EVALUASI AKHIR SEMESTER PEMROSESAN SINYAL TAKE HOME

Oleh : Anita Faruchi 2407 100 048

JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER 2009

LAPORAN TUGAS PEMROSESAN SINYAL TAKE HOME I. FUNGSI WINDOW DAN FILTER 1. Berikut adalah command line fungsi window >> Fs = 16000; >> jendela1 = rectwin(51); >> jendela2 = hamming(51); >> fftLength = 1024; >> magFJendela2 = abs(fft(jendela2, fftLength)); >> magFJendela1 = abs(fft(jendela1, fftLength)); >> subplot(2,1,1); >> plot(linspace(0,0.5,ceil(fftLength/2)), 20*log10(magFJendela1(1:ceil(fftLength/2)))); >> ylabel('dB'); >> legend('namaJendela1 Window'); >> subplot(2,1,2); >> plot(linspace(0,0.5,ceil(fftLength/2)), 20*log10(magFJendela2(1:ceil(fftLength/2)))); >> ylabel('dB'); >> xlabel('Normalized Frequency'); >> legend('namaJendela2 Window'); >> wvtool(jendela1, jendela2); >>

Dari script di atas diperoleh gambar-gambar sebagai berikut

Grafik pertama pada gambar di atas adalah plot dari Rectangular window. Sedangkan grafik yang kedua adalah plot dari Hamming window.

Pada grafik domain waktu, diketahui besar amplitudo grafik hamming adalah sinusoidal. Besar amplitudonya tergantung frekuensi sample. Sedangkan besar amplitude grafik rectangular, adalah kontans (tidak bergantung pada sample). 2. Macam-macam fungsi jendela Bartlett(n) : Bartlett window hampir sama dengan jendela triangular yang dikembalikan pada fungsi triang. Window ini dalam coloum vector w,di mana n harus sebuah integer positif Hann(n) : Hann window menggunakan sample window sflag, yang salah satunya bias periodic atau simetrik Kaiser(n, beta) : Beta merupakan parameter pada Kaise window yang mempengaruhi penurunan sidelobe dari jendela transform fourier. Untuk memperoleh Kaiser window, filter FIR didesain dengan menggunakan beta. Berikut adalah command window dari tiga jenis window >> Fs = 10000; >> jendela1 = bartlett(51); >> jendela2 = hann(51); >> jendela3 = kaiser(51); >> fftLength = 1024; >> magFJendela1 = abs(fft(jendela3, fftLength)); >> magFJendela2 = abs(fft(jendela2, fftLength)); >> magFJendela3 = abs(fft(jendela1, fftLength)); >> subplot(3,1,1); >> plot(linspace(0,0.5,ceil(fftLength/3)), 20*log10(magFJendela1(1:ceil(fftLength/3)))); >> ylabel('dB'); >> legend('namaJendela1 Window') >> subplot(3,1,2); >> plot(linspace(0,0.5,ceil(fftLength/3)), 20*log10(magFJendela2(1:ceil(fftLength/3)))); >> ylabel('dB'); >> legend('namaJendela2 Window') panjang sidelobe

>> subplot(3,1,3); >> plot(linspace(0,0.5,ceil(fftLength/3)), 20*log10(magFJendela3(1:ceil(fftLength/3)))); >> ylabel('dB'); >> xlabel('Normalized Frequency'); >> legend('namaJendela3 Window'); >> wvtool(jendela1, jendela2, jendela3); >> Dari script di atas diperoleh grafik sebagai berikut

Pada grafik domain waktu, diketahui besar amplitudo grafik Bartlett menyerupai busur lingkaran. Sedangkan besar amplitude grafik Hann adalah sinusoidal, menyerupai Hamming window. Besar amplitude maksimum ketiga window tersebut terletak pada sample antara 20-30 3. Bagian filter yang dikehendaki adalah Bagian filter yang tidak dikehendaki adalah II. TIME FREQUENSI ANALISIS 1. Spectrogram adalah spektogram, dapat mengidentifikasi komponen-komponen frekuensi dari suatu. 2. Berikut adalah script >> T = 0:0.001:2; >> X = chirp(T,100,1,200,'q'); >> specgram(X,128,1E3,128,120); >> title('Quadratic Chirp'); >> Dari script di atas diperoleh spectrogram sebagai berikut

3. Spektogram dibedakan menjadi spektogram pita lebar (wideband spectogram) dan spektogram pita sempit (narrowband spectogram). Spektogram pita lebar adalah analisis spectral pada suatu interval sepanjang 15 mili detik menggunakan filter dengan lebar pita 125 Hz serta analisis detail yang dilakukan setiap 1 mili detik. Sebagian komponen frekuensi yang tidak dominan menjadi tidak terlihat pada spektogram pita lebar. Spektogram pita sempit adalah analisis spectral pada suatu interval sepanjang 50 mili detik menggunakan filter dengan lebar pita 40 Hz serta analisis detail yang dilakukan setiap 1 mili detik. Untuk melihat komponen-komponen frekuensi yang lebih rinci dilakukan menggunakan spektogram pita sempit 4. Script untuk Wideband Spectrogram >> T = 0:0.001:2; >> X = chirp(T,100,1,200,'q'); >> specgram(X,128,1E3,128,127); >> title('Quadratic Chirp'); >>

Wideband : Sinyal diskrit pada spectrogram wideband tidak nampak. Lebih baik dari pada Narrowband. Panjang window pada numoverlap besar mendekati besar windownya. Script untuk Narrow Spectrogram >> T = 0:0.001:2; >> X = chirp(T,100,1,200,'q'); >> specgram(X,128,1E3,128,25); >> title('Quadratic Chirp'); >>

Narrowband : Sinyal diskrit pada spectrogram nampak. Panjang window pada numoverlap sangat kecil tapi tidak sama dengan nol. 5. Spectrogram yang paling cocok: III. Wideband spectrogram Narrow spectrogram

SPEECH ANALYSIS 1. Script untuk speech analysis >> [Y,Fs]=wavread('C:\MATLAB7\work\2407.048.wav'); Fs=8000; plot(Y); satu=fir1(16,0.05,'low'); Y_conv=conv(satu,Y); figure(2); plot(satu); sound(Y_conv,Fs); wavwrite(Y_conv,'Test1.wav'); specgram(Y_conv,128,1E3,128,120); >> Dari script di atas diperoleh spectrogram sebagai berikut

Sinyal asli

2. IV. TRANSFORMASI SELAIN FOURIER