P. 1
Sinyal Digital Dan Operasi Matematika

Sinyal Digital Dan Operasi Matematika

|Views: 425|Likes:
Published by Faisal Hadi

More info:

Published by: Faisal Hadi on Jan 12, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPS, PDF, TXT or read online from Scribd
See more
See less

03/20/2013

pdf

text

original

Sinyal Digital dan Operasi Matematika

1

Time Domain sinyal diskrit

X[n]=xa(t)|t=nT =xa(nT),

n=……., -2, -1, 0, 1, 2, 3, ……

T= perioda Sampling, frekuensi sampling Fs=1/T
X[n] dapat real, atau kompleks signal kompleks
2

X[n]=xr[n]+jxi[n]

Sinyal Digital Dasar
1- Unit impulse or unit sample

δ[n] = 1 δ [ n] = 0
2- Unit step

If n=0 If n=0

1 δ [n]
n n=0
u[n]

u[n]=1 u[n]=0

if n>=0 if n<0
n=0

1
n

3

3- Ramp signal

r[n]

r[n]=nu[n]
n=0 n

4- Exponential sequence

x[n] = Aα

n

A and α dapat berupa bil.real: X[n]=0.2(1.2)n X[n]=20(0.9)n

4

A dan α dapat berupa bil.kompleks :

α =e

(σ + jw )

A = A e jφ
σn

x[n] = A e e
σn

σn

j ( wn +φ )

x[n] = A e cos( wn + φ ) + j A e sin( wn + φ )
Real Imaginer

Bagian real dan kompleks dari sebuah eksponensial kompleks adalah sekuensial real sinusoidal dengan growing amplitude ( σ >0), decaying amplitude ( σ <0), constant amplitude ( σ =0)
5

Real

Imaginer

σ< 0

σ> 0

σ= 0

6

Hubungan antara Cosinus, Sinus, and Fungsi Eksponensial
)x1[n]= A exp(jwn) = A cos(wn) + jA sin(wn )x2[n]= A exp(-jwn) = A cos(wn) - jA sin(wn

))cos(wn)= 0.5A(exp(jwn)+exp(-jwn ))sin(wn)= 0.5A(exp(jwn)-exp(-jwn
Amplitude Amplitude

f1-

f1

f

f1

f

Spektrum dari gelombang sinus kompleks

Spektrum gelombang sinus real
7

Klasifikasi Sinyal
1- Finite length or infinite length sequences

X[n]
Jika N1= - ∞ atau N2= ∞ maka Sequence dikatakan infinite length N1<=n<=N2 maka sequence dikatakan finite length

8

2- Even and Odd sequences (Simetris)

Even sequence

n

x[n]=x[-n]

Odd sequence

x[n]=-x[-n]

9

3- Periodic and aperiodic sequences
Periodic

n

x[n]=x[n+kN], N=20

Periodic Sequence Sequence dikatakan aperiodic jika gambar tidak periodic
10

4- Bounded and Unbounded Sequence is dikatakan bounded jika the magnitud dari seitap sampel kurang atau sama dengan sebuah bil. positive tertentu.

x[n] ≤ B < ∞

5- Absolutely summable Sequence dikatakan absolutely summable jika:
n =− ∞

∑x[n]

<∞

6- Energy of a sequence Energy of a sequence x[n] dirumuskan :

E=

n =− ∞

∑ x[n]

2

11

Operasi dasar pada sequences
x1[n] X x2[n] Perkalian, Windowing x1[n] A y[n]=A*x1[n] x1[n] y[n]=x1[n].x2[n] x1[n] + x2[n] Penjumlahan y[n]=x1[n]+x2[n]

Pensaklaan x1[n] D-1

y[n]=x[n-1] Unit delay

D

y[n]=x[n+1] Unit advance
12

Contoh

x[n]
]y[n]= a1x[n] + a2x[n-1] + a3x[n-2] + a4x[n-3

D a1

x

Contoh

]y[n]= b0x[n]+b1x[n-1]+b2x[n-2]+a1y[n-1] + a2y[n-2
13

Sistem waktu diskrit
Fungsi dari sebuah sistem waktu diskrit (discrete time system) adalah untuk memproses sebuah input sequence yang diberikan untuk menghasilkan sebuah output sequence.

]X[n
Input sequence

Discrete time system

]y[n
Output sequence

Contoh: M (point moving average system)

1 y[n] = M

M −1 k =0

∑ x[n − k ]
14

Sistem digunakan untuk memperbaiki noise

X[n]=s[n] + d[n]
%moving average filter R=50; d=rand(1,R)-0.5; m=0:1:R-1; s=2*m.*(0.9.^m); x=s+d; subplot(2,1,1); plot(m,d,'r',m,s,'b',m,x,'g') xlabel('Time index n'); ylabel('Amplitude'); M=3; b=ones(M,1)/M; y=filter(b,1,x); subplot(2,1,2); plot(m,y,'b') xlabel('Time indexn'); ylabel('Amplitude'); Sinyal Noise

d=noise, s=sinyal, M=3, averaging window ada 3 samples

15

Biru=sinyal Hijau=sinyal+noise Merah=noise

Sinyal Hasil Filter

16

Linearitas

Homogen

17

Additivitas

18

Shift Invariance

LTI (linear time invariant) memenuhi 2 syarat yaitu sifat linearitas dan time invariance. Sistem akan mudah dianalisis dan di desain. Kebanyakan dari algoritma pemrosesn sinyal tergantung kepada dua sifat ini. 19

Kausalitas

Dalam sistem kausal sinyal output tergantung hanya pada input saat ini dan input sebelumnya dan tidak pada input yang akan datang.

Y[n]=2y[n-1]+x[n+2]

Sistem t idak kau sa l

Stabilitas
Sebuah system yang stabil menghasilkan output tertentu atau terbatas (bounded) terhadap input terbatas (bounded) Ini berarti bahwa jika x[n] bounded, mis. |x[n]|<Bx, maka untuk sistem menjadi Bounded Input Bounded Output (BIBO) stabil, maka |y[n]|<By. Contoh :Untuk M point average filter kita dapat memperlihatkan bahwa sistem adalah BIBO yang stabil, 1 M −1 1 M −1 1 y[n] = ∑0 x[n − k ] ≤ M ∑0 x[n − k ] ≤ M (M ) Bx ≤ Bx M k= k= 20

Invertabilitas
Jika sebuah system dengan input x[n] memberikan sebuah output y[n], maka systemini dikatakan invertabel jika kita dapat mendefinisikan input tanpa ada ambigu saat kita tahu output.. Y[n]=(x[n])
2

Pasifitas

System adalah non-invertabel karena jika kita tahu y[n], ada ada 2 harga unutk x[n] yang dapat memberikan output ini. Yaitu +x[n], ]dan –x[n

Sebuah discrete time system dikatakan pasif, jika untuk setiap energy tertentu input sequence x[n], output sequence y[n] mempunyai energi yang sama atau malah lebih kecil.

y[n]

2

n =− ∞

n =− ∞

∑ x[n] < ∞
2

Y[n]=a x[n] adalah pasif jika |a|<1, dan lossless jika |a|=1.21

Komutatif

Ketika dua sinyal atau lebih disusun secara kaskade, hubungan yang terjadi pada sistem tidak mempengaruhi .karakteristik sistem
22

System dengan banyak inputs dan/atau outputs akan menjadi linear jika disusun dari sistem yang linear dan penambahan sinyal

23

Superposisi
Sinyal diperlihatkan sebagai superposisi (sum) dari bentuk gel.sederhana
Dipisah-pisahkan

(penjumlahan)

24

Decompositions
Perlu diingat bahwa tujuan dari metode ini adalah untuk menggantikan problem yang rumit menjadi beberapa cara yang mudah.

Ada dua cara untuk men- decompose sinyal dalam signal processing

Fourier decomposition

Impulse decomposition

25

Menampilkan sebuah sequence melalui sebuah unit sample
Jika x[n]=[1, 3, 0.05, -2.5], maka dapat di tampilkan :
indek waktu nol Sample X[n]=1 [n+1]+ 3

δ

[n] δ

+0.05 [n-1] -2.5

δ

[n-2] δ

dan x[n]= [0 0 0 0.5 0 0 1.5 -1 0 1 0 0.75 0 0 0] Dapat ditulis sebagai, x[n]=0.5δ[n+2]+1.5δ[n-1]-δ[n-2]+δ[n-4]+0.75δ[n-6]
26

Impulse response dari sebuah system
. Adalah output dari sistem ketika input sebuah impulse

]δ[n

]h[n

y[n]=h[n]

Dimana h[n] disebut impulse response Asumsi bahwa sistem adalah linear dan mempunyai sebuah impulse response h[n], dan dengan menggunakan theorema superposisi kita dapat menulis outputnya : y[n]=0.5h[n+2]+1.5h[n-1]-h[n-2]+h[n-4]+0.75h[n-6]
27

Secara umum : x[n] =
k = −∞

∑ x[k ]δ [n − k ]

Respons dari sebuah system LTI terhadap input sebelumnya menjadi : ∞

y[n] =

k = −∞

∑ x[k ]h[n − k ]

y[n] =

k =− ∞

∑ x[n − k ]h[k ]

Operasi ini disebut convolusi

y[n]=x[n]*h[n]
28

Convolusi

 

Convolusi adalah sebuah cara matematika dari penggabungan dua buah sinyal menjadi bentuk sinyal yang lain. Teknik ini merupakan teknik yang cukup penting in Digital Signal Processing. Penggunaan strategi dari decomposisi impulse, systems di deskripsikan dengan sinyal yang disebut impulse response. Convolusi adalah sangat penting karena berhubungan dengan 3 sinyal : input signal, output signal, dan impulse response

29

Sinyal output dari sebuah system linear adalah sama dengan sinyal input diconvolvusi dengan impulse response system. Convolusi disimbolkan dengan bintang (*)

30

Convolusi adalah komutatif x1[n]*x2[n]=x2[n]*x1[n] dan assosiatif (x1[n]*x2[n])*x3[n]=x1[n]*(x2[n]*x3[n]) dan distributif, x1[n]*(x2[n]+x3[n])=x1[n]*x2[n]+x1[n]*x3[n] Perhitungan dari convolusi dari dua sequences

y[n] =

k = −∞

∑ x[k ]h[n − k ]
31

]x[n

]x[k

1

0.5
2 3 1 0

n ]h[n 2 2 1

0.5
2 3 1 0 ]h[1-k

2
k

1 0

n

1 1 0

2 k 1y[1] = ∑ [ k ]h[1 −k ] x
k =∞ − ∞

3 1 0 2

]h[-k

]y[n 1.5 k

2.5 n

1- 2]y[n

y[0] =
1.5

k =− ∞

∑x[k ]h[0 − k ]
n
32

3

]x[k

0.5
2 1 0 3

k

]h[2-k 2

1 2 1

k 0

3

]y[k

2.5 1.5 0 1 2

1.5 0.5 n 3 4

y[ 2] = ∑ [ k ]h[ 2 −k ] x
k =∞ −

3 ]y[n 1.5 n 2.5

Hasil Akhir Panjang data sekuens output adalah jumlah data kedua input dikurangi 1 N=3+3-1=5 33

Contoh : h[n]=an u[n], x[n]=u[n], 0<a<1

y[n] = y[n] =

Perkalian u[k] dan u[n-k] adalah 1 hanya untk n>=0 dan Nol untuk n<0, maka kita dapat menulis persamaan terakhir menjadi

k = −∞

∑ a u[k ]u[n − k ]
k n

k = −∞ ∞

∑ h[k ]x[n − k ]

utk K>=0, 1= dan k<=n i.e 0<=k<=n

1 − a n +1 y[n] = ∑ a k = 1− a k =0 1 − a n +1 y[n] = u[n] 1− a

Output didefenisikan hanya untuk n>0

34

Menggunakan MATLAB
%konvoluasi dua sequences a=[1 1 1 1 1 1 1 1 1 1]; b=[1 1 1 1 1 1 1 1 1 1]; c=conv(a,b); subplot(3,1,1); stem(a); subplot(3,1,2); stem(b); subplot(3,1,3); stem(c)

35

Hubungan kaskade dari 2 systems LTI
]x[n ]y[n ]h1[n ]h2[n

]x[n

]h2[n

]h1[n

]y[n

Hubungan dalam kaskade sistem LTI tidak berpengaruh kepada impulse response keseluruhan karena sifat komutatif dari konvolusi

]x[n ]h1[n]*h2[n

]y[n

36

Hubngan parallel dua system LTI
]x[n

]h1[n

+
]h1[n

]y[n

Output dari dua sistem adalah penjumlahan yang menghasilkan sistem output
]y[n

]x[n

]h1[n]+h2[n

37

Bounded Input Bounded Output, BIBO LTI systems Kita tahu bahwa system BIBO adalah sistem memberikan sebuah output bounded ketika inputnya juga bounded. Sebuah system LTI adalah BIBO jika impulse responsenya ∞ bounded, mis Untuk membuktikan, ambil nilai absolut untuk output system :
k = −∞

∑ h[k ] < S
∞ k = −∞

y[n] =

∑ h[k ]x[n − k ]

Nilai absolut total adalah lebih kecil dari nilai ablsolut :

y[n] ≤

k =− ∞

∑ h[k ] x[n − k
38

Asumsikan bahawa input sequence adalah bounded, |x[n]| <=M, maka dapat ditulis:

y[n] ≤

k =− ∞

∑ h[k ] M
y[ n] ≤ M .S

y[ n] ≤ M

k =− ∞

∑ h[k ]

Sehingga, karena S bounded, maka |y[n]| juga bounded Sehingga , system LTI dikatakan BIBO jika impulse response-nya juga bounded.

39

Systems Causal LTI Impulse response h[n] dari sebuah system LTI harus nol untuk semua n negatif untuk membuat system LTI causal.
Asumsikan : x1[n]=x2[n], untuk dua inputs sbb: n≤n0 maka dapat ditulis response dari system
∞ −1

y1[n0] = y 2[n0] =

k = −∞ ∞

∑ h[k ]x1[n0 − k ] = ∑ h[k ]x1[n0 − k ] + ∑ h[k ]x1[n0 − k ]
∑ h[k ]x2[n0 − k ] = ∑ h[k ]x2[n0 − k ] + ∑ h[k ]x2[n0 − k ]
k =0 k = −∞ k =0 ∞ k = −∞ −1

k = −∞

Kedua bentuk ini identik karena k>0 dan [n0-k] akan menjadi <n0. Maka x1[n]=x2[n] memenuhi

Untuk k<0 maka [n0-k] akan menjadi >no dan x1[n] tidak identik trhadap x2[n]. Maka untuk membuat y1[n]=y2[n] maka h[k] harus nol untuk nilai k negatif
40

Contoh : Hitung jika system h[n]=anu[n] adalah a)BIBO b)causal Dari defenisi u[n] dimana nol untuk n<0, maka system adalah causal.

h[n] ≤

k =− ∞

∑ h[k ] u[k ]
∞ k =0 k

h[n] ≤ ∑ a k 1 h[n] ≤ ∑ a = 1− a k =0
Sehingga , jika |a|<1 maka |h[n]| adakan bounded dan sistem adalah BIBO
41

Systems LTI menurut panjangnya
Infinite impulse response, IIR. Dalam kasus ini konvolusi tidak dapat digunakan kecuali kalau input sequence dibatasi panjangnya (finite lenght).

Finite impulse response, FIR. Dalam kasus in ouput di hitung berdasarkan jumlah konvolusi

42

Systems LTI berdasarkan bagaimana cara menghitung output
Nonrecursive Output adalah fungsi dari input saat ini dan input sebelumnya
y[ n] =

recursive Output saat ini adalah fungsi input saat ini, input sebelumnya dan output sebelumnya. N M dk pk y[n] = ∑ y[n − k ] + ∑ x[n − k ] k =1 d 0 k =0 d 0

k =N 1

∑h[k ]x[n − k ]

N2

43

Latihan
Menggambar system impulse response menggunakan MATAB

function FILTER

Dari HELP :

Y = FILTER(B,A,X) filters the data in vector X with the filter described by
vectors A and B to create the filtered data Y. The filter is a "Direct Form II Transposed" implementation of the standard difference equation:

a(1)*y(n) = b(1)*x(n) + b(2)*x(n-1) + ... + b(nb+1)*x(n-nb) - a(2)*y(n-1) - ... - a(na+1)*y(n-na)
If a(1) is not equal to 1, FILTER normalizes the filter coefficients by a(1).

44

Menggunakan function filter untuk menggambar system- 1 impulse response
y[n]=-0.7y[n-1]+0.45y[n-2]+0.6y[n-3]+ 0.8x[n]-0.44x[n-1]+0.36x[n-2]+0.02x[n-3]

Impulse response output dari system y[n] ketika input x[n] adalah sebuah impulse.
%Perhitungan impulse response menggunakan function fiter L=41; % panjang dari output sequence b=[0.8 -0.44 0.36 0.02]; a=[1 0.7 -0.45 -0.6]; x=[1 zeros(1,L-1)]; y=filter(b, a, x); n=0:1:L-1; stem(n,y); xlabel('time index n'); ylabel('Amplitude');
45

Menggunakan function filter untuk menggambar step- 2 response dari system
y[n]=-0.7y[n-1]+0.45y[n-2]+0.6y[n-3]+ 0.8x[n]-0.44x[n-1]+0.36x[n-2]+0.02x[n-3]
%Perhitungan dari step response menggunakan function fiter L=41; % panjang dari output sequence b=[0.8 -0.44 0.36 0.02]; a=[1 0.7 -0.45 -0.6]; x=[ones(1,L)]; y=filter(b, a, x); n=0:1:L-1; stem(n,y); xlabel('time index n'); ylabel('Amplitude');

46

TUGAS 1. Gambar fungsi berikut menggunakan MATLAB a) x[n]=2δ[n-3]-3δ[n+2] b) x[n]=3sin(0.2πn)u[n] c) x[n]=u[n-2]

2. Jika sequence g[n] adalah sequence genap and h[n] adalah ganjil, yang mana dari sequences dibawah ini yang ganjil dan mana yang genap a) x1[n]=g[n].g[n] b) x2[n]=g[n].h[n]

Asumsikan setiap sequences untuk g[n] and h[n]

3. Tulis y[n] sebagai fungsi dari x[n] untuk gambar disamping ini :

47

4. Tentukan periode untuk setiap sequence dibawah ini dan perlihatkan apakah periodik atau tidak a) x[n]=3sin(0.05πn) b)x[n]=3sin(0.05πn)+3sin(0.12πn) c) x[n]=5cos(0.6πn) 5. Perlihatkan bahwa untuk setiap sequence dibawah ini linear, stabil, kausal atau tidak a) y[n]=Ax2[n] b) y[n]=Ax[n]+B c) y[n]=Ae-πn

48

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->