Pencuplikan Sinyal Waktu Kontinyu

5 dan Rekonstruksi

Edisi Semester 2 17/18 EYH 1

5.1 Pengolahan Sinyal Waktu Diskrit
5.1.1 Sampling
5.1.1.1 Sampling Priodik
5.1.1.2 Representasi domain frekuensi proses sampling
5.1.1.3 Frequency Ambiguity
5.1.2 Rekonstruksi
5.1.3 Pengolahan Sinyal Waktu Diskrit
5.2 Pengolahan Sinyal Dijital
5.2.1 Konversi Analog ke Digital (A/D Converter)
5.2.1.1 Anti aliasing Filter
5.2.1.2 Rangkaian Sampling and Hold (S/H)
5.2.1.3 Kuantisasi dan Coding
5.2.2 Konversi Digital ke Analog (D/A Converter)
5.2.2.1 Interpolasi Zero-order-hold (ZOH)
5.2.2.2 Interpolasi First-order-hold (FOH)
5.2.2.3 Interpolasi Cubic Spline

Edisi Semester 2 17/18 EYH 2

5.1 Pengolahan Sinyal Waktu Diskrit
(Discrete Time Signal
Processing)

y(n)
x(n)

n
12 3 4 5 6 7 8
n Discrete time
12 3 4 5 6 7 8

system
h(n)
x(n) y(n)

Edisi Semester 2 17/18 EYH 3

Contoh : Pemfilteran

y(n)
x(n)

n
12 3 4 5 6 7 8
n Filter LTI
12 3 4 5 6 7 8

h(n) y(n)
x(n)

X(ej) X(ej) 
Filter DTF
x(n) DTFT
LTI
T
h(n)  X (e
Y
y(n)  DTF
 T
(e
 H (e
Edisi Semester 2 17/18 EYH 4
j j j
) ) )
Filter

Edisi Semester 2 17/18 EYH 5

 5.1.1 Sampling
5.1.1.1 Sampling Periodik
Deretan sinyal x
diperoleh dari pencuplikan secara periodik sinyal kontinyu xc (t).
n
x  n   xc (nT ) -n
dimana T adalah perioda sampling dan f  1/ T adalah frekuensi sampling (sampel per detik).
s

Frekuensi sampling dapat juga dinyatakan dengan s  2 / T (radians per detik).

Sistem yang merepresentasikan persamaan x  n   x (nT ) disebut
c

ideal continuous-to-discrete-time (C/D) converter diilustrasikan pada gambar berikut

C/D x(n)=xc(nT)
xc(t)

T
Dalam prakteknya operasi sampling diimplementasikan dengan A/D converter yang dapat
dianggap sebagai aproksimasi ideal C/D konverter.

Edisi Semester 2 17/18 EYH 6

 Secara matematis proses sampling direpresentasikan dalam 2 tahap;
1. Modulasi oleh impulse train modulator
2. Konversi impulse train ke deretan (sinyal waktu diskrit)

xc(t) xs(t) x(n)

t t n
12 3 4 5 6 7 8
T Konversi impulse
xc(t) train ke deretan x(n)=xc(nT)
x s

(t)

s(t)

s(t)
T = Perioda pencuplikan
fs= 1/T = frekuensi pencuplikan
t
T

Edisi Semester 2 17/18 EYH 7

 5.1.1.2 Representasi domain frekuensi proses sampling
Secara matematis proses sampling direpresentasikan dalam 2 tahap;
1. Modulasi oleh impulse train modulator


s(t) 
  t - nT 
n

xs (t)  x (t). s(t)

c


=xc (t).
  t - nT 
n


=  xc (nT ). t - nT 
n

Transformasi Fourier dari s(t)

2 
)     - ks 
T k
S(j


s  2 / T (radians per detik).

Transformasi Fourier dari xs (t)

Xs ( j 1 1
  - ks   1
 
)  X(j )  X ( j ) 
2
c )  S (
j 2
c
2  T  X  j  - k 
c s
k k
 
2. Konversi impulse train ke deretan (sinyal waktu T
diskrit)
X ( j )   xc (nT )e Edisi Semester 2 17/18 EYH 7
jT
n
s
 T k 

s  2 / T (radians per detik).

Transformasi
5.1.1.2 Fourier dari xsdomain
Representasi (t) frekuensi proses sampling
2

1 1 1
X ( j )  X ( j )  S ( j )  X ( j )    - k   X  j 
-k
2.Konversi impulse train ke deretan (sinyal waktu diskrit)
Transformasi Fourier Waktu Kontinyu dari xs (t)

X ( j )   x
s c (nT )e jTn
n

Karena x  n  xc (nT )


dan X (e j =  x(n)e jn
) n

maka Xs ( j )  X (e )
j
 X (e jT )

1 T
1 
X (e )   X  j   -    X  j(
jT
2 k 
 k   )
c 
c s
T T T T
k 

Edisi Semester 2 17/18 8

k   

Edisi Semester 2 17/18 9

xc(t) xs(t) x(n)

t t n
12 3 4 5 6 7 8
T Konversi deretan
xc(t) impuls ke deretan x[n]=xc(nT)
x s waktu diskrit

(t)

Xc(j) s(t) X(ej)

Xs(j)
s(t)
T = Perioda pencuplikan
fs= 1/T = frekuensi pencuplikan
t
T
x (t)  X ( j )
c c

s(t)  S ( j )
 
s(t)  n  t - nT


2
k

 - ks 
 T
xs (t)  Xs ( j )
xs (t)  xc (t). s(t)
1 ) 2 
X ( j )  X 1 ( j )  

s c
( j )  S ( j  2X c
T 
2 k

Edisi Semester 2 17/18 1

 1
  - ks   T   k 
Xc  j - kjs 
x(n)  X j
)
(e 
j
X
) ( j )  X (e 1 1   2 k 
 X (e jT )  X  j  -   X j(  )
s 
 
k 
T
c s c  
T T T T
k 
k   

Edisi Semester 2 17/18 1

 Fs=6000 x[n]
F=1kHz Hz
xc(t)

xc(t) = cos  t x[n] = cos  n n

xc(t) = cos 2F t x[n] = cos 2f n
xc(t) = cos 2.1000 t x[n] = xc(nTs) = cos 2000(n.1/6000)
= cos 2000t x[n] = cos 2000/6000n = cos 1/3 n

Xc(j )= ( -2000 )+ ( +2000 

) j 1   2 k 
Xc(j)
X( e )
T  X  j(T
s k 
c
s

T
s
)



- 4000 -2000 0 2000 4000 12000  (rad/s)

X(ej) Edisi Semester 2 17/18 1

 Ts=1/6000 s
-1/3 1/3  5/3 2 7 /3  (rad)

Edisi Semester 2 17/18 1

 Konversi deretan impuls ke deretan waktu diskrit
xc(t) X[n]=xc(nT)
xs(t)
Xc(j) X(ej)
s(t) X (j)
s
Sinyal xc(t)=cos (2000t) dicuplik dengan
(a) sampling rate 2500 Hz s=5000 rad/s ,
sehingga diperoleh sinyal hasil cuplikan :x[n]=xc(nT) = cos (2000nT)
= cos( 2000/2500 n)
=cos[0.8 n]
(b) sampling rate 1500 Hz, s=3000 rad/s ,
sehingga diperoleh sinyal hasil cuplikan :x[n]=xc(nT) = cos (2000nT)
= cos( 2000/1500 n)
= cos[ (4/3n) ]
= cos[ (2 - 2/3) n] aliasing
=cos[2/3n]

Edisi Semester 2 17/18 1

5.1.1.3 Frequency ambiguity

7 kHz

140kHz
Edisi Semester 2 17/18 1
 Xc(j)
xc(t)=cos (2000t)
sampling rate 2500 Hz s=5000 rad/s ,

Xc(j )= ( -2000 )+ ( +2000 )

- 4000 -2000 0 2000 4000

  (rad/s)
S(j) 2
2/T T    - k 
k 
s
T=1/2500 s

- 5000 -2000 0 2000 5000 10000  (rad/s)

Xs(j) ) 
/T Xs( j 
T k     2000 - ks    2000 - ks 


-5000 -3 000 -2000 2000 3000 5000 7000 8000 10000 12000  (rad/s)
X(ej) 


X (e j
)     - k 2      - k 2 
 k
 0.8 0.8

- 2 - 1.2 -0.8 0.8 1.2 2 2 .8 3.2 4 4 .8   (rad)

Edisi Semester 2 17/18 1
x [n]=cos(0.8 n)

Edisi Semester 2 17/18 1

 Xc(j)
xc(t)=cos (2000t)
sampling rate 1500 Hz s=3000 rad/s ,

Xc(j )= ( -2000 )+ ( +2000 )

- 4000 -2000 0 2000 4000  (rad/s)

S(j) 
2
2/T T    - k
k 
s
T=1/1500 s

- 3000 0 3000 
6000 9000  (rad/s)
Xs(j)
X ( j )
  
   2000 - k      2000 - k
aliasing s 
T k 
s s
/T

-3 000 -2000 -1000 0 1000 2000 3000 4000 5000 6000 9000 12000  (rad/s)

X(ej)
X (e
j


)     4
- k 2      - k 2 
 4

3 3
 k 

-2 -1.33 -0.66 0 0.66 1.33 2 2.66 3.33 4 6 8  (rad/s)

Edisi Semester 2 17/18 1
 5.1.2 Rekonstruksi
Secara matematis proses rekonstruksi ideal ((konverter diskrit ke kontinyu ideal).
direpresentasikan dalam 2 tahap;
1. Konversi deretan (sinyal waktu diskrit) ke impulse train
2.Pemfilteran dengan filter rekonstruksi ideal berupa filter lowpass

x(n) xs(t) xr(t)

t t
12 3 4 5 6 7 8
n
Konversi sinyal waktu diskrit ke impulseFilter
trainRekonstruksi Idealhr(t) xr(t)
x(n) xs(t)

Edisi Semester 2 17/18 1

Secara matematis proses rekonstruksi direpresentasikan dalam 2 tahap;
1. Konversi deretan (sinyal waktu diskrit) ke impulse train


xs (t)   x  n   t - nT 
n

2.Pemfilteran dengan filter rekonstruksi ideal berupa filter

lowpass Filter rekonstruksi adalah filter lowpass ideal :
HT( j)  ,   c

r 
,   c
 0
 
  s 
c
2 T
Respon impuls filter lowpass ideal : sin  t / T
hr (t)   t / T
 

xr (t)  h (t)  x (t)  h (t) 

r s r x n  t - nT  x  n  h t - nT 
r
n

 
n


sin  t  nT  / T 
xr (t)   x n   t  nT / T
n

Edisi Semester 2 17/18 2

Edisi Semester 2 17/18 2
x(n) xs(t) xr(t)

t t
12 3 4 5 6 7 8
n
Konversi sinyal waktu diskrit ke impulseFilter
train Rekonstruksi Idealhr(t) xr(t)
x(n) xs(t) hr(t)Hr(j)

X(ej) Xr(j)
Xs(j)
T T = Perioda pencuplikan
Hr(j) hr(t)
T

  
T T

Filter Rekonstruksi adalah filter lowpass ideal :

HT( j)  , c

r 
0 ,   c
s 
 
c
2 T

Edisi Semester 2 17/18 2

 sin  t / T
Respon impuls filter lowpass ideal : h (t) 
r
t/T

Edisi Semester 2 17/18 2

Teorema Pencuplikan Nyquist
Bila xc(t) adalah sinyal dengan lebar bidang frekuensi terbatas : Xc(j)=0, > N
Maka xc(t) secara unik dinyatakan oleh cuplikannya x[n]=xc(nT), bila
S=2/T>2 N,dimana N adalah frekuensi Nyquist, dan 2N adalah rate Nyquist.

Edisi Semester 2 17/18 2

 Xc(j)
xc(t)=cos (2000t)
sampling rate 2500 Hz s=5000 rad/s ,

Xc(j )= ( -2000 )+ ( +2000 )

- 4000 -2000 0 2000 4000  (rad/s)

S(j) 2


2/T    - k  
k  s
T=1/2500 s
T

- 5000 -2000 0 2000 5000 10000  (rad/s)

Xs(j) ) 
T k     2000 - ks    2000 - ks 
/T Xs( j 


-5000 -3 000 -2000 2000 3000 5000 7000 8000 10000 12000  (rad/s)
X(ej) 


X (e j
)     - k 2      - k 2 
 k
 0.8 0.8

- 2 - 1.2 -0.8 0.8 1.2 2 2 .8 3.2 4 4 .8   (rad)

Edisi Semester 2 17/18 2

x [n]=cos(0.8 n)

Edisi Semester 2 17/18 2

 X(ej)

- - 1.2 -0.8 0.8 1.2 2 2.4 3.2 4 4.8  (rad)

Xs(j)

- 5000 -3000 -2000 0 2000 3000 5000 10000  (rad/s)

Hr(j)

-5000 -2500 0 2500 5000 10000  (rad/s)

Xr(j)

- 4000 -2000 0 2000 4000  (rad/s)

Edisi Semester 2 17/18 2
 Xc(j)
xc(t)=cos (2000t)
sampling rate 1500 Hz s=3000 rad/s ,

Xc(j )= ( -2000 )+ ( +2000 )

- 4000 -2000 0 2000 4000  (rad/s)

S(j) 
2
2/T T    - k
k 
s
T=1/1500 s

- 3000 0 3000 
6000 9000  (rad/s)
Xs(j)
X ( j )
  
   2000 - k      2000 - k
aliasing s 
T k 
s s
/T

-3 000 -2000 -1000 0 1000 2000 3000 4000 5000 6000 9000 12000  (rad/s)

X(ej)
X (e
j


)     4
- k 2      - k 2 
 4

3 3
 k 

-2 -1.33 -0.66 0 0.66 1.33 2 2.66 3.33 4 6 8  (rad/s)

Edisi Semester 2 17/18 2
x[n] = cos [2/3n]

Edisi Semester 2 17/18 2

 X(ej)

--1.33 -0.6600.66 1.33 2 1.33 1.664 6 8 (rad/s)

Xs(j)
Hr(j)

-3 000 -2000 -1000 0 1000 2000 3000 4000 5000 6000 9000 12000  (rad/s)
Hr(j)

-3 000 -1500 0 1500 3 000 6000 9000 12000  (rad/s)

Xr(j)

-3000 -1000 0 1000 3000  (rad/s)

Edisi Semester 2 17/18 3

5.1.3 Pengolahan Sinyal Waktu Diskrit

Sistem ke
Konversi deretan impuls diskrit Konversi diskrit ke deretan impuls
Filter Rekonstruksi
xc(t) xs(t) diskrit x[n] y[n] ys(t) Ideal yr(t)
Hr(j)
H(ej)
X(ej) Y(ej) Ys(j) Yr(j)

Edisi Semester 2 17/18 3

5.1.3 Pengolahan Sinyal Waktu Diskrit
1   2 k 
Sinyal masukan sistem waktu diskrit x[n]  x (nT )  X (e j ) 
c
  X
c 
j(  )

T T T
Sinyal keluaran sistem waktu diskrit y[n]    x k   

 n
 sin  t  nT  / T 
Setelah rekonstruksi: yr (t)  
n
y[n]  t  nT  / T
 
T.Y  e jT  

ySpektrum sinyal T
(t)  Y ( j )  H ( j ).Y  e jT
 
r r r 
0  
 T
Bila sistem waktu diskrit adalah sistem linier dan tidak berubah terhadap waktu, maka
Y (e j )  H (e j ) X (e j ) dan Y ( j )  H ( j )H (e jT ) X (e jT )
1r  
r
2 k 
Y ( j )  H ( j )H (e )
jT
X j(  )
 
r r
T c  
 T T 
k 

Bila 
(t) mempunyai spektral terbatas maka (j )  0,   dan
xc T
Xc

Edisi Semester 2 17/18 3

Hr ( j ) adalah filter low pass ideal, maka
 
H (e jT ).X 
Y ( j ) 
 
T
c

r j
 0 
 T

Edisi Semester 2 17/18 3

Bilafrekuensi pencuplikan  Nyquist rate, makaYr 
(j  )  H eff (j  ).X  j 
T
c

dimana : H 
(j  )  H( e jT
) 
eff
T

Catatan : Sistem pengolahansinyal secara dijital adalahlinier dan tidak berubah terhadap bila:
waktu
• sistem waktu diskrit linier dan tidak berubahterhadap waktu.
• sinyal masukanlebar pita frekuensinya terbatas
• frekuensi pencuplikan cukup tinggi agar tidak terjadi aliasing

Edisi Semester 2 17/18 3

 5.2 Pengolahan Sinyal Digital (Digital Signal
Processing)

Prefilter A/D Digital D/A Postfilter

x(t) Coverter x(n) Processor y(n) Coverter y(t)

Sampling & Quantizer Encoder

Hold

A/D Converter

Edisi Semester 2 17/18 3

 5.2.1 Konversi Analog ke Digital (A/D Converter)
5.2.1 .1 Anti aliasing filter
5.2.1.2 Sample and Hold Circuit

Zero order Hold

Xs(t) ha(t)
Xa(t)
s(t)

Edisi Semester 2 17/18 2

Courtesy from Discrete time signal processing , Alan
Courtesy from Digital Signal Processing, John G.Proakis and Dimitris
G Manolakis

Edisi Semester 2 17/18 2

5.2.1.3 Quantization and Coding

Quantization : proses nonlinear dan non invertible yang memetakan amplituda

x(n)=x(nT) pada waktu t=nT ke xk yang diambil dari satu set nilai yang
amplituda berhingga,

xk

Edisi Semester 2 17/18 EYH 30

Edisi Semester 2 17/18 3
Courtesy from Discrete time signal processing , Alan V.Oppenheim

Edisi Semester 2 17/18 3

Analisis Error kuantisasi

• Signal to quantization noise (power) ratio (SQNR), dalam

skala dB :
R
SQNR  6.02b 16.81  20 log
x
b  jumlah bit kuantisasi
R  range dari A/D converter
 x  variansi sinyal input
Misal untuk sistem PCM full scale sinusoidal modulating signal :
SQNR  6.02b 1.76 dB

Edisi Semester 2 17/18 3

 5.2.2 Konversi Digital to Analog

Courtesy from Discrete time signal processing , Alan V.Oppenheim

Edisi Semester 2 17/18 3

Practical D/A Converter
5.2.2.1. Zero order hold interpolation
Zero order hold interpolation
xa  t   nTs  n  n 1Ts
xn,
Diperoleh dari pemfilteran impulse train menggunakan filter interpolasi,
1,
ht   0  t  Ts

0, lainnya

Edisi Semester 2 17/18 3

Edisi Semester 2 17/18 3
5.2.2.2. First order hold interpolation
First order hold interpolation
Diperoleh dari pemfilteran impulse train menggunakan filter interpolasi,
 t
1 ,
T 0  t  Ts
 t s

ht    , Ts  t  2Ts
 Ts
 0, lainnya


5.2.2.3 Cubic spline interpolation

Cubic spline interpolation
Diperoleh dari pemfilteran impulse train menggunakan filter dengan fungsi
cubic spline sebagai berikut;

x a t    0 nt 
2
 2 nt  nTs 
1
n nTs

Edisi Semester 2 17/18 3

 3 nt  3 nT  n  n 1Ts
nTs , s

Edisi Semester 2 17/18 3