daerah yang diarsir mempunyai batas datt t, - -a sampai t, = / + a sehingga
panjang persegi panjang itu adalah t+a-(-o)=t+2a dan lebarnya adalah 1, dan luasnya
adalah (t +2a)x 1 =/ +2a . Secara keseluruhan didapatkan hasil konvolusi sebagai berikut:
Bab 3: Sistem LTlWaktu-Diskrit dalam Domain Waktu 87
t <-2a
,
v('l)=1,*; , -2a<l<0
0( t<2a
t >2a
y(r)
Pojok
MATLAB
Program berikut mengilustrasikan proses sampling dengan periode sampling T. Pada contoh ini
mengikuti Nyquist rate,yaitt f <lQf). Di sini kita akan menggunakan sinyal kontinu sinus dengan
frekuensi ditentukan f =20dan diambil T =180.
% Program 3.1
% Ilustrasi proses sampling
cIf ,'
t : 0:0.0005:1;
€ : )4.
x_konti-nu = sin (2*pi*f*t) ;
subplot (2, L,l')
plot (t, x_kontinu) , grid
x1abe1 (rwaktu, mllldetikr) ;y1abe1 ('Amplitudor );
title ('Sinyal kontinu x_{a} (t) r) ,'
axis ( [0 1 -1 .2 1.21)
subplot (2,L,2);
88 Donr Pengolohan Sinyol Digital
t = t/80;
n = 0:T:1;
x_diskrit = sin(2*pi*f*n),
k = 0: length (n) -1;
stem(k,x_diskrit) ; grid
xlabe1 ('sampel nr ) ;ylabel ( remplitudor );
ti-tIe ('Sinyal diskrit x [n] ') ;
axis([0 (length(n)-1) -1.2 l.2ll
0.5
o
z'
eo
5
{.5
-1
[_T T I' T
€3
0.5
iilrll
+q"[*f+
lltiij
-c\
E
I lrl I I
0102030lo50607080
sampd n
Selanjutnya kita akan menentukan hasil dari konvolusi diskrit. Konvolusi dapat menggunakan
fungsi
y = conv(x,h)
j
{
$
Bab 3: Sistem LTI Waktu-Diskrit dalam Domain Waktu 89
Kita akan mengerjakan ulang contoh 3.1I dengan menggunakan program 3.2.
x = [1 1]
h = t1 0 1 1l
Hasilnya danplot nya (Gambar M3.2) adalah
Kel-uaran =
1772t
1.6
1.4
1.2
o
E
f
o
E
(!
0.8
o.6l
I
0.4 r
l
l
!
ori
or -__, _ l
00.5 1
Mirip dengan konvolusi, jika kita ingin menentukan fungsi impuls sistem dengan yang diketahui
adalah masukan dan keluarannya kita dapat menggunakan perintah
Ih,r] : deconv(y,x)
dengan h adalah hasil pembagian (dekonvolusi) dan r adalah sisa pembagian. Kita akan mengerjakan
ulang contoh di atas dengan program berikut.
B Program 3.2
E Menentukan dekonvolusi
x = input ( 'Tentukan sinyal masukan = t )
y = input('Tentukan keluaran sistem = r)
[h, r] = deconv (y, x) ;
llh = length (h) ;
n = 0:Nh-1,'
disp ('Respons impuls filter, h In] = I ) ; disp (h)
stem(nrh)
x.label ( 'sampel n' )
ylabel ( 'amplitudo' )
SOAL.SOAL
l. Tentukan hasil konvolusi dari sinyal-sinyal berikut
a. x[r] = {t oI 1} , hfnl= {t I 1}
b. xln] = 61" - zl- z6ln- +] * 36ln - 61, hlnl = 26ln+ 3] + d [n] + zsln - z)+ d [n - 3]
i;dil
*;;*;i ffiffi
i"ffi ffi
m
5. Suatu hasil sampling tegangan ditunjukkan pada tabel di bawah. Tentukan nilai autokorelasinya
dengan nilai lag = 0. Dan tentukanlah apakah sinyal tersebut acak atau periodik. Jika periodik
tentukanlah periodenya.
-0,92 -3,71 3,1I -0,24 4,65 0,94 -2,99 -3,94 -4,03 -2,51 O,l7
3,85 2,59 0,39 4,59 3,4 -3,46
7 . Tentukan korelasi dan koefisien korelasi antara dua set data, yaitu {1,5 2,0 1,5 2,0 2,5\ dan
b. zexp(at)z(r)8exp( -t)u(t)
-oo0oo-
BAB 4
Representusi Fourier:
Discrete Foarier Trunsform
4.1 PENDAHULUAN
Setelah mempelajari sinyal dalam domain waktu pada Bab 3 maka dalam bab ini akan dijelaskan
mengenai sinyal dalam domain frekuensi. Dalam domain waktu, sinyal direpresentasikan dalam bentuk
tegangan atau arus dalam fungsi waktu, sedangkan dalam domain frekuensi sinyal direpresentasikan
dalam bentuk magnitudo dan fasa dalam fungsi frekuensi.
Dua domain tersebut memberikan informasi yang sama, dalam domain frekuensi dapat terlihat
frekuensi berapa saja yang terkandung dalam suatu sinyal. Pada bab ini akan dipelajari bagaimana
mengubah sinyal dari domain waktu ke domain frekuensi, dan juga sebaliknya.
Sinyal dalam domain waktu dapat diklasifikasikan menjadi 4 jenis, yaitu sinyal kontinu periodik,
sinyal kontinu nonperiodik, sinyal diskrit periodik, dan sinyal diskrit nonperiodik. Masing-masing dari
jenis sinyal tersebut mempunyai metode yang berbeda-beda jika ingin ditransformasikan dalam domain
frekuensi. Metode-metode tersebut ditunjukkan pada Tabel 4.1.
Karena dalam buku ini membahas mengenai DSP, transformasi penting yang lebih banyak dibahas
adalah DTFS dan DTFT, sedangkan FS dan FT hanya dibahas sekilas. DTFS lebih sering dikenal sebagai
Discrete Fourier Transform (DfT) dan istilah ini yang akan kita gunakan dalarn buku ini. DFT dan
algoritma cepatnya, Fast Fourier Transform (FFT) menjadi sangat penting karena dapat memberikan
infromasi yang cukup dalam domain frekuensi, komponen-komponennya adalah sinusoidal dan tidak
terdistorsi pada sistem linear, dan FFT dapat dihitung dengan cepat. Selain itu, sejak dipublikasikan
pada
juga diaplikasikan.
tahun 1822 oleh Fourier telah cukup banyak dikenal, dikembangkan, dan
Transformasi diskrit lainnya adalah Z-transform (transformasi Z) yang akan dibahas pada bab lain
pada buku ini. Z+ransform lebih digunakan untuk menganalisis sistem diskrit terutama untuk merancang
filter digital dan rnelihat kestabilan sistem digital.
Satu transformasi yang cukup penting di dalam ilmu teknik elektro adalah Transformasi Laplace
yang banyak digunakan untuk rnenganalisis sistem listrik. Alasan mengapa transformasi Fourier tidak
digunakan dalam rnenganalisis sistem listrik adalah karena tidak dapat menyelesaikan sistem dengan
kondisi awal tidak nol dan masukannya berupa unit step. Transformasi Laplace tidak dibahas dalam buku
ini walaupun akan digunakan pada perancangan filter karena transfomasi Laplace merupakan matematika
teknik dasar yang sudah harus dipahami pada saat mempelajari DSP.
Namun demikian, tetap ada hubungan antara ketiga transformasi tersebut, transformasi Laplace,
Fourier, dan Z. Transformasi Laplace adalah transformasi yang umum yang basisnya dapat dinyatakan
sebagai ,s = 6i. + /66r, transformasi Fourier basisnya dinyatakan sebagai s = i@, dan tranformasi
Z adalah
z= e'r, dengan T adalah waktu antar sampel. Dengan menyubstitusi parameter s, didapat hubungan
-ikaht
xlk)= dt (4.1)
*'!-vl,
Sebaliknya, invers FS (IFS) diberikan oleh
x(r)= |xltl"io^'
t=<
(4.2\
'i
;
i
$i
{,
$
}l
ir
fi
Bab 4: Representosi Faurier: Discrete Fourier Transform 95
Contoh 4.1
Kita akan menentukan FS dari sinyal kotak periodik yang ditunjukkan pada Gambar 4.1.
r(r)
Seperti yang kita ketahui sinyal kotak periodik tersebut mempunyai periode I sehingga frekuensi
dasarnya adalah ao = 2nlT dan FS dapat dihitung sebagai berikut
, Tl2 , Tl2
r-')
;(rt -
Karena berdasarkan hukum Euler, sin 0 = maka persamaan di atas menjadi
xlkl=2sinkcooTo)
LI Tkroo
, k *o
Sekarang kita akan mencari nilai FS untuk t:0, dengan menyubstitusi nilai &:0 ke persamaan (4.1),
yaitu
x lol
LJ =
!^l * =2To
TJ-
-,0
T
Dasar Pengolohon Sinyol Digito!
Namun demikian, sebenarnya kita tidak perlu memisahkan perhitungan untuk /r * 0 dan t = 0, karena bisa
dijadikan satu sebagai berikut:
x ILk1I =zsin(k'oor')
Tkan
Karena
a\ = 2tlT, maka
Xlkl_Zsin(nZtrrrlr)
Lr k2tr
2sin(k2rroIr)=Trin (
XIk1=r
Lr kTn\
To kztrQolf) To \ f /
Plot grafikX[f] untuk nilai Tof T =14 dan Tof T = t/l6 aitunlutt<an oleh Gambar 4.2.
Bob 4: Representasi Fourier: Diserete Faurier Transform 97
0.6
0.4
^tul 0.,
-0.?
-50 -40 -30 -20 -10 02 l0 20 30 & 50
*
(a)
0.r 5
0.t
'tol o.o,
(f)
Contoh 4.2
Kita akan menentukan IFS dari Xlkl=1t12)lol ,tkrl\o dengan T:Zl.Nilai frekuensinya adalah
Deret di atas merupakan deret geometri. Suku kedua akan dievaluasi dimulai dari / - 0 sampai / - :c
dan karena pada dasarnya suku kedua tersebut dimulai dari I = 1 maka kita harus mengurangkan dengar
hasil dari / = 0 sebagai berikut:
Dasor Pengolohan SinYal Digital
ii *i
(r) = + 4;-,t,,
-(y \
x
;@fr;N
Dengan menyederhanakan nlenj adi
x(r)=
s-+cos(zt+rlzo)
I
(4.4)
x(r)= r[o]+irir].ot (k",t)+ l[A]sin lkos)
.t =l
(4.5)
B
]
[o] = 1oi,
(,)r,
cos(kaot) dt (4.6)
B [r] = *1ii", t,l
(4.7)
Alkl=i t') (rc atot)at
i, "'
HubunganantarakoefisienFstrigonometrikdarrFseksponensialadalah
(4.8)
Blkl=x[r]+ xl-k)
(4.e)
Alkl= i(xlr'|-x[-k])
(4.10)
x (ir)= !x(t)e'i''dt
Bab 4: Representasi Fourier: Discrete Fourier Transform
Contoh 4.3
Kita akan mencari FT untuk sinyal x(f)= e-''u(t) yang ditunjukkan pada Gambar 4.3(a).
Berdasarkan rurnus (4. I 0) didapatkan
*-!T
_1
a+ jat
Dari hasil akhirnya terlihat merupakan bilangan kornpleks sehingga mempunyai magnitudo (Gambar
4.3(b) dan fasa (Gambar 4.3(c)), yaitu
lx (i,)l
I ) ,\:
(o' + o;1;
(c)
x(r'')=|xfn)e'i" (4.r2)
Secara umum, X ("'')adalah mempunyai ,il"i k;;.ks yang dapat ditulis sebagai
x (r'')=lx(ri'lldua (4.14)
dengan
l, k'\l= xi,(r'')+ x!^(ei') dan 0(t) = ug{x (ei-)} = *oun@. parameter
x*1",,)
l* (r'')l disebut fungsi magnitudo (spektrum magnitudo) dan O(ot) disebut sebagai fungsi fasa
(spektrum fasa).
Jika dilihat dari persamaan (4.14) ketika disubstitusi e(r) dengan 0(a)= 0(a)+2nk , dengan
k adalah bilangan bulat maka akan menghasilkan hasil yang sama. Oleh karena itu, hasil dari DTFT
adalah kontinu, periodik dan tidak unik. Kecuali diberitahu lain, kita mendefinisikan rentang untuk fasa
adalah -r < O(at) < a. Bukti bahwa DTFT periodik adalah sebagai berikut:
i*lrl"-r" =x("t')
Ada kalanya DTFT mengalami diskontinu di 2n pada respons fasanya. Biasanya suatu
tipe fasa altematif akan dibentuk untuk menghilangkan diskontinu di 2a. Proses menghilangkan
diskontinu disebut "unwraping the phase" dan fase barunya dinyatakan dengan 0"(r), dengan
indeks "c" menyatakan fungsi kontinu ar.
Contoh 4.4
Diberikan deret xln)=(0.5)'ulnl. Kita akan mencari DTFT dari sinyal nonperiodik tersebut.
Berdasarkan definisi DTFT maka
@6
=iLt\(0.5"-i')'=
n=0
I
t 1-0.5e- j' I - t,,'Jg
Plot grafik untuk magnitudo dan fasanya adalah seperti ditunjukkan pada Gambar 4.4a dan 4.4b.
102 Dasar Pengolahon Sinyol Digital
"f
i
,.6
[
1
I
14i
;
x
1.2
*iti ,i \it,, I
\. ,/
-10
L_- _-a-t--t"
-8 0
omega
la)
"'r;---
"ll'\ il
t\
I
/\,,\
o.2t
i\
oL
l 1
,\
i",
I
i\
4.2
i\ i
{.4
-0.6
-rro-864'2o2
.g.gr--
omega
(b)
Gambar 4"4 Plot magnitudo dan fasa untuk x (ej') = tl t- 0'5e-"' Contoh 4'4
Bob 4: Representasi Fourier: Discrete Fourier Transform 103
xfnl=
*'J* f,*)ei*dco (4"15)
dengan k = 0,1,...,iy'-1 -
Namun, jika memperhatikan Tabel 4.1, tertulis bahwa DFT (DTFS) merupakan representasi
Fourier untuk sinyal diskrit periodik. Masalah diskrit memang tepat, namun untuk periodik, apakah
penjelasan di atas mencirikan adanya periodisitas? Jelas tidak karena sinyal diskrit ditentukan terbatas.
Jadi, mana yang salah?
Kaitan antara DTFT dan DFT seperti yang telah dijelaskan di atas digambarkan pada Gambar 4.5.
Jika ada suatu sinyal diskrit nonperiodik, sejatinya sinyal tersebut dapat dilakukan DTFT. Untuk
mendapatkan DFT maka DTFT dilakukan sampling. Atau, dengan langsung menggunakan prinsip DFT,
1A Dasar Pengolohon Sinyal Digitol
yaitu sinyal diskrit nonperiodik tersebut diasumsikan periodik dengan periode N, kemudian dilakukan
DFT. Kedua cara tersebut menghasilkan hasil yang sama.
Nperiodik
ekctenri
DFT
l.-, I""
irlr
{rfit
Saupling pada
tl^ ..-€
O. *O,
Contoh 4.5
Kita akan menentukan DFT dari {t,0,0,1}. sinyal tersebut mempunyai periode y'/ = 4 sehingga
berdasarkan persamaan (4. l6) dapat ditulis
33
X (k) = l xfnle- i 2 mk t 4 i znk t2
n=0
= l
n=0
xfn)e-
3
x(0) =lxfnle
-jzn.o
2 -x[o] +x[t] + xlzl+x[r]
n=0
=l+0+0+l=2
Bab 4: Representosi Fourier: Discrete Fourier Tronsform 105
1 1tt,,! - j! - jStt
x(r)= lxlnleT = x[0]+ xfrleT + xlzfe-i' + xltleT
z=0
Dari hasil tersebut dapat dilihat bahwa hasil DFT merupakan bilangan kompleks sehingga dapat diplot
amplitudo dan fasanya (dalam radian) seperti pada Gambar 4.6. Untuk bilangan kompleks z = a + jb ,
W* = s-i2olN 1a . i
maka persamaan(4.16) dan(4.17) dapat ditulis sebagai
t{-l
X[k1=lx[n)w!, k=0,1,...,N-l 4.i
n=0
31=-----
I
2.51
2,..r
lrl
ii
i a, .t
rYYi ;
,l
1:I
,iil .:
irrl
0.5i I lli
:
i
il,
:
1l
I
litl
I
Persamaan (4.19) dapat dinyatakan dalam matriks (yang disebut Vandermonde Matrix) dengan bentuk
X=DNx (4.2t)
dengan X adalah vektor DFT yang terdiri dari Nsampel, yaitu
(4.22',)
Bab 4: Representasi Fourier: Discrete Fourier Tronsform
107
t w;, wi wN-l
Dr= I Wi W; W2{N-t) (4.24)
[ ,[o]
l'[t] (4.2s)
1,,,-,,
dengan,
l I I
W;, W;, If;@-r)
I
,, =
D:l
,^y'
W;, W; w-2(N-t) (4.26)
wf wf w:1 [r I r tl
lwi
I rr: w| w| w; _lt -j -r il I
1i
Ir
lr
X=l -j
--1
-1 I
l1
L1
j -1 illl l';i,,)
t
pergeseran Siklik. Jika ada suatu sinyal dengan panjang N yang terdefinisi dari 0 1n1N -1 maka
nilai untuk n < 0 dan n> N adalah nol. Jika sinyal tersebut digeser sebanyak no sampel maka sinyal
tersebut sudah tidak lagi terdefinisi lagi pada 0 < n N -1. Oleh sebab itu perlu didefinisikan suatu
<. cara
supaya biarpun digeser namun sinyal masih ada pada rentang 0 1n 3N - 1 , yaitu dengan
menggunakan
atau
*
"tn)= {.:}:,:l',r, " ; : : :,:' (4.28)
O I tt.l S 0l l t{ 5 It
{a} (bl {cl
Gambar a.7@) menunjukiian sinyal asli sebelum digeser. Ketika dilakukan pergeseran sebesar I
sampel ke kanan (Gambar 4"7(b)) maka secara siklik sampel ke-S menempati ternpat sampel ke-0, sampel
ke-O r.lenempati tempat sampel ke- l , iian seterusnya. Seeara formula dapat dirulis , *
[(n l)u
] . rormuta
tersebut dapat diperiksa, untuk rnenentukan nilai pada sampel ke-$ adalah
,[(r-1)u]="[(-t)r]=r[5], karena -1 modulo 6 adalah 5. Dengan demikian hasil tersebut cocok
dengan definisi dari pergeseran siklik. Selain iru, Gambar 4.7(b) juga dapat dipandang sebagai pergeseran
5 sampel ke kiri, yaitu x[(;e t5)r]. Pergeseran ini juga rnenghasilkan liasil yang sama. Sedangkan
Gambar 4.7(b) adalah pergeseran 4 sampei ke kanan atau pergeseran 2 ke kiri, atau dapat ditulis
*l@ -4). ] = *l(n + z),f .
Properti DFT. Beberapa properti umunt DFT ditunjukkan pada 'l'abel 4.2, sedangkan properti
simetri untuk DFI kompleks dan riil ditunjukkan pada Tabel 4.3 dan4.4 berrurut-turut.
Modulasi glnlnfn)
*l^"t-lHl&-*).7
110 Danr Pengolahon Sinyol Digital
*lr1 xlkl
*'lnl x.[(-r),]
,.[(*n),] X [fr]
|{"[tul"]* x.[t-rl"]]
ne{x[n]] x r",lkf=
**,1n1 1tn{xlrcl\
Keterangan:
*r",lrl adalah bagian konjugat-simetri periodik dati xlnf
**,lnf adalah bagian konjugat-antisimetri periodik dati xln)
I
nex [r] = n" x [(-r), ]
I
lxtrll= lr[(-o)"]l
LYlkl= zxlFr),f
Keterangan:
**lfrl adalah bagian genap periodik dari x[n]
**lnl adalah bagian ganjil periodik dari x[n]
Konvolusi Linear dengan DFT. Seperti yang telah kita ketahui, dan juga telah dinyatakan pada
properti umum DFT, bahwa konvolusi linear dalam domain waktu sama dengan perkalian dalam domain
frekuensi. Oleh sebab perkalian lebih mudah dibandingkan konvolusi maka proses mendapatkan
konvolusi linear dengan menggunakan metode DFT (baca: dalam domain frekuensi) akan dijelaskan
sebagai berikut.
Jika ada dua buah sinyal, yaitu x[n] yang mempunyai panjang N sampet dan hlnl vane
mempunyai panjang Msampel maka perlu ditambahkan nol (zero padding) supaya panjang kedua sinyal
tersebut menjadiL=M+N-1. Sinyal r[n] aitumbahkan nol sebanyak (U-t) dan sinyal &[n]
ditambahkan nol sebanyak (t/-l). femudian masing-masing x[r] Oan ft[z] aiUmkan DFT l-titik
menjadi Xlkl aan Hfkl. Dan selanjutnya hitung nilai Ylkl= Xftelilftcl. Langkah terakhir adalah
eontoh 4"7
Kita akan menghitung kembali konvolusi pada Contoh 3.10 menggr:nakan DFT. Karena panjang x[rJ
adalah 5 dan panjane hl"tr adalah 4 maka panjang f{nl adatah 5+4 - 1 :8. Sinyal "r[zJ nertg
ditarnbahkan noi sebanyak 3 dan sinyal h[il] nerlu ditambahkan nol sebanyak 4 sehingga menjadi
xlnj=\-zo1-1 3ooo)
nlnj={tzo-ioooo}
Kemudian cari nilai
xlkT= orr(xlnJ)
= {l -4.2929- j0.z9z9 - j -s:lit+ jr.707t 3 *s.7071- jr.707t j -4a929+ j0.z9z9\
Hlkl= DFr(h[n]t)
={2 3.1213- j0:071 l*i3 -t.L2r3- j0l07r 0 -r.r2l3 - j0.7a7t t+ j3 31213+ j0.707r\
Ylkl= xlklH[k1
={2 -13.6066+j2.r213 -3-jl 7.6066+j2.1213 0 7.6A66-j2.12r3 -3+jt -13.6066-i2.l2t3l
Kemudian kita dapat mencari nilai akhir konvolusi dengan melakukan IDTF paday[/r]:
t[n]={-z -4 I 3 I s I *3}
Contoh 4.8
Untuk konvolusi siklik juga dapat menggunakan DFT dengan cara yang sama. Kita akan menghitung
kembali konvolusi siklik pada Contoh 3.12. Langkah pertama adalah penambahan nol seperti yang telah
dikerjakan pada contoh tersebut. Selanjutnya dilakukan proses DFT:
Periodik Diskrit
Nonperiodik Kontinu
Properti periodisitas menggambarkan bahwa sinyal-sinyal yang kontinu di domain waktu akan
nonperiodik di domain frekuensi dan sebaliknya sinyal-sinyal diskrit dalam domain waktu akan periodik
di domain frekuensi. Selain itu, jika sinyal-sinyal dalam domain waktu adalah periodik maka dalam
domain frekuensi akan diskrit, begitu juga sebaliknya, jika dalam domain waktu nonperiodik maka dalam
domain frekuensi akan kontinu.
Desimasi*daEam-waktu
Dalam rnembahas ini kita asumsikan bahwa jumlah titik adalah sedemikian sehingga N = 2u ,
dengan v=2,3,4,... Pada prinsipnya algorihna ini adalah memecah N-titik menjadi dua (N/2)-titik,
kemudian memecah tiap (N/2)-titik men"iadi dua (Nl4)titik, begitu seterusnya sampai hanya terdapat 1
Misalkan sinyal x[ia] terdiri dari ]/-titik. Kita akan memecah (desimasi) sinyal ini menjadi dua
bagian yang masing-masing terdiri dari (N/2)-titik, yaitu satu adalah kumpulan dari nilai-nilai berindeks
genap dan satu kumpulan lagi adalah kumpulan dari nilai-nilai berindeks gpnjil. Demikian seterusnya.
Contoh untuk desimasi 16 titik diperlihatkan pada Gambar 4.8. Jika Anda mempunyai fftitik maka Anda
akan menghasilkan
2logl/ tingkat sampai mendapat 1 titik. Untuk N= 16, berarti memerlukan
21o916=4 tingkat,untuk N:Sl}memerlukanTtingkat,unhrk N:4096 memerlukan 12tingkat,dan
seterusnya.
I sinyal
16 titik 0 l ? 3 { 5 6 7 I 9 t0 il l? 13 14 15
2 siuyal
02{68I0t?14
l\ r3J79ll1315
I titik
/\ /\
* sinyal
4 ritik 0'l 812 261014 3 7 rl 15
/\ /\ t\
I siuyel
tirik
/\
EEE@E3E EE E
/\ l\ /\
2
l\ i\ /\ /\ /\
16 sin;-al
I ritik EtrTEEtrtrEEtrtrtr trtr trE
Gambar 4,8 Desimasi untuk l6 titik
Jika Anda lelah melakukan desimasi seperti pada Gambar 4.8, tidak ada salahnya melakukan
proses yang lebih mudah. Cara lain untuk mendapatkan desimasi sampai I titik adalah dengan melakukan
pembalikan bit(bit reversal), seperti pada Gambar 4.9. Untuk 16 titik, berarti 1 desimal direpresentasikan
dengan 4 bit. Desimal, pertama-tama, diurutkan mulai dari desimal 0 sampai dengan desimal 15.
Kemudian, dilakukan representasi bit untuk tiaptiap desimal tersebut. Setelah itu, bit-bit tersebut dibalik
(yaitu ditulis kembali namun dengan urutan dari kanan ke kiri). Langkah terakhir adalah
Bab 4: Representos i F ou ri er : Discrete Fouri er T ransf orm 115
merepresentasikan kembali bit-bit tersebut ke dalam desimal. Hasil akhir pada Gamb ar 4.9 sama dengan
hasil akhir pada Cambar 4.8.
Sekarang kita akan membahas FFT secara rumus dan mendapatkan konsep perhitungan FFT yang
sering disebut dengan metode kupu-kupu (Butterfly method)
Diberikan , {x[o],x[t],x[r],...,x[r-r]]
Indeks senap, {x[o],x[z],x[+),...,.r[lr-z]]
Indeksganjil, {x[t],x[:],xIs],...,xIlr*r]]
Kita telah mengetahui DFT untuk x[n] seperti pada persamaan (4.19) dan kita akan menuliskan
kembali persamaan tersebut karena sekarang kita telah memecah menjadi dua bagian, yaitu bagian genap
dan ganjil, sebagai berikut:
N-2 N-r
x lkl = \n=l xfn]wf + |n=2
xfnlw]r (4.2e)
, pp r sejil
Bilangan genap dapat diwakili oleh n=2r dan bilangan ganjil dapat diwakili oleh r =2r+1 sehingga
p€rsamaan (4.29) dapat ditulis kembali sebagai
116 Dasar Pengoiahan Sinyd{ Digital
nr- I
,,rt1 V;t ,
"r[i]= f r[zr]wi,'n -+
L
r[r'+1!ri'i:*r)'i (4.30)
I'cirhatriktl r: h;ri:rva
Drr
- -**
(,v/2)-titik dari "
DFr (,ry/2)-ritik drd
(4.33)
yang beriudeks genap png berindek ganjil
Jika ff,[,t] A*n ,{r[t] adalah DFT (Ni2)-tltit< dari yang berindeks genap dan gaqiil berturut-turut
maka Jf l*] dapat ditulis, untuk * = {} sampal (,V/2 * l) , scbagai
Karena, ,1', [k] dan J(, [&] Uianggap periodik dengan perir:de l//2 maka unftrk &'= ifl2 sampai N. l,
dengan k' = k + N 12, X [*] diberikan sebagai:
bobot (weig&l) nntuk rncnrtapatkan hasil N-titili" Frrlses tersebut, untuk N = I dapat digambarkan seperti
Cambar 4.10.
Gambar 4.10 dapat dirnengerti dengan melihat struktur dasar seperti dirunjukkan pada Gambar
4.11" Setiap variahel yalg melervati tan<ln iranah sama tlengar variabr'l ter"sebut dikalikan denganbobot
yang ditunjukkan pada tanda panah t*rsubut dan variabel pada pertemuan dua ujung panah adalah
pen_ir.rnrlahan berbobot {tueighted srun) variabel-r,ariabel pada panah tersebut. Sehingga, sebagai contoh,
fub 4: Repr*entasi Fourier: Discrete Fourier Tronsform 117
;10)
Ar/2-ffi J(l}
DtrT J(2)
x(3)
,r:(o) tri
.r(Q
rVn{i& J(5}
DTT i(6)
x(?)
'{
Untuk N = 8, langkah selanjutnya adalah memecah lagi titik tersebut menjadi (Ni4)-titik seperti
ditunjukkan pada Gambar 4.12. Secara umunL konsep FFT diberikan pada Gambar 4.13.
118 Dasar Pengolohan Sinyal Digital
.rlil) _r
;{,l .&rr.$-titlk
$Fr
,tis)
11t )
I.
-rti )
&Il.i-titik "rt?)
BFT ,tt3)
"r1ll
,114)
"r,,t, i
------|1._p-H_,,
tr/4-titik
,115)
-!
"rij
*::--r 1-*- .--*-*
Ali{-titik .u6)
*-, ;
.tt ., I
1...
Drr
,._.-,'_*.- - "KT)
o --a x{0}
x1)
-----
-{
o
(D
o -.
x(N- t)
Contoh 4.9
Kita akan menghitung FFT untuk sinyal {l -l -1 -1 1 1 I -1}. Pertama-tama kita dapat
nrenghitung faktor Vt( sebagai berikut:
x{s}
J{l}
.r{i }
r(6) J{3}
x(1) J(-1)
r(5) ,r{5}
r(3)
J(6r
.t'{? }
titii{ [}fT.
li;l-rr:i ,tr i:i i.:-e !'{ htiftin l'i;"T',lilta"ut}ing l}l;T
l6 T}
1A
64 5{ lt,
$esinrasi-dalam*trek uen si
Algoritnra lain rmtuk mr:nghitu*ir Di''.1'*rlal*i-i d*ngan rftcitnec&h nilai transformasinya. Algoritma
clesimasi-dalam-frekuensi climrrlai clengan nternecah X[ft.] sebagai berikut:
Nll i ,r,''-.1
A'LtJ,. L
r-ii
,irlrr"';'+ [
u=Nl2
tfyl,nf (4.37)
Karena
yy@rz)r
- = s-i,tk= (-l)* (4.3e)
"(-t*)ir
Persamaan (4.38) dapat ditulis sebagai
Nlz-t ,
xlk)= (.t,t*(-r)o x[n+ ;vlzl)w{
I (4.40)
Desimasi akan membagi antara bagian genap dan ganjil, untuk yang genap, yaitu &
=2r danyang ganjil,
yait;u k = 2r +1, untuk r = 0,1,..., N 12- l, seperti ditunjukkan persamaan berikut
x [2r]=rf^'
$l.l n (- r)" xln + x I \)w]*
n=0
(4.4t)
_K"
: z Flnl+ x[n + Nlz])w;|,
n=0
Gambar 4.15 menunjukkan desimasi pertama N-titik DFT menjadi (N/2)-titik DFT. Dengan cara yang
sama (ND)'titik kemudian dipecah lagi menjadi dua (N/4)+itik, dan seterusnya. Contoh untuk 8 N:
ditunjukkan pada Gambar 4.16. Sedikit berbeda dengan desimasi-dalam-waktu maka beberapa hal yang
perlu diperhatikan pada desimasi-dalam-frekuensi adalah:
l. Sinyal masukan dalam urutan normal
2. Sinyal keluaran berupa urutan bit terbalik (bit reversed order)
3. struktur buttedly dasarnya adalah sebagai berikut (Ganrbar 4.17)
X,,.,{.q1=
ix, [e] * ;q {q\}w; $.4eJ
,t'(o)
--+
,\r/U-ti$:{
tr&'T
.r5{ }}
11t l
--^>
.U3l
*...->
:YlX-titi&.
DtrT
'r'(3) lr''i
r(o)
"r(0)
wfi
"(l) x({)
t(?) x(2)
"(3) x(6)
r({) x(t)
a(5) x(6)
r(6) x(3)
x(71 x(n
-t -t
Garsrbar 4.16 Straktur desimasi-dalam-frekuensi untuk N= I
tlr,
Bob 4: Reprer;entasi Fourier: Discrete Fourfer Transform 123
X"lql--*-:;'a--**I* j
^-rtq7
Gambar 4 "17 Stru kn tr das ar but ;erfiy des imas i-dalam-frekuensi
IFFT dapat juga dihitung dengan mcnggunakan algoritma FFT langsung dengan menggunakan
konjugat kompleks. Persamaan (4.20) dapat ditulis menjadi
( u-r \.
*.1n7=l (Vru)Z*'ltlw;* | g.47)
\r=o)
Konjugat kompleks dari suatu perkalian atau penjumlahan dapat ditulis sebagai perkalian atau
penjumlahan dari konjugat kompleks, sehingga
ALr
xfnf=(rrr(x.lkl)). l* (4.4e\
124 Donr Pengolatnn Sinyol Digitol
Pojok
MATLAB
Fungsi freqz dapat digunakan untuk menentukan DTFT pada frekuensi ar - rtt, daribentuk
Fungsi freqz mengembalikan nilai respons frekuensi dalam variabel H. Parameter w adalah vektor
yang menunjukkan frekuensi yang dievaluasi. Parameter f adalah frekuensi yang dievaluasi dalam reiltang
0 sarnpai FT/2, dengan FT adalah frekuensi sampling. Jumlah titik frekuensi dapat ditentukan oleh
parameter k, yang tersebar merata pada rentang 0 dan r. Tambahan 'whole' menunjukkan bahwa rentang
fiekuensi menjadi 0 sampai 2x atau 0 sampai FT.
Kita akan mencoba membuat grafik amplitudo dan fasa pada contoh 4.4.
E Program 4.1
E Menentukan grafik DTET
pembilang = input('Pembilang X(jw) = t1-
penyebut = input ('Penyebut X ( jw) = t; ,'
w = -10:0.1:10;
H = freqz (pembilang,penyebutrw);
subplot (2,L,!)
plot (w, abs (H) )
xlabel ( 'omega' )
yIabel('lX(jw) l')
subplot (2,7,2)
plot(w, angle (H) )
xl-abe1 ( 'omeqa' )
y1abel('fasa')
Untuk menghitung DFT dapat menggunakan fungsi fft yang mempunyai varian sebagai berikut:
X = fft(x)
X = fft(x,I)
ketika parameter L tidak ada maka diasumsikan panjang X akan sama dengan panjang x, namun ketika
parameter L muncul, dengan L lebih besar dari panjang x maka diasumsikan periode x adalah L, dengan
demikian ada penambahan nol (zero padding) sebanyak L dikurang panjang x.
x = [1 2 2 1)
Hasil DFT =
5. 0000 -1 .0000 - 1. 0000i 0 -1.0000 + 1.0000i
yatgplot amplitudo dan fasanya ditunjukkan pada Gambar 4.18.
126 Danr Pengolatnn Sinyal Digital
er
,i
i
1l
-t.I
I
,a 3i-
rf ?
i
l
oI -_ ___.1 ----i---
i
3i -----
I
z\-,
'|
l
1
6 l I
o Gh
I
1
.ri l
l
l
l i
-21
,1,
_3 q___
0
_
t 1.5
__l3
indaks
Hasil DFT =
Columns 1 through 6
9.0000 3.1213 - 7.1213i -4.0000 - 3.0000i -1.1213 + 2.8-t87L
3.0000 -1.1213 - 2.878'7i
Columns 7 through 8
-4 " 0000 + 3.0000i 3.1213 + 7.1213i
yang plot grafiknya ditunjukkan pada Gambar 4.19.
0123/a567
Berdasarkan Gambar 4.5 ada kaitan antara DTFT dan DFT. Program berikut menggambarkan bahwa
DTFT dapat dihasilkan dengan DFT.
E Program 4.4
? Menentukan DTFT dari DET
k = 0:15;
x= cos (2*pi*k*3/16);
X = fft(x)
X_e = fft (x,51-2)
n= 0: length (X_e) -1
stem (k,/16, abs (X) )
hol-d on
plot (n/512, abs (X €) , , r, )
xlabef 'frekuensi normalisasi r
)
y1abe1 I amplitudo' )
Iegend i DFT | , 'DTFT' )
128 Dosar Pengolahan Sirryat Digital
lt€{@B, &m1diB6r
Sekarang akan menghitung keluaran dari suatu sistem dengan menggunakan konvoiusi dan dengan
DFT"Jikakitamempur:yaix=(1 23ldanh=[1 $?0lj.Prograrnberihrtmengilustrasikanhaltersebut.
... -y
1.;,eSf tn 1 .t
? Menentr.rkan hIn] dengan konvo.l-usj-
% dan dengan DFT
v = t] ? 11'
h = tr 7 212 2i;
y1 = conv (x,ttt ;
r, = Iength (y1) ;
X: ffr.k,L);
H = fft(h,L) ,
'12. = 7.*'d;
y2 : ifft.(Y2l;
disp ('Hasii dengan konvolusi : ' ) ; aisp (yl )
Hasilnya adalah
Hasil dengan kon-volusi =
1 3 ? 8. 10 9 10 6
SOAL.SOAL
l. Tentukan DFT dari {0, 1, l, 0} dan periksa validitasnya dengan melakukan IDFT dari hasil
perhitungan Anda.
2. Diberikan dua buah sinyal dengan panjang terbatas berikut ini
4. Diberikan data {0,0, l, l, l, 1,0,0}. Hitunglah DFT dan kemudian plot amplitudo dan fasanya
dengan menggunakan:
a. DSP konvensional
b. Matriks Vandennonde
c. FFTdesimasi-dalam-waktu
,t=0
7. Jika diberikan Xlk) sebagai DFT l2-titik dari xlnl tZ-titik. Tujuh sampel pertama dari X[k]
adalah sebagai berikut:
Dasar Pengotahan SinYal Digital
130
a. ,[oj
b. ,[6]
ll
c' I'[rl]
n=0
t
i:
$
Bab 4: Representasi Fanrier: Discrete Fourier Tronsform 131
13. Tentukanlah FS dari sinyal-sinyal periodik berikut yang didefinisikan dalam satu periode saja:
(r
l-A- o<r<- 2
,(,) ='{ d
le, -L<t <o 1
(
Lq*2. o.t.L2
x(t)=]
\,, I T
l-A+2,
L2 -=,<t <o
-oo0oo-
BAB 5
Trunsforntusi Z
5.1 PENDAHULUAN
Parameter z di atas adalah variabel kompleks dan kumpulan nilai z yang ketika dijumlah akan konvergen
disebut sebagai daerah konvergensi (region of convergerace (ROC)).
x(r)1,=,"*= I
n=4
,[r]( ,"t')-' = i(r-'*lnf)e-i"
n-4
(s.2)
Karena itu, jika r : I maka transformasi Z akan dievaluasi dalam lingkaran berjari-jari I dan dapat
dinyatakan sebagai transformasi Fourier (DTFT) dari x[r].
Fungsi basis yang digunakan di transformasi Z adalah dalam bentuk
s'-"(otj')n =rnej" =r'(cos(atn)+7sin(az))=(r+ jb)'. Jika didefinisikan suatu variabel c,
yang memenuhi lzl =la + jbl= , atau a2 + b2 = c2 makapersamaan tersebut mewakili sebuah lingkaran
dengan pusat di O dan jari-jari c. Dengan demikian, kondisi lrl, " untuk ROC menanda,kan daerah di
luar lingkaran tersebut.
134 Dasar Pengolahan Sinyol Digitol
Contoh 5.1
fa"- n2O
xlnl=1
LJ
Io' n<o
Sesuai definisi, transformasi Z sinyal tersebut adalah
x (r) = Z (a'u[r]) =
f*o'rlrlr-' =L(*')'
Dengan menggunakan j,umlah deret geometri maka diperoleh
X(z\- 1
\ l-az't. =-:-
" z-o
Hasil tersebut konvergen jika az-'<1 atau VlrVl. ROC ini digambarkan pada Gambar 5.1. Bidang
yang menggambarkan ROC disebut sebagai bidang-z (z-plane). Nilai yang menyebabkan X (z) bernilai
nol disebut sebagai zero, sedangkan nilai yang menyebabkan X(z)-+a disebut pole. Zero
dilambangkan dengan "o2', sedangkan pole dilambangkan dengan "x". Fada persoalan ini zero terjadi
padaz:O danpolepadaz: a.
r
zcro pada O
polcpadaz=o
Rez
Contoh 5.2
ii.
tx,
'H;
i,i&
Bab 5: Transformasi Z 135
x (r) =
|-u'ul-n -tfz-' = - t @l r)'
Dengan mendefinisikan n=-m dan dengan mengingat do =1, dengan a bilangdn sembarang maka
didapatkan
x(,)=-t@u)'=1 -telr)-
Dengan menggunakan jumlah deret geometri didapat
X(z\=l- I z
\" =
l-zlb z-b
Dengan nOC
lzl < lal . nOC dan zero serta pole digambarkan dalam bidang-z pada Gambar 5.2.
acro pada O
Contoh 5.3
*rlnf = {r,2,5,7,0,1}
*rlnl= 7, o,1)
lr,r,L
136 Dasar Pengolahan Sinyal Digital
Xr(r) =l+22-r + 5z-2 +7 z-3 't z-s denganROC seluruh bidang zkecuali z: 0
Xr(r) = z' + 2z + 5 +7 z-1 -t z-3 denganROC seluruh bidang z kecuali z : O dar- z = a
I
Beberapa transformasi Z dari fungsi-fungsi yang biasa dijumpai dirangkum pada Tabel 5.1 beserta
ROC-nya.
Karakteristik ROC juga dapat ditentukan dari jenis sinyal yang diamati, tergantung dari apakah
sinyal tersebut terbatas atau tidak, kausal atau antikausal, dan dua sisi atau satu sisi. Rangkuman dari
karakteristik tersebut diberikan pada Tabel 5.2. Sinyal yang mempunyai durasi pada sisi kanan, yaitu
Bob 5: Transfarmasi Z 137
xfnl=O untuk n1fro <0 disebut sebagai sinyal sisi-kanan {right-sided signat). Sinyal yang hanla
berada pada sisi kiri x[rz]=0 untuk ft)no>0 disebut sebagai sinyal sisi-kiri (left-sided
saja, yaitu
signal). Sedangkan sinyal yang berada di sisi kanan dan kiri disebut sinyal sisi-ganda (double-sided
signat). Persamaan (5.1) adalah persamaan untuk transformasi Z sisi-ganda (bilatera[). Untuk
transformasi Z sisi-tunggal (one-sided atau unilateral) diberikan oleh
Sinyal ROC
ffi
Antikausal Seluruh bidang kecuali z: @
Dua-sisi
ffi
Seluruh bidang z kecuali z= 0 datz: t-
138 Dosar Pengolahan Sinyal Digital
Sinyal ROC
Antikausal
l,l-,,
Dua-sisi r, <lzl< r,
t39
Linearitas
z (r,f,[n]+ arfr[n])
= a,F,(z)+ arFr(r)
(5.4)
dengan Roc perpotongan/irisan (in
t e rs e c t i on) antara masing-masing
Roc.
Translasi
1i11a z (x[n]) = x
Q) dengan Roc &_ .lrl.R * maka
Jika z (x[n]) x Q)
= dengan Roc n .lrl.{* maka
z(a'x[n])=.(:)
(5.6)
dengan noc faf 4_ .lrl.lola...
Perkalian dengan Fungsi
Ramp
tika z (x[n]) x
= k) dengan Roc R ,-.l{( &,, maka
z(*[,1)=-,1')
(s.7)
dengan noc &_ .lrl. &*.
140 Danr pengolahon Sinyat Digitat
z(xlnlayl"l)=x(,)y(,) rs.sl
dengan ROC z e E, nfrr.
Konvolusi (Domain z)
Iika Z(x[n|)= x (r) dengan Roc &_ < lrl. n._ dan z(y[r)) =y (r) dengan Roc
&_ .lrl. Rr., maka
Dengan Roc &-^R/ - .lrl < &.&. ' Notasi { c, adalahintegral kontur kompleks dan c2 adalah konrur
tertutup di perpotongan antaru X (r) dan y (zlv) .
x[o] =
l:*x (,) (s.ro)
Contoh 5.4
Kita akan mencari transformasiZ danROC untuk penjumlahan antara sinyal pada contoh 5.1 dan contoh
5.2, yaitu llnl=a'ufn)-b"uf-n-ll. Berdasarkan properti linearitas maka hasilnya adalah
Y (z) = u""ran Roc {lrl , lrl}^ . 16l} seperti digambarkan pada Gambar 5.3. Jika
*. *; {lrl
lal.l"l maka tidak ada perpotongan antara kedua ROC sehingga transformasi tersebut tidak konvergen.
ma lDl
> lal maka terdapat perpotongan antara kedua ROC sehingga transformasi tersebut konvergen.
I
Pole danKarakteristik Sinyal
Salah satu bentuk transformasi Z yang sering dijumpai adalah benruk X (z)sebagai fungsi
rasional, dalam suku z-r atau dalam bentuk polinomial z . Telah disinggung sebelumnya bahwa pada
transformasi Z tasional terdapat apa yang disebut sebagai zero dan pole. Mengalang sebelurnnya, zero
adalah nilai-nilai z yang membuat X(r)=0, sedangkan pole adalah nilai-nilai yang membuat
X (r)= oo. Secara matematis dapat ditulis sebagai
Zbo'-o
k=0
- (s.12)
Zor'-o
,t=0
14.14
(a)
lmz
PlrH
o)
Gambar 5.3 ROC untuk contoh 5.4
Kemudian dari persamaan (5.13) dapat dicari nilai-nilai zero, zk dan pole, po dengan k=1,2,3,...
sebagai berikut
fub 5: Transformasi Z 143
_ GrN-M
fIQ-'*)
k=l
(5.14)
A/
lI(' - Pr)
*=l
dengan G=bolao.
Seperti yang telah kita ketahui juga, bahwa zero dar. pole di-plot pada bidang kompleks yang
disebut sebagai bidang-2. Hubungan antara pole dan bidang-z akan dibahas pada bagian ini. Kita hanya
membatasi permasalahan pada sinyal riil dan kausal. Secara umum, jika kita mendefinisikan suatu
lingkaran bedari-jari I z maka kita dapat melihat karakteristik sinyal yang setelah
pada bidang
diransformasi pole-nya berada pada
lzl.I, lrl> 1, dan lrl=t. Misalkan sinyal yang dijadikan sebagai
contoh adalah xfnl= a'ulnl<'L, X (r) = dengan noc lzl > lal vane mempunyai pole a.
#
Gambar 5.4 menggambarkan posisi pole pada bidang z.
$_ir,,*-$4*_
$ _imurr$4*\,_
6l\
1]"r7
$
atzZ
$
Gambar 5.5 Pengaruh posisi pole ganda pada bidang z
Gambar 5.6 menunjukkan karakteristik sinyal untuk pole yang kompleks-konjugat. Sinyal untuk
jenis ini berosilasi yang karakteristiknya bersesuaian dengan letak pole-nya. Perhatikan bahwa untuk
r>1 sinyal akanmembesar, untuk r=1 sinyal akankonstan(sinusoidal), danuntuk rcl sinyal akan
menurun.
Bob 5: Transformasi Z 145
{.illtlG
0
rV'
Gambar 5.6 Pengaruh posisi pole komplelrs-koniugat pada bidang z
Yang terakhir adalah masalah pole kompleks-konjugat ganda yang terletak pada lingkaran seperti
ditunjukkan pada Gambar 5.7.Hal tersebut menunjukkan bahwa kita harus berhati-hati jika terdapat lebih
dari satupole pada lingkaran.
146 Dasar Pengolahan Sinyol Digital
Gambar 5,7 Penganth pole kompleks-konjugat ganda yang terletak pada lingkaran
hlnf maka keluarannya, ylnl, dapat dihitung dengan melakukan konvolusi antara xlnl Aan hfn\.
Dalam domain z dapat dituliskan sebagai
dengan Y(z) Z dair keluaran yL"7, X(r) adalah transformasi z dari masukan
adalah transformasi
xlnf , aan U (r) adalah ffansformasiZ dairespons impuls hlnl.oi sini jelas bahwa ru (r) aan hlnl
sama-sama mewakili karakteristik sistem, namun dalam domain yang berbeda.
H(z) disebut fungsi
Jika kita mengetahui x[n] Aan f[n] mata kita dapat mencari hlnf aengan menggunakan
tranformasi Z sebagai berikut:
Transformasi Z juga dapat berfungsi mencari n (r) dari suatu persamaan perbedaan. Suatu
persamaan perbedaan dapat ditulis sebagai
M
Y (z) = -larr (z) z-* +\box (r) r-o (5.17)
,l k=0
Sehingga,
n(,)=#=#_ (s.le)
k=l
Secara umum persamaan (5.19) disebut sebagai pole-zero system, namun ada kondisi khusus untuk
persamaan (5.19) yang dapat dibagi menjadi dua kasus. Yang pertama jika ar = 0 untuk semua nilai t
maka persamaan (5.19) akan menjadi
ru (r)=\brz'k
k=0
I $ -,r.r_* (5.20)
-V ^
. /Lu*"
k=o
Dengan demikian, persamaan (5.20) terdapat Mbuah zero,yangnilainya ditentukan oleh parameter
b1, dan Mbuah pole pada z:0. Dengan demikian sistem tersebut mempunyai pole trivial (pada z : 0)
dan M buah zero nontrivial sehingga disebut sebagai all-zero system. Dari sisi pandang lain, sistem
tersebut mempunyai respons impuls yang terbatas (/inite-duration impulse responsselFlR) sehingga
disebut sebagai sistem FIR atau moving average (MA) system.
148 Wr Pengdollcn Slnyal Digttd
Kasus ke dua adalah ketika bt =0 tmtuk I S & < M rnalra.Pers$na8s (5.19) E€qidi
A(r')= frb'
l+larz-*
t=l
(5.2t)
lnzr
l/ ao
=l
Zor'r-r
td)
Dalam kasus ini n (r) terdiri dari N buah pole, yang nilainya ditentukan oleh parameter au dan N buah
zero pada z : 0. Untuk zero trivial biasanya tidak disebut sehingga sistem tersebut dikatakan hanya
memiliki pole nontrivial,yangmenyebabkan sistem tersebut disebut sebagai all-pole system. Dilihat dari
sisi lain, sistem yang mempunyai pole akan mempunyai respons impuls tak terbatas (iika dilakukan
pembagian pembilang dan penyebut) sehingga sistem tersebut disebut sebagai infinite impulse responsse
oiR).
Contoh 5.5
Kelompokk an Y (z) di ruas kiri dan X (r) di ruas kanan menjadi t-l
f Q)( r''\= ZX 1r1. Lakukan
"(2)
pembagian antara y (r) dan X (r) untuk mendapatkan n (r) sebagai berikut:
Untuk mencari x[n] iita diberikan X (r) dapat dicari dengan menggunakan tiga metode, yaitu ekspansi
x (r) =
F ",r-' (s.22)
Contoh 5.6
Kita akan menentukan invers transformasi Z untuk X (z\)= ketika (a) RoC:
1-r,ra' *o*
lrlrt nOC: lzl < 0,5 . Untuk menjawab pertanyaan (a), tentunya kita mengamati bahwa ROC-
dan (b)
nya berada di luar lingkaran dan berdasarkan Tabel 5.2 maka sinyal tersebut haruslah kausal. Sinl'ai
kausal berada pada sisi kanan (pangkat z negatlf), sehingga
x(z\
\ / l-1,52-'+0,52-'=l+1=-'
2
*!r-r+Er-,
4 8
*1!ru *...
16
Dengan demikian maka xfn) dapat ditentukan sebagai (lihat contoh 5.3)
Untuk menjawab pertanyaan (b) maka berdasarkan Tabel 5.2, sinyal harusnya antikausal, yang bea-:
sinyal tersebut berada di sebelah kiri (pangkat z positif). Cara mendapatkannya adalah dengan memb., r
penyebut (dan pembil and X (z) sebelum melakukan pembagian seperti berikut:
150 Dasar Pengolahan Sinyal Digital
7e? -62:
7 z2 -2!23 + l4ea
l5sr -14e4
15.e3 - 45s4 +3025
31.24 -30e5
1
sehingga menghasilkan X (z)= =2zz +623 +l4za +3025 +6226 +...
o,5za -1,52-t +7
Perlu diperhatikan bahwa untuk mencari invers transformasi Z dengan pembagian langsung untuk
sinyal antikausal maka kedua polinomial pada pembilang maupun penyebut harus dibalik, atau ditulis
dengan urutan dimulai dari pangkat yang paling negatif.
I
Dengan metode ini kita memanfaatkan tabel transformasi Z (Tabel5.l). Kita akan membentuk X(z)
menjadi
Pendekatan tersebut dapat digunakan untuk X(r) rasional seperti pada persamaan (5.12) dengan
x (,) -: {kl = |
,:n!|r,, ' :1.. :lJrt
ts(r) t r ai 'l +'.' + Q.\,2 -V (s.2s)
Jika ao*l maka kita dapat memhagi penihilang dat i]cnysb,ri dr.:rig3i1 Gri sehingga eiielapatkan
persamaan (5.25). Persamaan (5.25) disebut fungsi rasioral prop€r karena a,i *CI dan M <N,
sedangkan jika M >N r:raka irersarTiaarl (5"25) disebut {ungsi rasicnai inrytritper. }ika menemui fungsi
rasional improper, kita harus mernbagi datrulu antara pcmbilang dan pe,nyebut sehingga didapatkan suatu
deret pangkat dan fungsi tasitnal prt,,g:t,r'.
Jika persarnaan (5.25) diarrggap f,"ingsi rasilnal F!'t:{;t:r ra1i.a kita dapat mengalikari pernbilang dan
penyebut dengan zo, yurgnrenghasilkan
(s"26)
n'
I(:l =!u:' -'-L!lt:**-:-'
t
+ b,r:-
) (5.27)
z :'"' 1- ilt--' + t tt.,
Sekarang tugas kita adalali membuat ru:,s kanan dari pr:rsoi,riaan (5.?'7) inenjadi ponjurrilairan dari
pecahan-pecahan rasional. Unfirk rnelakukan iral ierseb,;i, kita 1:crlit lnengetahui akar-akar dari penyebut
(atau disebut pole) yang dapat dibagi rlerijadi dua kasus: pole-pole yaiig semuanya berbeda dan beberapa
pole ada yang sama. Berikut akan dijelaskan satu persatu.
Diasumsikan pole-pole dari persamaan (5.27) adalah pt"ptt..",[]n ,r.'ang kesemuanya adalah
berbeda. Persamaan (5.21) dapat ditulis sebagai
X (=) A, A, ,4
(s.28)
: Z-P, z-P: z-P,
Nilai-nilaikonstanta Ay,A2,."..A,, haruskitacarr. IlLracaraurrtukurencari nilai-nilaikonstantatersebut
adalah dengan menyamakan koet'rsjeri rnls Liri riarr rii;is [ianan ata;-r denguli rncriggunakan persalliaan:
(s.2e)
--lF-
Contoh 5.7
Kita akan si X
ansr
mengekspan ,^ ( z\ tr/ = menjadi seperti pada persamaan
wt-\- zt
,r\z)-@
X(')=,
Dankemudiandibentukmenjadi ,., z ,) ..:.Ekspansifungsitersebutadalah
, (, -0,s)(z -0,75)(z -l) ' """'*
z' A, A. A,
W=;isn;_f**;.Untukmencarinilai-nilaikonstantanya,
pertama kita mencoba menggunakan metode menyamakan koefisien ruas kiri dan ruas kanan, sebagai
berikut:
z' At - A, *-A,
@-r4.s-14,75'r-,
-=
_ A,(z -a,7s)(z -t)+ A,(z -},s)(z -t)+ A,(z -o,s)(z -0,7s)
(z*o,s)(z*0,7s)(z-l)
_ (,1, + A, + 4) z2 + (-1,7 5 4 - t, 5 A, - t,zs Ar) z + (a,7 5 A, + o, 5 A, + 0,37 s Ar)
(z -l,s)(z -0,7s)(z -t)
Ar+ Ar+ A, =1
-1,7 5 At - 1,5 A2 - l'25 4 = g
0,7 5 At + 0,5 A2 + 0,37 5 A, = 0
4=b4ffi|,=,
Dengan demikian, kedua metode menghasilkan
trasil yang sama.
E
2. Beberapapole adayang sama
x(') A, A,J---*-A..,^,_+...+
= *-
_A,:*z-Pz'(z-rJ-G;f 4r,, q
z z-Pr z-ps+...+,*. (s.30)
A*n=--L_l
r'q +(.*p^f!,)l (5 31)
U-q)tldr'' ' , ),=,,,
Contoh 5.8
A,=lriffi;fl.=,=,
u, = *l^,-fu]|,, =
*lili],, d#[, = = -,
Contoh 5.9
Persamaan (5.29) dapat juga digunakan untuk mencari koefisien ketika pole-pole-nya bilangan kompleks,
seperti ditunjukkan oleh yang berikut
X(r) _ z+l Ah
=1_- - A3 '
z z(z-t)(r'+22+2) z z-r' (r*1-,,) (z+t+ i)
z+1
Ar= p.**z1J | = o,o5 +jo,ls
z(z -r) (z+t+ i) l,=_,*,
Ao=4=0,05-i0,15
I
Setelah kita melakukan ekspansi maka langkah terakhir adalah melakukan invers transformasi Z
dengan langkah-langkah sebagai berikut:
Bob 5: Transformasi Z 155
l. Kalikan kedua ruas persamaan (5.28) (atau persamaan (5.30)) dengan z sehingga menjadi
x (r) - A,z-A
' + 4J-+...+
z-Pz
A*z-Pu
'
2. Lakukan invers transformasi Z berdasarkan pada Tabel 5.1
Contoh 5.10
Dengan menganggap sinyal kausal, kita akan melakukan invers transformasi Z untuk contoh 5.7, 5.8, dan
5.9.
x(l)- 2 _ e * 8
z z-0,5 z-0,75 z-l
2' 9z
\ / z-0,5- z-0,75,8,
x(z\-
z-l
sehingga inversnya adalah x[n) ={Z (O, S)' - 9 (0, 7 5)' +*} r [r]
Untuk contoh 5.8, fungsinya menjadi
x(r)363
z z+l (z-l)' z-l
x(z\-3'* 6'
-- \-./
z+l (r_\, -32
z_l
Dasar pengolohan
Slnyat Dtgttal
Atau dapat dirulis
,I#"X',|,]i:{:? .i:,r;i:i:,t:ii^sinvar
tersebut adatahsinyar
antikausar sehingga
menjawab
Yi*k kasus (c), ROC tersebut
bidang t'*'rr.r)," a
, =o,s m"re-jrll;i1,#tfi[ffi,ri'* berarti sinvar berad
apadakedua sisi
antikausar. Dengan
demikian, inversnva r,"'entasikan sinvar
adatah x[n]= _2u[-n:;:i;:; )fii.
Bob 5: Tronsformasi Z 157
Dengan mengalikan X(r) dengan zoazf(Zriz) arn mengintegralkan kontur C yang tertutup yang
terletak dalam ROC maka didapatkan
Setiap integral kontur dapat dievaluasi dengan menggunakan teorema integral Cauchy yang menyatakan
bahwa jika C melingkupi pusat (origin) dalam arah berlawanan arah jarum jam, maka
Berdasarkan persamaan (5.33) maka ruas sebelah kanan persamaan (5.32) akan menjadi tidak nol ketika
pangkat z adalah -1, yaitu -n+k -1= -l o n= fr. Karena itu, persamaan (5.32) dapat ditulis menjadi
(5.34)
fi{,*r,r**=,[,]
yang disebut sebagai integral invers kompleks untuk mencari invers transformasi Z. Mengevaluasi
persamaan tersebut lebih mudah menggunakan formula Cauchy.
Formula Cauchy. Jika C adalah jalur tertutup sederhana dan f '(z) ada pada dan di clalam C, maka
I r fQ),,_-[ftri, untukzsdidalamC
(s.35)
c -
2"11 1z - zo7" 10, untuk zo diluar C
Untuk pole-pole kelipatan k yang terlingkupi oleh kontur C, f (r) dengan turunan tingkat fr + 1, dan
untukz6didaramc
*Llrffir,=l##n""1"=,,'
- |.0, untuk z6 di luar C
(s.36)
Ruas kanan persamaan (5.35) dan (5.36) sering disebut residu pole pada zr. Jika terdapat lebih dari satu
pole di dalam kontur, integral tersebut dapat dievaluasi dengan menjumlahkan hasil-hasil dari setiappo/e.
Contoh 5.12
Kita akan mencoba menghitung invers dari X(z)= Vlrlldengan menggunakan integral
arj,
invers kompleks. Hasilnya sudah kita ketahui dengan mudah.
L Untuk n> 0 . Fungsi f (r) nuya mempunyai zero dan karena itu tidak ada pole di dalam C. Satu-
sattmya pole yang berada di dalam C adalah z : a. Karena itu,
Begitu seterusnya, jika dilanjutkan maka xln)= 0 untuk n <A . Maka x[r] = a'uln).
Bab 5: Transformosi Z 159
Untuk membedakan dengan transformasi Z dua-sisi maka untuk transfonnasi Z satu-sisi digunakan notasi
Jika dilihat dari persamaan (5.37) maka pr:rbeCaan transformasi Z safir-sisi dan dua-sisi adalah scbagai
berikut. Transformasi Z satu-sisi tidak mengakomodir sinyal-sinyal dengan n <A . Karena itu,
transformasi Z satu-sisi bersifat unik hanya untuk sinyal kausal. Selain itu, jika Anda perhatikan
transformasi Z satu-sisi dari sinyal x[r] akan sama rlengan transformasi z dua-sisi dari sinyal xlnluln].
Karena itu, ROC dari X* (z) selalu berada di iuar lirrgkaran"
Contoh 5.13
Berikut beberapa contoh transfonnasi Z satu-sisi:
Hampir semua properti transfonnasi Z dua-sisi berlaku untuk tranforrnasi Z satu-sisi, kecuali
translasi/pergeseran.
Translasi positif
Translasi negatif
Jika diberikan x[n] =a' maka transformasi Z satu-sisi dari x, lrl=*ln-2] Oapat dicari sebagai
berikut.
Transformasi Z satu-sisi untuk *rln7= xfn+2) dapat dicari sebagai berikut. Kita menggunakan
persamaan (5.4 l) dengan k = 2.
z. {xfn+21}=
*--z'-qz
Karena x[n] tausul maka X. (r) = X (r) sehingga persamaan (5.43) clapat dinyatakan sebagai
n{Nk
Zbor-o Zoor-oLrl-n)2"
t='
Y. (r) = -&**- x (r)-
l+\anz-r l+\aoz-t
-#
k=l
(s.44)
=tr(z)x(4rW
dengan
NK
lr, (r)= -U oor-oZtl-n)z' (s.45)
/t=l n=l
Dari persamaan (5.44) hasil akhir dari sistem dengan nilai awal tidak nol terdiri dari dua suku. Suku yang
pertama menunjukkan respons keadaan-nol (zero-state responsse) yang ditunjukkan oleh
Suku ke dua yang menunjukkan keluaran dari nilai l:ond:.si awal ta!: ncl. i,aitu
I;, (
Y* ,\== lil \i)
\z ) q;f (5 47)
sehingga respons total juga merupakan penjurnlahan dari dua suku, yaitu
Jika pole-pole A(z) adalah py, p2,,.., pN maka respon t y,,ln7 akan menjadi
y,,lnf= tr-
&=l
bo)' ulnl (5.4e)
ylnT=inr@r)'ulnl*farboY
t=l &=l
olnl (5.s0)
dengan
lr = Ar + Dt (5.51)
Persamaan-persamaan tersebut menunjukkan bahwa efek dari nilai arval yang tidak nol berpengaruh pada
konstanta {dr\ .
Contoh 5.15
Pada contohini kita akan mencari respons untuk sistem dengan persamaan perbedaan
lln)=0,25y1n*zl+xlnl dengan masukan xlnl=|ln-2] dengan dua kondisi awal, yaitu (a)
/[-1] = yl*z)= 0 dan (b) /[-1] = yf-zl=r.
Kita akan menggunakan transformasi Z satu-sisi. Lakukan tranformasi Z satu-sisi pada kedua ruas dan
berdasarkan terorema transl,asi positif maka didapatkan
Y(z)=0,252aY(z)+ z r
--l
\ '' I *0,252-2
untuk menjawab pertanyaan (b), kita menyubstirusi nilai x (r) dan y[*1] = yl-z|= 1 ke persamaan
(*) menjadi
(z) =0,252-2
Y
{, (r)+ z + z'} + z-'
dengan mengatur suku-suku persamaan tersebut menjadi
+ 0'25
Y ( z\
\ "=l'252-t
l-0,252-2
sehingga flnl ={ t, r zs o,
1
s
)' - t,tzs (-0,fl' } ulnl
I
Contoh 5.16
Kita akan menghitung ulang contoh 5.15(b) dengan menggunakan persamaan (5.44). Kita sudah
_. ,\ (r)
lr. 0,252-t +0,25 0,3752 o,t25z
'zi\" t - ek) l_0,252-2 z*0,5 z+0,5
Dilihat dari sudut pandang ROC, suatu sistem kausal mempunyai ROC di luar lingkaran sehingga dapat
didefinisikan "suatu sistem LTI adalah kausal jika dan hanya jika ROC dari fungsi sistem tersebut berada
di luar lingkaran dengan jari-j ati r < m , termasuk titik z = @"
Sedangkan stabilitas, seperti yang telah dibahas sebelumnya, dapat dilihat dengan konsep BIBO,
,",r i1ft[r]|.*. Dalam sudut pandang bidang z maka sistem yang stabil mengisyaratkan H(z)
harus terdapat lingkaran berjari-jari satu dalam ROC-nya. Karena itu, dapat disimpulkan: "suatu sistem
LTI adalah BIBO (stabil) jika dan hanya jika ROC dari fungsi sistem melingkupi lingkaran berjari-jari
satu".
Untuk penggabungan antara sistem yang kausal dan stabil berlaku: "suatu sistem LTI kausal adalah
BIBO (stabil) jika dan hanya jika semuapo le H (z) berada dalam lingkaran berjari-jari satu"
Contoh 5.17
menentukan ROC sistem tersebut dan menentukan ft[n] untuk kondisi: (a) sistem stabil, (b) sistem
kausal, dan (c) sistem antikausal.
Bab 5: Transformasl Z
Sistem tersebut mempunyai pole pada , =! dan z= 3. Untuk menjawab pertanyaan (a) supaya
2
sistem stabil maka syaratnya adalah ROC harus melingkupi lingkaran berjari-jari satu sehingga ROC:
Supaya sistem kausal maka ROC nya adalahlzl> 3, sehingga sistem tida.k stabil, dan
Menjawab kasus terakhir, supaya sistem antikausal rnaka ROC nya adalah lzlcO,S sehingga
Contoh 5.18
iz
transrormas nvaadarah n (r) =
i## =
iiff*= {ffi. Memraktorkan
posisi pole dan zero yang sama, yaitu pada z = 2. Sehingga, dapat dihilangkan. Sekarang, fungsinya
Tips:
menyelesaikan contoh 5.18. Pertama kalikan kedtta ruas kanan dengan z'z-t , meniadi
'
hln!=r,t[*)' uln-t].
Contoh 5.19
Sistem dengan persamaan perbedaan yln)=yl"-t]+x[n] dengan masukan unit step, yaitu
Y(z)= a(,)x(r)
1
=---------'--;
(r-,')"
yang memiliki pole ganda Pada z = l.
Invers transformasi Z, yaiu !ln)=(n+t)ulnl, YanB berupa fungsi ramp' Dengan demikian jika
masukan terbatas maka keluarannya tidak terbatas, oleh karena itu sistem
tersebut tidak stabil'
I
Bab 5: Transformosi Z
Pojok
iVIATLAB
Untuk menentukan posisi zero dan pole dari suatu fungsi z yang berbentuk
Sedangkan untuk menggambar pole dan zero pada bidang z dapat menggunakan salah satu dari fungsi
berikut
zplane (zero, pole)
zplane (pembi 1ang, penyebut )
*.t-!'*,T, maka
rika diberik an G(z)='z^- :'!'1.*!!(
3za +3zt +l8z-12
-1522
pembilang : t2 76 44 56 321
penyebut = t3 3 -15 18 -121
didapatkan hasil
Zero pada posisi =
-4.0000
-2.0000
-1.0000 + 1.0000i
-1.0000 - 1.0000i
168 Dasar Pengolahon Sinyal Digitol
0.5
o
,E 0
'd-'
.E
o.uL
,f
I
-r aL
'L__
Untuk mengembalikan jika diketahui zero dan pole nya menjadi fungsi alih dapat
menggunakan fungsi
[pembilang, penyebut] : zp2Lf lz,P,kl
Perlu diingat bahwa jika kita memasukkan bilangan kompleks maka harus merupakan kompleks
konjugat untuk memperoleh pembilang dan penyebut yang benar.
Untuk menentukan sistem stabil atau tidak stabil, kita dapat memodifikasi program 5.1 menjadi
seperti program 5.3 berikut. Ingat sistem tidak stabil jika ada posisi pole berada di luar lingkaran berjari-
jari 1.
t Program 5.3
% Menentukan kestabilan sistem
counter : 0;
pembilang = input('Masukkan pembilang :') i
penyebut = inpuL('Masukkan penyebut = ');
lz,p, k) -- LfZzp (pembilang, penyebut) ;
for i=1-: length (p)
if abs (p (i) )>1
counter:counter+1;
end
end
disp('Zero pada posisi = ');disp(z)
disp(tPole pada posisi :') ;disp(p)
disp('Konstanta gain adalah = ');disp(k)
if counter ) 0
disp ('Sistem ti-dak stabil')
else
dj.sp ('Sistem stabil' )
end
B Program 5.4
I Menentukan invers transformasi z
t dengan metode pembagian langsung
pembilang = inPut('Masukkan pembilang * t1;
penyebut = input(rMasukkan penyebut = r),.
panjang * input(rMasukkan panjang sinyal = ')i
lx, tl = impz (pembilang,penyebut.,panjang),.
disp('Invers =') ;disp(x)
SMelakukan plot sinyal
stem(t,x)
xlabel ( 'index' )
y1abe1 ( 'amplitudo' )
Kita akan mencoba mengerjakan ulang contoh 5.6, untuk kasus sinyal kausal, maka
Pembilang = 1
penyebut = [1 -1.5 0.5]
Panjang = 5
Didapatkan hasil
fnvers :
1.0000
1 .5000
1.7500
1.8750
1.9375
Yang sesuai dengan jawaban pada contoh tersebut. Gambarp/or sinyal tersebut tampak pada Gambar 5.9.
Bab 5: Tronsformasi Z 171
Untuk kasus nonkausal maka kita harus membalik penyebutnya sehingga menjadi:
PembiLang = 1
penyebut = t0.5 -1.5 1l
panjang = 5
yang sesuai dengan koefisien perhitungan, namun perlu diperhatikan urutan dari sinyal tersebut. Program
MATLAB hanya menghitung koefisiennya, tidak menghitung penempatan/posisi sinyal-sinyal inversnya.
Invers transformasi Z dihitung dengan metode ekspansi pecahan parsial sehingga untuk
mendapatkan keofi sien-koefisien ekspansi dapat menggunakan fungsi
[r,p,k] = residuez(pembilang,penyebut)
172 Dasar Pengolahan Sinyal Digital
dengan r adalah residu, p adalah pole, dan k adalah konstanta, yang diberikan oleh persamaan berikut
n(z)
l- prr-' ---l--+...
a + k, + k.z-t +...
d(z)= -!- l- prr-'
Berikut programnya.
* Program 5.5
B Menentukan koefisien eksPansi
pembilang = input('Masukkan Pembilang = t;;
penyebut = input('Masukkan penyebut = r);
Ir, p, k] = residuez (pembilang, penyebut) ,'
disp ('Residu = ') ;disP (r)
disp ('Pole : ') ;disP (P1
disp (tKonstanta = r) ;disP (k)
Kita akan mencoba dengan tungsi P(r) = karena itu kita masukkan
C#jW,
pembiJ-ang = 11 21
penyebut = t1 0.4 -0.L2)
sehingga didapat
Residu =
-1.7500
2 .-t 500
Pofe :
-0.6000
0.2000
Konstanta =
P(z)=
l+22-l -1.75' !-
2.75
l+0.42-t -0.122-2 l+0.62-t l-0.22-l
SOAL.SOAL
1. Tentukan transformasiZ danROC nya dari:
d. xo =(-0,2)'ul-n-ll
e. y,lrl=r, [r]+ *r1"7
I o, n<4
3. Tentukan invers transformasi Z berikut, gunakan metode yang Anda Lnggap mudah
c. x (\z\=
3-
.(z +-0,5)(z dengan Roc,
o'5
'l',l't
'' + 1)
4
z
d. X (z)= dengan nOc: lzl> 0,6
(z -0,5)'z (, -0,2)(z +0,6)
e. x(r)= jfi7 dengan x[n] uusal
l+22-l
- ' -,'
x (z)=
| -22-t + z-2
= densan x[n] antikausal
o
b. X (z)= dengan x[n] kausal
l- z-t +0,52+
h. x (z)=
L+22-t + z-2
dengan x[n] Uusal
!+42-t +42-2
174 Dasar Pengolahan Sinyal Digital
5. Diberikan persamaan perbedaan llnl= 0,7 yln -tf-O,tZyln -Z)+ xln -ll+ xln -2]
a. Tentukan fungsi sistemnya
b. Tentuka respons impulsnya
c. Tentukan keluarannya jika diberikan masukan unit step
6. Gunakan transformasi Z satu-sisi untuk menentukan nilai ylnl
a. tlnl+O,Syln-1]-0,2syln-21=0 densan /[-1] = yl-z)=t
g. Respons suatu sistem LTI dengan masukan unit step adalah ylnT=(i)'' uln+ 2)
6.1 PENDAHULUAN
eperti telah dijelaskan pada bab awal bahwa salah satu proses pengolahan sinyal adalah filtering.
Filtering sangat umum digunakan dalam telekomunikasi. Sebuah filter dapat didefinisikan sebagai
sebuah sistem atau jaringan yang mengubah bentuk gelombang, karakteristik amplitudo-frekuensi
atau fasa-frekuensi suatu sinyal dengan cara-cara tertentu.
Filter analog dapat dibangun dengan menggunakan komponen resistor, kapasitor, dan juga
induktor, sedangkan filter digital merupakan suatu program (algoritma) yang dibuat sedemikian sehingga
karakteristiknya menyerupai filter analog yang bersesuaian. Filter digital lebih banyak digunakan
dibandingkan dengan filter analog karena beberapa alasan berikut:
1. Filter digital dapat mempunyai karakteristik yang tidak mungkin didapatkan dengan filter analog,
seperti respons fasa linear.
2. Kinerjanya tidak dipengaruhi oleh faktor lingkungan, seperti suhu (ingat bahwa resistansi suatu
resistor berubah terhadap suhu).
3. Respons frekuensi filter digital dapat dengan mudah disesuaikan (hanya mengganti program atau
membuat program untuk filter adaptif).
4. Beberapa sinyal masukan dapat diproses hanya dengan menggunakan satu filter digital.
5. Dengan berkembangnya teknologi VLSI, filter digital dapat dibuat dengan ukuran yang kecil, daya
dan biaya yang rendah.
6. Digital filter dapat digunakan pada frekuensi yang sangat rendah, seperti pada aplikasi biomedik.
176 Dosar Pengolahon Sinyal Digital
Namun demikian, beberapa kelemahan dari filter digital adalah sebagai berikut:
1. Kecepatan dari filter digital (waktu proses) tergantung dari prosesor yang digunakan dan juga
kompleksitas algoritma yang digunakan.
2. Karena masukan filter digital biasanya adalah sinyal analog maka diperlukan ADC yang akan
menimbulkan noise,yang akan mempengaruhi kinerja filter digital.
3. Perancangan filter membutuhkan waktu yang cukup lama, karena memerlukan beberapa
pengetahuan khusus lain, seperti pemrograman dan perangkat keras yang digunakan.
Filter digital dapatdibedakan menjadi dua jenis, yaitufinite impulse respotnsse (FIR) dan
infinite impulse responsse (IIR). Seperti yang telah dibahas sedikit pada bab 5, istilah FIR dan
IIR berkaitan dengan panjang respons impuls. Pada bab ini kita akan membahas mengenai filter
FIR dan pada bab selanjutnya kita akan membahas mengenai filter IIR.
Filter FIR dapat direpresentasikan dengan dua persamaan berikut:
N-l
tfn)=lnyc1x1n -
k=0
rc1 (6.r)
n (,)=fnpltr t6'2)
r=o
dengan k = 0,1,..., N -1, hlkl adalah koefisien-koefisien respons impuls filter, H (z) adalah fungsi
sistem filter (fungsi alih filter) yang didapatkan dengan melalrukan transformasi z pada hlkl, aan X
adalah panjang filter. Dari persamaan (6.2) jelas bahwa panjang filter adalah terbatas (finite). Dilihat dari
persamaan tersebut, filter FIR selalu stabil. Selain itu, filter FIR juga memiliki respons fasa yang linear,
yang akan dijelaskan pada subbab berikut.
Secara matematik, phase delay dapat dituliskan sebagai negatif dari sudut fasa dibagi dengan
frekuensi, atau
Bab 6: Filter Digitol: FIR 177
e(r)
To= (6.3)
Sedangkan group delay adalahnegatif dari turunan pertama dari sudut fasa terhadap frekuensi, atau
de(ot)
Tr= (6.4)
dot
Suatu filter dikatakan mempunyai respons fasa linear adalah ketika sinyal yang melewati filter
tersebut mengalami distorsi fasa yang sebanding dengan frekuensi. Supaya filter memenuhi karakteristik
tersebut maka filter harus mempunyai respons fasa, seperti salah satu dari dua berikut:
0(at)=-q61 (6.s)
dengan a dar, B adalah konstanta. Jika filter memiliki karakteristik seperti pada persamaan (6.5) maka
filter tersebut memiliki p hase delay dan group detay yangkonstan, karena T, = -0(a)1, = aaf a = a
dan Tr = -d?(at)ldot = -d (-aa)f do= a . Untuk memenuhi persamaan (6.5) maka filter harus
mempunyai respons impuls dengan simehi positif, yaitu
Sedangkan filter yang mempunyai karakteristik seperti persamaan (6.6) maka filter tersebut hanya
mempunyai group delayyangkonstan, karena =-d0(at)lar=-d(f *aat)f ar= a . Phase delay
T,
dapat dihitung, yaitu sebagai berikut: To=-0(at)lr=-(g-"r)f a=-pla+q, yang menunjuk-
kan phase delay tidaklah konstan tetapi masih merupakan fungsi frekuensi. Untuk memenuhi persamaan
(6.6) maka filter harus mempunyai respons impuls dengan simetri negatit yaitu
a = (N -r\lz (6.10)
(6.11)
F=xlz
178 Dasor Pengolahan Sinyal Digitol
n=0
( N-t\12
Simetri negatif Ganjil - il,4N -1112-,14'
3
hfn)=-nfrtr -t-n)
e in=l
afnlsin(atn)
-Nt2 4
Genap
e-
iL.lN -t)I z-, t z )l alnlsin I ar ( r _ r/Z )]
n=l
hl(w -r)lz)
"[o]:
alnf=znl(N -t)12-n)
bl")=zhlNlz-n\
Gambar-gambar dari respons impuls filter tersebut dapat dilihat pada Gambar 6.1. Keempat tipe
filter tersebut berbeda-beda karakteristiknya. Sebagai contoh, respons frekuensi filter tipe 2 selalu bernilai
nol ketika frekuensinya adalah setengah dari frekuensi sampling (ditulis .f =0,5 tanpa satuan Hz)
sehingga tidak cocok untuk filter highpass. Dalam perancangan filter, frekuensi selalu dinormalisasi
terhadap frekuensi sampling.
Sedangkan filter tipe 3 dan 4 mengalami pergeseran fasa sebesar 90" (ingat sin dan cos berbeda
fasa sebesar 90"). Respons frekuensi filter tersebut adalah nol ketika .f =0 sehingga tidak cocok
digunakan sebagai filter lowpass. Selain itu juga, respons frekuensi filter tipe 3, selalu nol pada .f =0,5
sehingga tidak cocok juga sebagai filter highpass. Tipe I
adalah tipe yang paling baik. Sehingga
selanjufirya dalam perancangan diusahakan panjang filter adalah ganjil dan bersimetri positif.
tub 6: Filter Digital: FIR 179
Pusatsimetri
ganiiI simeri positif
IU
It=13
:T:::TT
-/,
tl =72
lrl = 10
Gambar6.2LangkahJangkahperancanganfilter
bandstop ideal
bandpass' highpass' dan
Gambar 6.3 Filter lowpass'
tub 6: Filter Digital: FIR 181
Langkah ke dua adalah menghitung koefisien fiter, h [n] supaya dapat memenuhi spesifikasi
seperti yang diinginkan. Langkah ke tiga adalah realisasi filter ke dalam bentuk/struktur yang sesuai,yaf,E
biasanya dalam bentuk diagram blok. Langkah ke empat adalah melakukan analisis wordlength (iumlah
bit) yang merepresentasikan koefisien filter yang telah dihitung pada langkah ke dua. Filter digital dapat
terjadi degradasi kinerja yang disebabkan oleh beberapa hal seperti noise ADC, kuantisasi koefisien,
pembulatan (pada proses kuantisasi), dan overJlow, yaitu ketika hasil penjumlahan melebihi jumlah
bitl w o rdl en gth yang di gunakan.
Jika dirasa terjadi kesalahan pada langkah ke empat, yaitu respons filter terhadap masukan tidak
sesuai dengan yang diharapkan maka dapat dilakukan spesifikasi ulang, penghitungan koefisien kembali,
atau melakukan realisasi kembali. Jika filter yang dirancang dirasa sudah memenuhi spesifikasi seperti
yang diinginkan maka langkah terakhir adalah melakukan implementasi pada hardware seperti
TMS32OC25.
F(."")l
l+6,
t
L- 6,
l, f,
prs$and kensiton sbpbanrl
band
Gambar 6.4 terdapat tiga bagian utama yang menunjukkan passband, transition band, dan juga
stopband. Passband adalah daerah yang melewatkan frekuensi. Pada daerah ini kemungkinan akan terjadi
ripple yang mempengaruhi respons magnitudo frekuensi yang dilewatkan. Daerah ke dua adalah daerah
transisi dan passband menuju stopband. Sedangkan daerah yang ke tiga adalah daerah stopband, di mana
frekuensi tidak akan dilewatkan. Namun, sama halnya dengan daerah passband, daerah stopband }uga
kemungkinan akan mempwyai ripple (deviasi). Filter yang baik memptnyai ripple passband dan
stopband yang kecil. Dengan demikian, beberapa parameter yang menunjukkan spesifikasi filter dapat
dirangkum sebagai berikut
6e : deviasipassband
6s = deviasi stopband
fo : frekuensi bataspassband
Seperti yang telah disebutkan sebelumnya, dalam merancang filter selalu digunakan frekuensi
normalisasi, yaitu f f F, .
Contoh 6.1
Sketsafilter dengan karakteristik tersebut tampak pada Gambar 6.5. Jika frekuensi sampling diberikan
adalah l0 kHz maka frekuensi sebenarnya dapat dihitung dengan mengalikan frekuensi normalisasi
dengan frekuensi sampling, sebagai berikut:
Passband 1,8 - 3,3 kHz
Stopband 0 - 1,4 kHz dan 3,7 - 5 kklz
Atenuasistopband -20log,o (0,001):60 dB
Ripple passband 20log,o (1+0,05) :0,42 dB
r
Bob 6: Filter Digitol: FIR 183
w{ol
lnormClsaC)
Suatu fenomena yang disebut fenomena Gibbs berkaitan dengan ripple dan panjang filter.
Fenomena Gibbs menunjukkan bahwa semakin panjang jumlah koefisien filter maka ripple akan semakin
berkurang.
Digital
Dasor Pengolahan SinYal
184
,,7"u\i:'1
sin(nar,)
-LJ
,, c
2(f,- f)
;@-rsin(nq)
LJ2 n@t-fi@z
t-z(fr- f')
:@-rr.sin(n't')
LJt fr@z
n@t
fr"l""*t b"til; band atau stopband yar.g
7", f, dar' f, adalah
Hamming,
6'6'
Sedangkanwindowyangseringdigunakanada5jenis'yaiturectangular'
ditunjuktan pada Gambar
Blackman, dan Kaiser.
i.rir-j.rri. windowtersebut
Domh lrehroEi
&mh w akiu 40
1----
I
. I
o^
o.a 20 ll)
[ \A
9
!roll
t11'
0.6
-cil: El
6
Sn l
04
,10
.
0.2
o
o' .,0 io 30 40 50 60
SnrP€l
(a)
(d)
: (b) Hanning, (c) Hamming,
N 64 (a) rectangular,
jenis window,.de'ngan
Gambar 6.6 Berbagai
Blackrnan' (e) Kaiser' B'4'54
Bob 6: Filter Digital: FIR
185
0.8'
a
!.
0.6
{!b
-
E
0.4 l
E
I
o.2:
or
(b)
u,u
)
u.6.
-
=,
;
i
0.,l
(c)
'i X* .r DqEhrrdcni
08l\,
t\/t\.0
0.6.r\0
so4l\F I \ E*
/\'l
02 '1oo:
/\/ \
o^-' -,*o
ro 20 30 40 il > 4.2 0.1 0.6
Saipol ffiEIlrurrtal
(d)
E.
a
0.4 r
gtTry*,ili*
0.2
0 : _
10203040s0
.- *L o1 --0.+---os
- o.e
SarP€l f€hmimtrEbsl
(e)
wlnf=1, lrl=0,1,...,N
(6.12)
- 0, yang lain
Namun demikian, di dalam domain frekuensi, main lobe terlihat lebih sempit dibandingkan keempat
fungsi window lainnya. Lebar main lobe window ini adalah +rf (ZU +l), dengan U =(N -t)lZ.
Suatu parameter yang disebut tingkat side lobe relatif (relative side lobe level) menanjukkan selisih
(dalam dB) antara amplitudo side lobe terbesar dan main lobe. Window ini mempunyai tingkat side lobe
relatif sekitar l3 - 14 dB.
Window ini mempunyai lebar main lobe sebesar ZxIQU +1) dengan tingkat side loberelatif sekitar 31
dB.
Window yang ke tiga adalah yang paling sering digunakan, yaitu Hamming yang diberikan oleh
persamaan
= 0, Yang lain
Bob 6: Fllter Dlgital: FIR
Dalam domain waktu, window ini terlihat turun dengan baik pada kodua sisinya dan mempunyai lebar
main lobe sama seperti window Hanning, yaitu scbcsar Uf (ZU +t) . Tingkat side lobe relatifrrya adalah
sekitar 4l-42 dB. Jika dibaudimgkan dengan window rectangulor, window ini
akan mempunyai lebar
tansisi yang lebih bcsar kareraa tudin lobenya lebih lebar (sekitar dua kalinya) dan atenuasi stopband
yang lebih besar karena tingkat side lobe yang lebih kecil. Sehingga, perlu diperhatikan bahwa lebar
hansisi suatu filter ditentukan oleh lebarnya main lobe dan ripple pada passband dan stopband
dipengaruhi oleh side lobe.
lYindow ini mempunyai tingkat side lobe relatif sekitar 57 - 58 dB dengan lebar main lobe
rzrf (zu +r).
Window yang ke lima adalah Kaiser. Window ini merupakan jenis window
dapat diatur yaurt9
(adjustable window) karena nilai ripplmya dapat kita tentukan dengan menggunakan parameter p .
Fungsi window ini adalah
.{,['-(#l]"]
wlnl= -(n -r)lz<, < (N -t)12 (6.16)
I,(B) '
-0, yang lain
dengan f, (r) adalah fungsi Bessel jenis pertama yang dimodifikasi orde-nol (zero-order modilied Bessel
/o(,)=,.*[#I (6.17)
F =o iika As 2l dB (6.18)
Dasar Pengolahan Sinyol Digital
Tipe Lebar transisi (Hz), Ripple Tingkat slde Maksimum Fungsi window
normalisasi passband lobe rela/;if atenuasi
(dB) stopband
wfn),lnl<(N 't)lz
(dB)
Rectangular o,sf N 0,7416 l3 2t I
\N -ll
-
( qon\
+0,08 cos I
\N-ll
Kaiser 2,%lN (P = 4,54) 0,0274 50
+(ol-fznlQr-,)l')" )
0,00275 70
#2fN(B=6,76) I,(B)
s,7 tf N (B 0,000275 90
- S, e6)
Setelah menentukan jenis filter dan window yang akan digunakan maka langkah terakhir adalah
mementukan koefisien filter FIR dengan
hlnl=h'fnlwln) $'22)
Bab 6: Filter Digital: FIR 189
Contoh 6.2
Spesifikasi filter FIR lowpass diberikan sebagai berikut:
Berdasarkan persamaan (6.14) maka window tersebut (dan juga respons impuls filter) terdefinisi pada
-26<n<26. Karena adanya lebar transisi pada filter yang sesungguhnya, frekuensi batas passband
berubah menjadi
hlnf adatah:
n =t : hDUl=
t rr:*,\:9
tc il@" =zxl,2tltst 2ttx0,021875 = 0,3t2te
^9r:?1,\ll.s)
w[t] = o, 54 + o, 46 cos (2n I $) = 0,9967 7
= n,f\wftl= 0'3 I I I 8
'l'l
n=2 : h,lzl=2r;W =2x0,2t"t'*r9#:;,:r'ir:;:) = 0,06013
hl21 = hD
lzlwl2l = 0, 060 12
Dengan demikian, dapat disimpulkan bahw a hl-11= l,
[l] , hlll= h121, dan seterusnya.
Untuk membuat filter kausal maka koefisien filter tersebut harus terdefinisi pada 0 3 n < 52 sehingga
perlu menambahkan 26 untuk tiap indeks.
I
Contoh 6.3
Passband 150-250 Hz
Lebar transisi 50 Hz
Ripple passband 0,1 dB
Atenuasi stopband 60 dB
Frekuensi sampling I kllz
Dengan melihat Tabel 6.3 maka kita dapat menyimpulkan bahwa jenis window yang cocok adalah
Blackman atau Kaiser. Di sini kita akan mencoba menggunakan Kaiser. Frekuensi-frekuensi normalisasi
adalah sebagai berikut:
Untuk menentukan nilai p maka kita harus menentukan dahulu nilai l, sebagai berikut:
f = o,1102(60 - 8, 7) = 5, 65
Berikut nilai dari koefisien filter (kita dapat menghitungnya dengan menggunakan program)
n 0 I 2 3 4 5
n 6 7 8 ,9,.. l0 It
nl"l 0.0015162 0.001929 0.0014122 0.00038627 -0.0001t758 0.00o72948
n t2 l3 l4 l5 l6 t7
.0.014253
nlrl 0.002602 0.0037886 0.0021807 -0.002961l -0.0097589
n t8 t9 20 ,2t 22 23
n 24 25 26 2? 28 29 i'.f
n 30 3l 32 33 34 35
n 36 37
Untuk koefisien lainnya berlaku simetri positif. Gambar plot frekuensi ditunjukkan pada Gambx 6.7.
!
192 Dosor Pengolahan Sinyol Digitat
'aI
*l
@
!
*fi
l/
'a
o
*f ^i
-[,]','' I
r ]
.,*L \
Contoh 6.4
Untuk perancangan filter lowpass seperti pada Gambar 6.4 diberikan ao --2ttf , =0,31t ,
ot"=2xf,=0,51r (normalisasi), dan A,=40 dB. Dengan demikian, frekuensi batas dapat dihitung
sebagai a)"=(@o+r,)fZ=0,4tr atau f"=0,2. Karena A,=40 dB=20log,r(4) maka
N- 40-7'95 al=)J,Jx25
14,36x0,1
tub 6: Filter Digitol: FIR 193
M 0 I 2 ,.3. 4 .J.:,'t,.,,
Untuk koefisien lainnya sesuai dengan simetri positif dan hasil plot frekuensi dihrnjukkan pada Gambar
6.8.
Berikut adalah keuntungan dan kelemahan menghitung koefisien filter FIR menggunakan
metode window:
l. Keuntungan yang paling utama adalah metode ini mudah dan sederhana.;
2. Kelemahan yang utama adalah dengan menggunakan metode ini kurang fleksibel, karena passband
puncak dan ripple stopband mempunyai nilai yang hampir sama, akibatnya kadang-kadang ripple
passband terlalu kecil, atau atenuasi stopband terlalu besar;
3. Karena efek konvolusi antara spektrum fungsi window dan respons yang diinginkan maka frekuensi-
frekuensi batas passband dan stopband menjadi tidak presisi;
194 Dasar Pengolohon Sinyal Digital
4. Kecuali window Kaiser, amplitudo ripple dan atenuasi stopband maksimumnya tetap meskipun
panjang fi lter divariasikan;
5. Dalam beberapa aplikasi H o(r) terlalu sulit sehingga ho(co) tidak dapat diperoleh secara analitis.
dengan Hr(r) adalah respons filter ideal, tt(r) adalah respons filter yang diinginkan, dan W(at)
adalah fungsi pembobotan.
Gambar 6.9 (a) Filter dengan windowing (b) Equiripple pada passband dan stopband
Tujuan utama dari metode optimal ini adalah menentukan ft[n] sedemikian sehingga kesalahan
berbobot maksimum,
lU
(r)l diminimalkan, atau secara matematis
min[maxlr(a)l] (6.24)
Bab 6: Filter Digitol: FtR
195
Riple-riple tersebut menunjukkan adanya suatu nilai maksimum dan minimum, yang keduanya
disebut
sebagai nilai ekstrem. Untuk filter fase-linear lowpas.s, terdapat jumlah nilai ekstrem
sebanyak r + I atau
r + 2,dengan, = (N+1)/2 (untut filter tipe t) atau r = N
12 (untuk filter tipe 2).
Suatu algoritma yang disebut sebagai Parks-McClellan digunakan untuk merancang filter FIR
fase-
linear optimum. Langkah-langkah yang digunakan untuk metode optimum:
l. Gunakan algoritma Remez untuk menentukan frekuensi-frekuensi ekstrem optimum.
2. Tentukan respons frekuensi dengan menggunakan frekuensi-frekuensi ekstrim.
3. Mendapatkan koefisien-koefisien respons impuls.
Secara keseluruhan, diagram alir untuk algoritma ini diperlihatkan pada Gambar 6.10. program untuk
algoritma ini dibahas di akhir bab ini.
Tentukan
spesifikasi filter
dan rnasuken
unfuk progrim
I
.t
Tebakan awal titik
ekstrinr r + I"
i
Tentukan l.e/-]l
dan ekstrain i +'l
terbrasar
I
+
Nilal
ekstrim
berub*h?
rider
J
Hitung koefiS*n
r€q'on intputs
(6.2s\
, =O$:rl-7go,a,)4tr*r
dengan
a, = -5,941x10-t ae = 4'278x10-l
(6.28)
,-*fJ-r(0,,0,)a7+r
dengan
(6.30)
g ('r, 4 ) = -14' 6 log'' -'u''
[])
b, = -0,51325 br=0,00203
= 0,01201
bz =0,09664
4
b, = -0,5705 bu=-0,44314
Bob 6: Filter Digital: FIR 197
Diasumsikan bahwa UoUr) adalah periodik, dengan periode dasar 2n sehingga dapat ditulis
sampling seragam pada Hr(irl) sebesar ,=4, dengan tr/ adalah banyaknya sampel seperti
ditunjukkan Gambar 6.11. Dengan demikian, nilai sampel ke-t dinyatakan sebagai Ur(iat*)= H(k)
dengan k = 0,1,2,...,N-1 .
x
jr
Rc
Dengan menggunakan invers DFT didapatkan sampel fungsi impuls filter, yang dinyatakan sebagai
hlnT= IDFr
{u (r,)}= *X"t k)eizo'*tN (6.31)
Seperti yang telah kita ketahui sebelumnya bahwa nilai hln) adalah riil. Untuk mendapatkan nilai riil
maka jika dilihat dari persamaan (6.31), dapat terjadiketika k=0 atau ketika H (0) karena suku
kompleks ,t2nnklN bernilai I (sudut fasa nol). Selanjutnya jika kita mengambil konjugat dai H (k),yaitu
198 Dosar Pengolohan Sinyal Digital
= H' (k)ej2r(N-k)nlN
sehingga dapat disimpulkan H'(k)=H(N-k). Otetr karena itu, untuk Nganjil harus memenuhi
syarat:
komplek konjugat
riil
0L234s678
Gambar 6.12 Contoh untuk syarat N gonjil, N : 9
Bagaimana untuk N genap? Tentunya kedua syarat tersebut di atas masih berlaku, namun ada
tambahan lagi, karena masih ada satu indeks, yang ditengah, yang tidak mempunyai pasangan.
tersebut akan bernilai nol pada ,f = 0,5 atau pada o) = 7t atau pada k = +. Dengan demikian, untuk N
2
genap harus memenuhi syarat:
l. NilaiI/(0) harusriil
2. Memenuhi H' (k)= U (tl -k)
Bab 6: Filter Digital: FIR 199
3. Memenuhi = H a(ir) =o
"(+)
Contoh untuk N genap ditunjukkan pada Gambar 6.13, dengan N: 10, dengan H(0) adalahriiL H(s)
adalah nol, I/(l) = H' (9), H (2)= //- (8), dan seterusnya.
lcomplek honiugat
nol
k
L23+s678
Gambar 6.13 Contoh untuk N genap, N : 10
k=l tr=N=l
2"2untuk N ganjil, dan dari k=l k=+
dari sampai sampai untuk N genap.
Penjumlahan dua bilangan kompleks konjugat sama dengan dua kali bilangan riilnya, dapat dibuktikan
sebagai berikut: (a + jb) + (a - jb) = 2a .Oleh sebab itu persamaan (6.31) menjadi
Contoh 6.5
Suatu filter lowpass FIR mempunyai spesifikasi passband 0 - 5 kHz dengan frekuensi sampling l8 kHz.
Oleh karena itu, frekuensi normalisasinya adalah -f :0- 5/18 atar- a)=O-1^o. Jika kita mengambil
9
Dosar Pengolahan Sinyal Digital
panjang filter N = 9 maka kita melakukan sampel setiap ar =+ Kita akan melakukan evaluasi mulai
dari ot=0-2n. Kita mengasumsikan filter ideal dan fase linier, sehingga fungsinya adalah
6 81012
9I -1T-flt-
-7T I I
?
-it 1of
gl
\oEo t&)
+19g
9
J l3 2n
-lE
I -ff
9
ft
[r] = i 1r1 * zf n.
{a (k\ ei
z'(r)t t rt
= ( o) + zf n e
{u Qc) a'z"',' }]
[" }
] * ["
r
t
= + z(0, nx)+ 2(-o,e3e7)] = -o,ossi
,[,
hl3l=i r; * 2fne a (r ) e;z'ta4r 1
= 1o; * zf n {a (k) o
\7
[" 1
{ } i [r ",'*
=
i[t + z(o,t aeo)+z(0, rzse)] = o,3tee
hl41=i ry * zf,ne a (k1 ei
z'to)o t' zf n, { a o) n
[" 1
{ }] = i[" 1oy
-,-
1
"** \7
=
i[, + z(r) + z(r)] = 0,5556
Berdasarkan simetri mata /l[8] = ft [0], hl77= hU]1, h[67= nfZ], dan ][5] = nlZl.
I
Contoh 6.6
Dari contoh 6.2, jika kita ingin menghitung koefisien filter highpass nya maka kita harus melakukan
transformasi dahulu untuk frekuensi batas highpass,yait;u
202 Dosar Pengolohan Slnyol Digital
t
tr {
Jnp-j-Jrp
-'s
=9-t.s
2
=2.5kf,z
Tiga koefisien pertama filter highpass tersebut adalah:
Pojok
MATLAB
MATLAB mempunyai suatu tool yang dapat digunakan untuk menganalisis window. Ketil*an perintah
berikut pada command window
wintoo 1
maka kita dapat melihat suatu tampilan seperti pada Gambar M6.1. Dengan menggunakan fasilitas
tersebut kita akan dapat melihat tipe-tipe window sesuai dengan spesifikasi yang kita inginkan.
Selanjutnya kita juga akan mencoba mencari panjang filter Kaiser dengan menggunakan program
yang ditunjukkan sebagai berikut.
? Program 6. 1
B Menentukan parameter beta
? dan panjang fj_Iter Kaiser
ripple = input(rMasukkan rippTe passband (dB) - ').
atenuasi = input ('Masukkan atenuasi stopband (de1 = 1 ,
de1ta_f : input(tMasukkan del_ta f (normalj.sasi) = r).'
s i-gma_p = ( 10 ^ ( ripp je / 20) ) -t ;
sigma_s = 10^ (-atenuasi,/20);
sigma = min (sigma_p, sigma_s) ;
A : -20*1o910 (sigma) ;
ifA<:21
beta : 0;
elseif A>21 & A<50
beta = (0.5842* (A-21) ^0.4)+(0.07886* (A-21) ) ;
eI se
beta : 0.1102* (A-8.7);
end
if A > 21
N = ceil, ( ( (A-7 .951 / (t4.36*de1ra f) ) +1) ;
else
N : ceil I (0.9222/detra f) +1) ;
end
if mod (N,21:=9
N : N+1;
el-se
N:N;
end
disp ('Parameter beta : ') ;di_sp (beta)
disp('Panjang f11ter = ');disp(N)
Anda dapat memeriksa program tersebut dengan mengerjakan ulang contoh 6.3.
Selanjutnya kita akan mencoba membuat program untuk mengerjakan contoh 6.2, yaiu mencari
koefisien fiter lowpass dengan window Hamming, sebagai berikut.
E Program 6.2
t Menentukan koefisj_en filter Towpass
%dengan window Hamming
f = input('Masukkan frekuensi batas passband (normalisasi) : ,1.
del-ta_f : input('Masukkan delta f (normalisasi) = r;.
f1 : f + 0.5*de1ta f,.
%Mencari panjang fil-ter
N = ceil(3.3,/de]ta f),.
if mod (N, 2; :=6
N = N+1;
else
N:N;
end
n = 0:N-1;
h_D = 2*f 1*sinc (2*fl .*n\ ;
w = 0.54+0.45*cos (2/N*pi. *n) ;
2U Dos;ar Pengolohan Sirryol Dig;ttal
h = h_D.*w;
disp(rKoefisien filter =') ;disp(h)
Pada dasarnya, MATLAB mempunyai fungsi-ftngsi t&usus yang dapat menghasilkan koefisien-
koefisien window. Fungsi-fungsi tprsebut adalah sebagai,5srikul'
w = blackman (N)
w = hamming (N)
w = hanning (N)
w = kai.ser(N,beta)
Perlu diketahui bahwa fungsi-fungsi tersebut ocngfusilkan koefisien-koefisien untuk panjang
window N ganjil dan terdefinisi mulai dari *(N -1)l2s fV < (N -1)12
Fungsi lain yang dapat digunakan untuk menghitung koefisien filter FIR adalah
I ,b: firl(L-1,Wn)
b= firl (L-1,Wn,rtipe_filter')
b= firl (L-1.Wn, windowl
b= firl (L-1,Wn,'tipe_filter' ,windowl
Parameter Wn dapat bernilai antara 0 dan 1, dengan I berkaitan dengan frekuensi Nyquist. Parameter
'tipe_filter' dapat diisi 'low', 'high', atau 'stop' untuk filter lowpass, highpass, dan bandstop berturut-turut.
Jika tidak didefinisikan maka dianggap filter lowpass.
Untuk menghitung koefisien filter dengan menggunakan metode optimal, atau sering juga disebut
sebagai algoritma Parks-McClellan dapat digunakan fungsi
b = remez(N-1,f,m)
b = remez (N-1, frm, wt)
Parameter fadalah vektor frekuensi-frekuensi batas yang bemilai antara 0 dan I di mana I berkaitan
dengan frekuensi Nyquist, m adalah vektor magnitudo, dan wt adalah vektor bobot relatif antar ripple
pada pita-pita frekuensi.
Pita-pita frekuensinya adalah 0 - 500 kIz (stopband), 1000 - 1500 Hz Qsassband), dan 2000 -5000 Hz
(stopband). Nilai 5000 Hz didapat karena merupakan setengah kali fi'ekuensi Nyquist (frekuensi
sampling). Dengan menormalisasi frekuensi-frekuensi batas terhadap frekuensi maksimum didapat
0/5000:0
500/5000:0,1
1000/5000:0,2
1500/5000:0,3
2000/5000:0,4
5000/5000 = 1
sehingga f = [0 0.1 0.2 0.3 0.4 1). Magnitudopassband diberikan sebagai I sehingga menghasilkan m = [0
0 1 1 0 01. Berikut adalah program untuk mencari koefisien filter FIR dengan metode optimal.
n6 Da*r Pengotohon Sinyal'Di gi tol
* Program 6.4
t Menentukan koefisien filter
t dengan metode optimal
fs = input ('Masukkan frekuensi sampling - I
) i
N = input('Masukkan panjang filter = ')i
m = input('Masukkan vektor magnitudo * r),.
f = input('Masukkan vektor frekuensi = ');
b = remez (N-1, frm);
lH, frekl = freqz (b,1,512, fs);
mag = 20*Logl0 (abs (H) );
plot ( frek, mag)
xlabel ( 'frekuensi' )
y1abe1 ( 'gain, dB')
-30
dl
E
s' 40 A
'6 I
o,
I l
l
-50 I I
I l
ll
60i-
I
-70 I
Untuk mencari koefisien filter dengan metode frekuensi sampling, dapat menggunakan
b = fir2(N-1,f, H)
dengan f adalah vektor frekuensi normalisasi dengan rentang antaru 0 dan l, dengan normalisasi terhadap
setengah dari frekuensi sampling seperti dijelaskan sebelumnya dan H adalah vektor magnitudo pada titik
yang didefinisikan oleh f.
lalt;l= r k =0,1,2,3
=0,5571 k=4
=0,0841 k=5
-0 k=6,7
Gambar 6.17 Contoh plot respons frekuensiJilter lowpass untuk Program 6.5
SOAL.SOAL
l. Tentukan 5 koefisien pertama filter FIR lowpass dengan spesifikasi: atenuasi stopband 50 dB,
frekuensi batas passband 3,4 kHz, lebar transisi 0,6 kllz, dan frekuensi sampling 8 kHz. Tentukan
jenis window yangAnda gunakan, mengapa memilih jenis window tersebut?
2. Suatu filter FIR lowpass didesain untuk memenuhi spesifikasi: atenuasi stopband > 40 dB, frekuensi
batas passband 100 Hz, ripple passband < 0,05 dB, lebar tuansisi l0 Hz, dan frekuensi sampling
1024Hz Hitunglah 5 koefisien pertama dari filter tersebut.
3. Tentukan koefisien filter FIR highpass dari soal no. I dan 2 dengan menggunakan transformasi
frekuensi. Tentukanjuga frekuensi batas highpass yang bersesuaian.
4. Hitunglah koefisien filter FIR highpass dari soal no. I dan 2 dengan menggunakan metode
windowing, optimal, atau frekuensi sampling. Bandingkan hasilnya dengan jawaban no. 3.
5. Hitung ulang koefisien filter pada contoh 6.5 jika menggunakan N = 17 dan N= 16.
6. Suatu filter FIP. bandpass, fasa linear mempunyai spesifikasi'. passband 8 - l2kllz, ripple stopband
0,001, ripple passband 0,01, frekuensi sampling 48 kJlz, dan lebar transisi 3 kHz. Hitunglah 5
koefisien pertama filter tersebut dengan menggunakan window Hamming, Kaiser, metode optimal,
dan metode frekuensi sampling. Bandingkan hasilnya.
7. Dengan menggunakan metode frekuensi sampling, diberikan
Bob 6: Filter Digital: FIR
la(t)l =!, k =o
=0, k =lr2r3
Tentukan keempat koefisien filter.
8. Tentukan 5 koefisien pertama filter FIR bandpass dengan spesifikasi: passband 12-16 kHz, lebar
transisi 3 1r}Jz, frekuensi sampling 96 kJlz, ripple passband 0,01 dB, dan atenuasi stopband 80 dB.
BAB
n/
7,1 PENDAHULUAN
etelah kita mempelajari merancang filter FIR, sekarang tibalah saatnya untuk mempelajari
mengenai filter inJinite impulse responsse (IIR). Filter ini dikarakterisasi oleh persamaan rekursif
sebagai berikut:
oiy'M
tlnl=lnpc)xln-
t=0
kl = lurxln - kl-Zrrfln - rcl (7.1)
k=0 &=l
dengan ft[/r] adalah respons impuls filter yang secara teori mempunyai panjang tak terhingga, br dan
ar adalahkoefisien filter, serta xlnl aan llnl adalahmasukan dan keluaran filter.
rt t _\ _ bo + brz-* _ Zbr'-r
brz-t +.. .+ t=0 (1.2)
-- \-" l+arz-t +...+ orz-u M
l+laoz-k
i=l
yang dapat difaktorkan sebagai
(7.3)
Dasor Pengolahan Sinyal Digital
212
dengan 21>22>...,2* adalah zero dan p1,P2,...,p* adalahpote H(z). Dari persamaan (7'3) perlu
diingat bahwa supaya filter stabil nilai-nilai pole harus berada di dalam lingkaran berjari-jari l" oleh
tersebut tidak terpenuhi. Selain itu, karena
karena itu, filter IIR mungkin saja tidak stabil apabila kriteria
filter tIR bersifat rekursif maka terdapat umpan bahk (feedbocfr). seperti pada persamaan (7.1) maka
jumlah koefisien filter IIR lebih sedikit dibandingkan filter FIR.
Ada empat metode yang biasa digunakan untuk menentukan koefisien filter IIR,
yaitu penempatan
seperti ditunjukkan pada Gamb ar 7 .1. Pole yang semakin dekat ke lingkaran
berjari-jari 1 akan semakin
membuat nilai peak semakin tinggi, sedangkan zero yang semakin dekat ke lingkaran
akan semakin
membuat nilai impuls frekuensi minimum'
d =90o *.E
0=0
tl
oFrFr34
424
34
6 =270o o
4
Dalam metode ini ada kaitan antara sudut (posisi peletakan zero atat pole) detgan frekuensi.
Hubungan tersebut sederhana mengikuti perbandingan linier. Ingat bahwa koefisien
filter harus riil
sehingga zero atau poleharus riil atau kompleks konjugat. Jika satu putaran
penuh 360o bersesuaian
dengan frekuensi normalisasi 1, maka
g (7.4)
=+!-x360"
F,
Bob 7: Filter Digital: llR 213
Contoh 7.1
Suatu filter IIR bandpass akan dirancang dengan spesifikasi: stopband pada dc dan 250 Hz, pusat
passband adalah 125 Hz, dan bcmdwidth 3-dR nya adalah l0 IIz. Frekuensi sampling diasumsikan 500
Hz.
Sesuai dengan spesifikasi maka pada dc (0 Hz) dan 250 Hz harus ditempatkan zero. Zero akan
diletakkan tepat pada lingkaran. Sudut yang bersesuaian dengan frekuensi tersebut adalah 0 =A dan
g =491360o = 1.80" . Pada frekuensi 125 Hz harus ditempatkan pale,yangbersesuaian dengan sudut
s00
Sekarang saatnya menentukan jarak pole ke lingkaran (ari-jari), dengan mengganggap r > 4,9
maka dapat menggunakan rumus
r=l*(BWlF,)n (7.5)
Oleh karena itu, jari-jari pole adalah r=t-(10/500)z =0,9372. Cambar zero-pole untuk hasil
perhitungan tersebut dapat dilihat pada Gambar 7.2.
0 = l80o I o,erz
t|,
\ 0=O
fo'e,,,
</
Gambar 7.2 Zero - pole untuk contoh 7.2
i,,*tttt]K
L:,j
I
I ,-', BsA'.o PsJS'.':1"':eco
|I
{ *n t: ' ' -r.': :.:r
I P".,;,'.:
214 Dosar Pengolohan Sinyal Digitol
H(z)= k:r)(z+r) =
(z - i0,9372)(z iA,%72)
+
l:L
+0,87834384 z2
l- z-2
=
1+ 0,878343842-2
bo =l br = 0 bz = -l ot = 0 a2 =0,87834384
r
Contoh 7.2
Kita akan merancang suatu filter notch, yaitu suatu jenis filter yang tidak melewatkan satu frekuensi saja.
Dalam hal ini frekuensi notch (yang tidak dilewatkan) adalah 50 Hz, lebar notch 3-dB (transisi) t5 Hz ,
dan frekuensi sampling 500 Hz.
Untuk menahan frekuensi pada 50 Hz maka pada pada frekuensi tersebut diletakkan zero yang
Karena fiter notch menahan satu frekuensi saja, dalam contoh ini adalah 50 Hz maka frekuensi di sekitar
50 Hz akan dilewatkan. Pole juga akan diletakkan pada posisi sudut yang sama dengan zero, narnur.
dengan jari-jari yang berbeda, yaitu dengan menggunakan persamaan (7.5) sehingga didapatkan
r=l-(101500)a =0,9372. Bandwidth untuk filter ini adalah l0 Hz karena transisi filter diketahui
merentang sebesar t5 Hz dari frekuensi notch. Gambar plot zero-pole dan respons magnitudo
frekuensinya ditunjukkan pada Gambar 7.3.
tub 7: Fllter Digital: ttR
215
Pld sero-polo
0,9372
-0.s 0 05
R!rl
(a)
Rcrlon m gnludo tratuanrl
10
10
€
,F
I
-,a0
-50
€0
(b)
Gambar 7.3 (a) Plot zero-pole (b) respons magnitudofrekuensi contoh 7.2
216 Dosor Pengolohon Sinyal Digitot
"rt(.\-
\' t
(z -0,937)s-its")(z -0,9312uttu")
zz -l,618z +l l-1,,6182-t + z-2
z' -1,51642 +0,8784 l*1,51642-t +0,87842-2
bo =1 4 = -1,6180 bz =1
at = -1,5164 az = 0,8783
H(s)= (7.6)
s-p
Maka respons impuls domain waktu dapat dilakukan dengan invers tranformasi Laplace sebagai berikut
n=o
' =iceo,rz-n
n=o
=-S:-
t- e'T z-l (7.e)
Sehingga secilra umum, dari awal sampai dengan akhir, dapat ditulis
CC
,-p - r-77 (7'lo)
rr(r) =-9-,-+
C, +...+ C =f co
s-pr s-pz s-pu F_rs_pt (7. I l)
$ c-pr =$ co=
(7.12)
-
k=r s i'"t- sPrr ,-l
Dalam hal M =2,kitadapat membuat suatu formula yang lebih sederhana
C, *Cr C, - C,
s - pt s - pz - l- eo,r z-t | - eorr z-r
_ cr+cr-(creo,'+creo'')2,
Q,l3')
Iika pole p, dan p, adalah kompleks konjugat maka koefisien C, dan C, juga kompleks konjugat
sehingga persitmaan (7.13) dapat ditulis
dengan C, dan C, adalah bagian riil dan imajiner dari C, berturut-turut dan demikian juga p, dan p,
adalah bagian riil dan imajiner dari p, berturut-turut.
218 Dasar Pengolahon Sinyol Digitol
Contoh 7.3
Jika diberikan tungsi alih filter analog g(r)= dan frekuensi cut-off3 dB 150 Hz, serta
*#;
frekuensi sampling 1,28 kHz. Fungsi alih tersebut dinormalisasi dengan mengganti s dengan s=sf ao
dengan ao =2rf o =2rix150 = 942,4778, sehingga
H'(r) = H(r)1"*1,, =
;;fi; 4
=
*. *
Dengan pr = -666,4324t- j666,4324 dan p, = pi = -666,4324* j666,4324
n t -\ _ -l-ee0,4324x0,4974)2x0,59412*t _
n\z)= 393,g6g7 z-l
=6
Dengan melakukan normalisasi maka H (z) dibagi dengan frekuensi sampling-nya, menjadi
tt t _\ _ 0,3077 z-l
rt\L)-@
Hasil tersebut di atas dapat juga dilakukan dengan menggunakan normalisasi pada ato, yaitu
@o =2n x 150/1280 =0,7363 .
Persamaan perbedaan dari fungsi alih tersebut dapat dilakukan dengan melakukan invers
transformasi Z, yaitu
r
Beberapa hal yang perlu diperiratikan pada metode ini:
1 . Respons impuls filter diskrit nlnfl sama dengan respons impuls filter analog h(t) pada t = nT ,
dengan n = 0,1,... . (Lihat Gambar 7.4). Oleh karena itu rnetode ini disebut impulse invariant.
2. Frekuensi sampling mempengaruhi respons frekuensi {ilter diskrit. Frekuensi sampling harus dipilih
sedemikian sehingga respons diskritnya dapat mewakili respons analognya.
3. Spekhum frekuensi filter impulse invoriant sama dengan spektrum frekuensi filter analog, tetapi
spektnrm ini akan berulang seiringga akan menimbulkan o/iasirg (lihat Gambar 7.5). Karena itu,
metode ini cocok digunakan untuk filter lotvpass dengan cublf yang tajam dan frekuensi sampling
yang tinggi. Namun, metode ini kurang cocok digunakan untuk filter highpass atan bandstop. kecuali
fJ/rter ant i- al ias in g digunakan.
aliasing
dengan T adalah periode sampling. Dengan demikian titik yang terletak pada s = a dipetakan ke
z=eo'
Jika diberikan fungsi alih filter analog
M
(s
II('-',)
- z,)(s - z,). ..(s - z,) - -te--
H(s)= r\/
(7.t6)
(r-p,Xr-p,)...("-p,)
II(' - pr)
k=t
(7"18)
(r-po) - (r- ,or'r-')
Bob 7: Filter Digitol: llR 221
Dalam hal M=N=2 maka dapat dibuat suatu bentuk yang lebih sederhana
Frn, - 2u"1** r\
- r,J r - Ae (7.20)
dengan z, dan z, adalahbagian riil dan imajiner dari z, berturut-turutoan p, dan p, adalahbagian riil
dan imajiner dari p1 berturut-turut.
B, l(
Ptz=-28,-lli
',_)'_&l'"
) B, (7.22)
-l I
A,
"t2- *[[:r']' _61'''
,.^=_
2A2-llz+) +) (7.23)
Contoh 7.4
Kita akan mengerjakan ulang contoh 7.3 dengan menggunakan metode MZT. Sesuai dengan parameter-
2
693,9566
tt (r)=
\/ ,1-1,03082-'
, ,111'10:T'j_
+0,35302-'-,
, atau setelah normalisa si H (z) =
1 - 1, 03082-t + 0,35302-2
222 Dasor Pengolohon Sinyal Digital
Operasi-operasi yang terdapat pada filter analog adalah penjumlahan, perkalian dengan konstanta,
dan integrasi. Operasi-operasi tersebut biasanya dilakukan dengan divais operational amplifier (op-amp).
Dalam filter digital kita harus melakukan transformasi untuk fungsi-fungsi tersebut. Namun, untuk
penjumlahan dan perkalian dengan konstanta tidak terjadi perubahan baik dalam filter analog maupun
filter digital. Yang terjadi perubahan adalah pada integrasi. Operasi integral dalam domain s
dilambangkan dengan 11(r) = 1/s. Dalam domain waktu dapat operasi ini dapat ditulis sebagai
v(t) = (7.24)
lx(t)at
Jika ingin mengubah ke dalam bentuk diskrit maka perlu dilakukan sampling, sebagai berikut
nT
Dengan mengingat bahwa integral terbatas secara geometri adalah luas daerah di bawah grafik,
persamaan (7.25) dapat diaproksimasi menjadi
Bob 7: Filter Digitol: llR 223
atau
a(,)=ffi=rr(#) (7.2e)
I T(r+r-'')
;-;[ r;.1 (7.30)
atau
- z-l
s-k_ (7.32)
z+7
dengan k =l atau k =1. Kita akan melihat nanti mengapa konstan ta k, dapatbemilai 1. Persamaan
T
(7,24) memetakan bidang s ke bidang z seperti ditunjukkan pada Gambar 7.6. Suatu fungsi alih filter
analog yang stabil mempunyai pole di sebelah kiri sumbu imajiner bidang s yang bersesuaian dengan
berada di dalam lingkaran berjari-jari satu dalam bidang z.Hal tersebut dapat dibuktikan sebagai berikut.
Persamaan (7.32) dapat ditulis , = l-|j. Jika kita menyubstitusi s = o + jot'pada persamaan tersebut,
l-s
dengan k=r maka didapatkan ,= 1*' =l+\o+ iro',!=\!-*o!* i,''.. Dengan
- demikian,
l-s l-(o+iar) (t-o)ij6'l'
224 Dosar Pengolahan Sinyol Digitat
(t+o)'*(r')'
magnitudo dapat ditulis sebagai lzl= .Ketika o<0 maka lzl<1 danketika a>0
(r-o)'*(r')'
maka lzl > l. Hal ini ditunjukkan pada Gambar 7.6,
lm, dJ'
bidangs bidangz
Substitusi langsung persamaan (7.32) mungkin menghasilkan respons yang tidak baik sehingga
perlu adanya transformasi frekuensi analog dan digital. Jika s=o* jat' maka ketika o=0, akan
menjadi t = j@' yang bersesuaian dengan lrl=t atau z = ei' . Berdasarkan persamaan (7 .32) maka
tub 7: Filter Digital: llR 225
S=f--
z-l
ztL
, ej'-l
"lO)'= K---:-
et'+l
(ei'lz - e- i'tz)L
-1.
iri'l'
,- 2 r
Zei'12
(ei,l, +
"-,,,r)f,.
srnl
. (ot\
-
\2)
|
=kj
;B
sehingga hubungan antara frekuensi analog dan digital diberikan oleh
(t)'=k"r(;) (7.33)
Dengan k =l atau * =?. a' adalah frekuensi analog, a adalah frekuensi digital, dan I adalah
T.
periode sampling. Dari persamaan (7,33) jika ot' >0 maka 0<a<180o, dan ketika ar'>0 maka
l80o < o <360o. Dengan demikian bagian atas bidang s dipetakan menjadi setengah lingkaran atas pada
bidang z, begitu juga bagian bawah bidang s dipetakan menjadi setengah lingkaran bawah pada bidang z.
Lihat Gambar 7.6.
Transformasi tersebut ditunjukkan pada Gambar 7.7. Gambar tersebut menunjukkan bahwa untuk
frekuensi rendah franformasi digital dan analog hampir sama, namun untuk frekuensi tinggi akan terjadi
distorsi/wa4ping. Karena itu, biasanya frekuensi analog dilakukan suatu proses yang disebut prewarp
sebelum dilakukan BZT. Untuk flJter lowpass, frekuensi batasnya (cutffi dilakukan prewarp dengan
menggunakan rumus
do=k-[?) (7.34)
dengan a, adalah frekuensi batas yang diinginkan, olo adalah frekuensi batas prewarp, k =l atau
ao ktan(a/z)
o
o
(u
Ll nn dijmar
l. Gunakan spesifikasi filter digital untuk menentukan filter prototipe analog lowpass yang
dinormalisasi. Filter yang dijadikan referensi selalu filter lowpass. Jenis-jenis filter lainnya dapat
dicari dengan menggunakan transformasi pada filter lowpass.
2. Tentukan frekuensi prewarp dari frekuensi-frekuensi batas. Unfuk filter bandpass dan bandstop
terdapat dua frekuensi batas, yaitu @or dan @oz.
s
s=
-;-
0o
lowpass ke lowpass (7.3s)
a
s - ---{- lowpass ke highpass (7.36)
s
s' + a'^
s= _--r- lowpass ke bandpass
-- Ws (7.37)
5. Nilai t sebenarnya tidak berpengaruh, karena pada dasan,ya akan habis akibat pembagian.
Sebagai contolt jika diberikan H(s)=+ dengan frekuensi cutoff at, makafrekuensi prewarp-
s+l
nya adalah ,, =,t tun[?) *n*rga tungsi alihnya berubah menjadi
6. Dilihat dari langkahJangkah sebelumnya maka kita harus melakukan dua kali substitusi, untuk
7 . Untuk filter lowpass dan highpass, orde H (z) akan sama dengan orde ^F1(s), namun untuk filter
bandpass dan bandstop, orde H (z) akan dua kali orde ^H(s).
Contoh 7.5
Kita akan mengerjakan ulang contoh 7.3 dengan menggunakan metode BZT. Kita telah mengetahui
frekuensi batasnya sebagai ao =2trfo =27tx150 = 942 rad/s, frekuensi batas normalisasi adalah
adalah oi, =tan(ar12)=0,3855. Ingat sudut dalam tan adalah dalam radian.
Karena ingin didesain filter lowpass maka perlu transformasi seperti persamaan (7.35), yaitu
228 Dasar PenEalahon Sinyol Digital
Melihat dari langkah-langkah pengerjaan pada contoh 7.5 kita mernerlukan normalisasi frekuensi sebelum
mencari frekuensiprer,r,qrp nya. Kedua langkah tersebut dapat digabung menjadi satu sebagai
. (atT\
0 =ktanl P I e3g)
' (2)
Contoh 7.6
(r)=
' +
Fungsi alih filter analog lowpassdiberikan sebagai H dengan tiekuensi sampling i50 Hz dan
s+l
frekuensi cutoff 30 Hz. Kita ingin rnendesain filter digital IIP. highpass dengan spesifikasi tersebut.
Kita mencari frekuensi dalam radian yaitu ato=21Tx30=60r. Frekuensi prewarp dan normalisasi
dapat dicari dengan persamaan (7.39)
. ( ooax(t/tso\)
ao = tanl ---+r-----r F 0,7261
\z)
Langkah selanjutnya adalah melakukan transformasi dengan persamaan (7.36)
H'(") = H(r)|,=,;
l, =, *fi^1
Langkah terakhir adalah melakukan substitusi , ='-l
z+l
Tiga jenis filter analog yang biasa digunakan adalah Butterworth, Chebyshev, dan Elliptic. Respons
frekuensi dari ketiga jenis filter tersebut tampak pada Gambar 7"8'
l-". . \l
F t.iot11
I
I
F
i
I
(a)
la Uat)l
I
J+e'
I
7
@p GJs
(b)
Gambar 7.8 Respons frekuensi filter analog (a) Butterworth, (b) Chebyshev tipe I,(c) Chebyshev tipe II,
(d) Elliptic
Dasar Pengolahan SinYal Digital
2i0
lr(ia,)l
I
I
rJl + e'
-
I
A
lst.rrll
I
r/l+e'
-
I
A
@p o)s f
(d)
Ada dua parameter tambahan dalam filter analog, yaitu yang pertama adalah rasio hansisi atau
parameter selektivitas yang didefinisikan sebagai rasio dari frekuensi batas passband dan frekuensi batas
stopband, atau
,@,
u-_L
tu- (7.40)
o)s
Parameter tersebut bernilai k <l untuk fiter lowpass" Parameter yang ke dua adalah parameter
diskriminasi, yaitu
kr << I
t-_
'Ll -
m €
(7.4t)
Filter Butterworth
Respons frekuensi filter Butterwor'th lowpass diberikan sebagai
In (r)l'=
(7.42)
-;-I-.,,
r*[iL I
\ri )
dengan N adalah orde dari filter tersebut dan otpo is frekuensi batas 3 dB (cutffi lowpass. Untuk
*[+)
^,_,or[{])
"'r"Til=*(;) (7.43)
dengan o{ adalah frekuensi batas stopband (llhat Gambar (7.8) di atas). Fungsi alih analog filter
p, = si,(z +x-t)t2N
-."r[g*k]. rr,,[g++] (7.M)
dengan I =L,2,...,N.
232 Dosar Pengolahon Slnyol Digital
Z. Respons frekuensi menurun secara monoton pada semua frekuensi dai.f= 0 sampai f = o
3. perbedaan terbesar antara respons ideal dan sebenarnya tedadi pada f =ll2z, dengan lfI (f\,/l)|2 = l.2
Tabel 7.1 menunjukkan penyebut untuk filter analog prototipe Butterworth lowpass normalisasi.
Bagian pembilangnya adalah selalu 1. Sebagai contoh filter Butterworth orde 2 mempunyai respons
Orde, N Penyebut
1 s+l
2 s' +.[2" + 1
3 (s'+s+r)(.r+t)
4 (s2 + 0.76536s + 1)(s' + 1.84776s + 1)
Filter Chebyshev
Respons frekuensi filter Chebyshev tipe t dapat ditulis sebagai
dengan Tr (r') adalah polinomial chebyshev orde fri yang didefinisikan sebagai
dengan To('')= 1 dan rr(r')= a-l'. Tabel 7.2 menunjukkan beberapa polinomial chebyshev.
r/ c, (*)
0 1
I x
2 zx2 -l
3 4xt -3x
1 gx4
-gx2 +l
5 16xs -2ax3 +5x
.o.r, '(JZJ/,)
,, _ cosrr-, (Vr,)
cosh-i (r,l ,;r) cosh-' (y k) (7.48)
-])"f*
p, =_at) tsr^l(zt
' v-
L 2I ia,s "rrlr#l (7.4e)
,-Y'-l
,- 4 (7.s0)
,-Y'+l (7.st)
'2y
234 Danr Pengolahon Sinyal Digital
(,t*6'1"
'=l " )
(7.s2)
dengan I =1,2,...,N.
Respons magnitude filter Chebyshev tipe 2 disebut juga respons invers Chebyshev, diberikan oleh
ln (r')l' = (7.53)
''"
,-.,15P,1!)1'
Lrr(oi,la'))
Dengan demikian, fungsi alih filter Chebyshev tipe 2 mempunyai pole dan juga zero sehingga dapat
ditulis dalam bentuk
N
fI('-a)
a(')=co#-- (7.s4)
fl('-P')
l=l
l2N l
dan pole pada
n: d'o' d"F'
rt -, (7.s6)
"i*Fi'al+01
| (zr -t\n1
a,=-atr(st'Lfl (7.s7\
p,=ao(co.[%n] (7.s8)
I
, Y'-l
:- (7.s9\
'2y
Bab 7: Filter Digital: llR 235
,-72+l (7.60)
'2y
(7.6r)
, =(n*J n, -r)''r
dengan I =1,2,...,N. Orde filter Chebyshev tipe 2 dapat dicari dengan menggunakan persamaan yang
sama untuk tipe l, yaitu seperti pada persamaan (7.48).
Filter Elliptic
Filter Elliptic disebut juga filter Cauer, mempunyai respons magnitudo
l,o(r')l'=;d@6 (7.62)
dengan R, ( , ') adalah fungsi rasional orde i/ yang memenuhi RN (tl @') = ll Rr (ar ') . Orae frlter dapat
dicari menggunakan
N >ztos(4lkt) (7.63\
tog(rlp)
k'=$-ri (7.64)
r-Jn
po=F@ (7.6s)
Contoh 7.7
Dengan pendekatan Butterworth, kita akan menentukan orde filter dengan fungsi alih filter mempunyai
karakteristik lowpass dengan frekuensi cut-off l-dB sebesar I kHz dan atenuasi minimum 40 dB pada 5
kHz.
Pertama kita akan menentukan nilai a dan A sebagai berikut. Berdasarkan persamaan (7.42) maka
didapatkan
Dasar Pengotahon SinYal Digital
2i6
lu(;,)l'=u,fu=#
Ittta:)l'=- f
l'\% )l =;10;,1r,y=T
1
roroe[-L)
"(l+e'/ = -,
sehingga didaPatkan s2 = 0,25895
"\-A') = 4o
roronfa]
10000.
sehingga didapatkan '4 =
61^ 1000 1
'" d,
l-- P
=-=-
5ooo 5
t.=-L=@=o.oo5l
' A'-l ./loooo-l
J
Contoh 7.8
Sekarang kita akan mengerjakan ulang contoh 7.7 denganmenggunakan filter Chebyshev.
cosh-r(yk,\:_cosh-r
___ (tls,olt+)
.'A/>_
- _ __=2,2924
_
.orn-r 1tlfr) cosh-'(5)
sehingga y'/
=3
I
Contoh 7.9
Kita akan kembali mengerjakan ulang contoh 7.7 dengan menggunakan frlter Elliptic.
e' =
t-Jtr= +@=o,oo26
4;\4 ](, +./o,e7e8 'u'o
)
p = po *2(pr)' + ls(po)'q + tsO(po )t3
*tffii=
2los.(qlk.\
,o;=gbro*f
ztop(q/o.oos1)
=2'23e5
sehingga i/ =3
I
Filter lowpass
Hubungan antara fiter lowpass denormalisasi dan fiter lowpass prototipe tampak pada Gambar 7.9,
Gambar tersebut dapat dijelaskan sebagai berikut.
Kita telah mengetahui dari persamaan (7.35) bahwa transformasi yang digunakan untuk /owpass ke
lowpass adalah , = *. Dengan menyubstitusi s = jat danmenyatakan frekuensi untuk filter prototipe
@o
238
Dallrrr pengolohan Stnyot
Dtgttot
af =%-
@, (7.67)
Frekuensi-frekuensi utama
untuk frrter prototipe yaitu: 0;
frekuensi bataspassband, ,ro (selaru
frekuensi batas sbpband, of l); aan
.
bawsbpband, ,! .
Filter highpass
Dari persamaan (7.36), transformasi dad, lowpass ke highpass adalah , =gz.Dengan frekuensi
s
filter highpass yang diinginkan adalah o4o maka diperoleh
Filter bandpass
Hubungan antara filter bandpass denormalisasi dan filter lowpass prototipe tampak pada Gambat 7.11.
Berikut penjelasannya.
,-
s' + ai.
Dari persamaan (7.37), transformasi dari lowpass ke bandpass adalah Densan
Ws
,
(lr=*
,r:r-rrt
(7,6e)
14/@w
dengan
bandstop denomalisasi
XJ,liTffil:,ffifiiter. dan firter towpassprototipe
tampak pada Gamb ar 7.t2.
orr=-%--
ai - oti" (7.70)
242 Daur Pengolohon Sinyol Digitol
Wdo,
-
-ri, -(drr-dorVl-,
l. Ketika @u, = @0, maka n,o
d d,,o;,,-a;;,
Contoh 7.10
Suatu filter digital lowpass diinginkan mempunyai spesifikasi: passband:0 - 500 Hz, stopband: 2 - 4
kllz, ripple passband: 3 dB, atenuasi stopband: 20 dB, dan frekuensi sampling: 8 kHz. Kita akan
menggunakan Butterworth untuk menyelesaikan soal ini.
Bob 7: Filter Digitat: llR 243
ror"s[j7)= -, -) €2 =o,ee83
, =tanl( toooz
@i^
^"""'" ) 0,tggg
' \2x8000J l=
, ( 4oooz \
a\ =tanl
' --
\.2 x 8000 /
l=0,9992
ar! =*=5,0262
@o
k=g==l-=o,l99o
a! 5,0262
o,
' =@=o.loo4
Jloo-l
los(g.gooz\
N>_"!j_____r_ =1.4239_> N =2
log(5,0251)
2rU
Donr pengolahon Sinyat
Digitot
Letakpole dari fungsi alih
adalah
,, =
"",f@2:k]-;,r,[krr,)"] = _*. j
*
p,=Q
-)11 -,Q
Fungsi arih anarog prototipe
firter rowpassdengan orde
2 adarah
n(')=T--L
s'+V2s+l
u(r)=
- \-./ .
di
t*6ar x- t+22-t +z-z
* r; "
t+J2atr*r;-W
Langkah terakhir adalah
dengan menyubstitusi
nilai dari parameter-parameter
tersebut.
11 JTrr, + atj =t* 0 (o,tga8)+(0,1988), =\3178
,i -t= (0, t sss), _ I
=_0, 96os
1-../1ro + atj =t* JT OJg8s)+(0,1988),
= 0,7612
oi| =(O,tl88)2 =0,0395
Contoh 7.1I
Suatu filter digial highpass diinginkan mempunyai spesifikasi sebagai berikut: passband: 2 - 4 kllz,
stopband:0 - 500 Hz, ripple passband:3 dB, atenuasi stopband: 20 dB, dan frekuensi sampling:8 kHz.
Kita juga akan menggunalsn Butterworth.
Spesifikasi pada contoh ini mirip dengan contoh 7.10 sehingga diperoleh
ror"s(r,!u) = -, 1 €2 = o,ssul
4=8000H2+I=V8000 s
( qooo,t \
at^
=* l=0,9992
=tarrl
" \2x8000)
, (:*roooa \l=0,1988
o,=tanl
' \2x8000/
at =%=5,0262
0),
r(r)=n#*r
246
Dosar pengotahon Sinyat
Digitot
_iZ-t
,.H)-=@
H(z)= ----- X'e'
I
+ Z-2
t+Jzoto+oti
11J2atr*r;'
Langkah terakhir adalahdengan
menyubstitusi nilai dari parameter-parameter
tersebut.
1 a
"/i, u + atj = 1* Ji (0,g992) + (o,essz),
= 3, 3973
o;i -t=(o,essz), _t
=_0,0016
1 -.,/7r, + a; =t* Ji @,sgs2)+ (o,ssez)2 = 0,599s
oij =(o,gggz)'? =0,9984
A,2944(l+221 * r-r)
H(z)=
r*(9, 4192xt}a)za +0,17652-2
ContohT.lz r
suatu filter digital Butterworth
bandpassmemiliki spesifikasi:
frekuensi batas atas passband: -tu*ur,frekuensi batas bawah passband:200
300 Hz, frekuensi iuo, Hz,
stopband: 450 Hz, rippre
passband: 3d, ur"ruu,
sbpband: sa Hz,frekuensi
i stopband:2o dB, frekuensi batas atas
Spesifikasi yang diberikan
yaitu
sampling: krrz. r
@pt =2nx20A = 400tr Hz
@p2 =2trx300 = 600r Hz
o),,=2fix50 =1ggo 11"
a,, =2ttx450 =9002 Hz
Bab 7: Fitter Digital: ttR
247
lol"s(#)= -3 -+ e2 = o,ee83
'\
o,, = tan(-lg"
(zrroooJ =0,7261
w =dor-e)or=0164g9
oi =1
at'f =W=-9'6789
,1, =+;f =e,4406
=9i-
k'"-'!-9A406=0'1059
.mJ = o,loo4
,-=;955
tr,
248 Dosar Pengolahan Sinyal Digital
9t!?'?19?l =t,oz4+ N ry r
" = log(9,4429)
a(r)=*
Dengan melakukan substitusi , =# , dilanjutkan dengan , = 4: didapatkan
w( 4\
H (z\= \z+l.i
(#l .*(*).a
Dengan menyubstitusi nilai W dan rof menghasilkan
0,6489(1 * r-')
H (z)=
2,6457 + 0,99362-t + 1,347 9 za
Contoh 7.13
Suatu filter Butterworth bandstop dengan spesifikasi: passband bawah: 0 - 50 Hz, passband atas:450 -
500 Hz, stopband: 200 - 300 Hz, ripple passband: 3 dB, atenuasi stopband'. 20 dB, dan frekuensi
sampling: I kHz.
@4 = Ztt x 50 = l00n Hz
, ( ioozr \
o)r, = t&n[, = 0,1583
,; ,ooa.l
, 9fian \
i -a''i:-
YL= tanl
oj^,
1. 2x1000,l-
6,2946
, ( 4oon- \
o)", = tan l,r. *aol = 4.726r
qgqr-]
ai
'z. = tanl
.12^1000/ = 1.3750
(Do =A,9949
W = 6,1263
a{0 =9,6159
a1@ =*9'3514
a! =9,35L1
r(r)=*
Dengan melakukan substitusi u = *!!- dilanjutkan dengan , ='1!, didapatkan
s- -@; z+l
( z-l\'
l.,,.)
*';,
H (z)=
(*)'.*(*).a
Dengan menyubstitusi nilai W dan a.to2 menghasilkan
.r t\
ra I Z, =
1,9898 +0,02042-r +1,98982-2
-.-
8, 1 I 61 - 0, 0204 z-' - 4,13652-'
-
E
Contoh 7.14
Fungsi alih filter digital lowpass diinginkan mempunyai karakteristik: passband;0 - 60 Hz, stopband; >
85 Hz, dan atenuasi stopband: > 15 dB. Frekuensi sampling adalah 256}Iz dan filter adalah Butterworth.
clo = 2n x 60 = l20n Hz
rorosfl)
"\A" = -15 -+ A2 =3t,6228
)
Diasumsikanripple passband 3 dB, €2 = 0,9983
F,=256H2-+T --11256 s
, ( t2on\ 0,9057
: l=
" =tanl\ 2x256 )
ai^
Bab 7: Filter Digital: llR 251
, ( 17oa\
o. =tanl :
" ( 2x256 )l=1,7137
,! =9+=1,8921
@,
(Dp-
k---!-=0.5285
co!
0,9983
kr= = 0,1 806
3t,6228-l
log(5, fiz1)
N> =2,6839-+N=3
log (1, 892t)
1
I/ (s) = = a, (s)r/, (s)
(s+i)(s'+s+1)
z+l
r\'
H,(z\=A.4753_
- 0,0495
zz +22 +l
Hr(r)= 0,3009
z'-a,L3182+0,3355
252 Dasor Pengolahan Sinyal Digital
n (r)=O,tqlO
1, - o,o+es)(z' - o,tll8z + 0,3355)
I
Pojok
MATLAB
Pada dasarnya MATLAB telah menyediakan suatu lool untuk medesain filter baik FIR maupun IIR
dengan menggunakan fungsi
fdatool
Tampilan rool tersebut ditunjukkan pada Gambar 7.13. Tooil tersebut dapat menampilkan respons
frekuensi filter dan plot zero pole pada bidang z.
.--. .-.--.-j.-...---------1.--I.-------i..-.--------..:.....--.-.
f
!
ii hmi'fln'ffnT
,'rrlrlrlllt
rp Fifri---l
n'!do.re fT3
l:ffiFdc
r--::l
I \J
*, F----l
F. @--
Untuk mendesain filter IIR dengan menggunakan metode penempatan pole zero dapat
menggunakan program 7.1. Untuk menggambar pole zero pada bidang z kita dapat menggunakan fungsi
zpiane (Pembilang, PenYebut )
zplane (zerorpole)
Bab 7: Filter Digitol: llR 253
Sebagai contoh kita ingin rnendesain suatu filter lowpass, untuk frekuensi pusat passband adalah
100 Hz dengan ba ndtv,idth 2A0 Hz dan stopband pada frekuensi 300 Hz. Frekuensi sampling dianggap
1000 Hz.
Untuk zero adalah pada frekuensi 300 Hz dan 500 Hz, yaitu pada posisi
penempatan
t(300i1000)x360o = +108o dan penempatan pole pada posisi 100 Hz, yaitu pada posisi
t(100/1000)x 3o0o = -F36o.
% Prc,lror: l,l
% Menentukan fungsi alih filter IIR
eo derrgor-, merode penempatan pole-zero
fs : input-(rNlasukkan frekuensi sampling: ';,'
theta p: irrput('Masukkan vektor sudut frekuensi untuk dlletakkan pole (derajat)
= ')i
theta_z = ir:put('Masukkan vektor sudut frekuensi untuk diletakkan zero (derajat)
l\.
- l,
PsrtLurrdl'e
*^*Lt I ^,
-
danplot pole zero pada bidang z dan respons frekuensi ditunjukkan Gambar 7.l4dan Gambar 7.15.
254
Dasar pengotahan
Sinyat Digital
ttrr,
/''
t/
I
Fungsi-fungsi tersebut mempunyai parameter N, yaitu orde filter, Wn adalah frekuensi batas
passband yang dinormalisasi, yang berada dalam rentang 0 dan 1. Parameter Rp dan Rs menunjukkan
ripple passband dan atenuasi stopband dalam dB berturut-turut. Fungsi-fungsi tersebut adalah filter
lowpass. Hasil dari fungsi-fungsi tersebut adalah koefisien-koefisien pembilang, b dan penyebut, a
dengan suku z-r.
Selain itu dapat juga menghasilkan pole, zero, dan goin dengan fungsi berikut:
Contoh program untuk mendapatkan plot rcspons frekuensi untuk jenis-jenis filter analog dapat dilihat
pada Program 7.2. Untuk memasukkan pilihan harus disertai dengan tanda' ' yang menandakan bahwa
jenis karakter tersebut adalah string.
B Program 7.2
t Menentukan respons frekuensj-
? filter analog
disp ( 'Jenis-jenis filter: B = butterworth' )
disp C1 = chebyshev tipe 1r)
disp C2 = chebyshev tipe 2')
disp E = elliptic' )
jenis = input('Masukkan jenis filter yang Anda inginkan =');
if jenis :: 'B'
N = input('Masukkan orde filter = ');
Wn = j-nput('Masukkan frekuensi batas passband (normalisasi) : t;'
Ia, b] : butter (N, Wn) ;
I H, omega ] : freqz (a , b , 572) ;
mag : 20*1o910 (abs (H) ) ;
plot. (omega/pi,mag)
el-seif jenis == 'C1 '
N = input('Masukkan orde filter = ');
Wn = input('Masukkan frekuensi batas passband (normalisasi) = t;,'
Rp = input('Masukkan ripple passband (dB1 = '1'
la,bl = chebyl (N,Rp,Wn);
IH, omega] = f reqz (a, b, 512 )
,.
Selanjutnya unhrk mendesain filter IIR dengan menggunakan metode impulse invariant, dapat
menggunakan fungsi
Penambahan 's'berarti rentang pembilang dan penyebut tidak perlu dalam rentang 0 dan 1.
Didapatkan hasil
Penibilang =
0 0.3078 0
PenYebut =
1.0000 -1 .0308 0 .3s30
yang sesuai dengan hasil perhitungan. Plot respons frekuensinya ditunjukkan pada Gambar 7.16.
6
D
.E-
d
o
trekuonsi nomalisasi
Metode selannjutnya, yanB paling sering digunakan adalah BZT. Perlu diperhatikan bahwa ketika
kita menggunakan metodeBZT, kita harus mencari orde filter yang digunakan. Fungsi-fungsi MATLAB
yang dapat digunakan untuk mencari orde filter adalah:
t Program 7,4
t Menentukan orde filter Butterworth lowpass
t dan plot respons frekuensi dengan metode BZT
FT = input (rMasukkan frekuensi sampling = t 1;
Fp = input('Masukkan frekuensi batas passband (Hz) = 'y.
Es = input('Masukkan frekuensi batas stopband (Hz) = t;-
Rp = input('Masukkan ripple passband (da1 = '1.
Rs = input('Masukkan atenuasi stopband (dB; = '1-
ggp = rp/ (0.S*FT);
Ws = Fs/ (0.5*FT) ;
IN,Wn] = buttord(Wp,Ws,Rp,Rs) ;
Ib,a] = butter(N,Wp);
lg,el = freqz(bta,5L2) ;
mag = 20*1o910 (abs (B) ) ;
disp (rOrde filter = ') ; disp (!I)
disp ('Koefisien pembilang = ') ; disp (b)
dlsp(rKoefisie'n penyebut = '); disp(a)
plot (A,/pi,mag)
xlabel ( I frekuensi normalisasi' )
yIabeI ('gain, dB')
Didapatkan hasil
Orde filter =
2
Koefisien pembilang =
0.0300 0.0599 0.0300
Koefisien penyebut =
1 .0000 -1, .4542 0. 5741
yang sesuai dengan hasil perhitungan. Plot respons frekuensi ditunjukkan pada Gambar 7.17.
Bab 7: Filter Digital: llR 259
Contoh 7.11 sama dengan contoh 7.10 namun bedanya hanya fiter lowpass diganti menjadi
highpass sehingga ada penambahan 'high' pada fungsi butter.
% Program 7.5
% Menentukan orde filter Butterworth highpass
% dan plot respons frekuensi dengan metode BZT
ET: input('Masukkan frekuensi sampling = t1;
Ep : input('Masukkan frekuensi batas passband (Hz)
Fs = input('Masukkan frekuensi batas stopband (Hz )
Rp = input('Masukkan ripple passband (da1 = '1
Rs : input('Masukkan atenuasi stopband (dB) : t);
wp : rp/ (0.5*ET) ;
Ws : Fs,/ (0.5*ET) ,.
IN,Wn] = buttord(Wp,Ws,Rp,Rs) ;
lb, al : butt,er (N, Wp, 'high' ) ,'
IB,A] = freqz (b,a,512) ;
mag = 20*Iog10 (abs (B) ) ;
disP('Orde filter =r); disP(N)
disp('Koefisien pembilang =') ; disP(b)
disp ( 'Koef isien penyebut = I ) ,' disp (a)
plot (A,/pi, mag)
xIabel (' frekuensi normalisasi' )
y1abe1 ('gain, dB')
2& Dosar Pengolohan Sinyol Digital
SOAL.SOAL
l. Suatu filter lowpass mempunyai pole danzero pada:
Zero: -0,5
Pole:0,370; 0,6+70,5
Cambarlah pole dan zero tersebrfi pada bidang z dan tentukan fungsi alih filter H(z) dan juga
persamaan perbedaannya
3s2 +7sz +lOs+7
2. Tentukan tungsi alih filter digital dari //(s)= menggunakan metode
(s'+s+r)(s'+2s+3)
impulse invariant dengan 7 = 0,1 s.
10. Suatu filter yang menyaring pita frekuensi yang kecil dibutuhkan dengan spesifikasi: batas-batas
passband: 45 Hz dan 55 Hz, ripple passband; < 0,1 dB, atenuasi stopband: > 50 dB, dan frekuensi
sampling 500 Hz. Tentukan koefisien filter.
ll. Tentukan fungsi alih digital untuk filter lowpass Chebyshev dengan spesifikasi: stopband: l0 - 15
kHz, frekuensi sampling: 50 kHz, ripple passband:0,5 dB, dan orde filter: 6.
-oo0oo-
DAFTAR PUSTAKA
D.Sundararajan. A Practical Approach to Signals and Systems. John Wiley & Sons,2008
David K. Cheng. Analysis of Linear Systems. Addison Wesley, 1961.
Emmanuel C. Ifeachor and Barrie W. Jervis. Digitat Signal Processing: A Practical Approach,Znd ed.
Prentice Hall,2002
John G. Proakis and Dimitris G. Manolakis. Digital Signal Processing: Principles, Algorithms, and
Applications, 3'd ed. Prentice Hall, 1996
Lonnie C. Ludeman. Fundamentals of Digital Signal Processing. John Wiley & Sons, 1986
Monson H. Hayes. Schaum's Outline of Theory and Problems of Digital Signal Processing. McGraw-
Hill, 1999
Sen M. Kuo, Bob H. Lee, and Wenshun Tian. Real-Time Digital Signal Processing: Implementations and
Applications, Second Edition. John Wiley & Sons,2006
2U Dasar Pengotohan Sinyal Digital
Simon Haykin and Barry Van Veen. Signals and Systems,2"d ed. John Wiley and Sons,2003
Steven T. Karris. Signak and Systems with MATLAB Applications,2nd ed. Orchard Publications ,2003
Steven W. Smith. Digital Signal Processing: A Practical Guide for Engineers and Scientists. Newnes,
2003
T. W. Parks and C. S. Bumrs. Digital Filter Design John Wiley & Sons, 1987.
Vinay K. Ingle and John G. Proakis. Digital Signal Processing Using I,IATLAB ta 4. PWS Publishing
Company, 1997
-oo0oo-
TEIVTATTG PEIYULIS
adang Gunawtn, lahir di Bogor pada 14 Oktober 1958, adalah Guru Besar tetap pada
Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia (FTUI). Penulis
memperoleh gelar lnsinyur dari Universitas Indonesia pada 1983, gelar Master of
Engineering dari Keio University - Japan pada 1989, dan gelar Ph.D dari University of Tasmania *
Australia pada 1995, serta sejak tahun 2004 dipercaya untuk mengemban jabatan profesor yang
kesemuanya pada bidang Teknik Elektro Telekomunikasi dan Pengolahan Sinyal.
Sejak tahun 1985 sampai saat ini, ia sebagai dosen tetap pada Departement Teknik Elektro FTUI.
Mata kuliah yang diampu untuk program Sarjana adalah Pengolahan Sinyal, Teori Informasi dan
Komunikasi Digital. Mata kuliah Pengolahan Sinyal Digital (DSP), Komunikasi Nirkabel & Bergerak,
Komunikasi Pita Lebar-Multimedia, Kapita Selekta untuk program Pascasarjana.
Sejumlah hibah penelitian telah berhasil dipeoleh diantaranya Indonesia Toray Science Foundation
- 1996,Multi Years URGE - Dikti 1998 - 2000, Kajian Awal Kebijakan Ring Palapa - Diden Postel
2005, DTE Research Grant - 2005, The Development of Blueprint on the Implementation of Telkom's
NGN - PT Telkom Indonesia 2006, fuset Unggulan Ul - 2007. Adapun bidang penelitian yang ditekuni
adalal: Compression and Coding for Audio, Yideo & Multimedia, Wavelets and lts Applications,
C'ctmmunicalion & Biomedical Signal Processing. Saat ini dipercaya sebagai Ketua WaSP RG (Wireless
und Signal Processing Research Group) DTE FTUI.
Dari tahun 2008 sampai saat ini berlugas sebagai Kepala Laboratorium Telekomunikasi DTE
FTUI. Tahun 2004 -2007 bertvgas sebagai Wakil Direktur Lembaga Teknologi FTUI. Dari tahun 2000 -
2004 bertugas sebagai Wakil Dekan Bidang Administrasi Umum & Keuangan. Tahun 1998 - 2000
bertugas sebagai Seketaris Program Studi Teknik Elektro Program Pascasarjana FTUI. Tahun 1996 -
1998 bertugas sebagai Asisten bidang Akademik DTE FTUI.
Penghargaan yang pernah diperoleh meliputi Peneliti Terbaik dalam Bidang Ilmu Pengetahuan dan
Teknologi, Universitas Indonesia - 1996. Publikasi Terbaik Internasional dalam Bidang Ilmu
Pengetahuan & Teknologi Universitas Indonesia - 1996. Finalis Peneliti Muda LIPI - 1996. Satyalencana
Karya Satya XX - Presiden RI 2008.
Prof. Dadang adalah Senior Member IEEE. Ia juga Pengurus IEEE Indonesia Section sejak tahun
1998 sampai dengan saat ini, dan pernah sebagai Ketua, Sekretaris dan Bendahara serta Ketua
Communication Chapter IEEE Indonesia. [a juga anggota IEICE Jepang dan anggota PlI.
ilbert Hilman Juwono, lahir di Jakarta pada 18 Desember 1984, adalah staf pengajar pada
Departemen Teknik Elekho Universitas Indonesia. Penulis menyelesaikan kuliah sarjananya di
Universitas Indonesia dalam bidang Teknik Elektro pada tahun 2007 dan memperoleh gelar
Magister Teknik dalam bidang Teknik Telekomunikasi pada tahun 2009 juga dari Universitas Indonesia
dengan predikat sebagai lulusan terbaik Fakultas Teknik.
Mata kuliah yang diampu adalah Statistika dan Probabilitas (Sl Reguler), Sinyal dan Sistem (Sl
Ekstensi), Teknik Telekomunikasi (Sl Ekstensi), Komunikasi Bergerak (Sl Reguler), dan Pengolahan
Sinyal Digital (Asisten Profesor, S2). Saat ini penulis bergabung dalam WaSP RG (LYireless and Signal
Processing Research Group) DTE FTUI dan aktif dalam penelitian. Bidang penelitian yang diminati
adalah OFDM, komunikasi nirkabel, dan pengolahan sinyal untuk telekomunikasi.
Ia juga telah menghasilkan sejumlah publikasi ilmiah dan aktif pada seminar/workshop/konferensi
NasionaVlnternasional baik sebagai panitia penyelenggara, pembicara, ataupun peserta. Selain itu Ia
tercatat juga sebagai anggota IEEE dan IACSIT.
-oo0oo-
; ;"- itii K
i
i i$r '' r
1 . :-;lgo I
i
I !
I 1i An i,r.:^ r':pgn
i
II
t.
ProPillsi ir''11'r TiGrut I
t