transformasi fourier waktu-diskrit.ppt
TRANSCRIPT
1
Bab 3aTransformasi Fourier Waktu-Diskrit
Kuliah PSD 01 (MFS4617)[email protected]
[email protected] III.A. Transformasi Fourier Waktu Diskrit
2
Latar Belakang• Sistem LTI dinyatakan dalam tanggapan terhadap
masukan cuplikan satuan (tanggap cuplikan satuan –unit impulse response h(n)):
• Bentuknya Konvolusi: sembarang sinyal bisa dinyatakan dengan kombinasi linear cuplikan satuan yang terskala dan yang tertunda ;
• Sembarang sinyal diskrit kombiasi sinyal dasar tiap sinyal dasar penyajian sinyal baru punya kelebihan dan kelemahan;
• Ada satu cara penyajian yang sangat bermanfaat berbasis sinyal eksponensial kompleks ejωn DTFT;
[email protected] III.A. Transformasi Fourier Waktu Diskrit
3
DTFT
• DTFT = Discrete-time Fourier Transform Transformasi Fourier dalam Waktu-diskrit;
• Rumus DTFT:
• Rumus IDTFT:
2
[email protected] III.A. Transformasi Fourier Waktu Diskrit
4
Contoh 3.1 & Solusinya
• Tentukan DTFT dari x(n) = 0.5n u(n)!
[email protected] III.A. Transformasi Fourier Waktu Diskrit
5
Contoh 3.2 & Solusinya
• Karena X(ejωn) merupakan sebuah fungsi nilai-kompleks perlu digambarkan bagian besaran dan sudut-nya (bagian nyata dan imajiner-nya) terhadap w secara terpisah untuk mendeskripsikan X(ejωn) secara visual;
• Menggunakan nilai ω antara 0 hingga π;
[email protected] III.A. Transformasi Fourier Waktu Diskrit
6
2 (dua) Sifat Penting• Periodisitas: DTFT X(ejωn) bersifat periodik dalam ranah-ω dengan
periode 2ω hanya dibutuhkan satu periode saja (ω∈[0,2π] atau[-π,π]) untuk analisa:
• Simetris: untuk nilai-nyata x(n), X(ejωn) bersifat simetrik konjugat:
• Atau dituliskan:
3
[email protected] III.A. Transformasi Fourier Waktu Diskrit
7
2 (dua) Sifat Penting• Implikasi Simetrik untuk menggambar
X(ejωn) hanya perlu diperhatikan setengah periode-nya saja secara umum periode ini adalah ω ∈ [0,π]
• Contoh 3.3: untuk persamaan x(n) = 0.5n u(n)!
[email protected] III.A. Transformasi Fourier Waktu Diskrit
8
Solusi Contoh 3.3w = [0:1:500]*pi/500; % [0, pi] axis divided into 501 points.X = exp(j*w) ./ (exp(j*w) - 0.5*ones(1,501));magX = abs(X); angX = angle(X);realX = real(X); imagX = imag(X);% --subplot(2,2,1); plot(w/pi,magX); gridxlabel('frequency in pi units'); title('Magnitude Part'); ylabel('Magnitude')% --subplot(2,2,3); plot(w/pi,angX); gridxlabel('frequency in pi units'); title('Angle Part'); ylabel('Radians')% --subplot(2,2,2); plot(w/pi,realX); gridxlabel('frequency in pi units'); title('Real Part'); ylabel('Real')% --subplot(2,2,4); plot(w/pi,imagX); gridxlabel('frequency in pi units'); title('Imaginary Part'); ylabel('Imaginary')
[email protected] III.A. Transformasi Fourier Waktu Diskrit
9
Solusi Contoh 3.3
0 0.2 0.4 0.6 0.8 10.5
1
1.5
2
frequency in pi units
Magnitude Part
Mag
nitu
de
0 0.2 0.4 0.6 0.8 1-0.8
-0.6
-0.4
-0.2
0
frequency in pi units
Angle Part
Rad
ians
0 0.2 0.4 0.6 0.8 10.5
1
1.5
2
frequency in pi units
Real Part
Rea
l
0 0.2 0.4 0.6 0.8 1-0.8
-0.6
-0.4
-0.2
0
frequency in pi units
Imaginary Part
Imag
inar
y
4
[email protected] III.A. Transformasi Fourier Waktu Diskrit
10
Komputasi Numerik DTFT• Misalkan x(n) memiliki N cuplikan (data) antara n1 ≤ n ≤
n2 (tidak perlu dalam jangkauan [0,N-1]) dan akan dievaluasi X(ejωn) pada:
• yang panjangnya (M+1) antara [0,π] sehingga persamaan (3.1) dituliskan:
• Jika x(nl) dan X(ejωn) disusun dalam vektor kolom masing-masing x dan X, maka:
[email protected] III.A. Transformasi Fourier Waktu Diskrit
11
Komputasi Numerik DTFT• Dengan W adalah matriks (M+1) x N:
• Jika kita susun k dan nl masing-masing sebagai vektor baris kdan n, maka:
• Di MATLAB, disajikan sebagai vetkor baris, sehingga persamaan (3.3) menjadi:
• Bentuk nTk merupakan matriks N x (M+1). Sekarang persamaan (3.4) dapat dituliskan dalam MATLAB:
[email protected] III.A. Transformasi Fourier Waktu Diskrit
12
Contoh 3.4 & Solusinya• Hitunglah DTFT dari deret di contoh 3.2 secara numerik dengan MATLAB!• Solusinya:
n = -1:3; x = 1:5; % sequence x(n)k = 0:500; w = (pi/500)*k; % [0, pi] axis divided into 501 points.X = x * (exp(-j*pi/500)) .^ (n'*k); % DTFT using matrix-vector productmagX = abs(X); angX = angle(X);realX = real(X); imagX = imag(X);subplot(2,2,1); plot(w/pi,magX); gridxlabel('frequency in pi units'); title('Magnitude Part'); ylabel('Magnitude')subplot(2,2,3); plot(w/pi,angX); gridxlabel('frequency in pi units'); title('Angle Part'); ylabel('Radians')subplot(2,2,2); plot(w/pi,realX); gridxlabel('frequency in pi units'); title('Real Part'); ylabel('Real')subplot(2,2,4); plot(w/pi,imagX); gridxlabel('frequency in pi units'); title('Imaginary Part');ylabel('Imaginary')
5
[email protected] III.A. Transformasi Fourier Waktu Diskrit
13
Contoh 3.4 & Solusinya
0 0.2 0.4 0.6 0.8 10
5
10
15
frequency in pi units
Magnitude Part
Mag
nitu
de
0 0.2 0.4 0.6 0.8 1-4
-2
0
2
4
frequency in pi units
Angle Part
Radi
ans
0 0.2 0.4 0.6 0.8 1-5
0
5
10
15
frequency in pi units
Real Part
Rea
l
0 0.2 0.4 0.6 0.8 1-10
-5
0
5
frequency in pi units
Imaginary Part
Imag
inar
y
[email protected] III.A. Transformasi Fourier Waktu Diskrit
14
Contoh 3.5 & Solusinya
• Diketahui persamaan x(n)=(0.9 e(jπ/3))n.untuk 0≤n≤10. Tentukan X(ejωn) dan periksalah periodisitas-nya!
• Solusi:– Karena merupakan deret bilangan kompleks hanya memenuhi sifat periodisitas;
– Hanya untuk satu periode saja (hingga 2π);– Akan digambarkan sebanyak 401 titik antara
dua periode [- 2π, 2π] untuk melihat periodisitas-nya;
[email protected] III.A. Transformasi Fourier Waktu Diskrit
15
Contoh 3.5 & Solusinyasubplot(1,1,1)n = 0:10; x = (0.9*exp(j*pi/3)).^n;k = -200:200; w = (pi/100)*k;X = x * (exp(-j*pi/100)) .^ (n'*k);magX = abs(X); angX =angle(X);subplot(2,1,1); plot(w/pi,magX);gridaxis([-2,2,0,8])xlabel('frequency in units of pi'); ylabel('|X|')title('Magnitude Part')subplot(2,1,2); plot(w/pi,angX/pi);gridaxis([-2,2,-1,1]);xlabel('frequency in units of pi');ylabel('radians/pi');title('Angle Part');
6
[email protected] III.A. Transformasi Fourier Waktu Diskrit
16
Contoh 3.5 & Solusinya
-2 -1.5 -1 -0.5 0 0.5 1 1.5 20
2
4
6
8
frequency in units of pi
|X|
Magnitude Part
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-1
-0.5
0
0.5
1
frequency in units of pi
radi
ans/
pi
Angle Part
[email protected] III.A. Transformasi Fourier Waktu Diskrit
17
Contoh 3.6 & Solusinya
• Diketahui persamaan x(n)=(-0.9)n untuk-5≤n≤5. Periksalah sifat simetrik konjugat pada DTFT-nya!
• Solusi:– Terlihat bahwa persamaan merupakan
bilangan nyata (real) sehingga ada sifat simetrik konjugat-nya
[email protected] III.A. Transformasi Fourier Waktu Diskrit
18
Contoh 3.6 & Solusinyasubplot(1,1,1)n = -5:5; x = (-0.9).^n;k = -200:200; w = (pi/100)*k;X = x * (exp(-j*pi/100)) .^ (n'*k);magX = abs(X); angX =angle(X);subplot(2,1,1); plot(w/pi,magX);gridaxis([-2,2,0,15])xlabel('frequency in units of pi'); ylabel('|X|')title('Magnitude Part')subplot(2,1,2); plot(w/pi,angX)/pi;gridaxis([-2,2,-1,1])xlabel('frequency in units of pi');ylabel('radians/pi')title('Angle Part')
7
[email protected] III.A. Transformasi Fourier Waktu Diskrit
19
Contoh 3.6 & Solusinya
-2 -1.5 -1 -0.5 0 0.5 1 1.5 20
5
10
15
frequency in units of pi
|X|
Magnitude Part
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-3
-2
-1
0
1
2
3
frequency in units of pi
radi
ans/
pi
Angle Part
[email protected] III.A. Transformasi Fourier Waktu Diskrit
20
Bersambung
• Berikutnya...– 3B: Sifat-sifat Transformasi Fourier Waktu
Diskrit (TFWD)!
1
Kuliah PSD 01 (MFS4617)[email protected]
3B – Sifat-sifat Transformasi Fourier Waktu Diskrit (TFWD)
[email protected] III.B. Sifat2 TFWD 2
Linearitas
1. Linearity (Linearitas): Transformasi Fourier waktu-diskrit merupakan suatu bentuk transformasi yang linear, hal ini dicirikan melalui persamaan berikut:
[email protected] III.B. Sifat2 TFWD 3
Penggeseran waktu dan frekuensi
2. Time Shifting (Pergeseran Waktu): suatu perpindahan dalam ranah waktu ditujukan untuk perpindahan fase, hal ini dinyatakan dengan persamaan berikut:
3. Frequency shifting (Pergeseran Frekuensi):Perkalian dengan sebuah eksponensial kompleks merupakan suatu penggeseran dalam ranah frekuensi:
2
[email protected] III.B. Sifat2 TFWD 4
4. Conjugation (konjugasi): Konjugasi dalam ranah waktu merupakan lipatan dan konjugasi dalam ranah frekuensi:
5. Folding (pelipatan): Lipatan dalam ranah waktu merupakan lipatan dalam ranah frekuensi
Konjugasi dan Pelipatan
[email protected] III.B. Sifat2 TFWD 5
6. Simetri dalam deret nyata:
Implikasi: Jika urutan x(n) adalah real dan genap, hanya satu plot [0,π] yang dapat digunakan untuk penyajian lengkap.
Simetri dalam deret nyata
[email protected] III.B. Sifat2 TFWD 6
7. Convolution (Konvolusi): ini merupakan salah satu dari sifat-sifat yang sangat berguna dalam analisis sistem yang sesuai dalam ranah frekuensi
8. Multiplication (Perkalian): ini merupakan suatu sifat konvolusi rangkap dua
Convolution (konvolusi) seperti operasi diatas disebut dengan konvolusi periodik (periodic convolution).
Konvolusi vs. Perkalian
3
[email protected] III.B. Sifat2 TFWD 7
Energi sinyal
9. Energy (energi): Energi dari sinyal x(n) dituliskan dengan persamaan berikut:
[email protected] III.B. Sifat2 TFWD 8
Hal ini juga dikenal sebagai Teorema Parseval. Dari (3.13) spektrum densitas energi dari x(n) didefinisikan sebagai berikut
Selanjutnya energi dari x(n) dalam pita atau jangkauan [ω1,ω2] dinyatakan dengan
Catatan Sifat-sifat TFWD
[email protected] III.B. Sifat2 TFWD 9
Contoh soal 3.7
• Dalam contoh ini akan dibuktikan sifat linearitas menggunakan sinyal/deret real durasi-terbatas x1(n) dan x2(n), yang merupakan dua deret acak yang didistribusikan antara [0,1] untuk jangkauan 0 ≤ n ≤ 10.
• Selanjutnya kita dapat menggunakan prosedur TFWD sebagai berikut…(Matlab):
4
[email protected] III.B. Sifat2 TFWD 10
x1 = rand(1,11); x2 = rand(1,11); n = 0:10;alpha = 2; beta = 3;k = 0:500; w = (pi/500)*k;X1 = x1 * (exp(-j*pi/500)).^(n'*k); % DTFT of x1X2 = x2 * (exp(-j*pi/500)).^(n'*k); % DTFT of x2x = alpha*x1 + beta*x2; % Linear combination of x1 & x2X = x * (exp(-j*pi/500)).^(n'*k); % DTFT of x% verificationX_check = alpha*X1 + beta*X2; % Linear Combination of X1 & X2error = max(abs(X-X_check)) % Difference
error =
7.9441e-015
Contoh soal 3.7 – Solusi Matlab
[email protected] III.B. Sifat2 TFWD 11
Contoh soal 3.8
• x(n) merupakan deret acak yang didistribusikan antara [0,1] untuk jangkauan 0 ≤ n ≤ 10 dan y(n) = x(n – 2).
• Selanjutnya kita dapat membuktikan contoh sifat penggeseran sebagai berikut…
[email protected] III.B. Sifat2 TFWD 12
Contoh soal 3.8 – Solusi Matlab
x = rand(1,11); n = 0:10;k = 0:500; w = (pi/500)*k;X = x * (exp(-j*pi/500)).^(n'*k); % DTFT of x% signal shifted by two samplesy = x; m = n+2;Y = y * (exp(-j*pi/500)).^(m'*k); % DTFT of y% verificationY_check = (exp(-j*2).^w).*X; % multiplication by exp(-j2w)error = max(abs(Y-Y_check)) % Difference
error =
8.4843e-015
5
[email protected] III.B. Sifat2 TFWD 13
Contoh soal 3.9
• Untuk membuktikan sifat penggeseran frekuensi kita akan menggunakan pendekatan grafik (visualisasi)…
[email protected] III.B. Sifat2 TFWD 14
Contoh soal 3.9 – Solusi Matlabn = 0:100; x = cos(pi*n/2);k = -100:100; w = (pi/100)*k; % frequency between -pi and +piX = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x%y = exp(j*pi*n/4).*x; % signal multiplied by exp(j*pi*n/4)Y = y * (exp(-j*pi/100)).^(n'*k); % DTFT of y% Graphical verificationsubplot(1,1,1)subplot(2,2,1); plot(w/pi,abs(X)); grid; axis([-1,1,0,60])xlabel('frequency in pi units'); ylabel('|X|')title('Magnitude of X')subplot(2,2,2); plot(w/pi,angle(X)/pi); grid; axis([-1,1,-1,1])xlabel('frequency in pi units'); ylabel('radiands/pi')title('Angle of X')subplot(2,2,3); plot(w/pi,abs(Y)); grid; axis([-1,1,0,60])xlabel('frequency in pi units'); ylabel('|Y|')title('Magnitude of Y')subplot(2,2,4); plot(w/pi,angle(Y)/pi); grid; axis([-1,1,-1,1])xlabel('frequency in pi units'); ylabel('radians/pi')title('Angle of Y')
[email protected] III.B. Sifat2 TFWD 15
-1 -0.5 0 0.5 10
10
20
30
40
50
60
frequency in pi units
|X|
Magnitude of X
-1 -0.5 0 0.5 1-1
-0.5
0
0.5
1
frequency in pi units
radi
ands
/pi
Angle of X
-1 -0.5 0 0.5 10
10
20
30
40
50
60
frequency in pi units
|Y|
Magnitude of Y
-1 -0.5 0 0.5 1-1
-0.5
0
0.5
1
frequency in pi units
radi
ans/
pi
Angle of Y
6
[email protected] III.B. Sifat2 TFWD 16
Contoh soal 3.10
• Membuktikan sifat konjugasi diketahui sinyal x(n) merupakan sinyal acak bilangan kompleks untuk –5 ≤ n ≤ 10 yang secara umum didistribusikan antara [0,1].
[email protected] III.B. Sifat2 TFWD 17
Contoh soal 3.10 – Solusi Matlab
n = -5:10; x = rand(1,length(n)) + j*rand(1,length(n));k = -100:100; w = (pi/100)*k; % frequency between -pi and +piX = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x% conjugation propertyy = conj(x); % signal conjugationY = y * (exp(-j*pi/100)).^(n'*k); % DTFT of y% verificationY_check = conj(fliplr(X)); % conj(X(-w))error = max(abs(Y-Y_check)) % Difference
error =
1.1382e-013
[email protected] III.B. Sifat2 TFWD 18
Contoh soal 3.11
• Untuk membuktikan sifat pelipatan, diketahui sinyal x(n) merupakan sinyal acak untuk –5 ≤ n ≤ 10 yang secara umum didistribusikan antara [0,1].
7
[email protected] III.B. Sifat2 TFWD 19
Contoh soal 3.11 – Solusi Matlab
n = -5:10; x = rand(1,length(n));k = -100:100; w = (pi/100)*k; % frequency between -pi and +piX = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x% folding propertyy = fliplr(x); m = -fliplr(n); % signal foldingY = y * (exp(-j*pi/100)).^(m'*k); % DTFT of y% verificationY_check = fliplr(X); % X(-w)error = max(abs(Y-Y_check)) % Difference
error =
1.6012e-015
[email protected] III.B. Sifat2 TFWD 20
• Dalam masalah ini akan dibuktikan sifat simetri dari sinyal real
kemudian menggunakan fungsi evenodd.m (pada Bab 2), dapat dihitung bagian genap dan ganjil-nya, kemudian dievaluasi TFWD-nya…
Contoh soal 3.12
[email protected] III.B. Sifat2 TFWD 21
Contoh soal 3.12 – Solusi Matlab
n = -5:10; x = sin(pi*n/2);k = -100:100; w = (pi/100)*k; % frequency between -pi and +piX = x * (exp(-j*pi/100)).^(n'*k); % DTFT of x% signal decomposition[xe,xo,m] = evenodd(x,n); % even and odd partsXE = xe * (exp(-j*pi/100)).^(m'*k); % DTFT of xeXO = xo * (exp(-j*pi/100)).^(m'*k); % DTFT of xo% verificationXR = real(X); % real part of Xerror1 = max(abs(XE-XR)) % DifferenceXI = imag(X); % imag part of Xerror2 = max(abs(XO-j*XI)) % Difference
8
[email protected] III.B. Sifat2 TFWD 22
Contoh soal 3.12 – Solusi Matlab
% graphical verificationsubplot(1,1,1)subplot(2,2,1); plot(w/pi,XR); grid; axis([-1,1,-2,2])xlabel('frequency in pi units'); ylabel('Re(X)');title('Real part of X')subplot(2,2,2); plot(w/pi,XI); grid; axis([-1,1,-10,10])xlabel('frequency in pi units'); ylabel('Im(X)');title('Imaginary part of X')subplot(2,2,3); plot(w/pi,real(XE)); grid; axis([-1,1,-2,2])xlabel('frequency in pi units'); ylabel('XE');title('Transform of even part')subplot(2,2,4); plot(w/pi,imag(XO)); grid; axis([-1,1,-10,10])xlabel('frequency in pi units'); ylabel('XO');title('Transform of odd part')
[email protected] III.B. Sifat2 TFWD 23
-1 -0.5 0 0.5 1-2
-1
0
1
2
frequency in pi units
Re(
X)
Real part of X
-1 -0.5 0 0.5 1-10
-5
0
5
10
frequency in pi units
Im(X
)
Imaginary part of X
-1 -0.5 0 0.5 1-2
-1
0
1
2
frequency in pi units
XE
Transform of even part
-1 -0.5 0 0.5 1-10
-5
0
5
10
frequency in pi units
XO
Transform of odd part
[email protected] III.B. Sifat2 TFWD 24
Bersambung…
• Berikutnya...– 3C: Penyajian sistem LTI dalam Ranah-
Frekuensi!
1
3C – Penyajian Sistem LTI dalam Ranah Frekuensi
Kuliah PSD 01 (MFS4617)[email protected]
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
2
Tanggap Eksponensial Kompleks
• x(n)=ejωon merupakan suatu masukan terhadap sistem LTI yang dinyatakan dengan tanggap impuls h(n)…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
3
Definisi-1: Tanggap Frekuensi
• TFWD dari suatu tanggap impuls disebut tanggap frekuensi (Fungsi Alih) dari suatu sistem LTI dan dinyatakan dengan persamaan…
• Dengan demikian persamaan (3.15) dapat dituliskan sebagai…
∑∞
∞−
−≡ njnj enheH ωω )()(
2
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
4
Definisi-1: Tanggap Frekuensi• Hasil selanjutnya dapat diperluas dengan kombinasi
linear antar eksponensial kompleks menggunakan linearitas sistem LTI…
• Pada umumnya tanggap frekuensi H(ejω) adalah suatu fungsi kompleks dari ω. Magnitude |H(ejω)| dari H(ejω)disebut sebagai fungsi tanggap magnitude (atau gain)dan sudut ∠H(ejω) disebut fungsi tanggap fase.
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
5
Tanggap thd Deret Sinusoidal
• x(n)=A.cos(ω0n+θ0) sebagai masukan ke sistem LTI h(n). Maka dari persamaan (3.17) dapat ditunjukkan bahwa tanggap y(n) merupakan sinusoid lain dari frekuensi ω0 yang sama, dengan amplitudo yang dikuatkan |H(ejω)|sebesar dan fase yang digeser sebesar ∠H(ejω),sehingga…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
6
Tanggap thd Deret Sinusoidal
• Tanggap ini (persamaan 3.18) disebut dengan Tanggap Kondisi-Tetap (Steady State) dan dinyatakan dengan yss(n).Persamaan tersebut dapat diperluas menjadi sebuah kombinasi linear deret sinusoidal:
3
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
7
Tanggap thd Sembarang Deret• Persamaan 3.17 dapat digeneralisasi ke bentuk
deret yang dapat secara absolut-dijumlahkan (absolute summable).Jika X(ejωn)=F[x(n)] dan Y(ejωn)=F[y(n)], maka dengan menggunakan Sifat konvolusi diperoleh…
• Dengan demikian, sebuah sistem LTI dapat dinyatakan dalam ranah frekuensi sebagai…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
8
Contoh Soal 3.13
• Tentukan tanggap frekuensi H(ejω) dari suatu sistem yang dicirikan dengan h(n)=(0.9)nu(n). Gambarkan besaran dan tanggap fase-nya…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
9
Contoh Soal 3.13 - Solusi
4
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
10
Contoh Soal 3.13 - Solusi
• Untuk menggambarkan tanggap ini, dapat diimplementasikan fungsi |H(ejω)| dan ∠H(ejω) atau tanggap frekuensi H(ejω),kemudian melakukan proses perhitungan besaran dan fase-nya, berikut Matlab-nya…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
11
Contoh Soal 3.13 - Solusiw = [0:1:500]*pi/500; % [0, pi] axis divided into 501pts.X = exp(j*w) ./ (exp(j*w) - 0.9*ones(1,501));magX = abs(X); angX = angle(X);subplot(2,1,1); plot(w/pi,magX); grid; axis([0,1,0,10])xlabel('frequency in pi units'); ylabel('|H|');title('Magnitude Response');subplot(2,1,2); plot(w/pi,angX/pi); gridxlabel('frequency in pi units'); ylabel('Phase in pi Radians');title('Phase Response');
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
12
Contoh Soal 3.13 – Visualisasi Matlab
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
2
4
6
8
10
frequency in pi units
|H|
Magnitude Response
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-0.4
-0.3
-0.2
-0.1
0
frequency in pi units
Phas
ein
piR
adia
ns
Phase Response
5
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
13
Contoh Soal 3.14
• Misalkan masukan ke sistem pada contoh 3.13 adalah 0.1u(n), tentukan tanggap kondisi-tetap (steady-state) yss(n)…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
14
Contoh Soal 3.14 - Solusi• Masukan bukan deret yang secara absolut-dapat-
dijumlahkan TFWD tidak terlalu bermanfaat!• Tapi bisa dipakai untuk menghitung tanggap kondisi-
tetap (steady-state response)!• Dalam kondisi tetap, untuk n ∞, masukan merupakan
konstanta (atau sebuah sinusoidal dengan ω0 = θ0 = 0), dengan demikian keluarannya adalah…
yss(n) = 0.1 x H(ej0) = 0.1 x 10 = 1• Dengan penguatan sistem pada ω=0 (penguatan DC)
adalah H(ejω)=10 (dari gambar contoh sebelumnya).
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
15
Fungsi Tanggap Frekuensi dari Persamaan Beda
• Jika sebuah Sistem LTI dinyatakan dengan persamaan beda …
• maka untuk mengevaluasi tanggap frekuensi dari pers 3.16, dibutuhkan tanggap impuls h(n). Namun dengan pers 3.17 dapat dengan mudah diperoleh H(ejω)
• Jika x(n)=ejωn, maka y(n) harus , substitusikan ke pers 3.20 diperoleh…
6
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
16
Fungsi Tanggap Frekuensi dari Persamaan Beda
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
17
Contoh Soal 3.15
• Sebuah sistem LTI dinyatakan dengan persamaan beda berikut…
y(n) = 0.8y(n-1) + x(n)1. Tentukan H(ejω)2. Hitung dan gambarkan tanggap kondisi-
tetap yss(n) untuk x(n)=cos(0.05πn)u(n)
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
18
Contoh Soal 3.15 - Solusi• Tuliskan kembali persamaan beda menjadi…
y(n) – 0.8y(n-1) = x(n)1. Menggunakan pers 3.21 diperoleh…
2. Untuk kondisi-tetap, masukannya adalah x(n)=cos(0.05πn) dengan frekuensi ω0=0.05πdan θ0=0°. Tanggap sistemnya adalah
7
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
19
Contoh Soal 3.15 – Solusi Matlabsubplot(1,1,1)b = 1; a = [1,-0.8];n=[0:100];x = cos(0.05*pi*n);y = filter(b,a,x);subplot(2,1,1); stem(n,x);xlabel('n'); ylabel('x(n)'); title('Input sequence')subplot(2,1,2); stem(n,y);xlabel('n'); ylabel('y(n)'); title('Output sequence')
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
20
Contoh Soal 3.15 – Visualisasi Matlab
0 10 20 30 40 50 60 70 80 90 100-1
-0.5
0
0.5
1
n
x(n)
Input sequence
0 10 20 30 40 50 60 70 80 90 100-5
0
5
n
y(n)
Output sequence3.42
4.092
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
21
Asumsi vs. Kenyataan• Contoh 3.15 persamaan beda orde pertama (1st
order) dengan mudah dapat diimplementasikan dengan 3.22 menggunakan Matlab;
• Kenyataannya orde persamaan lebih tinggi perlu prosedur yang efektif atau singkat untuk implementasi 3.21;
• Gunakan perkalian vektor matriks sederhana Jika kita evaluasi H(ejω) pada frekuensi k=0,1,…,K yang sama jaraknya dari [0,π], maka…
8
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
22
Asumsi vs. Kenyataan
• Jika bm, al (dengan a0=1), m=0,..,M, l=0,..,N dan ωkmerupakan larik (atau vektor baris), maka pembilang dan penyebut pada 3.23 menjadi…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
23
Asumsi vs. Kenyataan
• Dengan demikian, larik H(ejω) pada 3.23 dapat dihitung menggunakan operasi ./ di dalam Matlab…
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
24
Contoh Soal 3.15
• Penapis lolos-rendah orde-3 dituliskan sebagai berikut…
• Gambarkan tanggap besaran dan fase dari penapis ini dan verifikasi-lah bahwa persamaan beda tersebut merupakan penapis lolos-rendah!
9
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
25
Contoh Soal 3.15 - Solusib = [0.0181, 0.0543, 0.0543, 0.0181];a = [1.0000, -1.7600, 1.1829, -0.2781];m = 0:length(b)-1; l = 0:length(a)-1;K = 500; k = 1:1:K;w = pi*k/K; % [0, pi] axis divided into 501 points.num = b * exp(-j*m'*w); % Numerator calculationsden = a * exp(-j*l'*w); % Denominator calculationsH = num ./ den;magH = abs(H); angH = angle(H);
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
26
Contoh Soal 3.15 - Solusisubplot(1,1,1);subplot(2,1,1); plot(w/pi,magH);grid; axis([0,1,0,1])xlabel('frequency in pi units'); ylabel('|H|');title('Magnitude Response');subplot(2,1,2); plot(w/pi,angH/pi); gridxlabel('frequency in pi units'); ylabel('Phase in pi Radians');title('Phase Response');
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
27
Contoh Soal 3.15 – Visualisasi Matlab
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.2
0.4
0.6
0.8
1
frequency in pi units
|H|
Magnitude Response
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-1
-0.5
0
0.5
1
frequency in pi units
Phas
ein
piR
adia
ns
Phase Response
Ciri-ciri penapislolos-rendah!
10
[email protected] III.C. Penyajian Sistem LTI dalam Ranah Frekuensi
28
Bersambung
• Berikutnya…– 3C: Pencuplikan dan Rekonstruksi Sinyal
Analog!
3D – Pencuplikan & Rekonstruksi Sinyal Analog
Kuliah PSD 01 (MFS4617)[email protected]
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
2
Pendahuluan• Dalam berbagai aplikasi – misalnya dunia komunikasi
digital – sinyal analog dikonversi ke sinyal diskritmenggunakan pencuplikan dan operasi kuantisasi(Konversi Analog ke Digital atau ADC).
• Sinyal diskrit ini diolah oleh Prosesor Sinyal Digital dansinyal yang diproses dikonversi kembali ke sinyal analog menggunakan operasi rekonstruksi (Konversi Digital keAnalog atau DAC).
• Menggunakan Analisa Fourier, kita dapat menjelaskan operasi pencuplikan dari sudut pandang ranah-frekuensi, analisa efek dan melakukan operasi rekonstruksi yang tepat.
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
3
Pencuplikan• xa(t) merupakan sinyal analog. Transformasi Fourier
Waktu-Kontinyu diberikan oleh persamaan sebagai berikut:
• Dimana Ω adalah frekuensi analog dalam radian/detik. Kebalikan dari Tranformasi Fourier Waktu Kontinyu diberikan dengan persamaan berikut:
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
4
• Sekarang kita cuplik xa(t) pada pencuplikan tersendiri Interval Ts detik untuk memperoleh sinyal waktu diskrit x(n):
• Transformasi Fourier Waktu Diskrit X(ejωn)dari x(n)merupakan jumlah yang dapat dihitung dari skala-amplitudo, skala-frekuensi dan versi terjemahan dari Transformasi Fourier Xa(jΩ)
Pencuplikan
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
5
Pencuplikan• Persamaan 3.26 tersebut dikenal dengan
Persamaan Aliasing. Frekuensi analog dan digital dihubungkan lewat Ts.
• Frekuensi Pencuplikan diberikan oleh persamaan berikut:
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
6
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
7
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
8
Definisi 2: Sinyal Pita-Terbatas• Suatu sinyal memiliki Pita-Terbatas jika terdapat
frekuensi Radian terbatas Ω0 sedemikian hingga Xa(jΩ) adalah 0 untuk |Ω| > Ω0. Frekuensi F0=Ω0/2π disebut lebarpita sinyal dalam Hz.
• Merujuk gambar 3.10 maka jika π > Ω0Ts atau Fs/2 > F0 maka bentuk persamaannya adalah sebagai berikut:
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
9
Teorema-3: Prinsip Pencuplikan
• Suatu sinyal pita-terbatas xa(t) dengan lebar pita F0 dapatdirekonstruksi dari nilai cuplikannya x(n) = xa(nTs), jikapencuplikan frekuensi Fs = 1/Ts lebih besar daripada duakali lebar pita F0 dari xa(t).
Fs > 2Fo• Sebaliknya aliasing akan menghasilkan x(n). Laju
pencuplikan 2F0 untuk suatu sinyal analog pita-terbatasdisebut Laju Nyquist
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
10
Implementasi MATLAB: Pencuplikan
• Tidak mungkin menganalisa sinyal analog dengan MATLAB kecuali menggunakan Toolbox Symbolic proses lama;
• Jika kita mencuplik xa(t) dengan grid yang baik yang memiliki kenaikan waktu yang cukup kecil sedemikian hingga menghasilkan plot yang halus dan waktu maksimum yg cukup besar untuk bisa menampilkan semua data, maka dapat dilakukan analisa pendekatan.
• Misalkan ∆t sebagai interval grid sedemikian hingga∆t << Ts. Maka…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
11
Implementasi MATLAB: Pencuplikan
• Persamaan 3.30 dapat digunakan sebagai suatu larik untuk mensimulasikan sinyal analog.
• Interval pencuplikan Ts jangan disamakan dengan ∆t, yang digunakan untuk menyatakan sinyal analog!
• Persamaan Transformasi Fourier 3.24 dapat didekati dengan persamaan 3.30, sehingga:
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
12
Contoh 3.17 & Solusi
• Tentukan dan Gambarkan Transformasi Fourier dari xa(t) = e-1000|t|.
• Solusi, dari persamaan 3.24…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
13
Contoh 3.17 – Solusi (lanjt…)• Yang merupakan suatu fungsi nilai-nyata karena xa(t)
merupakan sinyal nyata dan genap. • Untuk mengevaluasi Xa(jΩ) secara numerik maka xa(t)
harus didekati dengan deretan grid durasi-terbatas xG(m).
• Menggunakan pendekatan e-5 ≈ 0, maka sinyal xa(t)dapat didekati dengan sinyal berdurasi-terbatas antara -0.005 ≤ t ≤ 0.005 (atau [-5,5] mdetik)
• Persamaan 3.32, Xa(jΩ) ≈ 0 untuk Ω ≥ 2π(2000), sehingga dipilih…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
14
Contoh 3.17 – Solusi Matlab% Analog SignalDt = 0.00005;t = -0.005:Dt:0.005;xa = exp(-1000*abs(t));%% Continuous-time Fourier TransformWmax = 2*pi*2000;K = 500; k = 0:1:K;W = k*Wmax/K;Xa = xa * exp(-j*t'*W) * Dt;Xa = real(Xa);W = [-fliplr(W), W(2:501)]; % Omega from -Wmax to WmaxXa = [fliplr(Xa), Xa(2:501)];
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
15
Contoh 3.17 – Solusi Matlabsubplot(1,1,1)subplot(2,1,1);plot(t*1000,xa);xlabel('t in msec.'); ylabel('xa(t)')title('Analog Signal')subplot(2,1,2);plot(W/(2*pi*1000),Xa*1000);xlabel('Frequency in KHz');ylabel('Xa(jW)*1000')title('Continuous-time Fourier Transform')
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
16
Contoh 3.17 – Visualisasi Matlab
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.2
0.4
0.6
0.8
1
t in msec.
xa(t)
Analog Signal
-2 -1.5 -1 -0.5 0 0.5 1 1.5 20
0.5
1
1.5
2
Frequency in KHz
Xa(
jW)*1
000
Continuous-time Fourier Transform
4000π
- 4000π
xa(t)
Xa(jΩ)
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
17
Contoh 3.18• Untuk mempelajari efek pencuplikan pada
kuantitas ranah frekuensi, kita akan mencuplik xa(t) pada contoh 3.17 dengan frekuensi pencuplikan yang berbeda:
a. Cuplik xa(t) pada Fs ≈ 5000 cuplik/detik untuk menghasilkan x1(n).Tentukan dan gambarkan X1(ejω)!
b. Cuplik xa(t) pada Fs ≈ 1000 cuplik/detik untuk menghasilkan x2(n).Tentukan dan gambarkan X2(ejω)!
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
18
Contoh 3.18 – Solusi (a)
• Karena lebar-pita dari xa(t) adalah 2 kHz maka laju Nyquist-nya adalah 4000 cuplikan/detik, kurang dari Fs yang diinginkan aliasing (hampir) bisa dihindari…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
19
Contoh 3.18 – Solusi Matlab (a)% Analog SignalDt = 0.00005;t = -0.005:Dt:0.005;xa = exp(-1000*abs(t));% Discrete-time SignalTs = 0.0002; n = -25:1:25;x = exp(-1000*abs(n*Ts));% Discrete-time Fourier transformK = 500; k = 0:1:K;w = pi*k/K;X = x * exp(-j*n'*w);X = real(X);w = [-fliplr(w), w(2:K+1)];X = [fliplr(X), X(2:K+1)];
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
20
Contoh 3.18 – Solusi Matlab (a)subplot(1,1,1)subplot(2,1,1);plot(t*1000,xa);xlabel('t in msec.'); ylabel('x1(n)')title('Discrete Signal'); hold onstem(n*Ts*1000,x); gtext('Ts=0.2 msec'); hold offsubplot(2,1,2);plot(w/pi,X);xlabel('Frequency in pi units'); ylabel('X1(w)')title('Discrete-time Fourier Transform')
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
21
Contoh 3.18 – Visualisasi Matlab (a)
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.2
0.4
0.6
0.8
1
t in msec.
x1(n
)
Discrete Signal
Ts=0.2 msec
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10
2
4
6
8
10
Frequency in pi units
X1(
w)
Discrete-time Fourier Transform
Bentukmirip!
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
22
Contoh 3.18 – Solusi (b)
• Karena Fs = 1000 < 4000 akan terjadi efek aliasing…
• Perhatikan MATLAB dan hasilnya…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
23
Contoh 3.18 – Solusi Matlab (b)% Analog SignalDt = 0.00005;t = -0.005:Dt:0.005;xa = exp(-1000*abs(t));% Discrete-time SignalTs = 0.001; n = -5:1:5;x = exp(-1000*abs(n*Ts));% Discrete-time Fourier transformK = 500; k = 0:1:K;w = pi*k/K;X = x * exp(-j*n'*w);X = real(X);w = [-fliplr(w), w(2:K+1)];X = [fliplr(X), X(2:K+1)];
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
24
Contoh 3.18 – Solusi Matlab (b)subplot(1,1,1)subplot(2,1,1);plot(t*1000,xa);xlabel('t in msec.'); ylabel('x2(n)')title('Discrete Signal'); hold onstem(n*Ts*1000,x); gtext('Ts=1 msec');hold offsubplot(2,1,2);plot(w/pi,X);xlabel('Frequency in pi units'); ylabel('X2(w)')title('Discrete-time Fourier Transform')
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
25
Contoh 3.18 – Visualisasi Matlab (b)
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.2
0.4
0.6
0.8
1
t in msec.
x2(n
)
Discrete Signal
Ts=1 msec
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10
0.5
1
1.5
2
2.5
Frequency in pi units
X2(
w)
Discrete-time Fourier Transform
Bentuktidak sama!
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
26
Rekonstruksi• Dari Teorema Pencuplikan dan contoh-contoh
sebelumnya sangat jelas bahwa jika kita mencuplik xa(t) pita-terbatas diatas laju Nyquist, maka kita dapat merekonstruksi xa(t) dari cuplikan x(n).
• Rekonstruksi ini dapat dilakukan dengan proses dua langkah:
– Pertama: Cuplikan dikonversi menjadi deretan impuls berbobot:
– Kedua: Deretan impuls berbobot tsb di-tapis melalui sebuah penapis lolos-bawah ideal dibatasi pada pita [-Fs/2,Fs/2].
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
27
Rekonstruksi
• Dua langkah ini dapat dinyatakan secara matematis…
• Perhatikan gambar berikut… sin( )sinc(x) x
xππ
=
Fungsi Interpolasi
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
28
Rekonstruksi – Gambar 3.14
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
29
Rekonstruksi – Gambar 3.14
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
30
Konverter D/A praktis
• Perlu dipikirkan implementasi praktis (selain menggunakan persamaan 3.33).
• Tetap menggunakan dua langkah, penapis lolos-bawah ideal penapis lolos-bawah analog yang praktis!
• Persamaan 3.33 suatu interpolasi orde tak-berhingga interpolasi orde berhingga, beberapa pendekatan…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
31
Konverter D/A praktis: Interpolasi
• Interpolasi Zero-Order-Hold (ZOH): pada interpolasi ini, nilai cuplikan saat ini ditahan hingga cuplikan berikutnya diterima:
• Yang dapat diperoleh dengan cara menapis sederetan impuls melalui penapis interpolasi:
• Yang merupakan pulsa kotak hasilnya berupa gelombang undah (staircase)…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
32
Konverter D/A praktis: Interpolasi
• Interpolasi First-Order-Hold (FOH): Dalam kasus ini cuplikan yang berdampingan digabungkan dengan garis lurus.
• Yang dapat diperoleh dengan cara menapis sederetan impuls melalui penapis interpolasi (masih membutuhkan post-filter):
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
33
Konverter D/A praktis: Interpolasi• Interpolasi Kubik Spline (Cubic Spline): Pendekatan ini
menggunakan interpolan spline untuk penghalusan, tetapi tidak terlalu akurat, memperkirakan sinyal analog antar cuplikan.
• Tidak lagi membutuhkan post-filter analog.• Rekonstruksi yang halus diperoleh menggunakan sekumpulan
potongan-potongan kontinyu polinomial orde-ketiga cubic spline:
• dengan merupakan koefisien polinomial, yang ditentukan menggunakan analisa least-square pada tiap-tiap cuplikan.
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
34
Implementasi MATLAB: Rekonstruksi
• Untuk Interpolasi antara cuplikan MATLAB menyediakan beberapa pendekatan…
• Fungsi sinc(x), yang menghasilkan Fungsi(sin πx)/πx, dapat digunakan untuk implementasi persamaan 3.33.
• Jika diketahui x(n), n1≤ n ≤ n2 dan jika kita ingin untuk menginterpolasi xa(t) pada suatu grid yang sangat baik dengan interval grid ∆t, maka dengan persamaan 3.33 diperoleh…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
35
Implementasi MATLAB: Rekonstruksi
• Dengan MATLAB dituliskan…
n = n1:n2; t = t1:t2; Fs = 1/Ts; nTs = n*Ts;% Ts is the sampling intervalxa = x * sinc(Fs*(ones(length(n),1)*t-nTs’*ones(1, length(t)));
• Perhatikan contoh-contoh soal dan penyelesaian-nya berikut…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
36
Contoh 3.19
• Dari cuplikan-cuplikan x1(n) dalam contoh 3.18a, rekonstruksi-kan xa(t) dan berikan komentar pada hasilnya!
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
37
Contoh 3.19 - Solusi
• Catatan: x1(n) diperoleh dengan mencuplik xa(t) padaTs = 1/Fs = 0.0002 detik.
• Kita akan menggunakan spasi grid 0.00005 detik pada jangakuan-0.005 ≤ t ≤ 0.005, yang akan menghasilkan x(n) pada jangkauan -25 ≤ n ≤ 25.
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
38
Contoh 3.19 – Solusi Matlab% Discrete-time Signal x1(n)Ts = 0.0002; Fs = 1/Ts; n = -25:1:25; nTs = n*Ts;x = exp(-1000*abs(nTs));% Analog Signal reconstructionDt = 0.00005;t = -0.005:Dt:0.005;xa = x * sinc(Fs*(ones(length(nTs),1)*t-
nTs'*ones(1,length(t))));% checkerror = max(abs(xa - exp(-1000*abs(t))))error =
0.0363
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
39
Contoh 3.19 – Solusi Matlab% Plotsplot(t*1000,xa);xlabel('t in msec.'); ylabel('xa(t)')title('Reconstructed Signal from x1(n) using sinc function');hold onstem(n*Ts*1000,x); hold off
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
40
Contoh 3.19 – Visualisasi Matlab
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t in msec.
xa(t)
Reconstructed Signal from x1(n) using sinc function
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
41
Contoh 3.20 & Solusi• Dari cuplikan-cuplikan x2(n) dalam contoh 3.18b,
rekonstruksi-kan xa(t) dan berikan komentar pada hasilnya!
• Dalam kasus ini x2(n) diperoleh dengan pencuplikan xa(t) pada Ts = 1/Fs = 0.001 detik.
• Kita akan menggunakan lagi spasi grid dari 0.00005 detik pada jangkauan-0.005 ≤ t ≤ 0.005, yang menghasilkan x(n) pada jangkauan -5 ≤ n ≤ 5.
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
42
Contoh 3.20 – Solusi Matlab% Discrete-time Signal x1(n)Ts = 0.001; Fs = 1/Ts; n = -5:1:5; nTs = n*Ts;x = exp(-1000*abs(nTs));% Analog Signal reconstructionDt = 0.00005;t = -0.005:Dt:0.005;xa = x * sinc(Fs*(ones(length(nTs),1)*t-nTs'*ones(1,length(t))));% checkerror = max(abs(xa - exp(-1000*abs(t))))error =
0.1852
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
43
Contoh 3.20 – Solusi Matlabplot(t*1000,xa);xlabel('t in msec.'); ylabel('xa(t)')title('Reconstructed Signal from x2(n) using sinc function'); hold onstem(n*Ts*1000,x);hold off
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
44
Contoh 3.20 – Visualisasi Matlab
-5 -4 -3 -2 -1 0 1 2 3 4 5-0.2
0
0.2
0.4
0.6
0.8
1
1.2
t in msec.
xa(t)
Reconstructed Signal from x2(n) using sinc function
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
45
Rekonstruksi – Pendekatan lain (MATLAB)
• Pendekatan MATLAB yang kedua adalah pendekatan plot/gambar;
• Fungsi stairs digunakan untuk menggambarkan ZOH sinyal analog, sedangkan fungsi plot digunakan untuk FOH…
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
46
Contoh 3.21 & Solusi
• Gambarkan rekonstruksi sinyal dari cuplikan-cuplikan x1(n) dalam contoh 3.18 menggunakan interpolasi ZOH dan POH. Berikan Komentar pada hasilnya!
• Sebagai catatan bahwa dalam rekonstruksi ini kita tidak menghitung xa(t)tetapi hanya menggunakan cuplikan-cuplikan-nya.
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
47
Contoh 3.21 – Solusi Matlabfigure(1); clf% Discrete-time Signal x1(n) : Ts = 0.0002Ts = 0.0002; n = -25:1:25; nTs = n*Ts;x = exp(-1000*abs(nTs));% Analog Signal reconstruction using stairssubplot(2,1,1); stairs(nTs*1000,x);xlabel('t in msec.'); ylabel('xa(t)')title('Reconstructed Signal from x1(n) using zero-order-hold'); hold onstem(n*Ts*1000,x); hold off% Analog Signal reconstruction using plotsubplot(2,1,2); plot(nTs*1000,x);xlabel('t in msec.'); ylabel('xa(t)')title('Reconstructed Signal from x1(n) using first-order-hold'); hold onstem(n*Ts*1000,x); hold off
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
48
Contoh 3.21 – Visualisasi Matlab
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.2
0.4
0.6
0.8
1
t in msec.
xa(t)
Reconstructed Signal from x1(n) using zero-order-hold
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.2
0.4
0.6
0.8
1
t in msec.
xa(t)
Reconstructed Signal from x1(n) using first-order-hold
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
49
Contoh 3.22 & Solusi
• Dari cuplikan x1(n) dan x2(n) dalam contoh 3.18, tentukan rekonstruksi xa(t)menggunakan fungsi spline. Berikan komentar pada hasilnya!
• Contoh ini hampir sama dengan contoh 3.19 dan 3.20. Oleh sebab itu parameter pencuplikan sama dengan sebelumnya.
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
50
Contoh 3.22 – Solusi Matlab% a) Discrete-time Signal x1(n): Ts = 0.0002Ts = 0.0002; n = -25:1:25; nTs = n*Ts;x = exp(-1000*abs(nTs));% Analog Signal reconstructionDt = 0.00005;t = -0.005:Dt:0.005;xa = spline(nTs,x,t);% checkerror = max(abs(xa - exp(-1000*abs(t))))error =
0.0317
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
51
Contoh 3.22 – Solusi Matlabfigure(1); clfsubplot(2,1,1);plot(t*1000,xa);xlabel('t in msec.'); ylabel('xa(t)')title('Reconstructed Signal from x1(n) using cubic spline function');hold onstem(n*Ts*1000,x); hold off
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
52
Contoh 3.22 – Solusi Matlab% b) Discrete-time Signal x2(n): Ts = 0.001Ts = 0.001; n = -5:1:5; nTs = n*Ts;x = exp(-1000*abs(nTs));% Analog Signal reconstructionDt = 0.00005;t = -0.005:Dt:0.005;xa = spline(nTs,x,t);% checkerror = max(abs(xa - exp(-1000*abs(t))))error =
0.1679
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
53
Contoh 3.22 – Solusi Matlab% Plotssubplot(2,1,2);plot(t*1000,xa);xlabel('t in msec.'); ylabel('xa(t)')title('Reconstructed Signal from x2(n) using cubic spline function');hold onstem(n*Ts*1000,x); hold off
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
54
Contoh 3.22 – Visualisasi Matlab
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.2
0.4
0.6
0.8
1
t in msec.
xa(t)
Reconstructed Signal from x1(n) using cubic spline function
-5 -4 -3 -2 -1 0 1 2 3 4 50
0.2
0.4
0.6
0.8
1
t in msec.
xa(t)
Reconstructed Signal from x2(n) using cubic spline function
[email protected] III.D. Pencuplikan dan Rekonstruksi Sinyal Analog
55
Terima Kasih!
• TFWD selesai...• Berikutnya
– 4A: Transformasi Z bilateral!