Bab 3 Fourier Series Untuk Sinyal Periodik

Tujuan dari bab ini adalah membekali peserta dengan pengetahuan dan kemampuan untuk menghitung deret FoPeserta dapat memahami representasi deret Fourier dari urier dari sinyal periodik. Rencana belajar diperlihatkan sinyal periodik dan menggunakannya untuk analisis sistem. pada Tabel 1.
Tujuan Pembelajaran

1. Peserta dapat memahami model deret Fourier dari sinyal periodik (a) Peserta memahami konsep fungsi eigen dalam bentuk sinyal eksponensial kompleks. (b) Peserta dapat mendenisikan deret Fourier dan menerapkannya untuk merepresentasikan sinyal periodik CT dan DT (c) Peserta memahami sinyal periodik sebagai kombinasi linear dari ekponensial kompleks yang terhubung secara harmonik. (d) Peserta mengetahui berbagai sifat deret Fourier dan menerapkannya untuk menentukan deret Fourier suatu sinyal berdasarkan sifat-sifatnya. (e) Peserta memahami konsep kandungan frekuensi dari sinyal periodik

Eigenfunctions: Respon sistem LTI pada sinyal kompleks eksponensial

2.1

Konsep eigenfunction dan eigenvalue

Mempelajari sistem LTI dengan mepresentasikan sinyal sebagai kombinasi linear dari sinyal dasar memberikan banyak kemudahan. Sinyal dasar yang digunakan memiliki dua sifat berikut: 1. Kumpulan sinyal dasar dapat digunakan untuk membentuk kelas sinyal yang beragam dan berguna. 2. Respon dari sebuah sistem LTI dari setiap sinyal harus memiliki struktur yang cukup sederhana untuk memberikan kepada kita, kemudahan representasi untuk respon sistem terhadap sinyal apapun yang dibentuk dari kombinasi linear dari sinyal dasar.

2. Peserta dapat menerapkan deret Fourier untuk menen- Hasil analisis Fourier dengan dua sifat tersebut diberikan tukan respons sinyal periodik pada sistem LTI (DT dengan kumpulan sinyal kompleks eksponensial waktu konmaupun CT) tinu dan waktu diskrit. Sinyal dalam bentuk est untuk sinyal waktu kontinu. Sinyal dalam bentuk z n untuk sinyal waktu (a) Peserta dapat menggunakan sistem LTI sebagai diskrit. Dalam hal ini s dan z adalah bilangan kompleks. lter Pentingnya sinyal kompleks eksponensial dalam pembahasan sistem LTI berasal dari fakt bahwa respon dari sebu(b) Peserta mengenali contoh-contoh lter yang diwuah sistem LTI terhadap sinyal input kompleks eksponensial judkan dengan LCCDE adalah sinyal kompleks eksponensial yang sama dengan hanya perubahan pada amplituda; yaitu,
1 Pendahuluan

waktu kontinu: e H (s)est , waktu diskrit: z n H (z )z n ,

(1) (2)

Pada bab ini akan dibahas alternatif representasi sinyal periodik menggunakan sinyal kompleks eksponensial. Hasil representasi ini dikenal sebagai deret Fourier waktu kontinu dan deret Fourier waktu diskrit. Representasi ini dapat digunakan untuk membentuk berbagai bentuk sinyal yang berguna. Karena sifat superposisi, respon dari sistem LTI terhadap input yang terdiri dari kombinasi linear dari sinyal dasar adalah kombinasi linear yang sama dari respon individual terhadap setiap sinyal dasar tersebut. Respon sistem LTI terhadap sebuah sinyal kompleks eksponensial juga memiliki bentuk yang sederhana, yang memberikan kita representasi sistem LTI yang mudah dan dengan cara yang lain untuk melakukan analisa sistem dan menambah wawasan terhadap sifat deret Fourier.

di mana faktor amplituda kompleks H (s) dan H (z ) secara umum adalah fungsi dari variabel kompleks s atau z . Sebuah sinyal yang menyebabkan output dari sistem konstanta (biasanya bilangan kompleks) dari input disebut sebagai fungsi eigen (eigenfunction) dari sistem, dan faktor amplituda disebut sebagai nilai eigen (eigenvalue) dari sistem.
2.2 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI CT

2012 Armein Z R Langi, STEI ITB. v 12.05 alpha

Untuk menunjukkan bahwa sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI waktu kontinu, lihatlah sistem LTI waktu kontinu dengan respon impuls 1

2 Eigenfunctions: Respon sistem LTI pada sinyal kompleks eksponensial

h(t).
Tab. 1: Rencana Belajar Sub Sesi Materi 3.1 Eigenfunctions: Respon sistem LTI pada sinyal kompleks eksponensial 1 Konsep eigenfunction dan eigenvalue 2 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI CT 3 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI DT 4 Kombinasi linear sinyal kompleks eksponensial 3.2 Representasi Deret Fourier pada sinyal CT 1 Kombinasi linear dari sinyal kompleks eksponensial terhubung harmonik 2 Menentukan representasi deret Fourier pada sinyal periodik CT 3 Kasus: Menghitung deret Fourier dari sinyal kotak 4 Konnvergensi deret Fourier 3.3 Sifat-Sifat Deret Fourier CT 1 Linearitas, Time Shifting, Time Reversal 2 Time Scaling, Multiplication, Konjugasi dan Simetri Konjugat 3 Relasi Parseval untuk Sinyal Periodik Waktu kontinu 4 Contoh Soal 3.4 Deret Fourier untuk sinyal DT dan sifat-sifatnya 1 Kombinasi linear dari sinyal kompleks eksponensial terhubung harmonik 2 Menentukan representasi deret Fourier pada sinyal periodik DT 3 Sifat Deret Fourier DT 4 Contoh Soal 3.5 Sistem LTI dan Filter 1 Sistem LTI dan Respon Frekuensi 2 Contoh Soal Sistem LTI 3 Filter Frekuensi Shaping 4 Filter Selektif Frekuensi 3.6 Contoh Filter CT dan DT LCCDE untuk sinyal periodik 1 Filter RC Lowpass CT 2 Filter RC Highpass CT 3 Filter DT rekursif orde 1 4 Filter DT non-rekursif

Untuk input x(t), kita dapat menentukan output dengan menggunakan integral konvolusi, sehingga dengan
x(t) = est

Tujuan
y (t) =

h( )x(t )d =

h( )es(t ) d

(3)

1.a 1.a 1.a 1.a

Dengan mengekspresikan es(t ) sebagai est es , dan dapat kita lihat est dapat dikeluarkan dari integral, maka persamaan (3) akan menjadi

y (t) = est

h( )es d

(4)

Asumsikan bahwa integral pada sisi kanan dari persamaan (4) konvergen, maka respon terhadap est memiliki bentuk
y (t) = H (s)est

(5)

1.b, c 1.b, c, e 1.b 1.b 1.d 1.d 1.d 1.d 1.b, c 1.b, c, e 1.d 1.d 1.e, 2a 2.a 2.a 2.a 2.b 2.b 2.b 2.b

dengan H (s)adalah konstanta kompleks yang nilainya bergantung pada s dan memiliki hubungan dengan respon impuls sistem, yaitu

H (s) =

h( )es d

(6)

Dari sini kita dapat melihat bahwa kompleks eksponensial adalah eigenfunction dari sistem LTI waktu kontinu. Konstanta H (s) untuk sebuah nilai spesik s adalah eigenvalue yang berasosiasi dengan eigenfunction est .
2.3 Sinyal kompleks eksponensial adalah eigenfunction dari sistem LTI DT

Dengan cara yang sama kita dapat melihat bahwa barisan kompleks eksponensial adalah eigenfunction dari sistem LTI waktu kontinus. Lihatlah sistem LTI waktu diskrit dengan respon impuls h[n]. Untuk input x[n] = z n ,
+ +

y [n] =
k=

h[k ]x[n k ] =
k=

h[k ]z nk

(7)

Dengan mengekspresikan z nk sebagai z n z k , dan dapat kita lihat z n dapat dikeluarkan dari integral, maka persamaan (7) akan menjadi
+

y [n] = z n
k=

h[k ]z k

(8)

Asumsikan bahwa penjumlahan pada sisi kanan dari persamaan (8) konvergen, maka respon terhadap z n memiliki bentuk
y [n] = H (z )z n

(9)

dengan H (s)adalah konstanta kompleks yang nilainya bergantung pada s dan memiliki hubungan dengan respon impuls sistem, yaitu
+

H (z ) =
k=

h[k ]z k

(10)

3 Representasi Deret Fourier pada sinyal CT

Dari sini kita dapat melihat bahwa kompleks eksponensial adalah eigenfunction dari sistem LTI waktu diskrit. Konstanta H (z ) untuk sebuah nilai spesik z adalah eigenvalue yang berasosiasi dengan eigenfunction z n .
2.4 Kombinasi linear sinyal kompleks eksponensial

3 3.1

Representasi Deret Fourier pada sinyal CT Kombinasi linear dari sinyal kompleks eksponensial terhubung harmonik

Sebuah sinyal dikatakan periodik jika, untuk terdapat nilai positif T ,

Untuk analisis sistem LTI, kegunaan dari dekomposisi six(t) = x(t + T ) untuk semua t (17) nyal umum ke dalam eigenfunction dapat dari sebuah conPeriode fundamental dari x(t) adalah nilai positif minitoh. Misalkan x(t) berkorespondensi kepada kombinasi limum tidak nol dari T sehingga persamaan (17) dipenuhi, near dari tiga buah sinyal kompleks eksponensial, yaitu, dan nilai 0 = 2/T didenisikan sebagai frekuensi fundax(t) = a1 es1 t + a2 es2 t + a3 es3 t (11) mental dari sinyal x(t). Kita telah mempelajari dua sinyal dasar periodik, sinyal Dari sifat eigenfunction, respon masing-masing kompo- sinusoidal nen adalah
aes1 t a1 H (s1 )es1 t , a2 es2 t a2 H (s2 )es2 t , a3 es3 t a3 H (s3 )es3 t , x(t) = cos 0 t

(18)

dan sinyal periodik kompleks eksponensial

x(t) = ej0 t .

(19) dan dari sifat superposisi, respon terhadap input x(t) Kedua sinyal ini periodik dengan frekuensi fundamental adalah penjumlahan dari respon masing-masing komponen, 0 dan periode fundamental T = 2/0 . Terdapat kumpulsehingga an sinyal kompleks eksponensial yang terhubung harmonik dengan sinyal pada persamaan (19) yaitu y (t) = a1 H (s1 )es1 t + a2 H (s2 )es2 t + a3 H (s3 )es3 t (12) Secara umum, pada waktu kontinu, persamaan (5), dek (t) = ejk0 t = ejk(2/T )t , k = 0, 1, 2, . . . . (20) ngan sifat superposisi, mengimplikasikan bahwa representasi sinyal sebagai kombinasi linear dari sinyal kompleks eksTiap sinyal ini memiliki sebuah frekuensi fundamental ponensial memberikan kemudahan untuk memperoleh ekspyang merupakan kelipatan dari 0 , dan oleh sebab itu, resi dari respon dari sebuah sistem LTI. Secara spesik, bimasing-masing periodik dengan periode T (walaupun untuk la input terhadap seubah sistem LTI waktu kontinu direp| k | > 2 , periode fundamental dari k (t) adalah pecahan daresentasikan sebagai kombinasi linear dari sinyal kompleks ri T ). Maka, seubah kombinasi linear dari sinyal kompleks eksponensial, yaitu, jika eksponensial yang terhubung harmonik dengan bentuk x(t) = ak esk t , (13) + + k x(t) = ak ejk0 t = ak ejk(2/T )t (21) maka akan diperoleh output k= k=
y (t) =
k

ak H (sk )esk t .

(14)

Dengan analogi yang sama, jika input terhadap sistem LTI waktu diskrit direpresentasikan sebagai kombinasi linear dari sinyal eksponensial yaitu, jika
x[n] =
n ak zk , k

(15)

maka akan diperoleh output

y [n] =
k

n ak H (zk )zk .

(16)

Dengan perkataan lain, untuk waktu kontinu dan waktu diskrit, jika input terhadap sebuah sistem LTI direpresentasikan dengan kombinasi linear dari sinyal kompleks eksponensial, maka output juga dapat direpresentasikan sebagai kombinasi linear dari sinyal kompleks eksponensial yang sama. Setiap koesien pada representasi dari output diperoleh dengan perkalian koesien ak dari input dan eigenvalue dari sistem H (sk ) atau H (zk ) yang berasosiasi dengan eigenfunn ction esk t atau zk . dengan

juga periodik dengan periode T . Pada persamaan (21) term untuk k = 0 adalah sebuah konstanta. Term untuk k = +1 dan k = 1, keduanya memiliki frekuensi fundamental 0 dan secara kolektif didenisikan sebagai komponen fundamental atau komponen harmonik pertama. Dua term untuk k = +2 dan k = 2, adalah periodik dengan setengah periode fundamental (atau ekuivalen, mempunyai frekuensi dua kali lebih besar) dari komponen fundamental dan didenisikan sebagai komponen harmonik kedua. Secara umum, komponen untuk k = +N dan k = N didenisikan sebagai komponen harmonik ke-N. Representasi dari sinyal periodik dengan bentuk pada persamaan (21) didenisikan sebagai representasi deret Fourier. Misalkan sebuah sinyal periodik x(t), dengan frekuensi fundamental 2 , diekspresikan dengan bentuk
+3

x(t) =
k=3

ak ejk2t ,

(22)

3 Representasi Deret Fourier pada sinyal CT

a0 = 1 a1 = a1 = a2 = a2 = a3 = a3 =
1 4 1 2 1 3

ak = Ak ejk ,

maka persamaan (26) menjadi

x(t) = a0 + 2
k=1

Re Ak ej (k0 t+k ) .

dengan menulis ulang persamaan (22) dan mengumpulkan setiap dari komponen harmonik yang memiliki frekuensi fundamental yang sama, kita akan memperoleh
j 2t j 4t + ej 2t ) + 1 + ej 4t ) (23) x(t) = 1 + 1 4 (e 2 (e j 6t +1 3 (e j 6t

Dapat juga ditulis menjadi

x(t) = a0 + 2
k=1

Ak cos(k0 t + k ).

(27)

Persamaan (27) adalah satu bentuk dasar yang ditemui untuk deret Fourier untuk sinyal real periodik waktu konti+e ). nu. Bentuk lain diperoleh dengan menulis ak dalam bentuk Dengan menggunakan relasi Euler, kita dapat menuliskan rectangular sebagai x(t) dalam bentuk dengan nilai Bk dan Ck keduanya bernilai real. Dengan ekspresi ini maka persamaan (26) akan mempunyai bentuk Persamaan (24) adalah contoh dari bentuk alternatif dari deret Fourier untuk sinyal periodik real. Secara spesik, misalkan x(t) adalah bernilai real dan dapat direpresentax(t) = a0 + 2 [Bk cos k0 t Ck sin k0 t] . (28) sikan dalam bentuk persamaan (21). Karena x (t) = x(t), k=1 maka kita memperoleh Maka untuk fungsi periodik real, deret Fourier dalam term kompleks eksponensial seperti ditunjukkan pada persamaan (21), secara matematik ekuivalen dengan dua benk= Dengan mengganti k dengan k pada penjumlahan, kita tuk baik pada persamaan (27) dan (28) dengan menggunakan fungsi trigonometri. Namun bentuk persamaan (21) mendapatkan memberikan kemudahan untuk analisa kita, maka kita akan lebih sering menggunakannya. +
+

1 2 x(t) = 1 + cos 2t + cos 4t + cos 6t. 2 3

ak = Bk + jCk ,

(24)

x(t) =

jk0 t a . ke

x(t) =
k=

jk0 t a , k e

maka bila dibandingkan dengan persamaan (21), maka haruslah ak = a k , atau ekivalen juga dengan
a k = ak .

3.2

Menentukan representasi deret Fourier pada sinyal periodik CT

Asumsikan bahwa sebuah sinyal periodik dapat direpresen(25) tasikan dengan deret dari persamaan

+ + Kita lihat bahwa pada contoh sebelumnya adalah kasus jk0 t x ( t ) = a e = ak ejk(2/T )t , (29) k di mana ak adalah bernilai real dan ak = ak . k = k = Untuk menurunkan bentuk alternatif dari deret Fourier, kita harus menyusun penjumlahan dalam persamaan (21) kita memerlukan sebuah prosedur untuk menentukan komenjadi esien ak . Mengalikan kedua sisi dari persamaan (29) dengan ejn0 t , kita memperoleh

x(t) = a0 +
k=1

ak ejk0 t + ak ejk0 t a k

dengan mengganti ak dengan maka kita memperoleh

dari persamaan (25)

x(t)ejn0 t =
k=

ak ejk0 t ejn0 t .

2/0 , kita mempunyai

jk0 t ak ejk0 t + a . ke

Dengan melakukan integrasi kedua sisi dari 0 sampai T =

x(t) = a0 +
k=1

Karena dua term di dalam penjumlahan adalah pasangan kompleks konjugat, maka kita peroleh

x(t)e

jn0 t

dt =
0 k=

ak ejk0 t ejn0 t dt.

x(t) = a0 +
k=1

2Re ak ejk0 t .

Jika ak dinyatakan dalam bentuk polar sebagai

Dalam hal ini, T adalah periode fundamental dari x(t), (26) dan konsekuensinya, kita melakukan integrasi pada rentang satu periode. Dengan menukar urutan integrasi dan penjumlahan menghasilkan

3 Representasi Deret Fourier pada sinyal CT

x(t)ejn0 t dt =
k=

ak
0

ej (kn)0 t dt .

(30)

1 a0 = T

x(t)dt,
T

(36)

yaitu nilai rata-rata dari x(t) pada satu periode.

3.3 Kasus: Menghitung deret Fourier dari sinyal kotak

Hasil evaluasi dari integrasi dengan kurung siku dengan formula Euler dapat diperoleh,
T
0

ej (kn)0 t dt = +j
T
0

T
0

cos(k n)0 tdt

Sinyal kotak periodik, seperti terlihat pada gambar dan di(31) denisikan pada satu periode sebagai
1, |t| < T

sin(k n)0 tdt.

1 x(t) = . (37) Untuk k = n, cos(k n)0 t dan sin(k n)0 t adalah sinyal 0, T1 < |t| < T /2 sinusoidal periodik dengan periode fundamental (T /|k n|). Sinyal ini periodik dengan periode fundamental T dan Oleh karena itu, pada persamaan (31), kita melakukan infrekuensi fundamental 0 = 2/T . tegrasi pada sebuah interval (dengan panjang T ). Karena integrasi dapat dipandang sebagai menghitung luas total x(t) di bawah fungsi pada rentang integrasi, kita dapat melihat bahwa untuk k = n, kedua integrasi pada sisi kanan 1 persamaan (31) bernilai nol. Untuk k = n, bagian yang diintegrasikan bernilai 1, sehingga hasil integrasi bernilai T . ... ... Sehingga kita peroleh t 2T T T T1 0 T1 T T 2T T

ej (kn)0 t dt =
0

T, 0,

k=n , k=n

T an . Sehingga,

sehingga, bagian sisi kanan dari persamaan (30) menjadi

1 an = T

0 T

x(t)ejn0 t dt,

(32)

yang memberikan persamaan untuk menentukan koesien. Lebih jauh lagi, ketika melakukan evaluasi pada persamaan (31), kita hanya menggunakan fakta rentang integrasi pada interval dengan panjang T . Oleh sebab itu kita akan memperoleh hasil yang sama jika kita melakukan integrasi pada interval dengan panjang T . Maka kita peroleh
an = 1 T

Untuk menentukan koesien deret Fourier untuk x(t), kita menggunakan persamaan (35). Karena x(t) simetris pada t = 0, maka akan lebih mudah memilih T /2 t < T /2 sebagai interval dari integrasi, walaupun setiap interval dengan panjang T sama-sama valid dan menghasilkan hasil yang sama. Dengan menggunakan batas integrasi ini dan menggunakan persamaan (37), kita memperoleh untuk k = 0,
a0 = 1 T

T1

dt =
T1

2T1 . T

(38)

x(t)ejn0 t dt.
T

Seperti telah disebutkan sebelumnya, a0 diinterpretasikan sebagai nilai rata-rata dari x(t). Untuk k = 0, kita (33) memperoleh
T1

Jika x(t) memiliki representasi deret Fourier [yaitu dapat 1 T1 jk0 t 1 a = ejk0 t e dt = k diekspresikan sebagai kombinasi linear dari sinyal kompleks T T1 jk0 T eksponensial yang terhubung secara harmonik dalam bentuk persamaan (29)], maka koesien dapat ditentukan oleh e^{j\omega n} persamaan (33). Pasangan dari persamaan ini, mendeniyang dapat ditulis sebagai sikan deret Fourier dari sinyal periodik waktu kontinu:
+ +

,
T1

x(t) =
k=

ak ejk0 t =
k=

ak ejk(2/T )t

(34)

ak =

2 k0 T

ejk0 T1 ejk0 T1 . 2j

(39)

ak =

1 T

sin k0 T1 , kita dapat menuliskan koesien ak sebagai ak =

3.4

Perhatikan bahwa term dalam kurung siku adalah

x(t)ejk0 t dt =
T

1 T

x(t)ejk(2/T )t dt. (35)

Persamaan (34) didenisikan sebagai persamaan sintesis dan persamaan (35) didenisikan sebagai persamaan analisis. Kumpulan koesien {ak } biasanya disebut koesien deret Fourier atau koesien spektral dari x(t). Koesien kompleks ini mengukur porsi dari sinyal x(t) pada setiap harmonik komponen fundamental. Koesien a0 adalah nilai DC atau komponen konstan dari x(t) yang ditentukan oleh persamaan (35) dengan k = 0, yaitu

sin (k0 T1 ) 2 sin (k0 T1 ) = , k0 T k

k = 0.

(40)

Konvergensi deret Fourier

Pada contoh sebelumnya dapat dilihat walaupun x(t) diskontinu tetapi tiap-tiap komponen harmoniknya kontinu. Walaupun faktanya Fourier menyatakan setiap sinyal periodik dapat direpresentasikan dengan deret Fourier. Walaupun hal ini tidak sepenuhnya tepat, akan tetapi benar

3 Representasi Deret Fourier pada sinyal CT

bahwa deret Fourier dapat digunakan untuk merepresenta- energi terbatas pada interval satu periode, yaitu sinyal desikan sejumlah besar kelas dari sinyal periodik, termasuk ngan sinyal kotak dan sinyal-sinyal periodik lainnya. 2 Kita akan melihat masalah aproksimasi (pendekatan) si|x(t)| dt < . (45) T nyal periodik x(t) dengan kombinasi linear dari jumlah terbatas sinyal komplek eksponensial terhubung harmonik deKetika kondisi ini dipenuhi, maka dapat dijamin bahwa ngan bentuk, koesien ak yang diperoleh dari persamaan (35) adalah terbatas. Lebih jauh lagi, misalkan xN (t) adalah aproksimasi N x (t) yang diperoleh dengan menggunakan koesien ini unxN (t) = ak ejk0 t . (41) tuk |k| N :
k=N

Kita denisikan error aproksimasi dengan eN (t), yaitu

N

+N

xN (t) =
k=N

ak ejk0 t .

(46)

Maka dijamin bahwa energi EN pada error aproksimasi, (42) seperti yang didenisikan pada persamaan (43), konvergen k=N ke 0 ketika kita menambah banyak term. Jika kita mendeUntuk menentukan seberapa baik sebuah aproksimasi, ki- nisikan ta perlu menentukan ukuran kuantitatif dari ukuran error + aproksimasi. Kriteria yang akan digunakan adalah energi e(t) = x(t) ak ejk0 t . (47) dari error pada satu periode: k=
eN (t) = x(t) xN (t) = x(t) ak ejk0 t .

EN =
T

|eN (t)| dt.

(43)

maka

Dapat dibuktikan bahwa pilihan untuk koesien dalam persamaan (41) untuk meminimalkan energi dari error adalah
ak = 1 T

|e(t)| dt = 0.
T

(48)

Tetapi persamaan (48) tidak mengimplikasikan bahwa sinyal x(t) dan representasi deret Fourier
+

x(t)ejk0 t dt.
T

(44)

Kita dapat persamaan (44) adalah indentik dengan ekpsresi yang digunakan untuk menentukan koesien deret Fourier. Maka jika x(t) memiliki representasi deret Fourier, maka aproksimasi terbaik dengan hanya menggunakan jumlah terbatas dari kombinasi linear sinyal kompleks eksponensial terhubung harmonik dapat diperoleh dengan memotong deret Fourier dengan jumlah term yang diinginkan. Ketika N bertambah, maka jumlah term akan bertambah dan EN akan berkurang. Pada faktanya jika x(t) memiliki representasi deret Fourier maka limit dari EN ketika N adalah nol. Bagaimana menentukan sebuah sinyal x(t) memiliki representasi deret Fourier? Tentu saja untuk semua sinyal, kita dapat mendapatkan kumpulan koesien Fourier dengan menggunakan persamaan (35). Bagaimanapun, pada beberapa kasus integral pada persamaan (35) dapat menjadi divergen; yaitu ketika diperoleh beberapa nilai ak adalah tak terbatas (innite). Lebih lagi, walau semua koesien yang diperoleh dari persamaan (35) adalah terbatas (nite), ketika koesien ini disubtitusikan ke persamaan sintesis (34), hasilnya dapat saja tidak konvergen kepada sinyal asli x(t). Beruntungnya, tidak terdapat kesulitan konvergensi untuk sejumlah kelas dari sinyal periodik. Contohnya, setiap sinyal periodik kontinu memiliki representasi deret Fourier dengan energi EN untuk error aproksimasi menuju nol ketika N menuju . Ini juga berlaku untuk banyak sinyal diskontinu. Karena dirasakan berguna untuk memasukkan sinyal diskontinu seperti sinyal kotak, menjadi bermanfaat untuk menyelidiki isu konvergensi dengan lebih detil. Salah satu kelas sinyal periodik yang dapat direpresentasikan dengan deret Fourier adalah sinyal yang memiliki

ak ejk0 t .
k=

(49)

adalah sama pada setiap nilai t. Persamaan (48) hanya menyatakan bahwa tidak terdapat perbedaan energi pada keduanya. Lebih lagi, sebuah alternatif kumpulan kondisi yang dibuat oleh Dirichlet yang berlaku untuk semua sinyal yang akan banyak digunakan, menjamin bahwa x(t) akan sama dengan representasi deret Fourier, kecuali pada nilai t terisolasi yang menyebabkan x(t) diskontinu. Pada nilai ini, deret tak terbatas dari persamaan (49) konvergen pada nilai rata-rata dari nilai pada setiap sisi pada diskontinu. Kondisi Dirichlet antara lain:
Kondisi 1

Pada satu periode manapun, x(t) harus absolutely integrable, yaitu

|x(t)|dt < .
T

(50)

Hal ini akan menjamin bahwa setiap koesien dari ak akan terbatas karena
1 |ak | T

x(t)e
T

jk0 t

1 dt = T

|x(t)|dt.
T

(51)

Kondisi 2

Pada interval waktu terbatas manapun, x(t) memiliki variasi terbatas; yaitu, hanya memiliki sejumlah berhingga maxima dan minima pada satu periode sinyal manapun.

4 Sifat-Sifat Deret Fourier CT

Kondisi 3

maka
x(t t0 ) ejk0 t0 ak .
FS

Pada interval waktu terbatas manapun, hanya terdapat sejumlah berhingga jumlah diskontinuitas.
4 Sifat-Sifat Deret Fourier CT

Konsekuensi dari sifat ini adalah, ketika sinyal periodik mengalami pergeseran waktu, maka magnitude dari koesiKita akan mendenisikan sebuah notasi singkat untuk en deret Fourier tidak berubah. mengindikasikan relasi antara sebuah sinyal periodik dengan koesien deret Fouriernya, yaitu Time Reversal
x(t) ak
4.1 Linearitas, Time Shifting, Time Reversal
FS

Linearitas

Periode T dari sinyal periodik x(t) juga tidak berubah ketika sinyal mengalami time reversal. Untuk menentukan koesien deret Fourier dari y (t) = x(t), kita akan melihat pengaruh dari time reversal pada persamaan sintesis (34):
+

Misalkan x(t) dan y (t) merupakan dua buah sinyal periodik dengan periode T dan memiliki koesien deret Fourier ak dan bk , yaitu
x(t) ak , y (t) bk .
FS FS

x(t) =
k=

ak ejk2t/T

Buat subtitusi k = m, kita memperoleh

+

Kita dapat melihat sisi kanan dari persamaan ini memiliki nasi linear dari dua sinyal tersebut juga periodik dengan periode T . Lebih jauh lagi, koesien deret Fourier ck dari bentuk sintesis deret Fourier untuk x(t), di mana koesien kombinasi linear x(t) dan y (t), z (t) = Ax(t) + By (t), dibe- bk adalah rikan oleh kombinasi linear yang sama dari koesien deret Fourier untuk x(t) dan y (t). b =a .
k k

Karena x(t) dan y (t) memiliki periode yang sama yaitu T , maka dengan mudah disimpulkan bahwa setiap kombi-

y (t) = x(t) =
m=

am ejm2t/T

z (t) = Ax(t) + By (t) ck = Aak + Bbk .

FS

(52)

Jadi jika
x(t) ak ,
FS

Sifat linearitas ini juga dengan mudah diperluas kepada kombinasi linear dari sejumlah lain sinyal dengan periode T.
Time Shifting

maka
x(t) ak .
FS

Ketika pergeseran waktu (time shift) dilakukan pada sinyal periodik x(t), periode T dari sinyal akan tetap sama. Koesien deret Fourier bk yang dihasilkan dari sinyal y (t) = x(t t0 ) dapat diekspresikan sebagai
|bk = 1 T

4.2

Time Scaling, Multiplication, Konjugasi dan Simetri Konjugat

x(t t0 )ejk0 t dt.

T

Time scaling adalah operasi perubahan periode dari sinyal. Subtitusi = t t0 pada integral, variabel juga me- Jika x(t) periodik dengan periode T dan frekuensi fundamiliki rentang pada interval dengan durasi T , sehingga kita mental 0 = 2/T , maka x(t) dengan adalah sebuah memperoleh bilangan real positif adalah periodik dengan periode T / dan frekuensi fundamental 0 . Karena operasi time sca ling beroperasi langsung pada setiap komponen harmonik 1 jk0 ( +t0 ) jk0 t0 1 x( )e d = e x( )ejk0 d dari x(t), maka dapat disimpulkan bahwa koesien deret T T T T (54) Fourier untuk tiap-tiap komponen adalah tetap sama. Jika x(t) memiliki representasi deret Fourier, maka
ejk0 t0 ak = ejk(2/T )t0 ak ,

(53)

Time Scaling

di mana ak adalah koesien Fourier dari sinyal x(t), Yaitu jika

x(t) ak ,
FS

x(t) =
k=

ak ejk(0 )t

adalah representasi deret Fourier dari x(t).

5 Deret Fourier untuk sinyal DT dan sifat-sifatnya

Multiplication

4.4

Contoh Soal

Misalkan x(t) dan y (t) merupakan dua buah sinyal periodik Misalkan kita diberikan beberapa fakta tentang sinyal x(t): dengan periode T dan memiliki koesien deret Fourier ak 1. x(t) adalah sinyal real. dan bk , yaitu 2. x(t) adalah periodik dengan T = 4, dan memiliki koeFS x(t) ak , sien deret Fourier ak .
y (t) bk .
FS

3. ak = 0 untuk |k| > 1. 4. Sinyal dengan koesien Fourier bk = ejk/2 ak adalah sinyal genap. 5.
5
1 4

Karena hasil perkalian x(t)y (t) juga periodik dengan periode T , kita dapat melakukan ekspansi dalam sebuah deret Fourier dengan koesien deret Fourier hk dengan
+

|x(t)|2 dt = 1/2.

x(t)y (t) hk =
l=

FS

al bkl

(55)

Deret Fourier untuk sinyal DT dan sifat-sifatnya

Konjugasi dan Simetri Konjugat

Mengambil kompleks konjugat dari sinyal periodik x(t) eksponensial terhubung harmonik mempunyai imbas kompleks konjugasi dan time reversal paSinyal waktu diskrit x[n] adalah periodik dengan periode N da koesien deret Fourier yang diperoleh. Yaitu jika jika
x(t) ak ,
FS

5.1

Kombinasi linear dari sinyal kompleks

Periode fundamental adalah bilangan bulat N positif yang terkecil di mana persamaan (56) berlaku, dan 0 = FS x (t) a k . 2/N adalah frekuensi fundamental. Sinyal kompleks eksj (2/N )n adalah periodik dengan periode N , maBeberapa konsekuensi menarik dapat diperoleh dari sifat ponensial e ka sekumpulan sinyal kompleks eksponensial periodik waktu ini untuk x(t) real, yaitu ketika x(t) = x (t). Pada kasus diskrit dengan periode N diberikan oleh ini diperoleh koesien deret Fourier akan konjugat simetris,
ak = a k. k [n] = ejk0 n = ejk(2/N )n , k = 0, 1, 2, ...

maka

x[n] = x[n + N ].

(56)

Semua sinyal ini mempunyai frekuensi-frekuensi fundamental yang merupakan kelipatan dari 2/N dan dengan |ak | = |ak |. demikian terhubung secara harmonik. Dalam hal ini haJika x(t) bernilai real dan fungsi genap maka ak = a nya terdapat sekumpulan N buah sinyal berbeda. Hal ini k. Jika x(t) bernilai real dan fungsi ganjil maka koesien de- merupakan konsekuensi dari fakta bahwa sinyal kompleks ret Fourier merupakan bilangan imajiner murni dan ganjil. eksponensial waktu diskrit yang memiliki perbedaan frekuensi sebesar kelipatan dari 2 adalah identik. Dari fakta ini kita memperoleh kombinasi linear dari sinyal kompleks eks4.3 Relasi Parseval untuk Sinyal Periodik ponensial terhubung harmonik untuk sinyal waktu diskrit Waktu kontinu adalah Relasi Parseval untuk sinyal periodik waktu kontinu adalah (58) Umumnya kita menggunakan nilai k = 0, 1, ..., N 1. di mana ak adalah koesien deret Fourier dari x(t) dan Persamaan (58) didenisikan sebagai deret Fourier waktu T adalah periodenya. diskrit dan koesien-koesien ak sebagai koesien-koesien Juga berlaku, deret Fourier-nya.
T k=

Jika x(t) bernilai real maka a0 juga bernilai real dan

(57)

1 T

x[n] = |ak | ,
2 k= N

ak k [n] =
k= N

ak ejk0 n =
k= N

ak ejk(2/N )n .

|x(t)| dt =

1 T

ak e
T

jk0 t 2

1 dt = T

|ak |2 dt = |ak |2 ,
T

5.2

Menentukan representasi deret Fourier pada sinyal periodik DT

|ak |2 adalah daya rata-rata pada komponen harmonik kek dari x(t). Jadi yang hendak dikatakan oleh relasi Parseval Misalkan kepada kita diberikan sinyal x[n] yang periodik adalah total daya rata-rata dari sinyal periodik adalah sama dengan periode fundamental N . Kita ingin menentukan dengan jumlah dari daya rata-rata dari komponen harmo- apakah terdapat representasi x[n] dalam bentuk persamaan (58), dan jika ada kita ingin mendapatkan koesien ak . niknya.

5 Deret Fourier untuk sinyal DT dan sifat-sifatnya

Kita dapat memperolehnya dengan mencari solusi dari se- Time Shifting kumpulan persamaan linear. Bila kita melakukan evaluasai dari persamaan (58) untuk N buah nilai n yang berurutan jika dalam satu periode x[n], kita memperoleh
x[0] =
k= N

x[n] ak ,

FS

ak ak ej 2k/N

maka (59)
x[n n0 ] ejk(2/N )n0 ak .
FS

x[1] =
k= N

Frequency Shifting

. . .
x[N 1] =
k= N

jika
x[n] ak , ak ej 2k(N 1)/N
FS

maka
ejM (2/N )n x[n] akM .
FS

Persamaan (59) merepresentasikan N buah persamaan linear untuk N buah koesien ak . Dapat dilihat kumpulan persamaan ini bersifat bebas linear dan dapat diselesaikan Time Reversal untuk memperoleh koesen ak . Dapat diperoleh Jika
ar = 1 N x[n]ejr(2/N )n
n= N

x[n] ak ,

FS

Kita memiliki pasangan persamaan deret Fourier waktu diskrit sebagai berikut:
x[n] = ak ejk0 n =
k= N

maka
x[n] ak .
FS

ak ejk(2/N )n ,

(60) Multiplikasi Jika

x[n] ak , y [n] bk ,
FS FS

ak =

1 N

x[n]ejk0 n =
n= N

1 N

x[n]ejk(2/N )n .
n= N

(61) maka Persamaan (60) merupakan persamaan sintesis dan perFS samaan (61) merupakan persamaan analisis. Seperti pada x[n]y [n] dk = al bkl . waktu kontinu, koesien deret Fourier waktu diskrit ak jul= N ga sering disebut sebagai koesien spektral dari x[n]. Hal penting yang harus diperhatikan adalah hanya terdapat N Diferensiasi Pertama buah term pada representasi deret Fourier waktu diskrit. Jika
5.3 Sifat Deret Fourier DT

Terdapat kemiripan yang kuat antara sifat-sifat deret Fourier waktu diskrit dengan sifat-sifat deret Fourier waktu kontinu. Akan digunakan notasi singkat untuk mengindikasikan relasi antara sebuah sinyal periodik dengan koesien deret Fourier dengan
x[n] ak .
FS

x[n] ak ,

FS

maka
x[n] x[n 1] (1 ejk(2/N ) )ak .
FS

Relasi Parseval untuk Sinyal Periodik Waktu Diskrit

Relasi Parseval diberikan oleh persamaan

1 N |x[n]| =
n= N n= N 2

Linearitas

|ak | .

(62)

Jika
x[n] ak , y [n] bk ,
FS FS

maka
Ax[n] + By [n] Aak + Bbk .
FS

Persamaan ruas kiri dari relasi Parseval adalah daya ratarata dari satu periode sinyal periodik x[n]. |ak |2 adalah daya rata-rata dari harmonik ke-k dari komponen x[n]. Jadi sekali lagi, relasi Parseval menyatakan bahwa daya rata-rata dari sinyal periodik adalah sama dengan jumlah dari daya rata-rata dari semua komponen harmoniknya. Pada waktu diskrit, tentu saja hanya terdapat N buah komponen harmonik yang berbeda.

6 Sistem LTI dan Filter

10

Respon sebuah sistem LTI terhadap sinyal kompleks eksponensial dengan bentuk ejt (untuk waktu kontinu) atau Misalkan kita diberikan beberapa fakta tentang sinyal x[n]: ejn (untuk waktu diskrit) adalah sangat sederhana untuk mengekspresikan respon frekuensi dari sistem. Lebih jauh 1. x[n] adalah periodik dengan N = 6. lagi karena berlaku sifat superposisi dari sistem LTI, maka kita dapat mendapatkan respon sistem LTI dengan kombi2. 5 x [ n ] = 2 . n=0 nasi linear dari sinyal kompleks eksponensial. n Untuk kasus waktu kontinu, misalkan x(t) adalah sinyal 3. 7 ( 1) x [ n ] = 1 . n=2 periodik dengan representasi deret Fourier diberikan oleh 4. x[n] memiliki daya minimum per periode di antara se+ kumpulan sinyal yang memenuhi tiga kondisi sebelumx(t) = ak ejk0 t . (67) nya.
5.4 Contoh Soal
k=

6 6.1

Sistem LTI dan Filter Sistem LTI dan Respon Frekuensi

Maka output y (t) juga adalah periodik dengan frekuensi fundamental yang sama seperti x(t). Lebih lagi, jika {ak } adalah kumpulan koesien deret Fourier untuk input x(t), maka {ak H (jk0 )} adalah kumpulan koesien deret Fourier untuk output y (t). Jadi, impak dari sistem LTI waktu kontinu adalah melakukan modikasi secara individual se + s H (s) = h( )e d, (63) tiap dari koesien Fourier dari input melalui multiplikasi dengan nilai dari respon frekuensi pada frekuensi yang bersesuaian. dengan h(t) adalah respon impuls dari sistem LTI. Untuk kasus waktu diskrit, misalkan x[n] adalah sinyal Demikian juga sdengan sistem waktu diskrit, jika x[n] = periodik dengan representasi deret Fourier diberikan oleh n z adalah input kepada sistem LTI waktu diskrit, maka n menghasilkan output y [n] = H (z )z , dengan x[n] = ak ejk(2/N )n . (69)
+

Kita telah melihat bahwa representasi deret Fourier dapat digunakan untuk membentuk setiap sinyal periodik waktu diskrit dan semua sinyal periodik waktu kontinu yang penting. Kita juga telah melihat respon sistem LTI kepada kombinasi linear dari sinyal kompleks eksponensial memberikan bentuk yang sederhana. Contohnya untuk waktu kontinu, jika x(t) = est adalah input kepada sistem LTI waktu kontinu, maka menghasilkan output y (t) = H (s)est , dengan

Misalkan kita menggunakan sinyal ini sebagai input dari sistem LTI dengan respon impuls h(t). Karena setiap sinyal kompleks eksponensial pada persamaan (67) adalah eigenfunction dari sistem, maka output dari sistem adalah
+

y (t) =
k=

ak H (jk0 ) ejk0 t .

(68)

Misalkan kita menggunakan sinyal ini sebagai input dari sistem LTI dengan respon impuls h[n]. Karena setiap dengan h[n] adalah respon impuls dari sistem LTI. sinyal kompleks eksponensial pada persamaan (69) adalah H (s) dan H (z ) didenisikan sebagai fungsi sistem dari eigenfunction dari sistem, maka output dari sistem adalah sistem yang bersesuaian, dengan s dan z adalah bilangan kompleks umum. Untuk sinyal dan sistem waktu kontinu, y [n] = ak H ejk(2/N ) ejk(2/N )n . (70) kita akan melihat kasus khusus untuk Re{s} = 0, sehingga k= N s = j , sehingga est adalah dalam bentuk ejt . Ini adaMaka output y [n] juga adalah periodik dengan frekuensi lah input kompleks eksponensial pada frekuensi . Fungsi sistem adalah dalam bentuk s = j , H (j ) dilihat seba- fundamental yang sama seperti x[n]. Lebih lagi, jika {ak } gai fungsi dari didenisikan sebagai respon frekuensi dari adalah kumpulan koesien deret Fourier untuk input x[t], maka {ak H ejk(2/N ) } adalah kumpulan koesien deret sistem dan dituliskan dengan Fourier untuk output y [t]. Jadi, impak dari sistem LTI + waktu diskrit adalah melakukan modikasi secara indiviH (j ) = h(t)ejt dt. (65) dual setiap dari koesien Fourier dari input melalui mul tiplikasi dengan nilai dari respon frekuensi pada frekuensi Dengan cara yang sama untuk sinyal dan sistem waktu yang bersesuaian. diskrit, kita akan melihat kasus khusus untuk nilai z dengan |z | = 1, sehingga z = ej , sehingga z n adalah dalam bentuk ejn . Ini adalah input kompleks eksponensial pada 6.2 Contoh Soal Sistem LTI frekuensi . Fungsi sistem adalah dalam bentuk z = ej , Misalkan sebuah sinyal H (ej ) dilihat sebagai fungsi dari didenisikan sebagai +3 respon frekuensi dari sistem dan dituliskan dengan
k=

H (z ) =

h[k ]z k ,

(64)

k= N

x(t) =
+

ak ejk2t ,

H (ej ) =
n=

h[n]ejn .

(66)

k=3

dengan

7 Contoh Filter CT dan DT LCCDE untuk sinyal periodik

11

6.4

Filter Selektif Frekuensi

Filter selektif frekuensi adalah sebuah kelas lter yang dibuat dengan tujuan secara akurat atau mendekati melewatkan a1 = a1 = beberapa band frekuensi dan meredam band lainnya. Penga2 = a2 = gunaan dari lter selektif frekuensi muncul pada beberapa situasi, contohnya jika derau pada sebuah rekaman audio a3 = a3 = berada pada band frekuensi yang lebih tinggi dibandingkan adalah input kepada sistem LTI dengan respon impuls dengan musik atau suara pada rekaman, maka derau dapat dihilangkan dengan lter selektif frekuensi. Filter low pass adalah lter yang melewatkan frekuensi h(t) = et u(t). rendah dan melakukan peredaman pada frekuensi yang leUntuk menghitung koesien deret Fourier dari sinyal ou- bih tinggi. Filter high pass adalah lter yang melewatkan tput y (t), maka kita harus menghitung respon frekuensi: frekuensi tinggi dan melakukan peredaman pada frekuensi rendah. Filter band pass adalah lter yang melewatkan sebuah band frekuensi dan melakukan peredaman pada frekue ej d H (j ) = 0 ensi yang lebih tinggi dan lebih rendah dari band frekuensi tersebut. Frekuensi cut o adalah yang mendenisikan ba1 H (j ) = . (71) tasan frekuensi yang dilewatkan (frekuensi pass band) dan 1 + j frekuensi yang diredam (frekuensi stop band). Filter selektif frekuensi ideal adalah lter yang secara dengan menggunakan persamaan (68) dan persamaan akurat melewatkan sinyal kompleks eksponensial tanpa dis(71), dengan fakta 0 = 2 , maka kita memperoleh torsi pada pass band dan meredam secara lengkap sinyal +3 pada stop band. Filter ideal berguna untuk mendeskripsikbk ejk2t , y (t) = an kongurasi sistem ideal untuk berbagai aplikasi, namun k=3 lter ini tidak dapat direalisasikan sehingga kita hanya bisa melakukan aproksimasi (pendekatan) dari lter ideal ini. dengan bk = ak H (jk2 ), sehingga
a0 = 1
1 4 1 2 1 3

b0 1 4 1 b2 = 2 1 b3 = 3 b1 =
6.3

1 b1 = b2 b3 1 4 1 = 2 1 = 3 1 1 j 2 1 1 j 4 1 1 j 6 ,

Contoh Filter CT dan DT LCCDE untuk sinyal periodik

1 1 + j 2 1 1 + j 4 1 1 + j 6

, , ,

7.1

Filter RC Lowpass CT

, .

Filter Frekuensi Shaping

Sistem LTI yang dapat mengubah bentuk dari spektrum seringkali didenisikan sebagai lter frekuensi shaping. Satu aplikasi dari lter frekuensi shaping adalah seing ditemukan pada sistem audio. Contohnya pada sistem ini, lter LTI memungkinkan pengguna untuk melakukan modikasi dari jumlah relatif dari energi frekuensi rendah (bass) dan energi frekuensi tinggi (treble). Kelas lain dari lter frekuensi shaping sering ditemui di mana output dari sistem adalah turunan dari input, yaitu y (t) = d x(t)/dt. Dengan x(t) dalam bentuk x(t) = ejt , akan diperoleh y (t) = jejt , sehingga diperoleh respon frekuensi adalah
H (j ) = j.

Rangkaian elektrik banyak digunakan untuk mengimplementasikan operasi pemlteran waktu kontinu. Satu contoh paling sederhana adalah rangkaian seri RC order satu seperti diperlihatkan pada gambar,di mana sumber tegangan vs (t) adalah input dari sistem. Rangkaian ini dapat digunakan untuk menghasilkan baik operasi lter low pass maupun lter high pass, bergantung pada apa yang kita ambil sebagai sinyal output. Misalkan kita mengambil tegangan kapasitor vc (t) sebagai output. Tegangan output ini berhubungan dengan tegangan input melalui persamaan diferensial linear dengan koesien konstan
RC dvc (t) + vc (t) = vs (t). dt + + + vs (t) vc (t)

(73)

vr (t)

(72)

Dari respon frekuensi lter diferensiator ini, maka sinyal kompleks eksponensial ejt akan mendapatkan penguatan lebih besar untuk nilai yang lebih besar. Filter ini digunakan untuk memperkuat variasi yang cepat atau transisi dari sinyal. Salah satu kegunaan dari lter diferensiator ini Asumsikan sistem relaks, sistem dengan persamaan (73) adalah sering digunakan untuk memperbaiki edge dalam pe- adalah sistem LTI. Untuk menentukan respon frekuensi ngolahan gambar. H (j ), dengan denisi, dengan tegangan input vs (t) = ejt ,

7 Contoh Filter CT dan DT LCCDE untuk sinyal periodik

12

kita akan memiliki tegangan output vc (t) = H (j )ejt . Jika kita mensubsitusikannya, kita akan memperoleh
RC d H (j )ejt + H (j )ejt = ejt . dt

s(t)

(74)

1 1
1 e

Maka akan diperoleh

1 . H (j ) = 1 + RCj

(75)
7.2

Besar dari respon frekuensi H (j ) diperlihatkan pada gambar di bawah. Perhatikan untuk frekuensi-frekuensi di dekat = 0 maka |H (j )| 1, sedangkan untuk harga yang lebih besar (positif atau negatif), maka |H (j )| agak lebih kecil dan kenyataannya tetap berkurang selama | | bertambah. Dengan demikian, lter RC yang sederhana ini (dengan vc (t) sebagai output) merupakan lter low pass non ideal.
|H ( )| 1

Filter RC Highpass CT

Sebagai rangkaian alternatif dalam memilih tegangan kapasitor sebagai output dalam rangkaian RC, kita dapat memilih tegangan resistor. Dalam kasus ini persamaan diferensial yang menghubungkan input dengan output adalah
RC dvs (t) dvr (t) + vr (t) = RC . dt dt

(78)

1/RC

1/RC

Asumsikan sistem relaks, sistem dengan persamaan (78) adalah sistem LTI. Untuk menentukan respon frekuensi G(j ), dengan denisi, dengan tegangan input vs (t) = ejt , kita akan memiliki tegangan output vr (t) = G(j )ejt . Jika kita mensubsitusikannya, kita akan memperoleh
RC dG(j )ejt dejt + G(j )ejt = RC . dt dt

H ( ) /2 /4 1/RC 1/RC /4 /2

(79)

Maka akan diperoleh

G(j ) = jRC . 1 + RC

(80)

Besar dari respon frekuensi G(j ) diperlihatkan pada gambar di bawah.

|H ( )| 1

Tanggapan impuls dari sistem yang digambarkan oleh persamaan (73) adalah
h(t) = 1 t/RC e u(t), RC

(76)

1/RC

1/RC

dan respon terhadap sinyal step adalah

s(t) = 1 e
t/RC

H ( ) /2

u(t),

(77)

RC ).

dengan digambarkan pada gambar berikut (dengan =

h(t)

/4 1/RC 1/RC /4 /2

Tanggapan step dari lter high pass adalah

s(t) = et/RC u(t), t RC ).

1 e

(81)

dengan digambarkan pada gambar berikut (dengan =

7 Contoh Filter CT dan DT LCCDE untuk sinyal periodik

13

s(t)

Pustaka

[OCW]
1
1 e

MIT Opencourseware, http://ocw.mit.edu/courses/electricalengineering-and-computer-science/6-003signals-and-systems-spring-2010/

= RC

[OpWi97] A. V. Oppenheim and A. S. Willsky (with S Hamid Nawab), Signals & Systems (Second Edition), Prentice-Hall International, 1997. ISBN 0-13-651175-9

7.3

Filter DT rekursif orde 1

Filter waktu diskrit orde 1 adalah sistem LTI yang digambarkan dengan persamaan dierence orde satu
y [n] ay [n 1] = x[n]

(82)

Dari sifat fungsi eigen sinyal kompleks eksponensial, kita mengetahui jika x[n] = ejn , maka y [n] = H (ej )ejn , dengan H (ej ) adalah respon frekuensi dari sistem. Subtitusi ke persamaan (82), maka kita memperoleh
H (ej )ejn aH (ej )ej(n1) = ejn ,

(83)

atau
[1 aej ]H (ej )ejn = ejn ,

(84)

sehingga diperoleh
H (ej ) = 1 1 aej

(85)

Kita melihat bahwa, untuk a bernilai positif, persamaan dierence berlaku seperti lter low pass dengan atenuasi minimal pada frekuensi rendah di dekat = 0 dan atenuasi bertambah ketika kita menambah menuju = . Untuk a bernilai negatif, persamaan dierence berlaku seperti lter high pass melewatkan frekuensi rendah di dekat = dan meredam frekuensi rendah, sedangkan untuk setiap bilangan positif a < 1, sistem mendekati lter low pass. Untuk setiap bilangan negatif a > 1, sistem mendekati lter high pass, di mana |a| mengendalikan ukuran dari passband lter, passband melebar ketika |a| bertambah.
7.4 Filter DT non-rekursif

Bentuk umum dari lter waktu diskrit non rekursif (lter Finite Impulse Response) adalah
M

y [n] =
k=N

bk x[n k ].

(86)

digunakan untuk berbagai macam kebutuhan pemlteran, termasuk lter selektif frekuensi. Satu jenis lter yang sering digunakan adalah lter moving average, di mana output y [n] untuk setiap n, anggap n0 merupakan nilai rata-rata dari harga x[n] di sekitar n0 .

Output y [n] adalah nilai rata-rata terbobot dari (N +M + 1) buah x[n] dari x[n M ] sampai x[n + N ], dengan bobot diberikan oleh koesien bk . Sistem dengan bentuk ini dapat