Pengolahan Sinyal Informasi

VTI2G3

KONVOLUSI

D3 Teknologi Telekomunikasi
Fakultas Ilmu Terapan

1
 Outline
• Representasi Sinyal sebagai Impuls
• Response Impulse
• Penurunan Konvolution Jumlah
• Arti Konvolusi
• Metoda Konvolusi Dua Sinyal
• Penurunan Konvolusi Integral

2
 Kegunaan konvolusi
Untuk proses pengolahan citra :
▪ Perbaikan kualitas citra
▪ Penghilangan derau
▪ Penghalusan citra
▪ Deteksi tepi
▪ Dll
 Representasi Sinyal sebagai Impuls
• Kita dapat merepresentasikan berbagai sinyal melalui pen-sampling-an
dengan unit impulse tergeser:

 ... + x[−2] [n + 2] + x[−1] [n + 1] 

 
x[n] =  + x[0] [n] + x[1] [n − 1] 
 + x[2] [n − 2] + ... 
 
• Disebut sebagai sifting (or shifting) property:

x[n] =  x[k ] [n − k ]
k = −

4
 Response Impuls
• Respons dari sistem ketika sinyal input adalah unit impulse (t) disebut sebagai
respons impulse, dan direpresentasikan oleh h(t).
– Pada SWK : h(t) = H((t))

(t) Sistem h(t)

H
– Pada SWD : h[n] = H[[t]]

[n] Sistem h[n]

H

5
 Penurunan Konvolusi Jumlah
• Pada SWD LTI, misal h[n] adalah respons impuls dari sistem H.
• signal x[n] sebagai masukan H.
• tulis x[n] dalam bentuk representasi unit impulses:

x[n] =  x[k ] [n − k ]
k = −

• Maka sinyal output y[n] menjadi:

  
y[n] = H [ x[n]] = H   x[k ] [n − k ]
 k = − 

6
 Penurunan Konvolution Jumlah (cont’d)
• Karena additivitas pada sistem LTI :

y[n] =  H x[k ] [n − k ]
k = −
• Karena homogenitas pada sistem LTI :

y[n] =  x[k ]H  [n − k ]
k = −

• Karena time-invariance pada sistem LTI:


y[n] =  x[k ]h[n − k ]
k = −

7
 Arti Konvolusi


• Persamaan y[n] = k
= −
x[k ]h[n − k ] disebut sebagai konvolusi jumlah (convolution sum) atau
superposition sum, dan direpresentasikan oleh:
y[n] = x[n] * h[n]
• Perlu dicatat bahwa ini bukan perkalian antara x[n] dan h[n].
• Secara Visual konvolusi berarti :
– Cerminkan h[k]
– Geser h[k] untuk seluruh nilai n yang mungkin, sampai melewati x[k]
– Kalikan x[k] dengan h[n-k]
– Jumlahkan hasilnya

8
 Contoh

Dua buah isyarat diskrit x(n) dan y(n) mempunyai representasi sebagai berikut:

x(n) = 1 n = -1,0,1
0, n lainnya
sedangkan,

1 n=1
y(n) = 2, n=2
0, n lainnya
carilah r(n) = x(n)*y(n).
Penyelesaian:
Untuk mencari nilai r(n) adalah sebagai berikut:

r(n) = x(n) * y(n) =  x(k)y(n - k)

all k
x(k) y(k)

2
1 1

-3 -2 -1 1 2 3 k -3 -2 -1 1 2 3 k

(a)

y(-k) y(n-k)
2 2
1 1

-3 -2 -1 1 2 3 k -3 -2 -1 1 2 3 k

(b)

r(n) 3

2
1

-3 -2 -1 1 2 3 4 5 n

(c)
 Penurunan Konvolusi Integral
• Pada sistem waktu kontinyu LTI H, misal h(t) adalah respons impulse sistem.
• signal x(t) sebagai masukan H.
• Tulis “staircase approximation” untuk x(t) dalam bentuk unit impulse:

xˆ (t ) =  x[k]
k = −
 (t − k)
dimana .

1
 ,0  t  
  (t ) =  
0 , t lain

11
 Penurunan Konvolusi Integral (cont’d)
• Maka, sinyal output signal y(t) menjadi :
  
ˆy (t ) = H ( xˆ (t )) = H   x[k]  (t − k) 
 k = − 

• Karena additivitas pada sistem LTI :


yˆ (t ) =  H (x[k]
k = −
 (t − k) )

• Karena homogenitas pada sistem LTI :


yˆ (t ) =  x[k]H (
k = −
 (t − k) )

12
 Penurunan Konvolusi Integral (cont’d)
• Karena time-invariance pada sistem LTI :

yˆ (t ) =  x[ k
k = −
 ]hˆ(t − k)

dimana hˆ (t ) adalah staircase approximation dari h(t).

13
• Pada kasus  → 0 diatas penjumlahan didekati konvolusi integral
dibawah:

y (t ) = lim yˆ (t ) = lim
 →0  →0
 x[k]hˆ(t − k)
k = −

y (t ) =  x( )h(t −  )d
−

y (t ) = x(t ) * h(t )

14
 Konvolusi
Contoh
x(t) h(t) y(t)= ?

x(t) h(t)
1 1

1.5 2.5 t 0 1 t
x(-t)
1

-2.5 -1.5 t
x(p-t)
1

p-2.5 p-1.5 t
 Konvolusi

y(t) dicari dengan persamaan


y( p) =  h(t ) x( p − t )dt
−

1. Untuk p-1.5<0 atau p<1.5

x(p-t) h(t)
1

p-2.5 p-1.5 t

y ( p) = 0
 Konvolusi
2. Untuk p-1.5>0 dan p-2.5<0, atau 1.5<p<2.5
x(p-t) 1 h(t)

 p-2.5 p-1.5 t

y ( p) =  h(t ) x( p − t )dt , y ( p)  0 untuk 0  t  p − 1.5

−
p −1.5

y ( p) =  h(t ) x( p − t )dt
0
p −1.5

y ( p) =  1.1dt
0

y ( p) = t 0
p −1.5
= p − 1.5
 Konvolusi

3. Untuk p-1.5>1 dan p-2.5<1, atau 2.5<p<3.5

h(t) x(p-t)
1

 t
p-2.5 p-1.5
y ( p) =  h(t ) x( p − t )dt , y ( p)  0 untuk p − 2.5  t  1
−
1
y ( p) =  h(t ) x( p − t )dt
p − 2.5
1
y ( p) = 1.1dt
p − 2.5

y ( p) = t p −2.5 = 1 − ( p − 2.5) = 3.5 − p

1
 Konvolusi

4. Untuk p-2.5>1, p>3.5

h(t) x(p-t)
1

p-2.5 p-1.5 t
y ( p) = 0
 Konvolusi

y(t) menjadi

y(p)
x(t) h(t) y(t)= ?
1
p-1.5 3.5-p

1.5 2.5 p
x(t) h(t) y(t)

1 1 1
t-1.5 3.5-t

1.5 2.5 t 0 1 t 1.5 2.5 3.5 t

Contoh

Carilah sinyal r(t) yang merupakan hasil konvolusi

dua sinyal tersebut.

x(p) h(p) h(t-p)

1 1 1

p
-1 1 p -1 1 2 t-2 t-1 1 p
Untuk mencari nilai konvolusi kedua isyarat kontinyu
digunakan:
r(t) = x(t) * h(t)

 y(p) y(p)

r (t ) =  x( p)h(t − p)dp
− h(t-p) x(p) h(t-p) 1 x(p)
1

t-2 t-1 1 p t-2 t-1 1 p

(a) (b)

y(p)
y(p)

x(p) h(t-p)
x(p) h(t-p)
1
1

t-2 1 t-2 t-1 p

1 t-1 p

(c)
(d) 22/18
Hasil konvolusi r(t) pada tiap penggal waktu tersebut adalah
sebagai berikut

•Pada saat t<1

Pada periode ini sinyal h(t-p) belum sampai ke titik awal x(p)
maka: 
r (t ) =  x( p)h(t − p)dp
−
r(t) = 0

•Pada saat 1<t<2

Pada saat 1<t<2 batasan bawah integral konvolusi berdasar
Gambar (b) adalah 0 dengan batas atas t-1.
t −1
r (t ) =  x( p)h(t − p)dp r(t) = t-1
0
t −1
r (t ) =  (1)(1)dp
0
•Pada saat 2<t<3
Pada saat 2<t<3 batasan bawah integral konvolusi berdasar
Gambar (c) adalah t-2 dengan batas atas 1.

1
r (t ) =  x( p)h(t − p)dp
t1− 2

r (t ) =  (1)(1)dp
t −2
r(t) = 1-(t-2)
= 3-t

•Pada saat t<3

Pada waktu ini h(t-p) sudah meninggalkan batas akhir x(p)
sehingga:

r (t ) =  x( p)h(t − p)dp
−

r(t) = 0
Hasil konvolusinya adalah :

r(t) = x(t) * h(t)

Dengan demikian hasil konvolusi secara keseluruhan adalah

sebagai berikut:

t-1 1<t<2
r(t) = 3-t 2<t<3
0, t lainnya
r(t)

t-1

1 3-t

1 2 3 t
 Sifat-sifat Konvolusi
• Commutative
• Distributive
• Associative
• Identity Property
 Sifat-sifat Konvolusi

• Commutative Property:
x[n]*y[n]=y[n]*x[n]
x(t)*y(t)=y(t)*x(t)

• Distributive Property:
x[n]*(y1[n] + y2[n])=x[n]*y1[n] + x[n]*y2[n]
x(t)*(y1(t) + y2(t))=x(t)*y1(t) + x(t)*y2(t)

• Associative Property:
x[n]*(y1[n]*y2[n])=(x[n]*y1[n])*y2[n]
x(t)*(y1(t)*y2(t))=(x(t)*y1(t))*y2(t)
 Interconnections of LTI systems
• Parallel connection of LTI system

h1 (t )
x(t) y(t) x(t) y(t)
h1 (t ) + h2 (t )
h2 (t )

The output of the system is

y(t) = y1(t) + y2(t)

= x(t)*h1(t) + x(t)*h2(t)
 Interconnections of LTI systems (2)
Using distributive property, the output may be expressed as:

x(t)*h1(t) + x(t)*h2(t) = x(t)*{h1(t) + h2(t)}

the output for a discrete-time is:

x[n]*h1[n] + x[n]*h2[n] = x[n]*{h1[n] + h2[n]}

 Interconnections of LTI systems (3)
• Cascade connection of systems
z(t)
x(t) h1 (t ) h2 (t ) y(t) x(t) h1 (t ) * h2 (t ) y(t)

z(t)
x(t) h2 (t ) h1 (t ) y(t)

cascade connection system has associative and commutative property as:

{x(t)*h1(t)}*h2(t) = x(t)*{h1(t)*h2(t)}
and
h1(t)*h2(t) = h2(t)*h1(t)
 Sifat-sifat Konvolusi
• Commutative Property:
x[n]*y[n]=y[n]*x[n]
x(t)*y(t)=y(t)*x(t)

• Distributive Property:
x[n]*(y1[n] + y2[n])=x[n]*y1[n] + x[n]*y2[n]
x(t)*(y1(t) + y2(t))=x(t)*y1(t) + x(t)*y2(t)

• Associative Property:
x[n]*(y1[n]*y2[n])=(x[n]*y1[n])*y2[n]
x(t)*(y1(t)*y2(t))=(x(t)*y1(t))*y2(t)

31
 Causality
• Sistem kausal jika output hanya bergantung hanya pada sinyal input saat
ini dan sebelumnya.
• Sistem LTI Kausal: 
y[n] =  x[k ]h[n − k ]
k = −

– Karena kausalitas h[n-k] harus nol untuk k>n.

– Shg, n-k<0 untuk sistem LTI kausal.
– Maka h[n]=0 untuk n<0.

32
 Causality (cont’d)
• Maka konvolusi jumlah untuk sistem LTI kausalmenjadi:

n 
y[n] =  x[k ]h[n − k ] =  h[k ]x[n − k ]
k = − k =0

• Sama halnya, konvolusi integral untuk sistem LTI kausal:

t 
y[n] =  x( )h(t −  )d =  h( ) x(t −  )d
− 0

• Maka jika sistem kausal, respons impulse nol untuk nilai waktu negatif dan gunakan
persamaan konvolusi yang lebih sederhana seperti di atas

33
 Step Response
• Unit Step Response: Keluaran sistem ketika diberikan masukan sinyal step.
• Direpresentasikan oleh oleh s[n] atau s(t).
• Seluruh karakteristiknya pada sistem LTI serupa dengan Respons Unit Impulse.

(t) Sistem h(t)

H

u(t) Sistem s(t)

H
 Step Response dan Impulse Response
 Hubungan Respons Step dan Respons Impulse:
n
s[n] =  h[k ]
k = −

h[n] = s[n] − s[n − 1]

t
s (t ) =  h( )d
−

ds (t )
h(t ) = = s ' (t )
dt
 Exercise: buktikan hubungan persamaan di atas.

35
 Referensi
1. A. V Oppenheim, A. S. Willsky, and S. H. Nawab, Signals and Systems, no. September.
Prentice-Hall, 2003.
2. A. Das, Digital Communication. 2010.
3. F. Use, Signal Processing Toolbox For Use with M ATLAB. 2001.
4. H. P. Hsu, Schaum’s Outlines of Theory and Problems of Signals and Systems. McGraw
Hill, 1995.
5. A. P. Tomaniac, “Signal processing forum,” IEEE Signal Process. Mag., vol. 15, no. 1, p.
16, 1998.
6. V. Madisetti, The digital signal processing handbook. 1998.
7. J. R. Kirkwood, “The Laplace Transform,” in Mathematical Physics with Partial
Differential Equations, Elsevier, 2013, pp. 351–373.
8. Sinyal dan Sistem, Fakultas Teknik Elektro, Universitas Telkom
9. http://tribudi.lecturer.pens.ac.id/tbs_Modul_Ajar_Sinyal_sistem.html
10.https://dinus.ac.id/detailstaf/0686.11.2001.266