Filter Wiener, Spike dan Prediktif

• Efek suatu filter ditentukan oleh watak respon sistem filter terhadap
suatu pulsa, artinya jika diketahui watak respon suatu filter terhadap
pulsa, maka dapat ditentukan keluarannya untuk sebarang pulsa
masukan.

• Proses filter inversi adalah untuk menghapuskan efek filter sebelumnya

(misal, oleh sistem filter bumi, lapisan air laut dan lain lain.), disebut
sebagai dekonvolusi. Filter Wiener merupakan metode dekonvolusi yang
dapat merubah wavelet seismik menjadi bentuk spike atau mendekati
spike. Metode ini menggunakan cara meminimumkan beda/kesalahan
(least square error) antara keluaran wavelet seismik sebenarnya (dari
rekaman lapangan) dengan keluaran wavelet seismik yang
diharapkan/diinginkan.

• Keluaran wavelet seismik yang diinginkan dapat berupa spike atau spike
dengan waktu tunda dan lain sebagainya. Jika efek dari filter sebelumya
tidak muncul sinyal/pulsa yang dinginkan, maka filter baru harus
dirancang sedemikian rupa sehingga memberikan respon pulsa impuls
(spike) setajam mungkin.
 Filter Wiener
Andaikan diberikan data masukan gt, dan filter yang telah ada (bisa juga
yang akan dirancang) adalah ft serta keluaran yang diinginkan adalah ht,
maka hasil keluaran sebenarnya dari masukan tersebut (gt * ft ). Kesalahan
atau perbedaan antara hasil sebenarnya (gt * ft ) dengan keluaran yang
diinginkan ht adalah,
ht - (gt * ft) (7.1)

Dengan metode least square akan dioptimasi nilai elemen-elemen filter ft


sedemikian rupa sehingga kesalahan/perbedaan tersebut nol atau minimum.

f i t
( ht  g t  f t ) 2
 0 i = 0, 1, 2, 3, ... n


2 ( ht  g t  f t ) (gt  f t )  0
t  f i


t t t t f ( g t  f t )  0
( h  g  f )
i
 Dalam bentuk konvolusi

 (h  
t
t
k
gk . f tk ) ( g k . f t  k )  0
f i k
(7.2c)

hanya bentuk yang mengandung gt-i saja di dalam konvolusi yang

menyangkut fi pada suku derivatif di atas, maka persamaan tersebut
dapat dituliskan sebagai,
t ( ht  k g t . f t  k ) g t i  0 (7.3)
atau t ht . g t  i  i k g k g t  i f t  k
(7.4)
Ruas kiri adalah bentuk korelasi silang
 gh ( i )   ht . g t  i   (7.5)
t
 
dan ruas kanan bila disubstitusikan indek j=(t-k) dan jumlah seluruh j
menggantikan k, akan menjadi
 gh (i )    g t  j g t  i f j   f j  g t  j . g t  i (7.6)
i j j i
yang merupakan perubahan urutan.
 Wiener Filter
Suku  g . g adalah auto korelasi pada posisi (i-j), gg(i-j). Sehingga diperoleh
t j t i
i
persamaan normalnya berupa,
 gg ( 0 )  gg ( 1) ...  gg (  n ) f 0  gh ( 0)
   gg (1)  gg ( 0) ...  gg (1  n ) f1  gh (1)
 (7.7)
... .... ... ... ... ...
 
 gg ( n )  gg ( n  1) ...  gg ( 0) fn  gh ( n )

atau A. f  c (7.8)
 
Jadi elemen-elemen matrik A adalah auto korelasi data masukan gt, dan elemen
matrik c adalah korelasi silang antara masukan gt dengan keluaran yang diinginkan
ht. Sedangkan elemen-elemen matrik f adalah nilai filter yang akan dicari.
 Dekonvolusi Spike
Di dalam penapisan dengan dekonvolusi spike, diharapkan
bahwa wavelet yang keluar berupa spike (zero lag spike)
yaitu (1, 0, 0, 0, 0, ...). Proses tersebut disebut Wiener
Spiking Filter. Dengan demikian bentuk matrik pada
persamaan di atas akan menjadi,
 
 gg ( 0)  gg ( 1) ...  gg (  n ) f 0  gh ( 0)
 gg (1)  gg ( 0) ...  gg (1  n ) f1 0

... .... ... ... ... ...
 gg ( n )  gg ( n  1) ...  gg ( 0) fn 0 (7.9)
Contoh :
Diberikan wavelet masukan gt = (4, -2, 1), dan keluaran yang diharapkan
berupa spike yakni, ht = (1, 0, 0), maka filter yang akan dicari adalah
-1
f A c

dengan A-1 = matrik inversi dari matrik A, yang elemennya fungsi auto korelasi
data masukan dan matrik c adalah korelasi silang antara masukan gt dengan
keluaran yang diinginkan ht.
n

Elemen matrik A : gg(i-j) =

g g
t 0
t t  i j

g g t t  g 0 g 0  g1 g1  g 2 g 2  4 x 4  ( 2) x ( 2)  1 x 1  21
(i-j) = 0, gg(0) = t 0

 g 0 g1  g1 g 2  g 2 g 3  4 x (-2)  ( 2) x 1  1 x 0  10

(i-j) = 1, gg(1)
 g 0 g 2  g1 g 3  g 2 g 4  4 x 1  ( 2) x 0  1 x 0  4
(i-j) = 2, gg(2)
Karena auto korelasi sifatnya simitri, maka

gg(-1) = gg(1) gg(-2) = gg(2)

dengan demikian diperoleh matrik A , yaitu
0,062 0,031 0,003
1
A  0,031 0,0775 0,031
0,003 0,031 0,062
Inversi matrik A dihitung melalui
adj A
A =
-1

dengan adj A = (kofaktor A)T

21 10 4
Maka diperoleh A  10 21 10
4 10 21
Elemen-elemen matrik c :  gh ( i )   ht . g t  i   g t . ht  i
t t
2

(i) = 0, gh(0) = g g
t 0
t t i  g 0 h0  g1 h1  g 2 h2  4 x 1  ( 2) x 0  1 x 0  4

(i) = 1, gh(1)  g 0 h1  g1h2  g 2 h3  0

(i) = 2, gh(2)  g 0 h2  g1 h3  g 2 h4  0
4
Sehingga matrik c
c 0
0
f  A-1 c
Dengan demikian elemen-elemen matrik f dapat dihitung, yakni
 0,062 0,031 0,003 4 0,248
0,031 0,0775 0,031 0  0,124
0,003 0,031 0,062 0 0,012

jadi filter yang dicari adalah f = ( 0,248 ; 0,124 ; 0,012 )

 Filter f tersebut dikenakan pada wavelet masukan sehingga diperoleh
keluaran sebenarnya,

hsebenarnya = gt * ft = (4, -2, -1) * ( 0,248 , 0,124 , 0,012 )

= (0,992 ; 0; 0,048 ; 0; 0,012)

Kesalahannya dihitung menurut rumus,

 

error =  h2 sebenarnya -  h2 yg diinginkan  (7.10)

= (0,992)2 + (0,048)2 + (0,012)2 - 12

= 0,0135 atau 1,35 %.
 Dekonvolusi Prediktif
• Dekonvolusi prediktif (gapped) adalah suatu filter yang berusaha
menghilangkan efek multipel. Prediksi waktu tunda (gap) filter ini dapat
diperkirakan dari selisih waktu tiba rambatan gelombang pantul utama
(primer) terhadap waktu tiba rambatan gelombang multipelnya. Operator
dekonvolusi prediktif serupa dengan filter Wiener di depan, hanya data
keluarannya untuk sinyal utama harus terjaga baik, dan nol untuk sinyal
multipelnya (phase multipel selisih 180o terhadap phase sinyal utama).

• Dengan demikian pada waktu tunda tertentu L ( = prediction lag ) filter ini
harus mempunyai efek mereduksi amplitudo multipel. Oleh karena itu
digunakan auto korelasi gg setelah waktu tunda L (dari gh) pada keluarannya.
Sehingga persamaan normalnya menjadi,
n


j0
gg ( i  j ) f j   gg ( L  i ) (7.11)
 Dekonvolusi Prediktif
dalam bentuk matrik,
 
 gg ( 0 )  gg ( 1) ...  gg (  n ) f0  gg (  L) (7.12)
   gg (1)  gg ( 0) ...  gg (1  n ) f1  gg (  L  1)
... ... ... ... ... ...
 gg ( L)  gg ( L  1) ...  gg ( L  n ) fL   gg ( 0)
 gg ( L  1)  gg ( L) ...  gg (1  L  n ) f L1  gg (1)
... ..... .... ... ... ...
 gg ( n )  gg ( n  1) ...  gg ( 0) fn  gg ( n  L)

Persamaan ini akan memberikan filter prediksi yang panjangnnya n+1 dan
waktu tunda (gap) L. Secara grafis operasi dekonvolusi prediktif ini dapat di-
ilustrasikan pada gambar 7.1.
 Soal Latihan
1. a. Tentukan filter spike untuk wavelet masukan gt = [3, -1, 1] dan
keluaran yang diharapkan adalah ht = [1, 0, 0].
b. Berapa persen kesalahannya ?.
2. a. Tentukan filternya untuk wavelet masukan gt = (1, -2, 4) yang berupa
maksimum phase dan keluaran yang diharapkan adalah ht = [1, 0, 0].
b. Berapa persen kesalahannya ?.
c. Apakah filter Wiener tersebut stabil untuk wavelet maksimum phase ?