TTI3B3 Pengolahan Sinyal

Waktu Diskrit
Pokok Bahasan Minggu 9:

Pencuplikan Sinyal Waktu

Kontinyu

Dr. Suhartono Tjondronegoro 2022

Isi Kuliah
Minggu Materi Minggu Materi
Penjelasan mata kuliah dan Pencuplikan sinyal waktu
1 8
pendahuluan. kontinyu.
2 Sinyal waktu diskrit. 9 Transformasi Fourier Diskrit
3 Sistem waktu diskrit. 10 Aplikasi TFD
Transformasi Fourier Waktu
4 11 Filter Dijital
Diskrit.
5 Quiz dan Transformasi z. 12 Quiz dan Filter Dijital
Analisis transformasi sistem
6 13 Filter Dijital
linier
7 Struktur filter digital 14 Filter Dijital
Appendix:
Pengantar Filter Analog.
Rumus-Rumus Matematika.

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 2
2022
Capaian Pembelajaran (CP)
• Program Learning Objective:

PLO 2 Memiliki kemampuan menerapkan pengetahuan

matematika, ilmu pengetahuan alam, teknologi
informasi dan keteknikan untuk mendapatkan
pemahaman menyeluruh tentang prinsip-prinsip
keteknik telekomunikasian.
PLO 5 Memiliki kemampuan mengidentifikasi, merumuskan,
menganalisis dan menyelesaikan permasalahan teknik
telekomunikasi.

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 3
2022
Pencuplikan Sinyal Waktu Kontinyu

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 4
2022
 Pencuplikan Sinyal Waktu Kontinyu
• Pendahuluan.
• Pencuplikan periodik.
• Representasi pencuplikan dikawasan frekuensi.
• Rekonstruksi sinyal dengan lebar frekuensi terbatas dari cuplikannya.
• Pengolahan waktu diskrit sinyal waktu kontinyu.
• Perubahan rate pencuplikan memakai pengolahan sinyal waktu diskrit.
• Pengolahan Sinyal Secara Digital Sinyal Analog.

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 5
2022
 Pendahuluan
• Sinyal waktu diskrit 𝑥[𝑛] sebagai representasi cuplikan-cuplikan sinyal
waktu kontinyu 𝑥𝑐 (𝑡).
• Dalam batasan tertentu, sinyal waktu kontinyu dapat dengan teliti
direpresentasikan oleh cuplikan-cuplikan pada waktu diskrit.
• Pencuplikan periodik dan phenomena aliasing.
• Pengolahan sinyal waktu kontinyu dapat diimplementasikan melalui
proses pencuplikan, pengolahan waktu diskrit, dan rekonstruksi.

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 6
2022
 Pencuplikan Periodik (1)
• Diagram blok konverter waktu kontinyu-ke-waktu diskrit (KWKWD)

𝑥𝑐 (𝑡) Konverter waktu 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 , −∞ < 𝑛 < ∞

kontinyu ke
waktu diskrit

𝑇
• 𝑇 adalah perioda pencuplikan.
1
• 𝑓𝑠 = adalah frekuensi pencuplikan dalam Hz.
𝑇
2𝜋
• Ω𝑠 = adalah frekuensi pencuplikan dalam radians/detik.
𝑇

Konverter
𝑥𝑐 (𝑡) WK/WD
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 , −∞ < 𝑛 < ∞

𝑇
Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 7
2022
 Pencuplikan Periodik (2)
• Operasi pencuplikan secara matematik, dipandang sebagai perkalian
sinyal waktu kontinyu 𝑥𝑐 (𝑡) dengan aliran impuls periodik 𝛿𝑠 (𝑡) seperti
yang ditunjukkan oleh gambar:
𝑥𝑐 (𝑡) 𝑥𝑠 (𝑡)

𝑠(𝑡)

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 8
2022
 Pencuplikan Periodik (3)
Konverter waktu kontinyu ke waktu diskrit

Konversi dari aliran impuls ke

𝑥𝑐 (𝑡)
deretan waktu diskrit
𝑥𝑠 (𝑡) 𝑥[𝑛]
𝑠(𝑡)

• Deretan impuls periodik:

∞

𝑠 𝑡 = 𝛿 𝑡 − 𝑛𝑇
𝑛=−∞
∞ ∞

𝑥𝑠 𝑡 = 𝑥𝑐 𝑡 𝑠 𝑡 = 𝑥𝑐 𝑡 𝛿 𝑡 − 𝑛𝑇 = 𝑥𝑐 (𝑛𝑇)𝛿 𝑡 − 𝑛𝑇
𝑛=−∞ 𝑛=−∞

𝑥 𝑛 = 𝑥𝑐 (𝑛𝑇)

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 9
2022
 Pencuplikan Periodik (4)
• Pencuplikan dengan deretan impuls periodik diikuti konversi ke
deretan waktu diskrit:
Konverter waktu kontinyu ke waktu diskrit

Konversi dari aliran impuls ke

𝑥𝑐 (𝑡) deretan waktu diskrit

𝑥𝑠 (𝑡) 𝑥[𝑛]
𝑠(𝑡)

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 10
2022
Representasi Kawasan Frekuensi (1)
Konverter waktu kontinyu ke waktu diskrit

Konversi dari aliran impuls ke

𝑥𝑐 (𝑡)
deretan waktu diskrit
𝑥𝑠 (𝑡) 𝑥[𝑛]
𝑠(𝑡)

𝑇𝐹𝑊𝐾
𝑥𝑐 𝑡 𝑋𝑐 𝑗Ω
∞ ∞
𝑇𝐹𝑊𝐾 2𝜋
𝑠 𝑡 = 𝛿 𝑡 − 𝑛𝑇 𝑆 𝑗Ω = 𝛿 Ω − 𝑘Ω𝑠
𝑇
𝑛=−∞ 𝑘=−∞
𝑇𝐹𝑊𝐾 1
𝑥𝑠 𝑡 = 𝑥𝑐 𝑡 𝑠 𝑡 𝑋𝑠 𝑗Ω = 𝑋 𝑗Ω ∗ 𝑆 𝑗Ω
2𝜋 𝑐
∞
1
𝑋𝑠 𝑗Ω = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠
𝑇
𝑘=−∞
Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 11
2022
 Representasi Kawasan Frekuensi (2)
• Dalam kawasan frekuensi:
∞
2𝜋
𝑆 𝑗Ω = 𝛿 Ω − 𝑘Ω𝑠
𝑇
𝑘=−∞
∞
1
𝑋𝑠 𝑗Ω = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠
𝑇
𝑘=−∞

Ω𝑠 − Ω𝑁 > Ω𝑁
Ω𝑠 > 2Ω𝑁

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 12
2022
 Representasi Kawasan Frekuensi (3)
• Dalam kawasan frekuensi:
∞
2𝜋
𝑆 𝑗Ω = 𝛿 Ω − 𝑘Ω𝑠
𝑇
𝑘=−∞
∞
1
𝑋𝑠 𝑗Ω = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠
𝑇
𝑘=−∞

Ω𝑠 − Ω𝑁 < Ω𝑁
Ω𝑠 < 2Ω𝑁
Distorsi aliasing

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 13
2022
 Representasi Kawasan Frekuensi (4)
• Mendapatkan kembali 𝒙𝒄 (𝒕):
• Dengan memakai
Filter Lolos rendah ideal
• 𝐻𝑟 𝑗𝛺

• Ω𝑠 − Ω𝑁 > Ω𝑁
• Ω𝑠 > 2Ω𝑁

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 14
2022
 Representasi Kawasan Frekuensi (5)
• Mendapatkan kembali 𝒙𝒄 (𝒕):
• Dengan memakai
Filter Lolos rendah ideal
• 𝐻𝑟 𝑗𝛺
• Gain 𝑇
• Frekuensi cutoff 𝛺𝑐

• 𝑋𝑟 𝑗𝛺 = 𝐻𝑟 𝑗𝛺 𝑋𝑠 𝑗𝛺

• Bila Ω𝑁 < Ω𝑠 < Ω𝑠 − Ω𝑁

• Maka 𝑋𝑟 𝑗𝛺 = 𝑋𝑠 𝑗𝛺

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 15
2022
 Representasi Kawasan Frekuensi (6)
Mendapatkan kembali 𝒙𝒄 (𝒕):
𝑥𝑐 𝑡 = cos Ω0 𝑡
𝑋𝑐 𝑗Ω = 𝜋𝛿 Ω − Ω0 + 𝜋𝛿 Ω + Ω0
∞
1
𝑋𝑠 𝑗Ω = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠
𝑇
𝑘=−∞

• Tanpa aliasing

• Dengan aliasing

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 16
2022
 Representasi Kawasan Frekuensi (7)
• Mendapatkan kembali 𝒙𝒄 (𝒕):
𝑥𝑐 𝑡 = cos Ω0 𝑡

• Tanpa aliasing
𝑥𝑟 𝑡 = cos Ω0 𝑡

• Dengan aliasing

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 17
2022
 Teorema Pencuplikan Nyquist (1)
• 𝑥𝑐 𝑡 adalah sinyal dengan lebar bidang frekuensi terbatas:
𝑋𝑐 𝑗Ω = 0 𝑢𝑛𝑡𝑢𝑘 Ω ≥ Ω𝑁
Maka 𝑥𝑐 𝑡 secara unik ditentukan oleh cuplikan-cuplikan
2𝜋
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 , 𝑛 = 0, ±1, ±2, … jika Ω𝑠 = ≥ 2Ω𝑁 .
𝑇

• Frekuensi Ω𝑁 disebut frekuensi Nyquist.

• Frekuensi 2Ω𝑁 disebut rate Nyquist.

• Diinginkan untuk menyatakan 𝑋 𝑒 𝑗𝜔 sebagai fungsi 𝑋𝑠 𝑗Ω dan

𝑋𝑐 𝑗Ω .
∞ ∞
𝑇𝐹𝑊𝐾
𝑥𝑠 𝑡 = 𝑥𝑐 𝑛𝑇 𝛿 𝑡 − 𝑛𝑇 𝑋𝑠 𝑗Ω = 𝑥𝑐 𝑛𝑇 𝑒 −𝑗Ω𝑇𝑛
𝑛=−∞ 𝑛=−∞

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 18
2022
 Teorema Pencuplikan Nyquist (2)
∞ ∞
𝑇𝐹𝑊𝐾
𝑥𝑠 𝑡 = 𝑥𝑐 𝑛𝑇 𝛿 𝑡 − 𝑛𝑇 𝑋𝑠 𝑗Ω = 𝑥𝑐 𝑛𝑇 𝑒 −𝑗Ω𝑇𝑛
𝑛=−∞ 𝑛=−∞
• Karena 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇
• Dan
∞

𝑋 𝑒 𝑗𝜔 = 𝑥[𝑛]𝑒 −𝑗𝜔𝑛
𝑛=−∞
• Terlihat bahwa:
𝑋𝑠 𝑗Ω = 𝑋 𝑒 𝑗𝜔 = 𝑋 𝑒 𝑗Ω𝑇
𝜔=Ω𝑇
• Dari:
∞ ∞
1 1
𝑋𝑠 𝑗Ω = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠 →𝑋 𝑒 𝑗Ω𝑇 = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠
𝑇 𝑇
𝑘=−∞ 𝑘=−∞

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 19
2022
 Teorema Pencuplikan Nyquist (3)
∞ ∞
1 1
𝑋𝑠 𝑗Ω = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠 → 𝑋 𝑒 𝑗Ω𝑇 = 𝑋𝑐 𝑗 Ω − 𝑘Ω𝑠
𝑇 𝑇
𝑘=−∞ 𝑘=−∞
• Ekivalen dengan:
∞
𝑗𝜔
1 𝜔 2𝜋
𝑋 𝑒 = 𝑋𝑐 𝑗 −𝑘
𝑇 𝑇 𝑇
𝑘=−∞
• Kita lihat bahwa 𝑋 𝑒 𝑗𝜔 adalah versi “frequency scaled” dari 𝑋𝑠 𝑗Ω
dengan pengskalaan frekuensi 𝜔 = Ω𝑇.
• Sebagai normalisasi frekuensi pada sumbu frekuensi, sehingga frekuensi
Ω = Ω𝑠 di 𝑋𝑠 𝑗Ω dinormalisasikan ke 𝜔 = 2𝜋 untuk 𝑋 𝑒 𝑗𝜔 .
• Normalisasi di transformasi 𝑋𝑠 𝑗Ω → 𝑋 𝑒 𝑗𝜔 terkait dengan fakta
bahwa ada normalisasi didalam transformasi 𝑥𝑠 𝑡 → 𝑥[𝑛]
• Jarak 𝑥[𝑛] satu: sumbu waktu dinormalisasikan dengan faktor 𝑇,
sedangkan sumbu frekuensi dinormalisasikan dengan faktor 𝑓𝑠 = 1 𝑇.
Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 20
2022
 Contoh (1)
• 𝑥𝑐 𝑡 = cos 4000𝜋𝑡
• Dicuplik dengan perioda pencuplikan 𝑇 = 1 6000 detik.
4000
• 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 = cos 4000𝜋𝑛𝑇 = cos 𝜋𝑛 = cos 𝜔0 𝑛
6000
2𝜋 2𝜋
• 𝜔0 = , Ω𝑠 = = 12000𝜋, Ω0 = 4000𝜋.
3 𝑇
2𝜋
• Syarat Nyquist Ω𝑠 = ≥ 2Ω𝑁 dipenuhi, tidak ada aliasing.
𝑇
𝑇𝐹𝑊𝐾
• TFWK: 𝑥𝑐 𝑡 𝜋𝛿 Ω − 4000𝜋 + 𝜋𝛿 Ω + 4000𝜋

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 21
2022
 Contoh (2)
• Spektrum:

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 22
2022
 Contoh (3)
• 𝑥𝑐 𝑡 = cos 4000𝜋𝑡
• Dicuplik dengan perioda pencuplikan 𝑇 = 1 1500 detik.
4000
𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 = cos 4000𝜋𝑛𝑇 = cos 𝜋𝑛 = cos 𝜔0 𝑛
1500
8𝜋 2𝜋 2𝜋
𝜔0 = =4 , Ω𝑠 = = 3000𝜋, Ω0 = 4000𝜋
3 3 𝑇
2𝜋
• Syarat Nyquist Ω𝑠 = ≥ 2Ω𝑁 tidak dipenuhi, ada aliasing.
𝑇
𝑇𝐹𝑊𝐾
• TFWK: 𝑥𝑐 𝑡 𝜋𝛿 Ω − 4000𝜋 + 𝜋𝛿 Ω + 4000𝜋

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 23
2022
 Contoh (4)
• Spektrum:

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 24
2022
 Rekonstruksi sinyal dengan lebar frekuensi
terbatas (1)
• Pencuplikan: Konverter waktu kontinyu ke waktu diskrit

𝑥𝑐 (𝑡) Konversi dari aliran impuls ke

deretan waktu diskrit
𝑥𝑠 (𝑡) 𝑥[𝑛]
𝑠(𝑡)
• Rekonstruksi: Sistem rekonstruksi ideal

Konverter Filter rekostruksi

𝑥[𝑛] ideal
𝑥𝑟 (𝑡)
deretan ke aliran
impuls 𝑥𝑠 (𝑡) 𝑯𝒓 𝒋Ω

𝑇 perioda pencuplikan

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 25
2022
 Rekonstruksi sinyal dengan lebar frekuensi
terbatas (2)
• Dari deretan 𝑥[𝑛], dibentuk:
∞

𝑥𝑠 𝑡 = 𝑥[𝑛]𝛿 𝑡 − 𝑛𝑇
𝑛=−∞
• Deretan impuls masuk filter lolos
rendah ideal waktu kontinyu
dengan respons frekuensi 𝐻𝑟 𝑗Ω
dan respons impuls ℎ𝑟 𝑡
• Keluaran filter:
𝑥𝑟 𝑡 = 𝑥𝑠 𝑡 ∗ ℎ𝑟 𝑡
∞

𝑥𝑟 𝑡 = 𝑥[𝑛]ℎ𝑟 𝑡 − 𝑛𝑇
𝑛=−∞

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 26
2022
 Rekonstruksi sinyal dengan lebar frekuensi
terbatas (3)
• Respons impuls filter:
sin 𝜋𝑡 𝑇
ℎ𝑟 𝑡 =
𝜋𝑡 𝑇
• Sinyal keluaran:
∞

𝑥𝑟 𝑡 = 𝑥[𝑛]ℎ𝑟 𝑡 − 𝑛𝑇
𝑛=−∞
• Interpolasi:
∞
sin 𝜋 𝑡 − 𝑛𝑇 𝑇
𝑥𝑟 𝑡 = 𝑥[𝑛]
𝜋 𝑡 − 𝑛𝑇 𝑇
𝑛=−∞

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 27
2022
 Rekonstruksi sinyal dengan lebar frekuensi
terbatas (4)
• Pencuplikan: Konverter waktu kontinyu ke waktu diskrit

𝑥𝑐 (𝑡) Konversi dari aliran impuls ke

deretan waktu diskrit
𝑥𝑠 (𝑡) 𝑥[𝑛]
𝑠(𝑡)
• Rekonstruksi: Sistem rekonstruksi ideal

Konverter Filter rekostruksi

𝑥[𝑛] ideal
𝑥𝑟 (𝑡)
deretan ke aliran
impuls 𝑥𝑠 (𝑡) 𝑯𝒓 𝒋Ω

𝑇 perioda pencuplikan

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 28
2022
 Rekonstruksi sinyal dengan lebar frekuensi
terbatas (5)
• Rekonstruksi: Sistem rekonstruksi ideal

Konverter Filter rekonstruksi

𝑥[𝑛] 𝑥𝑟 (𝑡)
deretan ke aliran ideal
impuls 𝑥𝑠 (𝑡) 𝑯𝒓 𝒋Ω

𝑇 perioda pencuplikan

• Konverter waktu diskrit ke waktu kontinyu

Konverter
𝑥𝑛 Waktu Diskrit / 𝑥𝑟 𝑡
Waktu Kontinyu

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 29
2022
Rekonstruksi sinyal dengan lebar frekuensi
terbatas (4)
• Konverter D/C:

𝑋𝑟 𝑗Ω = 𝐻𝑟 𝑗Ω 𝑋 𝑒 𝑗Ω𝑇
Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 30
2022
 Pengolahan waktu diskrit sinyal waktu kontinyu
• Diagram blok:

• 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇
∞
1 𝜔 2𝜋
𝑋 𝑒 𝑗𝜔 = 𝑋𝑐 𝑗 −𝑘
𝑇 𝑇 𝑇
𝑘=−∞
∞
sin 𝜋 𝑡 − 𝑛𝑇 𝑇
𝑦𝑟 𝑡 = 𝑦[𝑛]
𝜋 𝑡 − 𝑛𝑇 𝑇
𝑛=−∞
𝑇𝑌 𝑒 𝑗Ω𝑇 Ω <𝜋 𝑇
𝑌𝑟 𝑗Ω = 𝐻𝑟 𝑗Ω 𝑌 𝑒 𝑗Ω𝑇 =
0 𝑑𝑖𝑙𝑢𝑎𝑟 𝑏𝑎𝑡𝑎𝑠
Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 31
2022
Pengolahan waktu kontinyu sinyal waktu diskrit (1)
• Diagram blok:

∞
sin 𝜋 𝑡 − 𝑛𝑇 𝑇
𝑥𝑐 𝑡 = 𝑥[𝑛]
𝜋 𝑡 − 𝑛𝑇 𝑇
𝑛=−∞
∞
sin 𝜋 𝑡 − 𝑛𝑇 𝑇
𝑦𝑐 𝑡 = 𝑦[𝑛]
𝜋 𝑡 − 𝑛𝑇 𝑇
𝑛=−∞
• 𝑥 𝑛 = 𝑥𝑐 𝑛𝑇 dan 𝑦 𝑛 = 𝑦𝑐 𝑛𝑇

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 32
2022
Pengolahan waktu kontinyu sinyal waktu diskrit (2)
• Diagram blok:

• 𝑋𝑐 𝑗Ω = 𝑇𝑋 𝑒 𝑗Ω𝑇 , Ω <𝜋 𝑇
• 𝑌𝑐 𝑗Ω = 𝐻𝑐 𝑗Ω 𝑋𝑐 𝑗Ω , Ω <𝜋 𝑇
1 𝜔
• 𝑌 𝑒 𝑗𝜔 = 𝑌𝑐 𝑗 , 𝜔 <𝜋
𝑇 𝑇
• Secara keseluruhan:
𝜔
𝐻 𝑒 𝑗𝜔 = 𝐻𝑐 𝑗 𝜔 <𝜋
𝑇

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 33
2022
Pengolahan Sinyal Secara Digital Sinyal Analog
• Diagram blok:

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 34
2022
 Konversi Analog-to-Digital (1)
• Konfigurasi:

• Sample and Hold ideal

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 35
2022
 Konversi Analog-to-Digital (2)
• Sample and Hold

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 36
2022
 Konversi Analog-to-Digital (3)
• Konfigurasi:

𝑥 𝑛 = 𝑄 𝑥[𝑛]

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 37
2022
 Konversi Analog-to-Digital (4)
• Kuantiser:

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 38
2022
Soal
Suatu sinyal kontinyu 𝑥1 𝑡 = 1,5 cos 2000𝜋𝑡 dan
𝑥2 𝑡 = 2,5 cos 14000𝜋𝑡 akan dimasukkan ke ADC dengan frekuensi
sampling 8000 Hz.
a. Tentukan persamaan sinyal digital 𝑥1 [𝑛] dan 𝑥2 [𝑛] sebagai hasil
sampling dari masing-masing 𝑥1 (𝑡) dan 𝑥2 (𝑡).
b. Sinyal manakah dari 𝑥1 [𝑛] dan 𝑥2 [𝑛] yang akan mengalami
aliasing ketika direkonstruksi oleh DAC? Jelaskan.
c. Berapa frekuensi sampling minimum agar sinyal yang mengalami
aliasing pada jawaban b dapat direkonstruksi dengan benar?
d. Dengan frekuensi sampling pada jawaban c, tentukan persamaan
sinyal tersebut.

Suhartono T - November
Pengolahan Sinyal Waktu Diskrit 39
2022