Upload
muh-akbar-triana
View
219
Download
3
Embed Size (px)
Citation preview
1. TRANSFORMASI FOURRIER
Transformasi Fourier adalah operasi matematika yang terurai
sebuah sinyal ke frekuensi penyusunnya. Dengan demikian transformasi
Fourier dari chord musik adalah representasi matematis dari amplitudo
catatan individu yang menebusnya. Sinyal aslinya bergantung pada waktu ,
dan karena itu disebut waktu domain representasi dari sinyal, sedangkan
Transformasi Fourier tergantung pada frekuensi dan disebut frekuensi
domain representasi dari sinyal. Istilah transformasi Fourier mengacu baik
untuk representasi domain frekuensi dari sinyal dan proses
yang mengubah sinyal ke domain representasi frekuensi.
Dalam istilah matematika, Fourier transform 'transformasi'
satu kompleks -nilai fungsi dari variabel real menjadi lain. Akibatnya,
Transformasi Fourier terurai fungsi ke dalam osilasi fungsi. Transformasi
Fourier dan generalisasi perusahaan subjek analisis Fourier . Dalam hal ini
spesifik, baik waktu dan domain frekuensi tak terbatas kontinum linear . Hal
ini dimungkinkan untuk mendefinisikan transformasi Fourier dari fungsi dari
beberapa variabel, yang penting misalnya dalam studi fisik gerakan
gelombang dan optik. Hal ini juga memungkinkan untuk menggeneralisasi
Transformasi Fourier pada diskrit struktur seperti kelompok terbatas.
Perhitungan efisien struktur tersebut, dengan transformasi Fourier cepat ,
sangat penting untuk kecepatan komputasi tinggi.
1.1Definisi
Ada beberapa konvensi umum untuk mendefinisikan Transformasi
Fourier dari integrable fungsi f: R → C ( Kaiser 1994 ). Artikel ini akan
menggunakan definisi:
untuk setiap bilangan real ξ .
Ketika variabel independen x merupakan waktu (dengan SI unit detik )
ξ transformasi variabel merupakan frekuensi (dalam hertz ). Dalam kondisi
yang sesuai, ƒ dapat direkonstruksi dari oleh invers transformasi:
untuk setiap bilangan real x.
Untuk konvensi umum lainnya dan notasi, termasuk
menggunakan frekuensi sudut ω bukan frekuensi ξ, lihat konvensi
lainnya dan notasi Lainnya di bawah ini. The Transformasi Fourier pada
ruang Euclides diperlakukan secara terpisah, di mana variabel x sering
mewakili posisi dan momentum ξ.
Fungsi integrable adalah fungsi f pada baris nyata yang Lebesgue-
terukur dan memenuhi
1.2 Sifat dasar
Mengingat fungsi integrable f (x), g (x), dan h (x) menunjukkan mereka
dengan transformasi Fourier , , Dan masing. Transformasi
Fourier memiliki sifat dasar berikut ( Pinsky 2002 ).
a. Linearitas
Untuk setiap bilangan kompleks a dan b, jika h (x) = aƒ (x) + bg
(x), maka
b. Terjemahan
Untuk setiap bilangan real x 0, jika h (x) = f
(x - x 0), maka
c. Modulasi
Untuk setiap bilangan real ξ 0, jika h (x) = e 2 πixξ 0 f
(x), maka .
d. Scaling
Untuk nol non- bilangan real , jika h (x) = f (ax), maka
Kasus a = -1 mengarah ke-pembalikan properti waktu, yang menyatakan:
jika h (x) = f (- x), maka .
e. Konjugasi
Jika , Maka
Secara khusus, jika f adalah nyata, maka kita memiliki kondisi
realitas
Dan jika f adalah murni khayalan, maka
f. Duality
Jika kemudian
g. Belit
Jika , Maka
1.3 Teorema Konvolusi
Transformasi Fourier menerjemahkan antara konvolusi dan
perkalian fungsi. Jika f (x) dan g (x) adalah fungsi terintegrasikan dengan
transformasi Fourier dan masing-masing, maka Transformasi
Fourier konvolusi diberikan oleh produk dari transformasi Fourier
dan (Konvensi di bawah lain untuk definisi transformasi Fourier
merupakan faktor konstan mungkin muncul).
Ini berarti bahwa jika:
dimana * menunjukkan operasi konvolusi, maka:
Dalam (waktu linier LTI) sistem teori invarian , sudah umum untuk
menafsirkan g (x) sebagai respon impuls dari sistem LTI dengan input f
(x) dan h output (x), karena mensubstitusi impuls unit untuk f
(x) menghasilkan h (x) = g (x). Dalam hal ini, merupakan respon
frekuensi dari sistem.
Sebaliknya, jika f (x) dapat diuraikan sebagai produk dari dua
fungsi p integrable persegi (x) dan q (x), maka transformasi Fourier dari f
(x) diberikan oleh konvolusi dari masing-masing transformasi Fourier
dan .
1.4 Cross-korelasi teorema
Secara analog, dapat ditunjukkan bahwa jika h (x) adalah korelasi-
silang dari f (x) dan g (x):
maka transformasi Fourier dari h (x) adalah:
Sebagai kasus khusus, otokorelasi dari fungsi f (x) adalah:
yang
1.5 Transformasi Fourier pada ruang fungsi yang lain
Hal ini dimungkinkan untuk memperluas definisi transformasi Fourier
fungsi ruang lain. Sejak halus fungsi yang didukung kompak yang
terintegrasikan dan padat di L 2 (R), maka teorema
Plancherelmemungkinkan kita untuk memperluas definisi transformasi
Fourier untuk fungsi umum dalam L 2 (R) dengan argumen
kontinuitas. Lebih lanjut : L 2 (R) → L 2 (R) adalah operator
kesatuan ( Stein & Weiss 1971 , THM 2.3.).
Banyak sifat tetap sama untuk Transformasi Fourier. Para -Muda
ketimpangan Hausdorff dapat digunakan untuk memperluas definisi
transformasi Fourier untuk menyertakan fungsi dalam p L (R) untuk 1 ≤ p ≤
2. Sayangnya, ekstensi lebih lanjut menjadi lebih teknis. Fourier
transformasi fungsi dalam p L untuk rentang 2 <p <∞ memerlukan studi
tentang distribusi (Katznelson 1976 ). Bahkan, dapat ditunjukkan bahwa ada
fungsi dalam p L dengan p> 2 sehingga Transformasi Fourier tidak
didefinisikan sebagai fungsi ( Stein & Weiss 1971 ).
a. Fourier-transform Stieltjes
Transformasi Fourier dari ukuran Borel μ hingga pada R n diberikan oleh
( Pinsky 2002 ):
Transformasi ini terus menikmati banyak sifat-sifat Transformasi
Fourier fungsi terintegral. Satu perbedaan penting adalah bahwa-Lebesgue
lemma Riemann gagal untuk langkah-langkah ( Katznelson 1976 ). Dalam
hal dμ = f (x) dx, maka rumus di atas mengurangi dengan definisi biasa
untuk transformasi Fourier dari f. Dalam hal μ adalah distribusi probabilitas
yang terkait dengan variabel acak X,Fourier-Transformasi Stieltjes berkaitan
erat dengan fungsi karakteristik , tapi konvensi tipikal dalam teori
probabilitas mengambil ix E ° ξ bukan e πix · -2 ξ ( Pinsky 2002 ). Dalam kasus
ketika distribusi memiliki fungsi kepadatan probabilitas definisi ini
mengurangi ke transformasi Fourier diterapkan pada fungsi kepadatan
probabilitas, lagi dengan pilihan yang berbeda konstanta.
Transformasi Fourier dapat digunakan untuk memberikan
karakterisasi langkah-langkah yang berkesinambungan. Teorema
Bochner ciri yang berfungsi mungkin timbul sebagai Stieltjes Fourier-
Transformasi ukuran ( Katznelson 1976 ).
Selain itu, fungsi delta Dirac bukan fungsi tetapi merupakan
terbatas ukuran Borel . Its Transformasi Fourier merupakan fungsi konstan
(yang spesifik nilai tergantung pada bentuk transformasi Fourier digunakan).
2. Z-Transform
In mathematics and signal processing, the Z-transform converts
a discrete time-domain signal, which is a sequence of real or complex
numbers, into a complex frequency-domain representation.It can be
considered as a discrete equivalent of the Laplace transform. This similarity
is explored in the theory of time scale calculus.
The z-transform was introduced, under this name,
by Ragazzini and Zadeh in 1952. The modified or advanced Z-
transform was later developed by E. I. Jury, and presented in his
book Sampled-Data Control Systems (John Wiley & Sons 1958). The idea
contained within the Z-transform was previously known as the "generating
function method".
2.2 Definition
The Z-transform, like many integral transforms, can be defined as either a one-
sided or two-sided transform.
2.3 Bilateral Z-transform
The bilateral or two-sided Z-transform of a discrete-time signal x[n] is the
function X(z) defined as
where n is an integer and z is, in general, a complex number:
where A is the magnitude of z, and is the complex argument (also referred to
as angle or phase) in radians.
2.4 Unilateral Z-transform
Alternatively, in cases where x[n] is defined only for n ≥ 0, the single-
sided or unilateral Z-transform is defined as
In signal processing, this definition can be used to evaluate the Z-transform of
the unit impulse response of a discrete time causal system.
An important example of the unilateral Z-transform is the probability-
generating function, where the component x[n] is the probability that a discrete
random variable takes the value n, and the functionX(z) is usually written as X(s),
in terms of s = z − 1. The properties of Z-transforms (below) have useful
interpretations in the context of probability theory.
2.5 Geophysical definition
In geophysics, the usual definition for the Z-transform is a polynomial
in z as opposed to z − 1. This convention is used by Robinson and Treitel
and by Kanasewich. The geophysical definition is
The two definitions are equivalent; however, the difference results in
a number of changes. For example, the location of zeros and poles move
from inside the unit circle, using one definition, to outside the unit circle,
using the other definition (and vice versa). Thus, care is required to note
which definition is being used by a particular author.
2.6 Inverse Z-transform
The inverse Z-transform is
where is a counterclockwise closed path encircling the origin and entirely
in the region of convergence (ROC). The contour or path, , must encircle
all of the poles of .
A special case of this contour integral occurs when is the unit circle (and
can be used when the ROC includes the unit circle). The inverse Z-
transform simplifies to the inverse discrete-time Fourier transform:
The Z-transform with a finite range of n and a finite number of
uniformly-spaced z values can be computed efficiently via Bluestein's FFT
algorithm. The discrete-time Fourier transform (DTFT) (not to be confused
with the discrete Fourier transform (DFT)) is a special case of such a Z-
transform obtained by restricting z to lie on the unit circle.
3. Sampling Rate
The sampling rate, sample rate, or sampling frequency defines
the number of samples per second (or per other unit) taken from
a continuous signal to make a discrete signal. For time-domain signals, the
unit for sampling rate is hertz (inverse seconds, 1/s, s−1). The inverse of the
sampling frequency is the sampling period or sampling interval, which is
the time between samples.
Sample rate is usually noted in Sa/s (non-SI) and expanded as
kSa/s, MSa/s, etc. The common notation for sampling frequency is fs which
stands for frequency (subscript) sampled.
3.1 Sampling Theorem
The Nyquist–Shannon sampling theorem states that perfect
reconstruction of a signal is possible when the sampling frequency is
greater than twice the maximum frequency of the signal being sampled, or
equivalently, when theNyquist frequency (half the sample rate) exceeds the
highest frequency of the signal being sampled. If lower sampling rates are
used, the original signal's information may not be completely recoverable
from the sampled signal.[2] For example, if a signal has an upper band
limit of 100 Hz, a sampling frequency greater than 200 Hz will
avoid aliasing and allow theoretically perfect reconstruction.
The full range of human hearing is between 20 Hz and 20 kHz.[3] The
minimum sampling rate that satisfies the sampling theorem for this full
bandwidth is 40 kHz. The 44.1 kHz sampling rate used for Compact
disc was chosen for this and other technical reasons.
3.2 Oversampling
In some cases, it is desirable to have a sampling frequency more
than twice the desired system bandwidth so that a digital filter can be used
in exchange for a weaker analog anti-aliasing filter. This process is known
asoversampling.
3.3 Undersampling
Conversely, one may sample below the Nyquist rate. For
a baseband signal (one that has components from 0 to the band limit), this
introduces aliasing, but for a passband signal (one that does not have low
frequency components), there are no low frequency signals for the aliases
of high frequency signals to collide with, and thus one can sample a high
frequency (but narrow bandwidth) signal at a much lower sample rate than
the Nyquist rate.
3.4 Audio
In digital audio the most common sampling rates are 44.1 kHz, 48 kHz, and
96 kHz.[citation needed] A more complete list is as follows:
Sampling
rateUse
8,000 Hz
telephone and encrypted walkie-talkie, wireless
intercom[5][6] and wireless microphone transmission;
adequate for human speech but
withoutsibilance; ess sounds like eff
11,025 Hz
one quarter the sampling rate of audio CDs; used for
lower-quality PCM, MPEG audio and for audio analysis
of subwoofer bandpasses
16,000 Hz
wideband frequency extension over
standard telephone narrowband8,000 Hz. Used in most
modern VoIP and VVoIP communication products.
22,050 Hz
one half the sampling rate of audio CDs; used for lower-
quality PCM and MPEG audio and for audio analysis of
low frequency energy. Suitable for digitizing early 20th
century audio formats such as 78s
32,000 Hz miniDV digital video camcorder, video tapes with extra
channels of audio (e.g.DVCAM with 4 Channels of
audio), DAT (LP mode), Germany's Digitales
Satellitenradio (German), NICAM digital audio, used
alongside analogue television sound in some countries.
High-quality digital wireless microphones.
44,056 Hz
Used by digital audio locked to NTSC color video
signals (245 lines by 3 samples by 59.94 fields per
second = 29.97 frames per second).
44,100 Hz
audio CD, also most commonly used with MPEG-
1 audio (VCD, SVCD, MP3). Originally chosen
by Sony because it could be recorded on modified video
equipment running at either 25 frames per second
(PAL) or 30fps (using an NTSC monochrome video
recorder) and cover the 20 kHz bandwidth thought
necessary to match professional analog recording
equipment of the time. APCM adaptor would fit digital
audio samples into the analog video channel of, for
example, PAL video tapes using 588 lines by 3 samples
by 25 frames per second. Much pro audio gear uses (or
is able to select) 44.1 kHz sampling, including mixers,
EQs, compressors, reverb, crossovers, recording
devices and CD-quality encrypted wireless
microphones.
47,250 Hzworld's first commercial PCM sound recorder by Nippon
Columbia (Denon)
48,000 Hz The standard audio sampling rate used by professional
digital video equipment such as tape recorders, video
servers, vision mixers and so on. This rate was chosen
because it could deliver a 22 kHz frequency response
and work with 29.97 frames per second NTSC video -
as well as 25 fps, 30fps and 24fps systems. With
29.97fps systems it is necessary to handle 1601.6 audio
samples per frame delivering an integer number of
audio samples only every fifth video frame. Also used
for sound with consumer video formats like DV, digital
TV, DVD, and films. The professional Serial Digital
Interface (SDI)and High-definition Serial Digital
Interface (HD-SDI) used to connect broadcast television
equipment together uses this audio sampling frequency.
Much professional audio gear uses (or is able to select)
48 kHz sampling, including mixers, EQs, compressors,
reverb, crossovers and recording devices such as DAT.
50,000 Hzfirst commercial digital audio recorders from the late 70s
from 3M andSoundstream
50,400 Hzsampling rate used by the Mitsubishi X-80 digital audio
recorder
88,200 Hz
sampling rate used by some professional recording
equipment when the destination is CD (multiples of
44,100 Hz). Some pro audio gear uses (or is able to
select) 88.2 kHz sampling, including mixers, EQs,
compressors, reverb, crossovers and recording devices.
96,000 Hz DVD-Audio, some LPCM DVD tracks, BD-ROM (Blu-ray
Disc) audio tracks, HD DVD (High-Definition DVD)
audio tracks. Most pro audio gear uses (or is able to
select) 96 kHz sampling, including mixers, EQs,
compressors, reverb, crossovers and recording devices.
This sampling frequency is twice the 48 kHz standard
commonly used with audio on professional video
equipment.
176,400 HzSampling rate used by HDCD recorders and other
professional applications for CD production.
192,000 Hz
DVD-Audio, some LPCM DVD tracks, BD-ROM (Blu-ray
Disc) audio tracks, andHD DVD (High-Definition DVD)
audio tracks, High-Definition audio recording devices
and audio editing software. This sampling frequency is
four times the 48 kHz standard commonly used with
audio on professional video equipment.
352,800 Hz
Digital eXtreme Definition, used for recording and
editing Super Audio CDs, as 1-bit DSD is not suited for
editing. Eight times the frequency of 44.1 kHz.
2,822,400 Hz
SACD, 1-bit sigma-delta modulation process known
as Direct Stream Digital, co-developed
by Sony and Philips.
5,644,800 Hz
Double-Rate DSD, 1-bit Direct Stream Digital at 2x the
rate of the SACD. Used in some professional DSD
recorders.
3.5 Video Sistem
In digital video, the temporal sampling rate is defined the frame rate – or
rather the field rate – rather than the notional pixel clock. The image sampling
frequency is the repetition rate of the sensor integration period. Since the
integration period may be significantly shorter than the time between repetitions,
the sampling frequency can be different from the inverse of the sample time.
50 Hz - PAL video
60 / 1.001 Hz ~= 59.97 Hz - NTSC video
When analog video is converted to digital video, a different sampling
process occurs, this time at the pixel frequency, corresponding to a spatial
sampling rate along scan lines. Some commonpixel sampling rates are:
13.5 MHz - CCIR 601, D1 video
Spatial sampling in the other direction is determined by the spacing of scan lines
in the raster. The sampling rates and resolutions in both spatial directions can be
measured in units of lines per picture height.
Spatial aliasing of high-frequency luma or chroma video components shows up as
a moiré pattern.
4. Aliasing
In signal processing and related disciplines, aliasing refers to an
effect that causes different signals to become indistinguishable (or aliasesof
one another) when sampled. It also refers to the distortion or artifact that
results when the signal reconstructed from samples is different from the
original continuous signal.
4.1 Description
When a digital image is viewed, a reconstruction-also known as an
interpolation-is performed by a display or printer device, and by the eyes
and the brain. If the resolution is too low, the reconstructed image will differ
from the original image, and an alias is seen. An example of spatial
aliasing is the Moiré pattern one can observe in a poorly pixelized image of
a brick wall. Techniques that avoid such poor pixelizations are called anti-
aliasing. Aliasing can be caused either by the sampling stage or the
reconstruction stage; these may be distinguished by calling sampling
aliasing prealiasing and reconstruction aliasing postaliasing.
Temporal aliasing is a major concern in the sampling
of video and audiosignals. Music, for instance, may contain high-frequency
components that are inaudible to humans. If a piece of music is sampled at
32000 samples per second (sps), any frequency components above
16000 Hz (the Nyquist frequency) will cause aliasing when the music is
reproduced by a digital to analog converter (DAC). To prevent that, it is
customary to remove components above the Nyquist frequency (with
an anti-aliasing filter) prior to sampling. But any realistic filter or DAC will
also affect (attenuate) the components just below the Nyquist frequency.
Therefore, it is also customary to choose a higher Nyquist frequency by
sampling faster (typically 44100 sps (CD), 48000 (professional audio), or
96000 (high definition audio)).
In video or cinematography, temporal aliasing results from the
limited frame rate, and causes the wagon-wheel effect, whereby a spoked
wheel appears to rotate too slowly or even backwards. Aliasing has
changed its apparent frequency of rotation. A reversal of direction can be
described as a negative frequency. Temporal aliasing frequencies in video
and cinematography are determined by the frame rate of the camera, but
the relative intensity of the aliased frequencies is determined by the shutter
timing (exposure time) or the use of a temporal aliasing reduction filter
during filming.
Like the video camera, most sampling schemes are periodic; that is
they have a characteristic sampling frequency in time or in space. Digital
cameras provide a certain number of samples (pixels) per degree or per
radian, or samples per mm in the focal plane of the camera. Audio signals
are sampled (digitized) with an analog-to-digital converter, which produces
a constant number of samples per second. Some of the most dramatic and
subtle examples of aliasing occur when the signal being sampled also has
periodic content.
4.2 Operation Of CT Convolution
5. FREKWENSI NIQUIST
Frekuensi Nyquist, dinamai insinyur Amerika-Swedia Harry
Nyquist atau teorema sampling Shannon-Nyquist , adalah setengah
dari frekuensi sampling dari suatu sinyal diskrit sistem pengolahan. Hal ini
kadang-kadang dikenal sebagai frekuensi lipat dari sampling system.
The Teorema sampling menunjukkan bahwa aliasing dapat dihindari jika
frekuensi Nyquist lebih besar daripada bandwidth , atau frekuensi komponen
maksimum, sinyal yang sampel.
Frekuensi Nyquist tidak harus bingung dengan laju Nyquist , yang
merupakan batas bawah dari frekuensi sampling yang memenuhi kriteria
Nyquist sampling untuk suatu sinyal yang diberikan atau keluarga dari
sinyal. Batas bawah ini adalah dua kali bandwidth atau komponen frekuensi
maksimum dari sinyal. Laju Nyquist, sebagaimana biasanya digunakan
sehubungan dengan sampling, adalah properti dari sinyal waktu kontinu ,
bukan dari sistem, sedangkan frekuensi Nyquist adalah properti dari diskrit -
waktu sistem, bukan dari sinyal. Domain sinyal tidak harus waktu, meskipun
yang umum, yang mengarah ke frekuensi Nyquist dalam hertz, misalnya,
sistem gambar sampling memiliki frekuensi Nyquist dinyatakan dalam satuan
seperti siklus per meter.
Frekuensi di atas s f / 2 (frekuensi Nyquist) memiliki alias dibawah f / 2, yang nilainya diberikan
oleh grafik ini disebut. ƒ s / 2 juga frekuensi lipat , karena simetri antara 0 dan f s.
5.1 Masalah aliasing
Secara teori, frekuensi Nyquist saja lebih besar daripada bandwidth
sinyal cukup untuk memungkinkan rekonstruksi sempurna sinyal dari sampel:
lihat Sampling teorema: frekuensi Kritis . Namun, rekonstruksi ini
memerlukan ideal filter yang melewati beberapa frekuensi tidak berubah
sementara menekannya semua orang lain benar-benar (umumnya
disebut dinding bata-filter ). Dalam prakteknya, rekonstruksi sempurna tidak
mungkin tercapai. Beberapa jumlah aliasing tidak dapat dihindari.
Sinyal frekuensi tinggi daripada frekuensi Nyquist akan menghadapi
"lipat" tentang frekuensi Nyquist, kembali ke frekuensi yang lebih
rendah. Sebagai contoh, jika kecepatan sampel adalah 20 kHz, frekuensi
Nyquist adalah 10 kHz, dan sebuah sinyal 11 kHz akan melipat, atau alias,
sampai 9 kHz. Namun, sinyal kHz 9 juga dapat melipat sampai dengan 11
kHz dalam hal bahwa jika rekonstruksi filter tidak memadai. Kedua jenis
aliasing dapat menjadi penting.
Bila filter dicapai digunakan, beberapa
derajat oversampling diperlukan untuk mengakomodasi kendala praktis filter
anti-aliasing : bukannya brickwall, orang mempunyai respon datar
di passbandsampai titik yang disebut cutoff frekuensi sudut atau frekuensi,
(lulus semua frekuensi di bawah sana tidak berubah), kemudian
bertahap rolloff dalam band transisi , menekan sinyal akhirnya di atas titik
tertentu sepenuhnya atau hampir sepenuhnya di stopband . Dengan
demikian, frekuensi dekat dengan frekuensi Nyquist dapat terdistorsi dalam
dan rekonstruksi proses sampling, sehingga bandwidth harus disimpan di
bawah frekuensi Nyquist oleh beberapa margin (frekuensi headroom ) yang
tergantung pada filter aktual yang digunakan.
Sebagai contoh, audio CD memiliki frekuensi sampling 44100
Hz . Frekuensi Nyquist Oleh karena itu, 22050 Hz, yang merupakan batas
atas pada frekuensi tertinggi data jelas dapat mewakili. Jika dipilih anti-
aliasing filter (sebuah low-pass filter dalam hal ini) memiliki band transisi dari
2000 Hz, maka frekuensi cut-off seharusnya tidak lebih tinggi dari 20.050 Hz
untuk menghasilkan sinyal dengan kekuatan diabaikan pada frekuensi 22050
Hz dan lebih besar.
6. BILANGAN GELOMBANG
Bilangan gelombang dalam ilmu fisika properti dari
suatu gelombang sebanding dengan timbal balik dari panjang
gelombang.Hal ini dapat didefinisikan sebagai :
jumlah panjang gelombang per satuan jarak, yaitu, 1 / λ dimana λ adalah
panjang gelombang,
atau alternatifnya sebagai 2π / λ, kadang-kadang disebut
sebagai bilangan gelombang atau bilangan gelombang sudut
lingkaran atau - paling sering - hanya bilangan gelombang.
Untuk radiasi elektromagnetik , bilangan gelombang adalah
sebanding dengan frekuensi dan foton energi. Karena itu, wavenumbers
digunakan sebagai unit energi dalam spektroskopi . Dalam satuan SI,
bilangan gelombang dinyatakan dalam satuan meter timbal balik (m -1), tetapi
pada spektroskopi lazimnya untuk memberikan wavenumbers
dalam sentimeter timbal balik (cm -1).
Para bilangan gelombang sudut dinyatakan dalam radian per meter
(rad · M -1).
6.1 Dalam persamaan gelombang.
Secara umum, k bilangan gelombang sudut, yang besarnya dari vektor
gelombang , diberikan oleh
di mana ν (huruf Yunani nu ) adalah frekuensi gelombang, ω=2πν adalah
frekuensi sudut gelomban dan p v adalah kecepatan fase gelombang Untuk
kasus khusus dari gelombang elektromagnetik dalam ruang hampa,
dimana p v = c, k diberikan oleh
di mana E adalah energi gelombang, ħ adalah konstanta Planck berkurang ,
dan c adalah kecepatan cahaya dalam ruang hampa.
Untuk kasus khusus dari gelombang materi , misalnya gelombang elektron,
dalam aproksimasi non-relativistik:
Berikut p adalah momentum partikel, m adalah massa partikel, E adalah ener
gi kinetik partikel, dan adalah konstanta Planck berkurang .
6.2 Dalam spektroskopi
Dalam spektroskopi, bilangan gelombang dari radiasi
elektromagnetik didefinisikan sebagai dimana λ adalah panjang
gelombang radiasi dalam ruang hampa. Bilangan gelombang memiliki
dimensi dari panjang terbalik dan satuan SI dari meter timbal balik(m-1).
Umumnya, jumlahnya dinyatakan dalam satuan cgs cm, -1 diucapkan
sebagai timbal balik atau sentimeter sentimeter invers, dan juga sebelumnya
disebut Kayser, setelah Heinrich Kayser . Alasan historis untuk
menggunakan kuantitas ini adalah bahwa hal itu terbukti nyaman dalam
analisis spektra atom. Wavenumbers pertama kali digunakan dalam
perhitungan Janne Rydberg di tahun 1880-an. The -Ritz Kombinasi Rydberg
prinsip dari 1908 juga diformulasikan dalam bentuk wavenumbers. Beberapa
tahun kemudian garis spektrum dapat dipahami dalam teori kuantum sebagai
perbedaan antara tingkat energi, energi yang sebanding dengan bilangan
gelombang, atau frekuensi. Namun, data spektroskopi disimpan sedang
ditabulasi dalam hal bilangan gelombang daripada frekuensi atau energi,
karena instrumen spektroskopi biasanya dikalibrasi dalam hal panjang
gelombang, independen dari nilai untuk kecepatan cahaya atau konstanta
Planck .
Sebuah bilangan gelombang dapat dikonversi menjadi energi
mekanik E-kuantum di J atau ν frekuensi reguler dalam Hz menurut
,
.
Perhatikan bahwa di sini bilangan gelombang dan kecepatan cahaya
dalam satuan cgs , sehingga harus diperhatikan saat melakukan perhitungan
ini.
Sebagai contoh, wavenumbers garis emisi hidrogen atom diberikan oleh
dimana R adalah konstanta Rydberg n i dan f dan n adalah jumlah kuantum
utama dan terakhir tingkat awal, masing-masing (i n lebih besar dari n f untuk
emisi).
Dalam penggunaan sehari-hari, cm unit -1 kadang-kadang disebut
sebagai "bilangan gelombang", [1] yang membingungkan nama kuantitas
dengan unit. Selanjutnya, spectroscopists sering mengungkapkan kuantitas
sebanding dengan bilangan gelombang, seperti frekuensi atau energi, dalam
cm -1 dan meninggalkan faktor konversi yang tepat sebagai
tersirat. Akibatnya, ungkapan seperti "energi adalah 300 wavenumbers"
harus ditafsirkan atau kembali sebagai "energi sesuai dengan bilangan
gelombang 300 cm -1." (Laporan Analog terus benar untuk unit m -1 )
7. SIGNAL TO NOISE RASIO
Signal-to noise rasio (sering disingkat SNR atau S / N) adalah
ukuran yang digunakan dalam ilmu dan rekayasa untuk mengukur berapa
banyak sinyal telah rusak oleh kebisingan . Hal ini didefinisikan sebagai rasio
dari daya sinyal terhadap daya noise merusak sinyal. Sebuah rasio yang
lebih tinggi dari 1:1 menunjukkan sinyal lebih dari kebisingan. Sementara
SNR sering dikutip untuk sinyal-sinyal listrik, dapat diterapkan untuk setiap
bentuk sinyal (seperti tingkat isotop dalam inti es atau biokimia isyarat antara
sel-sel).
Dalam istilah teknis yang kurang, sinyal-to-noise rasio
membandingkan tingkat sinyal yang diinginkan (seperti musik) dengan
tingkat kebisingan latar belakang. Semakin tinggi rasio, kebisingan yang
kurang menonjol latar belakang.
"Sinyal-untuk rasio-noise" kadang-kadang digunakan secara
informal untuk merujuk pada rasio informasi yang berguna untuk data palsu
atau tidak relevan dalam percakapan atau pertukaran. Misalnya,
dalam forum diskusi online dan komunitas online lainnya, off-topik posting
dan spam dianggap sebagai "noise" yang mengganggu dengan "sinyal" dari
diskusi yang sesuai.
7.1Definisi
Signal-to noise rasio didefinisikan sebagai kekuatan rasio antara
sinyal (informasi yang berarti) dan latar belakang noise (sinyal yang tidak
diinginkan):
dimana P adalah daya rata-rata. Baik kekuatan sinyal dan kebisingan harus
diukur pada titik yang sama atau setara dalam sistem, dan dalam sistem
yang sama bandwidth . Jika sinyal dan kebisingan diukur di
sama impedansi , maka SNR dapat diperoleh dengan menghitung kuadrat
dari amplitudo rasio:
di mana A adalah root mean square (RMS) amplitudo (misalnya, tegangan
RMS). Karena banyak sinyal yang sangat luas memiliki dynamic range,
SNRs sering dinyatakan dengan menggunakanlogaritmik desibel skala.
Dalam desibel, SNR didefinisikan sebagai
yang dipersamakan dapat ditulis menggunakan rasio amplitudo sebagai
Konsep rasio signal-to-noise dan dynamic range berkaitan
erat. Dynamic range mengukur perbandingan antara-kuat un distorsi sinyal
pada saluran dan sinyal discernable minimum, yang untuk sebagian besar
tujuan adalah tingkat kebisingan. SNR mengukur perbandingan antara
tingkat sinyal sewenang-wenang (tidak perlu sinyal yang paling kuat
mungkin) dan kebisingan. Pengukuran sinyal-to noise rasio-memerlukan
pemilihan atau referensi sinyal representative. Dalam teknik audio, sinyal
referensi biasanya adalah gelombang sinus pada standar nominal atau
tingkat keselarasan, seperti 1 kHz pada +4 DBU (1,228 V RMS ).
SNR biasanya diambil untuk menunjukkan rasio signal-to-noise rata-
rata, karena ada kemungkinan bahwa (dekat) sesaat sinyal-to-noise rasio
akan jauh berbeda. Konsep ini dapat dipahami sebagai normalisasi tingkat
kebisingan untuk 1 (0 dB) dan mengukur sejauh mana sinyal 'menonjol'.
7.2Definisi Alternatif
Definisi alternatif SNR sebagai kebalikan dari koefisien variasi ,
yaitu, rasio rata-rata untuk deviasi standar dari suatu sinyal atau pengukuran:
dimana μ adalah sinyal mean atau nilai yang diharapkan dan σ adalah
deviasi standar dari kebisingan, atau perkiraan daripadanya. [catatan
2] Perhatikan bahwa seperti definisi alternatif hanya berguna untuk variabel
yang selalu positif (seperti jumlah foton dan pencahayaan ). Oleh karena itu
umumnya digunakan dalam pengolahan citra , dimana SNR dari
suatu gambar biasanya dihitung sebagai rasio dari rata nilai piksel
dengan standar deviasi dari nilai-nilai piksel atas lingkungan yang diberikan.
Kadang-kadang SNR didefinisikan sebagai kuadrat dari definisi alternatif di
atas.
Rose kriteria (bernama setelah Albert Rose ) menyatakan bahwa
SNR minimal 5 diperlukan untuk dapat membedakan fitur gambar di%
kepastian 100. Sebuah SNR kurang dari 5 berarti kurang dari 100%
kepastian dalam detil gambar mengidentifikasi. Namun alternatif lain, spesifik
dan definisi yang sangat berbeda SNR digunakan untuk
menandai sensitivitas sistem pencitraan, lihat perbandingan sinyal terhadap
noise (imaging) .Langkah-langkah terkait adalah " rasio kontras "dan"-to-
noise rasio kontras ".
7.3 Meningkatkan SNR dalam Praktek
Semua pengukuran nyata merasa terganggu oleh kebisingan. Hal ini
meliputi bising elektronik, tetapi juga dapat termasuk peristiwa eksternal yang
mempengaruhi fenomena diukur - angin, getaran, tarikan gravitasi bulan,
variasi suhu, variasi kelembaban, dll, tergantung pada apa yang diukur dan
sensitivitas perangkat . Hal ini sering mungkin untuk mengurangi kebisingan
dengan mengendalikan lingkungan. Jika tidak, ketika karakteristik kebisingan
dikenal dan berbeda dari sinyal, adalah mungkin untuk menyaring atau untuk
memproses sinyal. Ketika sinyal konstan atau periodik dan kebisingan
adalah acak, adalah mungkin untuk meningkatkan SNR dengan rata-rata
pengukuran
7.4 Optik SNR
Optical sinyal memiliki frekuensi pembawa, yang jauh lebih tinggi
daripada frekuensi modulasi (sekitar 200 THz dan lebih). Dengan cara ini
bandwidth kebisingan meliputi bandwidth yang jauh lebih lebar dari sinyal itu
sendiri. Pengaruh sinyal yang dihasilkan bergantung terutama pada
penyaringan kebisingan. Untuk menggambarkan kualitas sinyal tanpa
receiver memperhitungkan SNR optik (OSNR) digunakan. OSNR adalah
perbandingan antara daya sinyal dan daya kebisingan di bandwidth yang
diberikan. Umumnya lebar pita referensi 0,1 nm digunakan. bandwidth ini
independen dari format modulasi, frekuensi dan penerima. Sebagai contoh
sebuah OSNR dari 20dB/0.1nm bisa diberikan, bahkan sinyal 40
Gb DPSK tidak akan masuk dalam bandwidth ini. OSNR diukur dengan
Optical Spectrum Analyzer
8. ANTI-ALIASING
Anti-aliasing filter adalah filter yang digunakan sebelum sampler
sinyal, untuk membatasi bandwidth sinyal ke kira-kira memenuhi teorema
sampling . Karena teorema menyatakan bahwa interpretasi ambigu dari
sinyal dari sampel adalah mungkin bila kekuatan frekuensi di atas frekuensi
Nyquist adalah nol, real anti-aliasing filter umumnya dapat tidak sepenuhnya
memenuhi teorema. Sebuah realisasi anti-aliasing filter biasanya akan
memungkinkan beberapa aliasing terjadi; jumlah aliasing yang tidak terjadi
tergantung pada seberapa baik filter dan apa isi frekuensi dari sinyal input.
Anti-aliasing filter umumnya digunakan pada masukan
dari pemrosesan sinyal digital sistem, misalnya dalam sistem digitalisasi
suara; filter yang sama digunakan sebagai filter rekonstruksi pada keluaran
sistem tersebut, misalnya dalam pemutar musik. Dalam kasus kemudian,
filter untuk mencegah aliasing dalam konversi sampel kembali ke sinyal
kontinu, di mana lagi sempurna stop-band penolakan akan diperlukan untuk
menjamin nol aliasing.
Ketidakmungkinan teoritis mewujudkan filter sempurna tidak banyak
menjadi penghalang dalam praktek, meskipun pertimbangan praktis lakukan
mengarah pada pilihan desain sistem seperti oversampling untuk
membuatnya lebih mudah untuk mewujudkan "cukup baik" anti-aliasing filter.
8.1 Optik anti-aliasing filter
Anti-aliasing dan IR-menolak filter dari kamera video digital yang lebih tua
Dalam hal sampling citra optik, sebagai oleh sensor citra dalam kamera
digital , anti-aliasing filter juga dikenal sebagai lowpass optik filter atau blur
filteratau AA filter. Matematika sampling dalam dua dimensi spasial mirip
dengan matematika waktu sampling-domain, tetapi implementasi teknologi
filter yang berbeda. Pelaksanaan khas di kamera digital adalah dua
lapisan birefringent bahan seperti niobate lithium , yang menyebar ke setiap
titik optik sekelompok empat poin.
Pilihan pemisahan tempat untuk seperti filter melibatkan tradeoff di
antara ketajaman, aliasing, dan mengisi faktor. Dalam monokrom atau tiga-
CCD atauFoveon X3 kamera, faktor isi saja, jika dekat 100% efektif dengan
microlenses, dapat memberikan efek anti-aliasing yang
signifikan, sementara di array filter warna (CFA, misalnya Bayer filter )
kamera , filter tambahan biasanya diperlukan untuk mengurangi aliasing ke
tingkat yang dapat diterima.
8.2 Berlakunya oversampling
Sebuah teknik yang dikenal sebagai oversampling umumnya
digunakan dalam konversi audio, terutama audio output. Idenya adalah untuk
menggunakan sample rate digital menengah yang lebih tinggi, sehingga
hampir-ideal filter digital tajam bisa memotong aliasing dekat asli
rendah frekuensi Nyquist , sementara jauh lebih sederhana analog filter
dapat menghentikan frekuensi di atas Nyquist frekuensi yang lebih tinggi
baru.
Tujuan dari oversampling adalah untuk bersantai persyaratan pada
anti-aliasing filter, atau untuk lebih mengurangi aliasing ini. Sejak awal anti-
aliasing filter analog , oversampling memungkinkan untuk filter lebih murah
karena persyaratan tidak begitu ketat, dan juga memungkinkan anti-aliasing
filter untuk memiliki respon frekuensi halus, dan dengan demikian fase
respons kompleks kurang.
Pada masukan, sebuah awal analog anti-aliasing filter santai, sinyal
sampel pada tingkat tinggi, dan kemudian downsampled menggunakan
mendekati ideal digital anti-aliasing filter.
9. FILTER
Dalam pemrosesan sinyal , filter adalah sebuah perangkat atau
proses yang menghilangkan dari sinyal beberapa komponen yang tidak
diinginkan atau fitur. Penyaringan adalah kelas pemrosesan sinyal, fitur filter
yang mendefinisikan penindasan lengkap atau sebagian dari beberapa
aspek sinyal. Seringkali, ini berarti menghapus beberapa frekuensi dan tidak
lain untuk menekan sinyal mengganggu dan mengurangi latar
belakang kebisingan . Namun, filter tidak hanya bertindak dalam domain
frekuensi , terutama di bidang pengolahan gambar target lain untuk
menyaring ada.
Ada berbagai dasar filter klasifikasi dan tumpang tindih ini dalam
berbagai cara, tidak ada klasifikasi hirarkis yang sederhana. Penyaring
dapat:
analog atau digital
diskrit-waktu (sampel) atau kontinu-waktu
linear atau non-linear
invarian waktu atau varian waktu , juga dikenal sebagai invarian shift. Jika
filter beroperasi dalam domain spasial maka karakterisasi adalah invarian
ruang.
pasif atau aktif jenis filter waktu kontinu
respon impuls tak terbatas (IIR) atau respon impuls berhingga (FIR) jenis
diskrit-waktu atau digital filter.
9.1 Linear filter waktu kontinu
Sirkuit Linear kontinu-waktu mungkin arti yang paling umum untuk
filter di dunia pemrosesan sinyal, dan hanya "filter" sering dianggap sebagai
sinonim. Ini adalah filter yang dirancang untuk menghapus
tertentu frekuensi dan memungkinkan orang lain untuk lulus. Seperti filter,
kebutuhan, sebuah filter linier . Setiap non-linearitas akan menghasilkan
sinyal keluaran yang mengandung komponen frekuensi yang tidak hadir
dalam sinyal input.
Metodologi desain modern untuk filter kontinu-waktu linier disebut sintesis
jaringan . Beberapa keluarga Filter penting yang dirancang dengan cara ini
adalah:
Chebyshev filter , memiliki pendekatan yang terbaik untuk respon ideal
dari setiap filter untuk perintah tertentu dan riak.
Butterworth filter , memiliki frekuensi respon datar maksimal.
Bessel filter , memiliki flat maksimal keterlambatan fase .
Elliptic filter , memiliki cutoff paling curam dari setiap filter untuk perintah
tertentu dan riak.
Perbedaan antara keluarga filter adalah bahwa mereka semua yang
berbeda menggunakan fungsi polinom mendekati ke ideal filter respon. Hal
ini menyebabkan masing-masing memiliki yang berbedafungsi transfer .
Lain kurang, digunakan metodologi yang lebih tua adalah metode parameter
citra . Filter yang dirancang oleh metodologi ini adalah archaically disebut
"filter gelombang". Beberapa filter penting yang dirancang dengan metode
ini adalah:
k Konstan filter , dan sederhana bentuk asli gelombang filter.
Yang diturunkan dari filter m , merupakan modifikasi dari k konstanta
dengan kelerengan cutoff ditingkatkan dan pencocokan impedansi .
9.3 Terminologi
Beberapa istilah yang digunakan untuk menggambarkan dan
mengklasifikasikan filter linear:
Respon frekuensi dapat diklasifikasikan ke dalam beberapa yang
berbeda bandforms yang menggambarkan frekuensi melewati filter
(yang passband ) dan yang menolak (yang stopband ):
Low-pass filter - frekuensi rendah berlalu, frekuensi tinggi yang
dilemahkan.
High-pass filter - frekuensi tinggi yang berlalu, frekuensi rendah
dilemahkan.
Band-pass filter - frekuensi hanya dalam pita frekuensi yang berlalu.
Band-stop filter atau band-menolak filter - frekuensi hanya dalam pita
frekuensi yang dilemahkan.
Filter takik - menolak hanya satu frekuensi tertentu - ekstrim band-stop
filter.
Comb Filter - telah secara teratur sempit passbands beberapa spasi yang
memberikan bandform penampilan sisir.
All-pass filter - semua frekuensi yang berlalu, namun fasa output
dimodifikasi.
frekuensi cutoff adalah frekuensi di luar yang filter tidak akan melewati
sinyal. Hal ini biasanya diukur pada redaman tertentu seperti 3dB.
Roll-off adalah tingkat di mana redaman meningkatkan luar frekuensi cut-
off.
Transisi band , biasanya sempit) band (frekuensi antara passband dan
stopband.
Ripple adalah variasi dari filter insertion loss di passband tersebut.
Urutan filter adalah derajat polinomial aproksimasi dan filter pasif sesuai
dengan jumlah elemen yang diperlukan untuk membangunnya. rangka
meningkatkan Peningkatan roll-off dan membawa filter lebih dekat
dengan respon yang ideal.
9.4 Teknologi
Filter dapat dibangun dalam sejumlah teknologi yang
berbeda. Fungsi transfer yang sama dapat diwujudkan dalam beberapa cara
yang berbeda, yaitu sifat matematika dari filter adalah sama tetapi sifat fisik
sangat berbeda. Seringkali komponen dalam teknologi analog yang berbeda
secara langsung satu sama lain dan memenuhi peran yang sama dalam
filter masing-masing. Misalnya, resistor, induktor dan kapasitor elektronik
masing-masing sesuai untuk peredam, massa dan pegas dalam
mekanika. Demikian juga, ada komponen yang sesuai pada elemen filter
terdistribusi.
filter Elektronik awalnya sepenuhnya pasif yang terdiri dari resistansi,
induktansi dan kapasitansi. teknologi Active membuat desain lebih
mudah dan membuka kemungkinan baru dalam spesifikasi filter.
filter digital beroperasi pada sinyal direpresentasikan dalam bentuk
digital. Inti dari filter digital adalah bahwa hal itu langsung
mengimplementasikan sebuah algoritma matematika, sesuai dengan
fungsi transfer filter yang diinginkan, dalam pemrograman atau
microcode.
filter mekanik yang dibangun dari komponen mekanis. Pada sebagian
besar kasus mereka digunakan untuk memproses sinyal elektronik
dan transduser disediakan untuk mengubah ini ke dan dari getaran
mekanis. Namun, contoh-contoh memang ada filter yang telah
dirancang untuk operasi seluruhnya dalam domain mekanik.
filter elemen terdistribusi dibangun dari komponen yang terbuat dari
potongan-potongan kecil saluran transmisi atau elemen
didistribusikan . Ada struktur di elemen filter terdistribusi yang langsung
berhubungan dengan elemen lumped filter elektronik, dan lain-lain yang
unik untuk kelas ini teknologi.
Pandu filter terdiri dari komponen Waveguide atau komponen
dimasukkan ke dalam Waveguide tersebut. Waveguides adalah kelas
jalur transmisi dan banyak struktur filter elemen didistribusikan,
misalnya rintisan (elektronik) , dapat diterapkan dalam waveguides juga.
Filter akustik
filter optik pada awalnya dikembangkan untuk tujuan selain pemrosesan
sinyal seperti pencahayaan dan fotografi. Dengan munculnya serat
optik teknologi, bagaimanapun, filter optik semakin menemukan aplikasi
pemrosesan sinyal dan pemrosesan sinyal filter terminologi,
seperti longpass dan shortpass , memasuki lapangan.
9.4 Fungsi transfer
Fungi transfer sebuah filter adalah rasio dari sinyal keluaran
itu dari sinyal input sebagai fungsi dari frekuensi kompleks :
dengan .
Fungsi transfer semua filter waktu-invariant linear umumnya memiliki
karakteristik tertentu:
Untuk filter yang terbuat dari komponen diskrit, fungsi transfer mereka
harus rasio dua polinomial dalam , Yaitu fungsi rasional dari . Urutan
fungsi transfer akan menjadi kekuatan tertinggi ditemui baik dalam
pembilang atau penyebut.
Polinomial dari fungsi transfer semua akan memiliki koefisien nyata. Oleh
karena itu, kutub dan nol dari fungsi transfer baik akan menjadi nyata
atau terjadi dalam pasangan konjugasi kompleks.
Karena filter dianggap stabil, bagian nyata dari semua kutub (nol yaitu
denominator) akan negatif, yaitu mereka akan terletak pada bidang-kiri
setengah dalam ruang frekuensi kompleks.
Filter elemen terdistribusi tidak, secara umum, memproduksi fungsi rasional
tetapi sering dapat mendekati kepada mereka.
Pembangunan yang tepat dari fungsi transfer melibatkan Transformasi
Laplace , dan oleh karena itu diperlukan untuk menganggap kondisi awal
null, karena
Dan ketika f (0) = 0 kita dapat menyingkirkan konstanta dan menggunakan
ekspresi yang biasa
Sebuah alternatif untuk mentransfer fungsi adalah untuk memberikan
perilaku filter sebagai konvolusi . The teorema konvolusi , yang berlaku
untuk transformasi Laplace, jaminan kesetaraan dengan fungsi transfer.
9.5 Klasifikasi
Filter dapat ditentukan oleh keluarga dan bandform. Sebuah keluarga
penyaring ditentukan oleh polinomial digunakan dan masing-masing kurang
lebih mengarah ke karakteristik tertentu dari fungsi transfer filter. Beberapa
keluarga filter yang umum dan karakteristik khusus mereka adalah:
Butterworth filter - tidak ada keuntungan riak di band pass dan band
berhenti, cutoff lambat
Chebyshev filter (Type I) - tidak ada riak keuntungan dalam band
berhenti, cutoff moderat
filter Chebyshev (Tipe II) - tidak ada riak keuntungan pada band pass,
cutoff moderat
Bessel filter - tidak ada kelompok penundaan riak, tidak ada riak
keuntungan pada kedua band, cutoff keuntungan lambat
Filter eliptik - keuntungan riak lancar dan berhenti band, cutoff cepat
Optimum "L" filter
Gaussian filter - tidak ada riak dalam menanggapi langkah fungsi
Jam pasir filter
Dibesarkan-filter kosinus
Setiap keluarga filter dapat ditentukan untuk suatu urutan
tertentu. Semakin tinggi pesanan, semakin filter akan mendekati "ideal"
filter, tetapi juga makin lama respon impuls dan semakin lama latency
akan. Filter ideal memiliki transmisi penuh di band pass, redaman lengkap
dalam band berhenti, dan transisi yang tiba-tiba antara dua band, tapi filter
ini memiliki urutan yang tak terbatas (misalnya, respon tidak dapat
dinyatakan sebagai persamaan diferensial linear dengan jumlah terbatas )
dan latensi yang tak terbatas (yaitu, yang mendukung
kompak dalam Transformasi Fourier waktu respon kekuatan untuk menjadi
yang pernah berlangsung).
Berikut adalah gambar membandingkan Butterworth, Chebyshev,
dan filter eliptik. Filter dalam ilustrasi ini adalah semua pesanan kelima low-
pass filter. Pelaksanaan tertentu - analog atau digital, pasif atau aktif - ada
bedanya; output mereka akan sama.
Seperti jelas dari gambar, filter eliptik lebih tajam dari yang lainnya, namun
mereka menunjukkan riak pada bandwidth keseluruhan.
Setiap keluarga dapat digunakan untuk menerapkan bandform
tertentu yang frekuensi ditularkan, dan yang, di luar passband, lebih atau
kurang dilemahkan. Fungsi transfer sepenuhnya menentukan perilaku filter
linier, tetapi bukan teknologi tertentu yang digunakan untuk
menerapkannya. Dengan kata lain, ada sejumlah cara yang berbeda untuk
mencapai fungsi transfer tertentu ketika merancang rangkaian. Sebuah
bandform tertentu filter dapat diperoleh dengan transformasi dari
suatu prototipe filter dari keluarga itu.
10. KENDALI OTOMATIS
Adalah adaptif sistem yang ditemukan di berbagai perangkat
elektronik. Sinyal keluaran tingkat rata-rata makan kembali untuk
menyesuaikan laba ke tingkat yang sesuai untuk berbagai tingkat sinyal
input. Sebagai contoh, tanpa AGC suara yang dipancarkan dari AM radio
penerima akan bervariasi rupa ekstrim dari lemah untuk sinyal yang kuat,
yang AGC efektif mengurangi volume jika sinyal yang kuat dan menimbulkan
ketika itu lemah. AGC algoritma sering menggunakan kontroler PID mana
istilah P didorong oleh error antara aktual output amplitudo dan diharapkan.
10.1 Contoh Penggunaan
a. Radio AM
Pada tahun 1925, Harold Alden Wheeler menemukan kontrol
volume otomatis (AVC) dan memperoleh hak paten. Karl
Küpfmüller menerbitkan sebuah analisis sistem AGC pada tahun
1928. [1] Pada awal 1930-an dasarnya semua penerima siaran termasuk
volume control otomatis.
AGC adalah keberangkatan dari linearitas di radio AM penerima .
Tanpa AGC, sebuah radio AM akan memiliki hubungan linier antara
amplitudo sinyal dan bentuk gelombang suara - suara amplitudo, yang
berkorelasi dengan kenyaringan, sebanding dengan amplitudo sinyal radio ,
karena kandungan informasi dari sinyal dibawa oleh perubahan amplitudo
dari gelombang pembawa . Jika rangkaian tidak cukup linier, modulasi tidak
dapat dipulihkan dengan wajar kesetiaan . Namun, kekuatan sinyal yang
diterima akan bervariasi, tergantung pada kekuatan dan jarak
dari transmitter , dan sinyal jalurredaman . Rangkaian AGC menjaga tingkat
output receiver dari berfluktuasi terlalu banyak dengan mendeteksi kekuatan
sinyal keseluruhan dan secara otomatis menyesuaikan keuntungan penerima
untuk mempertahankan tingkat output rata-rata mendekati konstan. Untuk
sinyal yang sangat lemah, AGC tidak berpengaruh, yang memungkinkan
penerima untuk beroperasi pada keuntungan maksimum, seperti meningkat
sinyal, AGC mengurangi gain.
Hal ini biasanya merugikan untuk mengurangi keuntungan dari ujung
depan penerima pada sinyal lemah sebagai keuntungan rendah dapat
memperburuk -to-noise rasio sinyal dan menghalangi ; [4]Oleh karena itu,
banyak desain mengurangi keuntungan hanya untuk sinyal lebih kuat.
Karena dioda detektor AM menghasilkan tegangan DC proporsional
terhadap kekuatan sinyal, tegangan ini dapat makan kembali ke tahap-tahap
awal penerima untuk mengurangi keuntungan. Sebuah jaringan filter
diperlukan sehingga komponen audio sinyal tidak mempengaruhi
keuntungan lumayan, ini mencegah "naik modulasi" yang meningkatkan
kedalaman modulasi efektif sinyal, distorsi suara. Komunikasi
penerima mungkin memiliki lebih kompleks sistem AVC, termasuk tahap
amplifikasi tambahan, terpisah AGC dioda detektor, konstanta waktu yang
berbeda untuk dan band gelombang pendek siaran, dan penerapan berbagai
tingkat tegangan AGC untuk tahapan yang berbeda dari penerima untuk
mencegah distorsi dan cross-modulasi. [5] Desain dari sistem AVC memiliki
besar berpengaruh pada kegunaan dari penerima, karakteristik tuning,
kesetiaan audio, dan perilaku pada kelebihan dan sinyal kuat. [6]
penerima FM, meskipun mereka menggabungkan tahap limiter dan detektor
yang relatif tidak sensitif terhadap variasi amplitudo, masih mendapatkan
keuntungan dari AGC untuk mencegah kelebihan pada sinyal yang kuat.
b. Radar
Sebuah aplikasi terkait AGC adalah dalam radar sistem, sebagai
metode yang tidak diinginkan mengatasi kekacauan gema. Metode ini
didasarkan pada kenyataan bahwa kekacauan kembali jauh melebihi jumlah
gema dari sasaran yang menarik. Keuntungan penerima secara otomatis
disesuaikan untuk mempertahankan tingkat konstan dari kekacauan terlihat
secara keseluruhan. Meskipun hal ini tidak membantu mendeteksi target
tertutup oleh kekacauan sekitarnya lebih kuat, itu tidak membantu untuk
membedakan sumber target yang kuat. Di masa lalu, radar AGC adalah
elektronik dikendalikan dan mempengaruhi gain dari seluruh penerima
radar. Seperti radar berevolusi, AGC menjadi perangkat lunak komputer
dikendalikan, dan terpengaruh keuntungan dengan granularity yang lebih
besar, dalam sel deteksi tertentu.
c. Audio / video
Sebuah rekaman audio menghasilkan sejumlah kebisingan . Jika
tingkat sinyal pada pita rendah, kebisingan lebih menonjol, yaitu signal-to
noise rasio lebih rendah dari itu bisa. Untuk menghasilkan rekaman berisik
sedikit, volume rekaman harus ditetapkan setinggi mungkin tanpa begitu
tinggi untuk klip atau serius mendistorsi sinyal. Dalam profesional tinggi
kesetiaan tingkat perekaman diatur secara manual menggunakan puncak-
membaca meter. Jika kesetiaan yang tinggi bukanlah suatu kebutuhan,
tingkat perekaman yang cocok dapat diatur melalui sebuah sirkuit AGC yang
mengurangi keuntungan dengan meningkatnya level sinyal rata-rata. Hal ini
memungkinkan rekaman dapat digunakan untuk dibuat bahkan untuk pidato
beberapa jarak dari mikrofon dari perekam audio.Pertimbangan serupa
berlaku dengan VCR.
Kelemahan potensi AGC adalah bahwa ketika merekam sesuatu
seperti musik dengan keras bagian-bagian dan tenang, AGC akan
cenderung membuat bagian-bagian yang tenang lebih keras dan tenang
bagian keras, menekan rentang dinamis , hasilnya bisa kualitas musik
berkurang jika sinyal tidak kembali diperluas pada pemutaran, seperti dalam
sebuah Companding sistem.
Kebanyakan reel-to-reel tape recorder dan kaset deck memiliki
sirkuit AGC. Yang digunakan untuk high-fidelity memungkinkan untuk diganti
secara manual.
Kebanyakan sirkuit VCR menggunakan amplitudo dari pulsa
blanking vertikal untuk mengoperasikan AGC. salinan skema kontrol Video
seperti Macrovision mengeksploitasi ini, memasukkan paku di pulsa yang
akan diabaikan oleh sebagian besar televisi set, tetapi menyebabkan VCR's
AGC untuk overcorrect dan korup rekaman.
d. Rekaman Telepon
Perangkat untuk merekam kedua sisi telepon percakapan harus
merekam sinyal yang relatif besar dari pengguna lokal dan sinyal yang lebih
kecil banyak dari remote user di loudnesses sebanding.perangkat telepon
rekaman Beberapa menggabungkan mendapatkan kendali otomatis untuk
menghasilkan rekaman dengan kualitas yang dapat diterima.
e. Biologi
Seperti halnya dengan banyak konsep yang ditemukan dalam
rekayasa, mendapatkan kendali otomatis juga ditemukan dalam sistem
biologi, khususnya sistem sensorik. Sebagai contoh, dalamvertebrata sistem
visual , kalsium dinamika dalam retina fotoreseptor menyesuaikan
keuntungan sesuai tingkat cahaya. Lebih lanjut di dalam system visual sel-
sel di V1 adalah pemikiran untuk saling menghambat, menyebabkan
normalisasi tanggapan terhadap kontras, suatu bentuk kontrol gain
otomatis. Demikian pula, dalam sistem pendengaran , maka eferen
olivocochlear neuron merupakan bagian dari mekanis mendapatkan kontrol
loop bio.
11. Beamforming
Beamforming
Beamforming adalah pemrosesan sinyal teknik yang digunakan
dalam array sensor untuk transmisi sinyal arah atau penerimaan. Hal ini
dicapai dengan menggabungkan elemen dalam array sedemikian rupa
sehingga sinyal di sudut pengalaman gangguan tertentu konstruktif dan lain-
lain sementara mengalami gangguan merusak. Beamforming dapat
digunakan baik pada mengirim dan sisi penerima untuk mencapai spasial
selektivitas. Peningkatan tersebut dibandingkan dengan omnidirectional
penerimaan / transmisi dikenal sebagai menerima/ mengirimkan keuntungan
(atau kerugian).
Beamforming dapat digunakan untuk kedua radio atau gelombang
suara . Ia telah menemukan berbagai aplikasi dalam radar, sonar,
seismologi, komunikasi nirkabel, astronomi radio, pidato, akustik, dan
biomedis. Adaptive beamforming digunakan untuk mendeteksi dan
memperkirakan sinyal-of-bunga pada keluaran array sensor dengan
menggunakan data spasial-adaptif penyaringan dan penolakan gangguan.
11.1 Teknik Beamforming
Beamforming mengambil keuntungan dari gangguan untuk
mengubah directionality dari array. Ketika transmisi, beamformer yang
mengontrol fase dan relatif amplitudo sinyal pada pemancar masing-masing,
dalam rangka menciptakan pola interferensi konstruktif dan destruktif dalam
wavefront. Ketika menerima, informasi dari sensor yang berbeda
dikombinasikan sedemikian rupa sehingga diharapkan pola radiasi
preferentially diamati.
Misalnya di sonar , untuk mengirim pulsa tajam suara bawah air
menuju kapal di kejauhan, hanya transmisi yang tajam pulsa dari
setiap proyektor sonar dalam array secara bersamaan gagal karena kapal
pertama akan mendengar pulsa dari speaker yang kebetulan terdekat kapal,
kemudian pulsa dari speaker yang berada lebih jauh dari kapal. Teknik
beamforming melibatkan pengiriman pulsa dari proyektor masing-masing
pada waktu yang sedikit berbeda (proyektor terdekat ke kapal terakhir),
sehingga setiap pulsa hits kapal tepat pada saat yang sama, menghasilkan
efek dari pulsa kuat tunggal dari sebuah proyektor yang kuat tunggal . Hal
yang sama dapat dilakukan di udara dengan menggunakan pengeras suara ,
atau dalam radar radio / menggunakan antena.
Dalam sonar pasif, dan penerimaan di sonar aktif, teknik
beamforming melibatkan menggabungkan tertunda sinyal dari
setiap hidrofon pada waktu yang berbeda sedikit (yang hidrofon paling dekat
dengan target akan digabungkan setelah waktu tunda yang terpanjang),
sehingga setiap sinyal mencapai output tepat saat yang sama, membuat satu
sinyal keras, seakan sinyal berasal dari hidrofon, tunggal sangat
sensitif. Menerima beamforming juga dapat digunakan dengan mikrofon atau
antena rada.
Dengan-band sistem mempersempit waktu tunda adalah setara
dengan "pergeseran fasa", maka dalam hal ini array antena, masing-masing
bergeser jumlah yang berbeda sedikit, disebut array bertahap . Sebuah
sistem pita sempit, khas radar , adalah salah satu dimana bandwidth hanya
sebagian kecil dari pusat frekuensi. Dengan sistem pita lebar pendekatan ini
tidak lagi memegang, yang khas dalam sonars.
Dalam beamformer menerima sinyal dari antena masing-masing
mungkin diperkuat oleh berbeda "berat." pola bobot yang berbeda
(misalnya, Dolph-Chebyshev ) dapat digunakan untuk mencapai sensitivitas
pola yang diinginkan. Sebuah lobus utama diproduksi bersama dengan nulls
dan sidelobes. Serta mengendalikan lebar lobus utama (balok) dan tingkat
sidelobe, posisi null dapat dikendalikan. Hal ini berguna untuk mengabaikan
kebisingan atau jammers dalam satu arah tertentu, sedangkan
mendengarkan peristiwa di arah lain. Sebuah hasil yang serupa dapat
diperoleh pada transmisi.
Untuk matematika penuh pada mengarahkan balok menggunakan
dan fase pergeseran amplitudo, lihat bagian matematika dalam array
bertahap .
teknik Beamforming secara luas dapat dibagi menjadi dua kategori:
konvensional (tetap atau beralih balok ) beamformers
adaptif beamformers atau array adaptif
Diinginkan modus sinyal maksimisasi
Interferensi sinyal minimisasi atau mode pembatalan
Beamformers konvensional menggunakan seperangkat tetap bobot
dan waktu penundaan (atau phasings) untuk menggabungkan sinyal dari
sensor dalam array, terutama menggunakan informasi hanya tentang lokasi
sensor dalam ruang dan arah gelombang dari bunga. Sebaliknya, teknik
beamforming adaptif umumnya menggabungkan informasi ini dengan sifat
dari sinyal yang diterima oleh array, biasanya untuk meningkatkan penolakan
sinyal yang tidak diinginkan dari arah lain. Proses ini dapat dilakukan baik
dalam waktu atau domain frekuensi.
Seperti namanya menunjukkan, sebuah beamformer adaptif dapat
secara otomatis menyesuaikan responnya terhadap situasi yang
berbeda. Beberapa kriteria harus dibentuk untuk memungkinkan adaptasi
untuk melanjutkan seperti meminimumkan total output noise. Karena variasi
kebisingan dengan frekuensi, dalam sistem pita lebar, mungkin lebih baik
untuk melaksanakan proses dalamdomain frekuensi.
Beamforming dapat komputasi secara intensif. bertahap array Sonar
memiliki tingkat cukup rendah data yang dapat diproses secara real-time
di perangkat lunak , yang cukup fleksibel untuk mengirim dan / atau
menerima beberapa arah sekaligus. Sebaliknya, radar array bertahap
memiliki data rate tinggi sehingga biasanya memerlukan khusus perangkat
keras pengolahan, yang sulit-kabel untuk mengirim dan / atau menerima
hanya satu arah pada suatu waktu. Namun, baru bidang array gerbang
diprogram cukup cepat untuk menangani data radar secara real-time, dan
dapat cepat kembali diprogram seperti perangkat lunak, perangkat keras
mengaburkan / perbedaan perangkat lunak.
11.2 Sonar beamforming persyaratan
Sonar sendiri memiliki banyak aplikasi, seperti wide-area-pencarian-
dan-mulai, sonars pencitraan bawah air seperti side-scan sonar dan kamera
akustik.
Sonar implementasi beamforming mirip pada teknik umum, tetapi
sangat bervariasi secara rinci dibandingkan dengan sistem elektromagnetik
beamforming implementasi. aplikasi Sonar bervariasi dari 1 Hz sampai
setinggi 2 MHz, dan elemen array dapat sedikit dan besar, atau nomor dalam
ratusan namun sangat kecil. Ini akan menggeser sonar beamforming upaya
desain secara signifikan antara tuntutan dari komponen sistem seperti "front
end" (transduser, preamps dan digitizers) dan perangkat keras yang
sebenarnya beamformer komputasi hilir. Frekuensi tinggi, fokus beam, multi-
elemen pencitraan-pencarian sonars dan kamera akustik sering menerapkan
kelima pemrosesan order spasial yang menempatkan strain setara dengan
tuntutan radar Aegis pada prosesor.
Banyak sistem sonar, seperti di torpedo, yang terdiri dari array
hingga 100 elemen yang harus mencapai beamsteering atas lapangan
pandang 100 derajat dan bekerja di kedua mode aktif dan pasif. Array Sonar
digunakan baik aktif dan pasif dalam 1, 2, dan 3 array dimensi.
1 dimensi "garis" array biasanya dalam multi-elemen sistem pasif ditarik
di belakang kapal dan di sisi tunggal atau multi-elemen scan sonar.
2 dimensi "planar" array yang umum di aktif / pasif lambung kapal
dipasang sonars dan beberapa sisi-scan sonar .
3 array dimensi bola dan silinder digunakan dalam 'sonar kubah' di
modern kapal selam dan kapal.
Sonar berbeda dari radar dalam bahwa dalam beberapa aplikasi
seperti luas area pencarian-segala arah sering harus mendengarkan, dan
dalam beberapa aplikasi disiarkan ke, secara bersamaan. Jadi sistem
multibeam diperlukan. Dalam penerima sonar narrowband fase untuk setiap
berkas dapat dimanipulasi sepenuhnya oleh perangkat lunak pemrosesan
sinyal, dibandingkan untuk menyajikan sistem radar yang menggunakan
hardware untuk 'mendengarkan' dalam satu arah pada satu waktu.
Sonar juga menggunakan beamforming untuk mengkompensasi
masalah signifikan dari kecepatan propagasi suara lebih lambat
dibandingkan dengan radiasi elektromagnetik. Di sisi-lihat-sonars, kecepatan
sistem penarik atau kendaraan membawa sonar bergerak pada kecepatan
yang cukup untuk memindahkan sonar keluar dari bidang "ping" suara
kembali. Selain fokus algoritma dimaksudkan untuk meningkatkan
penerimaan, banyak pihak scan sonars juga mempekerjakan kemudi balok
untuk melihat ke depan dan ke belakang untuk "menangkap" pulsa masuk
yang mungkin telah terlewati oleh sebuah balok sidelooking tunggal.
11.3 skema Beamforming
Sebuah beamformer konvensional dapat menjadi beamformer sederhana
juga dikenal sebagai -dan-sum beamformer delay . Semua bobot elemen
antena dapat memiliki magnitudo sama.beamformer ini dikemudikan ke
arah tertentu saja dengan memilih fase yang tepat untuk setiap
antena. Jika kebisingan tidak berkorelasi dan tidak ada gangguan
directional, yang -to-noise rasio sinyal dari beamformer dengan L antena
menerima sinyal kekuasaan P adalah , Dimana adalah
varian atau kekuasaan Kebisingan Noise.
Null-kemudi beamformer
Frekuensi domain beamformer
11.4 Sejarah Beamforming dalam standar selular
Beamforming teknik yang digunakan dalam telepon selular standar telah
maju dari generasi ke generasi untuk menggunakan sistem yang lebih
kompleks untuk mencapai sel kepadatan lebih tinggi, dengan throughput
lebih tinggi.
Pasif mode: (hampir) solusi non-standar
Wideband Code Division Multiple Access ( WCDMA ) mendukung arah
kedatangan (DOA) berdasarkan beamforming
Modus: solusi standar wajib
2G - antena Transmit seleksi sebagai dasar beamforming
3G - WCDMA: Transmit array antena (TxAA) beamforming
3G evolusi - LTE / UMB: Multiple-input multiple-output (MIMO) precoding
berdasarkan beamforming dengan parsial Space-Division Multiple
Access (SDMA)
Beyond 3G (4G, 5G, ...) - solusi beamforming Lebih maju untuk
mendukung SDMA seperti loop tertutup beamforming dan multi-dimensi
beamforming diharapkan
“GLOSARIUM”
SINYAL DAN SISTEM
Oleh :
Muhamad Akbar Triana
(J2D 008 034)