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:
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))
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 = −
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 = −
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:
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 = −
12
Penurunan Konvolusi Integral (cont’d)
• Karena time-invariance pada sistem LTI :
yˆ (t ) = x[ k
k = −
]hˆ(t − k)
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
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
0
p −1.5
y ( p) = 1.1dt
0
y ( p) = t 0
p −1.5
= p − 1.5
Konvolusi
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
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 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
(a) (b)
y(p)
y(p)
x(p) h(t-p)
x(p) h(t-p)
1
1
(c)
(d) 22/18
Hasil konvolusi r(t) pada tiap penggal waktu tersebut adalah
sebagai berikut
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
r(t) = 0
Hasil konvolusinya adalah :
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 )
z(t)
x(t) h2 (t ) h1 (t ) y(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 = −
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
• 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.
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