Nama: Rendi Saputra Nugraha

Nim: 20050514005

Prodi: Elkom 2020B

1. Rencanakan filter digital low-pass yang mempunyai karakteristik sebagai berikut :

- Pada frekuensi pass band monoton turun teredam –3 dB pada frekuensi 1000 Hz
- Pada frekuensi 2000 Hz redaman minimal 10 dB
- Sinyal input x=sin(2*pi*250*t)+sin(2*pi*4500*t);

a) Gambarkan magnitude square respons filter digital yang diinginkan

b) Gambarkan magnitude square respons filter analog ekivalen yang diinginkan
c) Gambarkan magnitude square respons low-pass filter analog normalisasi
d) Tentukan persamaan H(s) LPF analog normalisasi
e) Tentukan persamaan Ha(s) LPF analog hasil disain
f) Tentukan persamaan H(z) LPF digital hasil disain
g) Gambarkan magnitude square respons LPF digital hasil disain

Jawaban :

a) Gambar magnitude square respons filter digital yang diinginkan :

Karena Frek. sampling fs = 50 kHz, maka perioda sampling : Ts = 0,0001 detik

1 = (2  f1)/fs = (2  1000)/50000 = 0,12  rad K1 = -3 dB

2 = (2  f2)/fs = (2  2000)/50000 = 0,25  rad K2 = -10 dB

dB

K1

K2

 (rad)
 2

b) Gambar magnitude square respons filter analog ekivalen yang diinginkan

 Transformasi ke filter analog :

2 ω1 0,12π
Ω 1= tan =100000 tan 19076 Hz
Ts 2 2
2 ω2 0 , 25 π
Ω 2= tan =100000 tan 41421 Hz
Ts 2 2

dB

K1

K2

 (Hz)
 2

c) Gambar magnitude square respons low-pass filter analog normalisasi

Transformasi normalisasi :

Ω2 41421
Ωr = = 2,1713
Ω1 19076

dB

0
K1

K2


 r

d) Persamaan H(s) LPF analog normalisasi :

Orde filter low-pass Butterworth analog :

log ¿ ¿
n=
1 log ¿ ¿
2 log (¿ )= ¿  1.3682
Ωr 1
2 log (¿ )¿
2,2361
 Pembulatan keatas didapat harga n = 2. Sehingga dari table polynomials
Butterworth didapat :

Bn ( s )=s 2 + √ 2 s+ 1

1 1
H lpf ( s )= = 2
H(s) LPF analog normalisasi : B n ( s ) s + √2 s+1

e) Persamaan Ha(s) LPF analog hasil disain

1 1
H a (s)=H lpf (s)|s=s /Ω = =
Bn ( s) s 2
( ) s
1

Ω1 + √ 2 Ω 1 +1

1
H a (s)=
( 19076 ) + √2 19076
2
s s
+1

f) Persamaan H(z) LPF digital hasil disain

1
H (z )= H LPF (s)| =

{ ( )}
−1
2 (1−z ) 2
20000 1−z−1
(
20000 1−z−1
)
s=
T (1+z−1)
+ √2 +1
19076 1+ z−1 19076 1+ z−1

1
H ( z)=

( ) ( )
−1 2
1−z 1−z−1
9 , 4733 +4 ,3528 +1
1+z−1 1+z −1

(1+z−1 )2
H ( z)=
9 , 4733(1−z−1 )2 +4 , 3528(1−z−1 )(1+z −1 )+(1+z −1 )2

1+2 z−1 +z−2

H ( z)=
14 , 8261−16 , 9466 z −1 +6 ,1205 z −2 atau

0 , 0675+0 ,1349 z−1 +0 ,0675 z−2

H ( z)=
1−1 , 143 z−1 +0 , 4128 z −2

g) Gambar magnitude respons LPF digital hasil disain

Untuk menggambarkan magnitude square respons BPF digital hasil disain

digunakan alat bantu Matlab, yang hasilnya sebagai berikut :
%==============================================
%Program Design Filter Digital Low Pass IIR
%==============================================

clear all; %Menghapus semua data

clf; %Membersihkan gambar

%Koefisien filter
B=[0.0675 0.1349 0.0675];A=[1 -1.143 0.4128];
%B=[1 2 1];A=[14.8261 -16.9466 6.1205];
[H,wH]=freqz(B,A,500);

argument=atan2(imag(H),real(H));

%masukan impuls
x1=zeros(1,500);
x1(1)=1;

%Mencari respons impuls dengan menggunakan persamaan beda dan masukan

impuls
for n=1:500;
if n==1
y(n)=0.0675*x1(n);
elseif n ==2
y(n)=0.0675*x1(n)+0.1349*x1(n-1)+1.143*y(n-1);
elseif n >=2
y(n)=0.0675*x1(n)+0.1349*x1(n-1)+0.0675*x1(n-2)+1.143*y(n-1)-
0.4128*y(n-2);
end
h(n)=y(n);
end

%Sinyal masukan
Fs=50000;%Sampling Sinyal masukan
t=(1:500)/Fs;
x=sin(2*pi*250*t)+sin(2*pi*4500*t);
X=fft(x,512);%Transformasi Fourier untuk melihat spektrum sinyal
masukan
w=(0:255)/256*Fs/2;

%Proses pemfilteran dengan menggunakan persamaan beda

for n=1:500;
if n==1
y(n)=0.0675*x(n);
elseif n ==2
y(n)=0.0675*x(n)+0.1349*x(n-1)+1.143*y(n-1);
elseif n >=2
y(n)=0.0675*x(n)+0.1349*x(n-1)+0.0675*x(n-2)+1.143*y(n-1)-
0.4128*y(n-2);
end
end

Y=fft(y,512);%transformasi Fourier sinyal keluaran untuk melihat

spektrum sinyal keluaran

%Gambar respons magnitudo

figure(1)
plot(wH,abs(H.*conj(H)));
title('Respon Magnitudo Kuadrat Filter Hasil Rancangan')
xlabel('Frekuensi (Radian)')
ylabel('Magnitudo Kuadrat,|H|^2')
axis([0 3.2 0 1])
grid on

%Gambar respons magnitudo

figure(2)
plot(wH,20*log10(abs(H)))
title('Respon Magnitudo Filter Hasil Rancangan (Skala dB)')
xlabel('Frekuensi (Radian)')
ylabel('Magnitudo 20*log|H|')
axis([0 3.2 -90 0])
grid on

%Gambar respons phase

figure(3)
plot(wH,argument);
title('Respon Phase Filter Hasil Rancangan')
xlabel('Frekuensi (Radian)')
ylabel('Phase (Radian)')
axis([0 3.2 -3.14 3.14])
grid on

%Gambar respons impuls

figure(4)
%stem(h(1:40));
stem((0:99),h(1:100))
title('Respons Impuls Filter Hasil Rancangan')
xlabel('n')
ylabel('h(n)')
grid on

%Gambar sinyal masukan domain waktu

figure(5)
plot(t,x);
title('Sinyal Masukan')
xlabel('Waktu, t(detik)')
ylabel('Level Sinyal, x(t)')
axis([0 0.02 -2 2])
grid on

%Gambar sinyal masukan domain frekuensi

figure(6)
plot(w,abs(X(1:256)))
title('Spektrum Sinyal Masukan')
xlabel('Frekuensi (Hz)')
ylabel('Level Sinyal, X(f)')
grid on

%Gambar sinyal masukan tersampling

figure(7)
stem(x(1:300));
title('Sinyal Masukan Tersampling')
xlabel('Sampling ke n')
ylabel('Level Sinyal, x(n)')
%axis([0 0.04 -2 2])
grid on

%Gambar sinyal masukan X(ejw)

figure(8)
plot(w/Fs,abs(X(1:256)))
title('Spektrum Sinyal Masukan')
xlabel('Frekuensi (Radian)')
ylabel('Level Sinyal, X(f)')
grid on

%Gambar sinyal keluaran diskrit

figure(9)
stem(y(1:100));
title('Sinyal Keluaran')
xlabel('Samplin ke n')
ylabel('Level Sinyal, y(n)')
%axis([0 0.028 -1.5 1.5])
grid on

%Gambar sinyal keluaran Y(ejw)

figure(10)
plot(w*2*pi/Fs,abs(Y(1:256)))
title('Spektrum Sinyal Keluaran')
xlabel('Frekuensi (Radian)')
ylabel('Level Sinyal, X(f)')
grid on

%Gambar sinyal keluaran domain waktu

figure(11)
plot(t(1:200),y(1:200));
%title('Sinyal Keluaran')
xlabel('Waktu, t(detik)')
ylabel('Level Sinyal, y(t)')
axis([0 0.01 -1.5 1.5])
grid on

%Gambar sinyal keluaran domain frekuensi

figure(12)
plot(w,abs(Y(1:256)))
title('Spektrum Sinyal Keluaran')
xlabel('Frekuensi (Hz)')
ylabel('Level Sinyal, X(f)')
grid on

figure(13)
subplot(3,2,1)
plot(t,x);
%title('Sinyal Masukan')
xlabel('Waktu, t(detik)')
ylabel('Level Sinyal, x(t)')
axis([0 0.02 -2 2])
grid on

subplot(3,2,2)
plot(w,abs(X(1:256)))
%title('Spektrum Sinyal Masukan')
xlabel('Frekuensi (Hz)')
ylabel('Level Sinyal, X(f)')
grid on

subplot(3,2,3)
stem((0:39),h(1:40))
%title('Respons Impuls Filter Hasil Rancangan')
xlabel('n')
ylabel('h(n)')
grid on

subplot(3,2,4)
plot(wH,abs(H.*conj(H)));
%title('Respon Magnitudo Kuadrat Filter Hasil Rancangan')
xlabel('Frekuensi (Radian)')
ylabel('Magnitudo Kuadrat,|H|^2')
axis([0 3.2 0 1])
grid on

subplot(3,2,5)
plot(t(1:200),y(1:200));
%title('Sinyal Keluaran')
xlabel('Waktu, t(detik)')
ylabel('Level Sinyal, y(t)')
axis([0 0.01 -1.5 1.5])
grid on

subplot(3,2,6)
plot(w,abs(Y(1:256)))
%title('Spektrum Sinyal Keluaran')
xlabel('Frekuensi (Hz)')
ylabel('Level Sinyal, X(f)')
grid on

figure(14)
subplot(2,2,1)
stem(x(1:300));
title('Sinyal Masukan Tersampling')
xlabel('Sampling ke n')
ylabel('Level Sinyal, x(n)')
%axis([0 0.04 -2 2])
grid on

subplot(2,2,2)
plot(w*2*pi/Fs,abs(X(1:256)))
title('Spektrum Sinyal Masukan')
xlabel('Frekuensi (Radian)')
ylabel('Level Sinyal, X(ejw)')
axis([0 3.2 0 250])
grid on

subplot(2,2,3)
stem(y(1:100));
title('Sinyal Keluaran Tersampling')
xlabel('Samplin ke n')
ylabel('Level Sinyal, y(n)')
%axis([0 0.028 -1.5 1.5])
grid on

subplot(2,2,4)
plot(w*2*pi/Fs,abs(Y(1:256)))
title('Spektrum Sinyal Keluaran')
xlabel('Frekuensi (Radian)')
ylabel('Level Sinyal, Y(ejw)')
axis([0 3.2 0 250])
grid on
2. Rencanakan filter digital low-pass rekursif Chebysev yang mempunyai
spesifikasi sebagai berikut :
- Redaman ripple pass-band 3dB pada frekuensi 55 Hz
- Redaman stop-band minimal 10 dB pada frekuensi 60 Hz
- Filter dioperasikan pada frekuensi sampling 500 Hz
Perencanaan menggunakan metode transformasi bilinier
a) Gambarkan magnitude square respons filter digital yang diinginkan
b) Gambarkan magnitude square respons filter analog ekivalen yang
diinginkan
c) Gambarkan magnitude square respons low-pass filter analog
normalisasi
d) Tentukan H(s) LPF ternormalisas
e) Tentukan Ha(s) LPF analog hasil perencanaan
f) Tentukan fungsi transfer H(z) filter digital hasil
perencanaan Jawaban :
2𝜋𝑓 2𝜇55
1
Ω= = = 0,2 𝜋 𝑟𝑎𝑑 = 0,6283185307 𝑟𝑎𝑑 → 𝐾2 = −10𝑑𝐵
𝑓𝑠 60
2
Ω= 𝜔1 0,2
𝑇 tan = 10000 tan 𝜋 = 6498,39392 𝐻𝑧
𝑠
2
2
Transformasi normalisasi : Ω = min {|𝐴|, |𝐵|}
2
Dimana : |𝐴| = {−Ω2 +Ω1Ω𝑢)
= 6,24732
[Ω1 Ω𝑢−Ω1)]
(

2
|𝐵| = {−Ω2 +Ω1Ω𝑢)
= 3,10853
[Ω1(Ω𝑢−Ω1)]

Sehingga Ω2 = 3,10853
rde filter low-pass Butterworth analog
:  K / 10  K / 10 log[(100,3  1) /10  1)]
log[(10 1
 1) /10 2

1)]
n   0.97076
1 1
2 log( ) 2 log( )
r 3,10853
Pembulatan ke atas didapat harga n = 1. Sehingga dari table polynomials
Butterworth didapat :
Bn(s) = s+ 1
Persamaan H(s) LPF analog normalisasi 1
Hlpf (s)  1
:  s1
Bn (s)
Persamaan Ha(s) BPF analog hasil desain
H a (s)  Hlpf (s) s2  l   Hlpf (s) s2 69163165,29415
s u
s
s(u l ) 663,44060s
1
𝐻𝑎(𝑠) = 2
𝑠 + 69163165,29415
+1
663,44060 𝑠
 663,44060 𝑠
𝐻𝑎(𝑠) = 2
𝑠 + 663,44060 𝑠 + 69163165,29415

Persamaan H(z) BPF digital hasil desain :

H(z)  H a (s) 
2 (1z 1 )
s 
T (1z 12 )
  1  z1 
663,44060 20000 
 1  
H (z) 
2  1  z1   z1  z1 
1


20000   663,44060 20000
1 
  69163165 ,29415
1 
 1  z   1  z 

0,0275040119 78  0,0275040119 78 z 2
H (z) 
1  1,371538451 z 1  0,9449919766 z 2