Bab 5 Sinyal dan Sistem Waktu Diskrit - Sinyal sistem bab5 rev 03
Bab 5 Sinyal dan Sistem Waktu Diskrit Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS Edited by Foxit Reader Copyright(C) by Foxit Corporation,2005-2009 For Evaluation Only.
Representasi matematik pada sinyal waktu diskrit, domain waktu dan frekuensi pada suatu sinyal waktu diskrit, transformasi pada sinyal waktu diskrit
Materi: Tujuan:
- Siswa mampu menyelesaikan konsep dasar transformasi Fourier Waktu Diskrit • Siswa mampu membawa persoalan dari konsep sinyal waktu kontinyu menjadi sinyal waktu diskrit.
5.1. Transformasi Fourier Waktu Kontinyu
5.2. Discrete-Time Fourier Series (DTFT)
5.3. Discrete-Fourier Transform (DFT)
5.4. Komputasi DFT
5.5. Komputasi Inverse DFT
5.6. Interpretasi Hasil DFT
5.7. Hubungan DFT- Transformasi Fourier
5.1. Continues Time Fourier Transform
Sinyal periodik waktu kontinyu f(t) dengan periode T dinyatakan sebagai • bentuk weighted sum pada complex exponential: ∞
jk Ω
Î untuk semua nilai t (1) f t = F e t
( ) k
∑ k = −∞
T dimana:
1 − Ω jk
F = koefisien-koefisien ekspansi F f ( t ) e tdt k k
=
∫T Ω = frekuensi fundamental Î Ω =π/T Lanjutan….
• Persamaan (1) dikenal sebagai deret Fourier eksponensial komplek
- Dalam terminologi deret geometri seringkali dinyatakan sebagai
( )
∑ ∞ =
Ω + Ω + =
1 ) sin cos ( k k k t k b t k a a t f
∫ = = T F dt t f
T a ) (
1
(2) (3)
2 T
- = Ω = T k k k F F dt k t f T a cos ) (
- Untuk N genap: ( N / 2 ) − 1 ( N / 2 ) − 1
- ( ) ( ) cos ( ) sin ⎜ ⎟ ⎜ ⎟
- cos π ⎜ ⎟
- Untuk N ganjil: ( N − 1 ) / 2 ( N − 1 ) / 2
- ⎜ ⎟ ⎜ ⎟ k = 1 k =
- x ( n ) A ( ) A ( k ) cos k n B ( k ) sin k n
- Bisa digunakan untuk sinyal periodik dan non periodik
- Dimana ω =2π/N
- Bentuk Inversnya:
- Dalam terminologi (W N
- Secara umum sama dengan sifat Transformasi Fourier waktu kontinyu.
• Tetapi durasi untuk n dibatasi 0 s/d N-1. Maka setelah n = N-1,
akan berputar kembali pada nilai n = 0.- Dari beberapa sifat tsb, kita bahas 4 saja, yaitu:
- Sifat Linearitas - Sifat Circular Translation - Sifat Perkalian dengan Eksponensial - Sifat Circular Convolution
- Pada kasus translasi linearÆx(n-n ) merupakan bentuk pergeseran ke kanan.
- Tetapi pada kasus sinyal non-periodik (n = 0 s/d N-1), maka pergeseran terbatas sampai dengan N-1. Setelah itu kembali ke n=0Î Modulo N, maka
- ln
- Konvolusi Linear:
- Konvolusi Circular: N − 1 x ( n ) x ( n ) x ( n k ) mod N x ( k )
- Sebuah operasi konvolusi circular dibentuk dari dua komponen x
- y(0) = 1 0 6 0 = 7 Step 1: x 1 (k) = (1, 2, 2, 0) x 2 ((0-k)mod 4)= (0, 3,
- y(0) = 0 6 4 0 = 10 Step 3: x 1 (k) = (1, 2, 2, 0) x 2 ((2-k)mod 4)= (2, 1,
- y(0) = 3 4 2 0 = 9 Step 5: x 1 (k) = (1, 2, 2, 0)
- y(0) = 1 2 0 0 = 4 Step 4: x 1 (k) = (1, 2, 2, 0) x 2 ((3-k)mod 4)= (3, 2, 1, 0) Hasilnya: ) 9 ,
- Dapatkan transformasi Fourier dari sinyal cosinus yang memiliki periode eksak di dalam window yang terdapat pada sampel. Tetapkan x(n) seperti pada Gambar dibawah yang direpresentasikan sebagai x(t) = 3cos(2πt), pada t=nT. Untuk suatu n = 0~ 99, dan T=0,01.
- Bagian real X
- A=3Î amplitudo
- N = 300 Î jumlah sampel yang digunakan Karena struktur sampling, frekuensi indek 2 berkaitan secara tepat dengan penuh pada gelombang cosinus.
- = ) (
- Transformasi Fourier • Discrete Fourier Transform
∫ −
(4)
5.2. Discrete-Time Fourier Series (DTFT) • Untuk sinyal periodik waktu diskrit x(n) dengan periode N.
Kita kenal frekuensi digital 0 ~ 2π. Ekspansinya dinyatakan dalam: N −
1
1 ω jk n x n = X k e
( ) ( ) (6)
∑ N
= k N −
1 − ω (7) jk n
X k = x n e ( ) ( )
∑ = k
Persamaan (6) dan (7) dikenal sebagai pasangan Discrete Fourier Series (DFS) Dalam hal ini Lanjutan….
2 π 2 π ⎛ ⎞ ⎛ ⎞
x n A A k k n B k k n
( ) =
∑ ∑
k = 1 k = N 1 N ⎝ ⎠ ⎝ ⎠N ⎛ ⎞
A n
……….(8a)
2 ⎝ ⎠
2 π 2 π ⎛ ⎞ ⎛ ⎞ =
∑ ∑
N N 1 ⎝ ⎠ ⎝ ⎠ Lanjutan
Untuk N Genap: N − 1
1 = A ( ) x ( n )
(9)
∑ N n = N − 1
2 2 π ⎛ ⎞ A ( k ) = x ( n ) cos k n untuk k = 1 , 2 ,..., N / 2 −
1 ( )
⎜ ⎟ ∑
N N n = ⎝ ⎠ N − 1
2 2 π ⎛ ⎞ B ( k ) = x ( n ) sin k n untuk k = 1 , 2 ,..., N / 2 −
1 ( )
⎜ ⎟ ∑
N N n = ⎝ ⎠ N − 1 N
1 ⎛ ⎞ A = x ( n ) cos n untuk k = 1 , 2 ,..., N / 2 −
1 π ( )
⎜ ⎟ ∑
2 N ⎝ ⎠ n =
5.3. Disc re te -Fo urie r Tra nsfo rm (DFT)
1
− ≤ ≤ =
∑ − =
− N k e n x k
X N n ω n jk
(10)
( 1 )
=e -j2π/N ) dinyatakan: ( 1 ) ) (
1
− ≤ ≤ =
∑ − =
N n e k
X N n x N n n jk
ω
(11)
1 − N
1 ) ( Sifat-Sifat DFT
a. Sifat Linearitas
DFT[a x (n)] = a X (k) , DFT[a x (n)] = a X (k)
1
1
1
1
2
2
2
2 Maka:
DFT[a x (n) + a x (n)] = a DFT[x (n)] + a DFT[x (n)]
1
1
2
2
1
1
2
2
= a X (k) + a X (k)
1
1
2
2
……..(12)
b. Sifat Circular Translation
1
7 bentuknya menjadi
N=8
6
2
5
3
4 x(n) = [x(0), x(1),……, x(N-2), x(N-1)] x((n-1)mod N) = [x(N-1), x(0),……, x(N-3), x(N-2)] …… x((n-n )mod N) = [x(N-n ), x(N-n +1),……., x(N- n -1)] …… x((n-N)mod N) = [x(0), x(1),……, x(N-2), x(N-1)]
c. Sifat Perkalian dengan Eksponensial
Jika DFT[x(n)] = X(k)
Maka DFT[W x(n)] =X((k-l) mod N)
N
………..(14)
d. Sifat Circular Convolution
∞ ∞
x n x n x n k x k atau x k x n k
1 ( ) ∗ ( ) = ( − ) ( ) ( ) ( − ) 2 1 2 1 2 k ∑ ∑ k= −∞ = −∞
j ω j ω
F x n x n X eX e
( ) ∗ ( ) = [ ] 1 2 1 ( ) ( )
2
− 1 x n x n F F x n F x n
( ) ∗ ( ) = ( ) ⋅ ( ) 1 2 { [ ] [ ] } 1 2
⊗ ∆ − 1 2 1
( ) 2 ∑ k = N − 1 Contoh 1:
1
(n)=(1,2,2,0) dan x
2 (n)=(0,1,2,3).
Dapatkan hasil konvolusi
) ( ) ( ) (
2
1 ⊗ n x n x n x =
x
1
(n) x
2
(n) Penyelesaian: Step 2: x 1 (k) = (1, 2, 2, 0) x 2 ((1-k)mod 4)= (1, 0, 3, 2)
4 , 7 , ) 10 ( ( ) ( ) (
2
4
1 = ⊗ = n x n x n y
n y(n)
DFT n x n x DFT
IDFT n x n x
Gambar 5.2. Hasil konvolusi circular5.4. Computation of DFT
N −
1 kn
……(17)
X k = x n W k = N − ( )
; , 1 ,.....,
1 ( )
N ∑ n = N −
1 kn kn
= Re x n j Im x n Re W j Im W + + { [ ] ( ) [ ] ( ) }
{ [ ] [ ] } N N
∑ n
= N −
1 N −
1 ⎧
⎫ kn kn x n W x n W
= Re Re − Im Im [ ] ( )
[ ] ( ) [ ] [ ]
⎨
N
N ⎬ ∑
∑ n n
= =
⎩ ⎭
N
1 N
1 − −
5.5. Computation of Inverse DFT
( ) ∑
− = −
− = ⎟ ⎠ ⎞
⎜ ⎝ ⎛ =
1 ; 1 , 1 ,....,
1 ) ( N k kn N
N n W k
X N n x
……….(18)
5.6. Interpretation of DFT Result
x(n)Î versi diskrit (tersampel) pad asinyal analog x
a
(t) Frekuensi indek
(tanpa satuan) k Frekuensi digital
(radiant) ω
k
= k2 π/N
Frekuensi indek (tanpa satuan)
Ω
k
= k2 π/NT Contoh 2
x(t) t Penyelesaian Didapatkan sekuen diskrit sebagai • x(n) = 3cos(2πnT) = 3cos(0.02πn) untuk
n =0,1,….,199. Perlu dicatat bahwa x(n) merupakan sinyal cosinus
sepanjang dua periode.x(n) n
X N n ω n jk
X ω ω π
( 3 ) N n n k j n k n k
1 sin cos 02 , cos
− =
∑ − =
( ) ( ) ( ) ( ) ( )
− N k e n x k
R
∑ − =
1 − ≤ ≤ =
( 1 ) ) (
(k) dapat dihitung dari persamaan (11).
I
(k) dan imajiner X
Hasilnya seperti pada gambar berikut… Bagian Real X (k) R
k
Indek Freq Digital (rad/det) Freq Digital
ω
k
Bagian Imaginer Semua bernilai 0, atau mendekati 0
Keterangan
Perhatikan pada bagian Real, ada dua nilai muncul yaitu pada indek frekuensi (2) dan (N-2 =198).
Masing-masing dengan nilai 300. Ini merepresentasikan (AN/2), dimana:
Contoh 3
Gambarkan magnitudo pada DFT 64 titik pada x(n) = (1/32) sin (0,2πn). • Dengan nilai n=0,1,…,63
1
=
⎜ ⎝ ⎛
⎟ ⎠ ⎞
⎜ ⎝ ⎛
⎟ ⎠ ⎞
2 =
1
32
64
2
Seperti terlihat pada gambar sebelumnya, dengan persamaan tersebut terjadi 6,4 gelombang sinus. Jika gelombang sinus tepat pada 1 periode penuh, |X(k)| akan memiliki nilai (AN/2), sehingga:
Penyelesaian
I R R
X I
X k
X k k X k X k
Magnitudonya: ( ) ( ) ( ) ( )
(k)
I
(k) + X
R
X(k) = X
AN
5.7. Hubungan DFT-Fourier Transform
( ) ( ) ( )
∑ ∑ − =
− ∞ −∞ = −
= =
1 N n n j n n j j e n x e n x e
X ω ω ω
( ) ( ) ( )
1 ,..., 1 , 1 /
2 − = =
∑ − =
− N k e n x k
X N n N k j π Sinyal Tersampel dan Transformasi Fouriernya
Zero Padding |8 titik DFT| dengan tambahan 4 zero pada x(n)Hasil DFT
|16 titik DFT| dengan tambahan 12 zero pada x(n)
Hasil DFT
|64 titik DFT| dengan tambahan 60 zero pada x(n)
Hasil DFT Contoh Lain DFT pada Sinyal Sinus x(n) = (1/64)*(sin(2*pi*n/64) + (1/3)*sin(2*pi*15*n/64))
Soal Latihan
1. Dapatkan bentuk transformasi Fourier (DFT)10-point untuk sinyal waktu diskrit berikut ini:
⎧ = 7 , 3 ;
1 ) n n n x c
= = 4 ; 4 ;
⎩ ⎨ ⎧ ≠
[ ]
9 ,......, 2 , = 1 ) = n n x b 1 ;
X b b [ ]
9 ,......,
2 ,
; 1 , = 1 ) = k k
2. Dapatkan bentuk invers Transformasi Fourier (IDFT) 10-point untuk sinyal berikut ini:
[ ]X a k a
[ ]
1 ) k k
;
= = 9 ,...... 2 , 1 ;
[ ] ⎩ ⎨ ⎧ =
; 1 , ) 5 2 = = n e n x d n j π
[ ] 9 ,......, 2 ,
1 ; ; 1 ) n n n x a
= = 9 ,......, 2 ,
⎩ ⎨ ⎧ =
1
k
3. Sebuah sinyal waktu diskrit dinyatakan dalam bentuk komplek berikut ini j k N n ( 2 π / ) x n = e ; n = , 1 , 2 ,..... N −
1 1 [ ] Dapatkan bentuk transformasi Fourier waktu diskrit (DFT) dari x[n] sebanyak N-titik
4. Sebuah sinyal waktu diskrit tersusun dari fungsi sinusioda: x [n]=cos(2πkn/N)
2 Dapatkan bentuknya dalam domain frekuensi N-titik
5. Buatlah sebuah program visualisasi dengan Matlab untuk domain waktu dan domain
frekuensi untuk sinyal berikut ini:6. Buat visualisasi sinyal domain waktu & frekuensi sinyal ini:
a). 1,1,1,1,0,0,0,……0,0
b). 1,1,1,1,0,0,0,………………….0,0 16 titik 32 titik
c). 1,1,1,1,0,0,0,………………0,0
d). 1,1,1,1,0,0,0,………………….0,0 64 titik 128 titik
7. Buat visualisasi domain waktu dan domain frekuensi untuk sinyal:
a) x[n] = sinc(2πn/10) ; n = -30,-29,…..-1,0,1,……..,29,30 ; n 30 , 29 ,...., 2 ,
1 = − − − − ⎧ ⎪ x n n
[ ] = 1 ; =