Teorema Pengolahan Sinyal

Sampling
Digital

Pengampu: Dr. Tri Budi Santoso, ST. MT.

Laboratorium Multimedia Communication,
Gedung Pasca Sarjana Terapan Lantai 10,
Politeknik Elektronika Negeri Surabaya
Tujuan Pembelajaran
(Sub-CMPK2)
• Mampu menelaah konsep sampling, dan
menjelaskan fenomena aliasing
• Mampu menginvestigasi proses sampling,
teori sampling, dan proses rekonstruksi
(penyusunan Kembali) suatu sinyal.
• Mampu memberi pertimbangan praktis untuk
filter anti-aliasing dan filter anti-image.
Paparan 1. Sampling pada Sinyal waktu Kontinyu
2. Rekonstruksi Signal
3. Pertimbangan Praktis untuk Pemfilteran
Aliasing Sinyal: Anti-Aliasing Filtering
4. Pertimbangan Praktis untuk Rekonstruksi
Sinyal: Anti-Image Filter and Equalizer
1. Sampling pada Sinyal waktu Kontinyu
• Menggambarkan suatu block diagram pada sebuah digital signal processing (DSP)
system yang sudah disederhanakan.
• Analog filter mengolah input untuk mendapatkan band-limited signal, yang
selanjutnya dikirimkan ke unit analog-to-digital conversion (ADC).
• Unit ADC melakukan pengambilan sampel sinyal analog, menguantisasi sampel
sinyal, dan mengkodekan ke level sinyal digital.
 Konsep proses sampling di dalam domain waktu

• Suatu sinyal (continuous-

time) analog (solid line)
didefinisikan pada setiap
titik melintasi sumbu waktu
(horizontal line) dan sumbu
amplitude (vertical line).

• Dalam hal ini sinyal analog tersusun dari suatu titik-titik dalam jumlah tak hingga (infinite).
• Titik-titik yang jumlahnya tak hingga ini tidak dapat diolah dengan perangkat computer atau digital signal
(DS) processor.
• Pengambilan sampel dapat memecahkan permasalahan ini, yaitu mengambil sampel-sampel pada
interval waktu tertentu seperti ditunjukkan pada Gambar di atas. Dalam hal ini T mewakili interval
sampling atau periode sampling, dalam detik.
• Setiap sampel mempertahankan
level tegangannya selama interval
sampling T untuk memberikan
cukup waktu bagi ADC melakukan
konversi.
• Proses ini dikenal sebagai sample
and hold.

• Untuk suatu interval sampling T, yang mana didefisinisikan sebagai jarak antar dua titik sampel,
akan memberikan suatu nilai sampling rate sebesar:

sampel per detik (Hz)

• Sebagai contoh, jika periode sampling T = 125 microsecond, sampling rate adalah SR =|fs| = 1/125
ms = 8000 sampel per detik (Hz)
• Teorema sampling menjamin bahwa suatu sinyal analog dapat direcover
(dipulihkan) secara sempurna seperti teori sapanjang sampling ratenya
adalah lebih dari atau duakali frekuensi tertinggi dari komponen sinyal
analog yang disampel.
• Kondisi ini dapat digambarkan sebagai berikut:

• Pada gambar berikut, diilustrasikan dua sinyal sinusoida, di mana interval

sampling antar titik-titik sampel adalah T = 0.01 second, dan sampling rate
senilai fS = 100 Hz.
 • Gambar pertama menunjukkan
sebuah sinyal sinus 40 Hz, dan
amplitude-amplitude hasil
sampelnya.
• Dalam hal ini masih memenuhi
teorema sampling 2 fmax = 80 < fS
.

• Gambar bawah menunjukkan

sebuah sinyal sinus 90 Hz, dan dan
amplitude-amplitude hasil
sampelnya.
• Dalam hal ini tidak memenuhi
teorema sampling.
 • Gambaran sinyal tersampel xS(t) diperoleh
dari sampling pada sinyal waktu kontinyu
x(t) pada suatu sampling rate fS samples
per second.

Secara metematik, proses ini dapat dituliskan sebagai perkalian antara sinyal waktu kontinyu dengan
deretan pulsa sampling (pulse train):

Di mana p(t) adalah deretan pulsa dengan periode T = 1/ fS .

Dari analisa spectral, pada dasarnya spectrum asli (frequency components)
X(f) dan spektrum sinyal tersampel XS(f) dalam terminology Hz dihubungkan
sebagai:

Di mana X(f) diasumsikan sebagai spektrum baseband asli, sementara XS(f)

adalah spektrum sinyal tersampel, tersusun dari spektrum asli X(f) dan
bentuk replikanya X(f + n fS).
 Sebuah sinyal analog diberikan sebagai:

Dan disampel pada 8000 Hz

a. Gambarkan spektrum sinyal aslinya
b. Gambarkan spektrum sinyal tersampel dari 0 sampai 20 kHz

Contoh 1:
Penyelesaian:
a. Dalam hal ini sinyal adalah sinusoida dengan amplitude 5 dan frekuensi 1000 Hz. Kita dapat
menuliskan identitas Euler sbb:
× ×
𝑒 +𝑒 × ×
5𝑐𝑜𝑠 2𝜋 × 1000𝑡 = 5 = 2.5𝑒 + 2.5𝑒
2
Dalam hal ini deret Fourer mengekspansi sinyal waktu notinyu periodic dalam terminology
eksponensial (anda bisa lihat dalam buku atau referensi calculus). Selanjutnya identifikasi untuk
koefisien deret Fourier adalah sbb:
𝑐 = 2.5 𝑑𝑎𝑛 𝑐 = 2.5

Penggunaan magnitude pada koefisien-koefisien, akan memberikan ilustrasi seperti pada

Gambar a.
b. Setelah sinyal analog tersampel pada sapling rate 8000 Hz, spektrum sinyal
tersampel dan replikasi centernya pada frekuensi + nfS , masing masing
dengan amplitude 2.5/T, seperti pada Gambar b

• Spectrum dari sinyal tersampel yang ada pada gambar b, tersusun dari
bayangan-gayangan spektrum asli yang ditunjukkan oleh Gambar a.
• Image (bayangan) ini berulang pada kelipatan nilai frekuensi sampling fS
(misal: 8 kHz, 16kHz, 24kHz,.. ); Semua image ini tidak memberi informasi
tambahan
 Di sini kita akan mengamati
proses recovery
(pemulihan) sinyal analog
2. PEMULIHAN dari versi sinyal tersampel
SINYAL
(RECONSTRUCTION)
a. Sampel sampel sinyal b. Pemulihan dari sinyal sampel c. Sinyal analog hasil pemulihan

c. Spektrum sinyal pemulihan

Pertama, data yang terproses secara digital y(n) dikonversi menjadi
deretan impulse idel yS(t), yang mana setiap sinyal impulse memiliki
amplitude sebending dengan output digitalnya y(n), dan dua deretan
impulse terpisahkan oleh interval waktu T;
Kedua, filter pemulihan digunakan untuk melakukan pemuliah secara
ideal pada sinyal tersampel yS(t) untuk mendapatkan pemulihan sinyal
analog.
Case 1:
fS = 2fmax
Seperti terlihat pada gambar, Frekuensi Nyquist adalah sebanding dengan frekuensi
maksimum dari x(t).
Sebuah low pass ideal digunakan untuk pemulihan pemulihan spectrum sinyal analog
Kondisi ini tentu tidak praktis dalam aplikasinya.
 Case 2:

fS > 2fmax
Dalam kasus ini ada pemisahan antara tepi highest-frequency (frekuensi tertinggi) dari
spectrum baseband dan replikas pertamanya.
Sehingga sebuah low pass filter pemulihan (anti-image) filter dapat digunakan untuk
menghilangkan semua image dan mendapatkan spectrum sinyal asli yang diinginkan.
Model ini lebih memungkinkan untuk diaplikasikan.
Case 3:

fS < 2fmax
• Dalam kasus ini melanggar teorema sampling dari Shannon.
• Seperti kita lihat ada overlapping spectral diantara original baseband spectrum
dengan replikasi pertama. Bahkan dengan penggunaan low pass filter ideal,
tidak akan mampu menghilangkan image yang terjadi.
• Fenomena ini dikatakan sebagai aliasing, munculnya frekuensi alias yang
berakibat sbg noise.
Contoh 2:
Asumsikan bahwa suatu sinyal analog berikut disampel dengan rate 8000 Hz:

x(t) = 5 cos(2.p.2000t) + 3 cos(2.p.3000t), untuk t > 0

a. Berikan gambaran spektrum sinyal sampai dengan frekuensi setinggi 20 kH

b. Berikan gambaran spektrum sinyal hasil pemulihan, jika sebuah LPF ideal
dengan frekuensi cut-off 4 kHz digunakan untuk memfilter sinyal tersampel
(dalam kasus ini y(n) = x(n)), untuk melakukan pemulihan sinyal aslinya.
Penyelesaian:
a. Dengan identitas Euler, kita dapatkan:

Amplitudo spektrum pada kedua sisi untuk sinusoida ditampilkan di

dalam gambar berikut.
b. Didasarkan spectrum pada bagian a), maka kondisi dalam teorama
sampling dapat terpenuhi, selanjutnya kit amelakukan pemulihan
spectrum asli menggunakan LPF reconstruction, dengan cakupan
spektrum sbb.
Contoh 3:
Asumsikan sinyal analog berikut disampel dengan frekuensi
sampling 8000 Hz

x(t) = 5 cos(2.p.2000t) + 1 cos(2.p.5000t), untuk t > 0

a. Berikan gambaran spectrumnya sampai nilai 20 KHz

b. Berikan gambaran sinyal hasil pemulihan yang diperoleh Ketika
menggunakan LPF pemulihan dengan frekuensi cut-off 4 kHz.
Penyelesaian:
a. Spektrum sinyal tersampel dapat diberikan pada gambar.

b. Frekuensi maksimum pada sinyal analog lebih besar dibandingkan persyaratan frekuensi
Nyquist, maka secara teoritis proses sampling tidak terpenuhi dengan benar.
Pada bagian penerima (rekonstruksi sinyal) mengalami suatu proses aliasing, pada frekuensi 3
kHz.
 • Dalam praktiknya, sinyal analog yang akan
3.Pertimbangan didigitalisasi bisa berisi komponen frekuensi lain,
sehingga akan terjadi bentuk seperti noise.
Praktis untuk
Pemfilteran • Untuk memenuhi kondisi teorema sampling, kita
aplikasikan suatu filter anti-aliasing untuk membatasi
Aliasing Sinyal: sinyal analog inputnya, sehingga semua komponen
Anti-Aliasing frekuensi berada di bawah folding frequency
Filtering (setengah dari sampling rate).
• Pertimbangkan kasus terburuk, Ketika sinyal analog
yang disampel memiliki spektrum frekuensi datar,
band limited spectrum X(f) dan sampled spectrum
XS(f) akan diloloskan seperti pada gambar, di mana
bentuknya merupakan hasil replikasi spectrum sinyal
yang tersampel.
Magnitudo Respon frekuensi
Butterworth dengan suatu orde
tertendu diberikan sbb

Untuk suatu second-order

Butterworth lowpass filter
dengan gain satu satuan,
fungsi transfer dan
magnitude respon
frekuensinya diberikan sbg:
Sebuah second-order lowpass filter dengan gain 1, menggunakan
suatu topologi Sallen-Key adalah sbb:

Di mana untuk suatu nilai cut off

frekuensi yang diberikan dalam Hz,
dan suatu nilai kapasitor C2, kita
dapat menentukan elemen lain
menggunakan formula yang ada.
Sebagai contoh untuk cutoff frequency = 3,400 Hz, dan pemilihan C2= 0.01 microfarad (mF),
kita bisa dapatkan R1 = R2 = 6,620 W; dan C1 = 0.005 mF

• Magnitudo respon frekuensi, di

mana absolute gain of the filter,
seperti disajikan gambar di
samping.
• Di sini absolute attenuation mulai
pada level 0.7 pada freq 3,400 Hz
dan berkurang sampai 0.3 pada freq
6,000 Hz.
• Secara ideal kita inginkan gain
attenuation sampai nol setelah
frekuensi 4,000 Hz, jika sampling
ratenya adalah 8,000 Hz.
• Pada umumnya aliasing akan terjadi
pada beberapa level degree.
 Kita dapat memformulasikan prosentase menggunakan sifat symmetry
pada Butterworth magnitude function dan replikasinya:

Note:
Prosentase noise aliasing dapat diestimasi, atau suatu higher-order antialiasing
filter untuk memenuhi persyaratan bagi level prosentase aliasing level
 Contoh 4:
Suatu system pengolah sinyal seperti pada
gambar sebelumnya dengan frekuensi sampling
8,000 Hz digunakan, dan sebuah antialiasing filter
yang digunakan adalah second-order Butterworth
lowpass filter yang memiliki suatu cutoff
frequency 3.4 kHz, dapatkan
a. percentage of aliasing level pada cutoff
frequency;
b. percentage of aliasing level pada frekuensi
1,000 Hz.
Penyelesaian:
a. Dengan nilai fa = fc = 3.4 kHz, kita dapatkan:

. ×
.
. ×
.

b. Dengan nilai fa = 1.0 kHz, kita dapatkan:

×
.
×
.
Contoh 5:
Sebuah perangkat DSP seperti gambar sebelumnya, dalam hal ini sampling rate
yang digunakan adalah 16,000 Hz, dan antialiasing filter menggunakan suatu
second-order Butterworth lowpass filter dengan frekuensi cutoff frequency sebesar
3.4 kHz. Dapatkan nilai percentage of aliasing level pada cutoff frequency

Penyelesaian:
Dengan nilai fa = fc = 3.4 kHz, kita dapatkan:

. ×
.
. ×
.

Peningkatan sampling rate dapat menurunkan aliasing level.

Contoh 6:
Sebuah pengolah sinyal digital menggunakan sampling rate of 40,000 Hz, anti-aliasing
filter Butterworth lowpass filter dengan suatu nilai cutoff frequency 8 kHz.
Dalam hal ini nilai percentage of aliasing level pada cutoff frequency kurang dari 1%,
dapatkan orde (n) dari anti-aliasing lowpass filter.

Penyelesaian:

Menggunakan fs=40,000, fc= 8,000, dan fa=8,000 Hz, kita mulai dari order terkecil,
yaitu 1, kemudian kita naikan ordenya sampai dapat memenuhi spesifikasi yang
diinginkan.
 ×
.
×

×
.
×

×
.
×

×
.
×

Untuk memenuhi persyaratan aliasing level 1%, kita pilih n= 4.

4. Pertimbangan Praktis untuk Rekonstruksi
Sinyal: Anti-Image Filter and Equalizer
Tahapan pada pemulihan sinyal:

(a) Sinyal yang terproses (b) Pemulihan ideal (c) Tegangan setelah (d) Hasil pemulihan dalam
secara digital. sampled signal. pemulihan sample-and- bentuk analog.
hold
Rangkaian DAC mengkonversi sinyal terproses digital y(n) menjadi suatu signal tersampel
yS(t), selanjutnya rangkaian hold menghasilkan tegangan sample-and-hold yH(t).

Fungsi transfer pada hold circuit dapat diformulasikan sbb:

• Kita dapatkan frequency response pada DAC dengan hold circuit

melalui substituting s + jw yang ada pada persamaan sebelumnya:
Respon magnitude dan fase
diberikan sebagai:

Di mana x = wT/2.
Dalam terminology Hz, kita miliki:
• Magnitudo respon frekuensi beraksi seperti pemfilteran lowpass dan membentuk
spektrum sinyal tersampel pada YS(f).
• Pembentukan ini berpengaruh pada distorsi spectrum sinyal tersampel YS(f) pada
suatu band tertentu, seperti diilustrasikan pada gambar
• Di sisi lain, spectral images dilemahkan oleh
lowpass pada sin(x)/x.
• Pengaruh sample-and-hold ini dapat membentuk
kita untuk merancang anti-image filter.
• Prosentase distorsi yang terjadi pada band
frekuensi tertentu ini diberikan sebagai:
Contoh 7:
Suatu system DSP dengan sampling rate 8,000 Hz dan suatu rangkaian hold
digunakan setelah DAC, dapatkan
a. Percentage of distortion pada suatu frekuensi 3,400 Hz;
b. Percentage of distortion pada suatu frekuensi 1,000 Hz.
• Magnitude frequency
response pada sebuah
ekualiser ideal untuk
mengatasi distorsi yang
disebabkan oleh proses
sample-and-hold.
Kemungkinan implementasi menggunakan sebuah
digital equalizer
Contoh 8:
Dapatkan nilai cutoff frequency dan order untuk anti-image filter pada suatu system DSP
dengan suatu sampling rate 16,000 Hz dan specification untuk anti-image filter seperti
gambar berikut.
Permintaan design:
• Maximum allowable gain variation dari 0 sampai 3,000 Hz ¼ 2 dB
• 33 dB rejection pada suatu frequency 13,000 Hz
• Butterworth filter diasumsikan untuk anti-image filter
Penyelesaian:
Pertama kita
tentukan pengaruh
bentuk spectral pada
f =3,000 Hz dan f
=13, 000 Hz:

Gain ini akan membantu proses pelemahan yang dipersyaratkan.

Selanjutnya, dengan memperhatikan persyaratan anti-image filter:
• Butterworth lowpass filter
• Variasi gain yang diijinkan 0 sampai 3,000 Hz = 2-0.46 = 1.54 dB
• 33-13 = 20 dB rejection pada frequency 13,000 Hz.

Kita tetapkan persaman menggunakan operasi

log pda fungsi magnitude Butterworth
Dari kedua persamaan, .
kita harus memenuhi:

Dapatkan perbandingan
kedua persamaan: .

Dengan order filter dan cutoff frequency, kita dapat merealisasikan

anti-image (reconstruction) filter menggunakan second order unit
gain Sallen-Key lowpass filter
 selanjutnya /
.

Cutoff frequency dapat

dikomputasi sebagai : ⁄ ⁄

. ⁄ . ⁄

Kita pilih yang lebih kecil, sehingga

Soal Latihan:
1. Suatu sinyal analog berikut ini disample dengan frekuensi sampling 8000 Hz
x(t) = 5cos(2p1500t), untuk t > 0
a. Berikan gambaran spektrum sinyal tersebut
b. Berikan gambaran spektrum sinyal tersampel dari 0 kHz sampai 20 kHz

2. Jika sinyal analog

x(t) = 5cos(2p2500t) + 2cos(2p3200t), untuk t > 0
Disampel dengan frekuensi 8000 Hz.
a. Berikan gambaran spektrum sinyal tersampel untuk 0 sampai 20 kHz
b. Berikan gambaran bentuk spektrum sinyal pemulihan jika kita gunakan
sebuah LPF ideal dengan frekuensi cut off 4000 Hz.
3. Jika sinyal analog
x(t) = 3cos(2p1500t) + 2cos(2p2200t), untuk t > 0
Disampel dengan frekuensi 8000 Hz.
a. Berikan gambaran spektrum sinyal tersampel untuk 0 sampai 20 kHz
b. Berikan gambaran bentuk spektrum sinyal pemulihan jika kita gunakan
sebuah LPF ideal dengan frekuensi cut off 4000 Hz.

4. Jika sinyal analog

x(t) = 3cos(2p1500t) + 2cos(2p4200t), untuk t > 0
Disampel dengan frekuensi 8000 Hz.
a. Berikan gambaran spektrum sinyal tersampel untuk 0 sampai 20 kHz
b. Berikan gambaran bentuk spektrum sinyal pemulihan jika kita gunakan
sebuah LPF ideal dengan frekuensi cut off 4000 Hz.
5. Sebuah system DSP seperti pada gambar di bawah memiliki spesifikasi
• Sampling rate 20000 Hz
• Max variasi gain yang memungkinkan dari 0 ~4000 Hz adalah 2 dB
• Terjadi rejection 40 dB pada frekuensi 16000 Hz
• Filter yang digunakan adalah Butterworth
• Tentukan frekuensi cut off dan orde filter untuk anti image filter
Selamat Mencoba…