KELOMPOK IV FATMA JAMIL (H22115021) DEWI AYU SWASTIKA (H22115 NUR AZIZAH DINA WARDANI J (H22115510) JUMATRIANI (H22115503) MUTMAINNAH (H22115502) NUR AISYAH (H221150 FATIMAH (H2211550 Analisis Pembelajaran Analisis sinyal
Mengetahui Gambaran umum Analisis sinyal Mengetahui apa itu Sinyal Mengetahui Gejala fisis sinyal
Mengetahui Sistem linier Mengetahui tentang Fourier sinyal periodik Mengetahui tentang Transformasi Fourier bumi
Mengetahui Teori pencuplikan Mengetahui Convolusi dan deconvolusi Mengetahui korelasi dan autokorelasii
Mampu menerapkan rumusan matematik untuk
Mengetahui Filter Digital Finally pembentukan sinyal, analisis sinyal analog dan dgital untuk pengolahan dan interpretasi data geofisika dari berbagai parameter fisis. Analisis Sinyal
Konvolusi Dan Dekonvolusi
Korelasi Dan Autokorelasi Sampling Rate Sinyal Berfrekuensi Ganda Fast Fourier Transform Deret Transformasi Fourier OUTLINE
PENDAHULUAN KORELASI AUTO-KOLERASI SIFAT-SIFAT FUNGSI AUTO-KOLERASI CONTOH APLIKASI KOLERASI SILANG DAN AUTO-KOLERASI CONTOH PERHITUNGAN CROSS KORELASI DAN AUTOKORELASI CONTOH PERHITUNGAN CROSS KORELASI DENGAN MATLAB PENDAHULUAN
Korelasi adalah salah satu analisis dalam statistik yang
dipakai untuk mencari hubungan antara dua variabel yang bersifat kuantitatif substantif numerik (angka/bilangan).
Autokorelasi merupakan salah satu alat matmatika yang
digunakan dalam signal processing untuk menganalisis fungsi atau deret nilai, saperti domain waktu signals.
KORELASI DAN AUTOKORELASI DALAM
ANALISIS SINYAL adalah.. KORELASI
KORELASI SILANG Signal Matching KORELASI SILANG SEBAGAI KONVOLUSI NORMALISASI KORELASI SILANG AUTOKORELASI KORELASI SILANG (CROSS-CORELATION)
Fungsi korelasi silang adalah mengukur
similaritas/keselarasan (conformity) dari dua fungsi setelah elasi silang diantara menggeser dua sinyal u(t) dan v(t) salah adalah satu fungsi dimana
penggeserannya bisa positif (>0) atau negatif (<0).
Konjugasi konpleks,u*(T) tidak ada bedanya jika u(t) adalah nilai rill tapi membuat definisi bekerja bahakan jika u(t) adalah nilai kompleks. korelasi vs konvolusi
Tidak seperti konvolusi variable integral T,memiliki penjelasan tanda yang sama didalam u() dan v() jadi penjelasan memiliki perbedaan konstan bukan jumlah konstan (I,e,v(t) adalah tidak membalik. Catatan: a.penjelasan w(t) biasa disebut tertinggal (=menunda u vs v) b. beberapa orang menulis u(t) v(t) sebagai gantinya u(t) v(t). c.beberapa penukaran u dan v dan atau negative t didalam integral. Pencocokan sinyal Korelasi silang digunakan untuk menemukan dua sinyal yang cocok : u(t) is the test waveform
Contoh 1: V(t) mengandung u(t) dengan penundaan tidak diketahui dan penambahan kebisingan Memberikan puncak pada saatlag dimana u(T-t)pencocokan terbaik v(t) dalam kasus;t=450 Contoh 2: Y(t) sama sebagi v(t) dengan beberapa kebisingan z(t) = u(t) y(t)tetap bisa dideteksi dengan waktu yang ditundah (sulit untuk manusia) contoh 3 p(t) mengandung u(t) q(t) = u(t) p(t) memiliki puncak negative KORELASI SILANG SEBAGAI KONVOLUSI NORMALISASI KORELASI SILANG
Pada pendekatan yang terakhir, hasil korelasi silang
dinormalisasikan dengan suatu harga terentu yang tetap. Sebagai contoh jika harga korelasi silang maksimal Zmaks. pada t=t0, maka harga normalisasinya adalah :
AUTO-KORELASI
Autokorelasi = bagian dari korelasi yang dimana berkorelasi
dan bergeser dengan dirinya sendiri. The auto-correlation function can be used to detect repeats or periodicity in a signal. Here, we use the auto-correlation to assess the effect of fluctuations (noise) on a periodic signal. In absence of noise, the auto-correlation function oscillates with a constant amplitude and a maximum of 1. The period of the auto-correlation correspond to the period of the signal. In presence of noise, the envelop of the auto-correlation function decreases exponentially. More important is the noise, faster is this decreasing. Use of the auto-correlation function to quantify the effect of noise on a periodic signal This Thusphenomenon is also called the speed (half-life) of the "phase diffusion" decreasing can be used to quantify the effect of noise. CONTOH PERHITUNGAN CROSS KORELASI DAN AUTOKORELASI
Cross Correlation
Dalam persoalan seismik seringkali kita dihadapkan pada persoalan untuk membandingkan dua trace berbeda yang serupa tapi tidak identik (yang satu terlambat dari yang lain). Dalam hal ini kita harus menentukan pergeseran (waktu) yang harus dilakukan pada salah satu trace agar sejajar dengan yang lainnya. CROSS CORRELATION FUNGCTION (C.C.F)
Akan memberikan harga maksimum pada saat kedua trace tersebut dalam keadaan sejajar satu sama lain.
Perumusan Matematis
Diskrit
Sifat-sifat : KORELASI SILANG CONTOH APLIKASI KORELASI SILANG DAN AUTO-KORELASI
Data kegempaan Secara matematis:
=
(t-t0)=Zs,s(0)(14)
Gambar. Applikasi proses korelasi dalam estimasi waktu
tiba SEISMIK REFLEKSI DENGAN SUMBER VIBROSEIS
Untuk mendapatkan signal akibat pemantulan oleh waktu (t) dan amplitudonya (A) dilakukan proses korelasi silang diantara sumber, biasanya berupa fungsi Sweep, dan vibrogram dimana keluarannya disebut KOLEROGRAM.
Gambar IV.5.perbedaan survey seismic pantul dengan sumber vibroseis dan dinamit Contoh soal menggunakan bantuan program Matlab
Jika x[n] = [3 11 7 0 1 4 2] dan y[n] adalah isyarat x[n] yang telah bergeser dan tercampur derau yang dinyatakan dengan y[n] = x[n 2] w[n], dengan w[n] adalah derau Gaussian dengan rerata nol dan varians 1. Tentukan kros-korelasi antara y[n] dan x[n].
Penyelesaian: Dengan memperhatikan isyarat y[n] maka dapat diperkirakan bahwa y[n] adalah sangat mirip dengan x[n-2] dan dengan demikian dapat diperkirakan pula bahwa kros-korelasi akan memperlihatkan kesamaan tertinggi saat L= 2 Gambar hasil perhitungan menunjukkan bahwa kros-korelasi tertinggi pada saat l= 2. THANK YOU
