Upload
others
View
30
Download
0
Embed Size (px)
Citation preview
Edisi Semester 2 17/18 EYH 1
Pencuplikan Sinyal Waktu Kontinyu
dan Rekonstruksi5
Edisi Semester 2 17/18 EYH 2
5.1 Pengolahan Sinyal Waktu Diskrit
5.1.1 Sampling
5.1.1.1 Sampling Priodik
5.1.1.2 Representasi domain frekuensi proses sampling
5.1.1.3 Frequency Ambiguity
5.1.2 Rekonstruksi
5.1.3 Pengolahan Sinyal Waktu Diskrit
5.2 Pengolahan Sinyal Dijital
5.2.1 Konversi Analog ke Digital (A/D Converter)
5.2.1.1 Anti aliasing Filter
5.2.1.2 Rangkaian Sampling and Hold (S/H)
5.2.1.3 Kuantisasi dan Coding
5.2.2 Konversi Digital ke Analog (D/A Converter)
5.2.2.1 Interpolasi Zero-order-hold (ZOH)
5.2.2.2 Interpolasi First-order-hold (FOH)
5.2.2.3 Interpolasi Cubic Spline
Edisi Semester 2 17/18 EYH 3
5.1 Pengolahan Sinyal Waktu Diskrit(Discrete Time Signal Processing)
Discrete time
system
h(n)x(n) y(n)
x(n)
n12 3 4 5 6 7 8
y(n)
n12 3 4 5 6 7 8
Edisi Semester 2 17/18 EYH 4
Contoh : Pemfilteran
Filter LTI
h(n)x(n) y(n)
x(n)
n12 3 4 5 6 7 8
y(n)
n12 3 4 5 6 7 8
Filter LTI
H(ej)
X(ej) X(ej)
( ) ( )
( ) ( )
( ) ( )
DTFT j
DTFT j
DTFT j
x n X e
h n H e
y n Y e
Filter design
Edisi Semester 2 17/18 EYH 5
Deretan sinyal diperoleh dari pencuplikan secara periodik sinyal kontinyu ( ).
( ) -
dimana adalah perioda sampling dan 1/ adalah frekue
c
c
s
x n x t
x n x nT n
T f T
s
nsi sampling (sampel per detik).
Frekuensi sampling dapat juga dinyatakan dengan 2 / (radians per detik).
Sistem yang merepresentasikan persamaan ( ) disebut
ideal continuous-to-discrete-time
c
T
x n x nT
(C/D) converter diilustrasikan pada gambar berikut
C/Dxc(t)
T
x(n)=xc(nT)
Dalam prakteknya operasi sampling diimplementasikan dengan A/D converter yang dapat
dianggap sebagai aproksimasi ideal C/D konverter.
5.1.1 Sampling5.1.1.1 Sampling Periodik
Edisi Semester 2 17/18 EYH 6
Secara matematis proses sampling direpresentasikan dalam 2 tahap;
1. Modulasi oleh impulse train modulator
2. Konversi impulse train ke deretan (sinyal waktu diskrit)
T
Konversi impulse
train ke deretanxc(t)xs(t)
s(t)
x(n)=xc(nT)
xc(t) xs(t) x(n)
t t n
s(t)
t
T12 3 4 5 6 7 8
T = Perioda pencuplikan
fs= 1/T = frekuensi pencuplikan
Secara matematis proses sampling direpresentasikan dalam 2 tahap;
1. Modulasi oleh impulse train modulator
( ) -
( ) ( ). ( )
= ( ). -
= ( ).
n
s c
c
n
c
s t t nT
x t x t s t
x t t nT
x nT t
s
-
Transformasi Fourier dari ( )
2 ( ) -
2 / (radians per detik).
Transformasi Fourier dari ( )
1 1 2 1 ( ) ( ) ( ) ( ) -
2 2
n
s
k
s
s c c s c
k
nT
s t
S j kT
T
x t
X j X j S j X j k X jT T
-
2. Konversi impulse train ke deretan (sinyal waktu diskrit)
Transformasi Fourier Waktu Kontinyu dari ( )
( ) ( )
Karena
s
k
s
j Tn
s c
n
k
x t
X j x nT e
( )
dan ( ) = ( )
maka ( ) ( ) ( )
1 1 2 ( ) - ( )
c
j j n
n
j j T
s T
j T
c s c
k k
x n x nT
X e x n e
X j X e X e
kX e X j k X j
T T T T
Edisi Semester 2 17/18 EYH 7
5.1.1.2 Representasi domain frekuensi proses sampling
Secara matematis proses sampling direpresentasikan dalam 2 tahap;
1. Modulasi oleh impulse train modulator
( ) -
( ) ( ). ( )
= ( ). -
= ( ).
n
s c
c
n
c
s t t nT
x t x t s t
x t t nT
x nT t
s
-
Transformasi Fourier dari ( )
2 ( ) -
2 / (radians per detik).
Transformasi Fourier dari ( )
1 1 2 1 ( ) ( ) ( ) ( ) -
2 2
n
s
k
s
s c c s c
k
nT
s t
S j kT
T
x t
X j X j S j X j k X jT T
-
2. Konversi impulse train ke deretan (sinyal waktu diskrit)
Transformasi Fourier Waktu Kontinyu dari ( )
( ) ( )
Karena
s
k
s
j Tn
s c
n
k
x t
X j x nT e
( )
dan ( ) = ( )
maka ( ) ( ) ( )
1 1 2 ( ) - ( )
c
j j n
n
j j T
s T
j T
c s c
k k
x n x nT
X e x n e
X j X e X e
kX e X j k X j
T T T T
Edisi Semester 2 17/18 EYH 8
5.1.1.2 Representasi domain frekuensi proses sampling
Edisi Semester 2 17/18 EYH 9
T
Xc(j)
Konversi deretan
impuls ke deretan
waktu diskritxc(t)
xs(t)
s(t)Xs(j)
X(ej)
x[n]=xc(nT)
xc(t) xs(t) x(n)
t t n
s(t)
t
T12 3 4 5 6 7 8
( ) ( )
( ) ( )
2 ( ) - -
( ) ( )
( ) ( ). ( )
1 ( ) ( ) (
2
c c
s
n k
s s
s c
s c
x t X j
s t S j
s t t nT kT
x t X j
x t x t s t
X j X j S
1 2 1 ) ( ) - -
2
( ) ( )
1 1 2 ( ) ( ) ( ) - ( )
c s c s
k k
j
j j T
s c s cTk k
j X j k X j kjT T
x n X e
kX j X e X e X j k X j
T T T T
T = Perioda pencuplikan
fs= 1/T = frekuensi pencuplikan
Edisi Semester 2 17/18 EYH 10
0 10 20 30 40 500 10 20 30 40 50
xc(t) = cos t x[n] = cos n
xc(t) = cos 2F t x[n] = cos 2f n
xc(t) = cos 2.1000 t x[n] = xc(nTs) = cos 2000(n.1/6000)
= cos 2000t x[n] = cos 2000/6000n = cos 1/3 n
Xc(j )= ( -2000 )+ ( +2000 )
Fs=6000 Hz
t
xc(t)
x[n]
n
F=1kHz
- 4000 -2000 0 2000 4000 12000 (rad/s)
Xc(j)
-1/3 1/3 5 / 3 2 7 /3 (rad)
X(ej)
)T
k2
T(jX
T
1)e(X
ssk
cs
j
Ts=1/6000 s
Edisi Semester 2 17/18 EYH 11
Xc(j)
Konversi deretan
impuls ke deretan
waktu diskritxc(t)
xs(t)
s(t)Xs(j)
X(ej)
X[n]=xc(nT)
Sinyal xc(t)=cos (2000t) dicuplik dengan
(a) sampling rate 2500 Hz s=5000 rad/s ,
sehingga diperoleh sinyal hasil cuplikan :x[n]=xc(nT) = cos (2000nT)
= cos( 2000/2500 n)
=cos[0.8 n]
(b) sampling rate 1500 Hz, s=3000 rad/s ,
sehingga diperoleh sinyal hasil cuplikan :x[n]=xc(nT) = cos (2000nT)
= cos( 2000/1500 n)
= cos[ (4/3n) ]
= cos[ (2 - 2/3) n] aliasing
=cos[2/3n]
Edisi Semester 2 17/18 EYH 12
5.1.1.3 Frequency ambiguity
1 kHz
7 kHz
0 10 20 30 40 50
Edisi Semester 2 17/18 EYH 13
- 4000 -2000 0 2000 4000 (rad/s)
- 5000 -2000 0 2000 5000 10000 (rad/s)
Xc(j)
S(j)
-5000 -3 000 -2000 2000 3000 5000 7000 8000 10000 12000 (rad/s)
2/TT=1/2500 s
Xs(j)
/T
- 2 - 1.2 -0.8 0.8 1.2 2 2 .8 3.2 4 4 .8 (rad)
X(ej)
xc(t)=cos (2000t)
x [n]=cos(0.8 n)
sampling rate 2500 Hz s=5000 rad/s ,
k-T
2
k
s
Xc(j )= ( -2000 )+ ( +2000 )
( ) 2000 - 2000 -s s s
k
X j k kT
( ) 0.8 - 2 0.8 - 2j
k
X e k k
Edisi Semester 2 17/18 EYH 14
- 3000 0 3000 6000 9000 (rad/s)
S(j)
Xs(j)
X(ej)
-3 000 -2000 -1000 0 1000 2000 3000 4000 5000 6000 9000 12000 (rad/s)
-2 -1.33 -0.66 0 0.66 1.33 2 2.66 3.33 4 6 8 (rad/s)
2/T
- 4000 -2000 0 2000 4000 (rad/s)
Xc(j)
/T
T=1/1500 s
xc(t)=cos (2000t)
sampling rate 1500 Hz s=3000 rad/s ,
aliasing
k-T
2
k
s
( ) 2000 - 2000 -s s s
k
X j k kT
Xc(j )= ( -2000 )+ ( +2000 )
4 43 3
( ) - 2 - 2j
k
X e k k
Edisi Semester 2 17/18 EYH 15
5.1.2 Rekonstruksi
Konversi sinyal
waktu diskrit ke
impulse train
x(n) xs(t)
T
xr(t)
xs(t) xr(t)
tt
x(n)
n12 3 4 5 6 7 8
Filter
Rekonstruksi
Ideal hr(t)
Secara matematis proses rekonstruksi ideal ((konverter diskrit ke kontinyu ideal).
direpresentasikan dalam 2 tahap;
1. Konversi deretan (sinyal waktu diskrit) ke impulse train
2.Pemfilteran dengan filter rekonstruksi ideal berupa filter lowpass
Edisi Semester 2 17/18 EYH 16
Secara matematis proses rekonstruksi direpresentasikan dalam 2 tahap;
1. Konversi deretan (sinyal waktu diskrit) ke impulse train
( ) -
2.Pemfilteran dengan filter rekonstruksi ideal
s
n
x t x n t nT
berupa filter lowpass
Filter rekonstruksi adalah filter lowpass ideal :
, ( )
0 ,
2
Respon
c
r
c
sc
TH j
T
sin /impuls filter lowpass ideal : ( )
/
( ) ( ) ( ) ( ) - -
sin / ( )
/
r
r r s r r
n n
r
n
t Th t
t T
x t h t x t h t x n t nT x n h t nT
t nT Tx t x n
t nT T
Edisi Semester 2 17/18 EYH 17
Edisi Semester 2 17/18 EYH 18
X(ej)
Konversi sinyal
waktu diskrit ke
impulse train
x(n) xs(t)
TXs(j)
Xr(j)
xr(t)
xs(t) xr(t)
tt
x(n)
n12 3 4 5 6 7 8
T = Perioda pencuplikan
Filter
Rekonstruksi
Ideal hr(t)
hr(t)Hr(j)
T
r
Filter Rekonstruksi adalah filter lowpass ideal :
,( )
0 ,
2
sin /Respon impuls filter lowpass ideal : h (t)
/
c
r
c
sc
TH j
T
t T
t T
T
Hr(j)
T
hr(t)
Edisi Semester 2 17/18 EYH 19
Teorema Pencuplikan Nyquist
Bila xc(t) adalah sinyal dengan lebar bidang frekuensi terbatas : Xc(j)=0, > N
Maka xc(t) secara unik dinyatakan oleh cuplikannya x[n]=xc(nT), bila
S=2/T>2 N,dimana N adalah frekuensi Nyquist, dan 2N adalah rate Nyquist.
Edisi Semester 2 17/18 EYH 20
- 4000 -2000 0 2000 4000 (rad/s)
- 5000 -2000 0 2000 5000 10000 (rad/s)
Xc(j)
S(j)
-5000 -3 000 -2000 2000 3000 5000 7000 8000 10000 12000 (rad/s)
2/TT=1/2500 s
Xs(j)
/T
- 2 - 1.2 -0.8 0.8 1.2 2 2 .8 3.2 4 4 .8 (rad)
X(ej)
xc(t)=cos (2000t)
x [n]=cos(0.8 n)
sampling rate 2500 Hz s=5000 rad/s ,
k-T
2
k
s
Xc(j )= ( -2000 )+ ( +2000 )
( ) 2000 - 2000 -s s s
k
X j k kT
( ) 0.8 - 2 0.8 - 2j
k
X e k k
Edisi Semester 2 17/18 EYH 21
- 5000 -3000 -2000 0 2000 3000 5000 10000 (rad/s)
-5000 -2500 0 2500 5000 10000 (rad/s)
Xs(j)
X(ej)
- - 1.2 -0.8 0.8 1.2 2 2.4 3.2 4 4.8 (rad)
Hr(j)
- 4000 -2000 0 2000 4000 (rad/s)
Xr(j)
,
Edisi Semester 2 17/18 EYH 22
- 3000 0 3000 6000 9000 (rad/s)
S(j)
Xs(j)
X(ej)
-3 000 -2000 -1000 0 1000 2000 3000 4000 5000 6000 9000 12000 (rad/s)
-2 -1.33 -0.66 0 0.66 1.33 2 2.66 3.33 4 6 8 (rad/s)
2/T
- 4000 -2000 0 2000 4000 (rad/s)
Xc(j)
/T
T=1/1500 s
x[n] = cos [2/3n]
xc(t)=cos (2000t)
sampling rate 1500 Hz s=3000 rad/s ,
aliasing
k-T
2
k
s
( ) 2000 - 2000 -s s s
k
X j k kT
Xc(j )= ( -2000 )+ ( +2000 )
4 43 3
( ) - 2 - 2j
k
X e k k
Edisi Semester 2 17/18 EYH 23
-3 000 -2000 -1000 0 1000 2000 3000 4000 5000 6000 9000 12000 (rad/s)
- -1.33 -0.66 0 0.66 1.33 2 1.33 1.66 4 6 8 (rad/s)
X(ej)
Xs(j)Hr(j)
-3000 -1000 0 1000 3000 (rad/s)
Xr(j)
Hr(j)
-3 000 -1500 0 1500 3 000 6000 9000 12000 (rad/s)
Edisi Semester 2 17/18 EYH 24
5.1.3 Pengolahan Sinyal Waktu Diskrit
Konversi
deretan
impuls ke
diskrit
Sistem
diskrit
H(ej)
Konversi
diskrit ke
deretan
impuls
Filter
Rekonstruksi
Ideal
Hr(j)
xc(t) xs(t) x[n]
X(ej)
y[n]
Y(ej)
ys(t)
Ys(j)
yr(t)
Yr(j)
T
Edisi Semester 2 17/18 EYH 25
5.1.3 Pengolahan Sinyal Waktu Diskrit
1 2Sinyal masukan sistem waktu diskrit [ ] ( ) ( ) ( )
Sinyal keluaran sistem waktu diskrit [ ]
sin /Setelah rekonstruksi: ( ) [ ]
/
Spektr
j
c c
k
r
n
kx n x nT X e X j
T T T
y n x n
t nT Ty t y n
t nT T
.
um sinyal ( ) ( ) ( ).
0
Bila sistem waktu diskrit adalah sistem linier dan tidak berubah terhadap
j T
j T
r r r
T Y eT
y t Y j H j Y e
T
waktu, maka
( ) ( ) ( ) dan ( ) ( ) ( ) ( )
1 2 ( ) ( ) ( ) ( )
Bila ( ) mempunyai spektral t
j j j j T j T
r r
j T
r r c
k
c
Y e H e X e Y j H j H e X e
kY j H j H e X j
T T T
x t
erbatas maka (j ) 0, dan
( ) adalah filter low pass ideal, maka
( ).
( )
0
c
r
j T
c
r
XT
H j
H e X jT
Y j
T
Edisi Semester 2 17/18 EYH 26
aliasing terjadi tidak agar tinggi cukup npencuplika frekuensi •
terbatas yafrekuensin pita lebar masukan sinyal •
waktu. terhadap berubah tidak dan linier diskritwaktu sistem •
: bilawaktu terhadap berubah tidak dan linier adalah dijital secara sinyal pengolahan Sistem : Catatan
T )e(H) (jH:anadim
T jX). (jH) (jY maka rate, Nyquist npencuplika frekuensi Bila
Tjeff
ceffr
Edisi Semester 2 17/18 EYH 27
A/D Converter
5.2 Pengolahan Sinyal Digital (Digital Signal Processing)
Digital
Processorx(n) y(n)
D/A
Coverter
Prefilter A/D
Coverter
Postfilter
x(t) y(t)
Sampling &
Hold
Quantizer Encoder
Edisi Semester 2 17/18 EYH 28
5.2.1 Konversi Analog ke Digital (A/D Converter)5.2.1 .1 Anti aliasing filter5.2.1.2 Sample and Hold Circuit
Courtesy from Discrete time signal processing , Alan V.Oppenheim
Xs(t)
s(t)Xa(t)
Zero order
Hold
ha(t)
Edisi Semester 2 17/18 EYH 29
Courtesy from Digital Signal Processing, John G.Proakis and Dimitris G Manolakis
Edisi Semester 2 17/18 EYH 30
5.2.1.3 Quantization and Coding
Quantization : proses nonlinear dan non invertible yang memetakan amplituda
x(n)=x(nT) pada waktu t=nT ke amplituda yang diambil dari satu set nilai yang
berhingga,
kx
kx
Edisi Semester 2 17/18 EYH 31
Edisi Semester 2 17/18 EYH 32
Courtesy from Discrete time signal processing , Alan V.Oppenheim
Analisis Error kuantisasi
• Signal to quantization noise (power) ratio (SQNR), dalam
skala dB :
Edisi Semester 2 17/18 EYH 33
dB 76.102.6
: signal modulating sinusoidal scale full PCM sistemuntuk Misal
input sinyal variansi
converter A/D dari rangeR
kuantisasibit jumlah
log2081.1602.6
bSQNR
b
RbSQNR
x
x
Edisi Semester 2 17/18 EYH 34
5.2.2 Konversi Digital to Analog
Courtesy from Discrete time signal processing , Alan V.Oppenheim
Edisi Semester 2 17/18 EYH 35
Practical D/A Converter
5.2.2.1. Zero order hold interpolation
Zero order hold interpolation
Diperoleh dari pemfilteran impulse train menggunakan filter interpolasi,
ss T1T , nnnnxtxa
lainnya ,0
T0 ,1 s
t
th
5.2.2.2. First order hold interpolation
First order hold interpolation
Diperoleh dari pemfilteran impulse train menggunakan filter interpolasi,
5.2.2.3 Cubic spline interpolation
Cubic spline interpolation
Diperoleh dari pemfilteran impulse train menggunakan filter dengan fungsi
cubic spline sebagai berikut;
Edisi Semester 2 17/18 EYH 36
lainnya 0,
2 ,1
0 ,1
ss
s
s
s
TtTT
t
TtT
t
th
sss
ssa
TnnnTnTtn
nTtnnTtnntx
1 , 3
3
2
210