MODUL 4 SAMPLING DAN ALIASING

Modul 4 Praktikum Sinyal dan Sistem

Sampling dan Aliasing

MODUL 4 SAMPLING DAN ALIASING I. TUJUAN - Siswa memahami pengaruh pemilihan jumlah sample dan pengaruhnya pada proses recovery sinyal

II. DASAR TEORI Dalam proses pengolahan sinyal analog, sinyal input masuk ke Analog Signal Processing (ASP), diberi berbagai perlakukan (misalnya pemfilteran, penguatan,dsb.) dan outputnya berupa sinyal analog

Input (Sinyal Analog)

Output (Sinyal Analog)

ASP

Gambar 1. Sistem Pengolahan Sinyal Analog

Proses pengolahan sinyal secara digital memiliki bentuk sedikit berbeda. Komponen utama system ini berupa sebuah processor digital yang mampu bekerja apabila inputnya berupa sinyal digital. Untuk sebuah input berupa sinyal analog perlu proses awal yang bernama digitalisasi melalui perangkat yang bernama analog-to-digital conversion (ADC), dimana sinyal analog harus melalui proses sampling, quantizing dan coding. Demikian juga output dari processor digital harus melalui perangkat digital-to-analog conversion (DAC) agar outputnya kembali menjadi bentuk analog. Ini bisa kita amati pada perangkat seperti PC, digital sound system, dsb. Secara sederhana bentuk diagram bloknya adalah seperti berikut ini. Input (Sinyal Analog)

DAC

ADC

Output (Sinyal Analog)

DSP

Input (Sinyal Digital)

Output (Sinyal Digital)

Gambar 2. Sistem Pengolahan Sinyal Digital

Tri Budi Santoso, Miftahul Huda

1



2.1. Sinyal Waktu Diskrit Berdasarkan pada penjelasan diatas kita tahu betapa pentingnya satu proses yang bernama sampling. Setelah sinyal waktu kontinyu atau yang juga popoler kita kenal sebagai sinyal analog disampel, akan didapatkan bentuk sinyal waktu diskrit. Untun mendapatkan sinyal waktu diskrit yang mampu mewakili sifat sinyal aslinya, proses sampling harus memenuhi syarat Nyquist: fs > 2 fi

(1)

dimana: fs = frekuensi sinyal sampling fi = frekuensi sinyal informasi yanga kan disampel

Fenomena aliasing proses sampling akan muncul pada sinyal hasil sampling apabila proses frekuensi sinyal sampling tidak memenuhi criteria diatas. Perhatikan sebuah sinyal sinusoida waktu diskrit yang memiliki bentuk persamaan matematika seperti berikut: x(n) = A sin(ωn +θ)

(2)

dimana: A = amplitudo sinyal ω = frekuensi sudut θ = fase awal sinyal

Frekuensi dalam sinyal waktu diskrit memiliki satuan radian per indek sample, dan memiliki ekuivalensi dengan 2πf.

Gambar 3. Sinyal sinus diskrit


2



Sinyal sinus pada Gambar 3 tersusun dari 61 sampel, sinyal ini memiliki frekuensi f = 50 dan disampel dan disempel dengan Fs = 1000. Sehingga untuk satu siklus sinyal sinus memiliki sample sebanyak Fs/f = 1000/50 = 20 sampel. Berbeda dengan sinyal waktu kontinyu (C-T), sifat frekuensi pada sinyal waktu diskrit (D-T) adalah: 1. Sinyal hanya periodik jika f rasional. Sinyal periodic dengan periode N apabila berlaku untuk semua n bahwa x(n+N) = x(n). Periode fundamental NF adalah nilai N yang terkecil. Sebagai contoh: agar suatu sinyal periodic maka

cos(2π (N + n ) + θ ) = cos(2πn + θ ) = cos(2πn + θ + 2πk ) ⇔ 2πfN = 2πk ⇔ f =

k ⇔ f harus rasional N

2. Sinyal dengan fekuensi beda sejauh k2π(dengan k bernilai integer) adalah identik. Jadi berbeda dengan kasus pada C-T, pada kasus D-T ini sinyal yang memiliki suatu frkeuensi unik tidak berarti sinyal nya bersifat unik. Sebagai contoh: cos[(ωο + 2π)n + θ] = cos (ωο + 2π) karena cos(ωο + 2π) = cos(ωο). Jadi bila xk(n) = cos(ωοn+ 2π) , k = 0,1,…. Dimana ωk = ωοn+ 2kπ, maka xk(n) tidak bisa dibedakan satu sama lain. Artinya x1(n) = x2(n) = x3(n)….= xk(n). Sehingga suatu sinyal dengan frekuensi berbeda akan berbeda jika frekuensinya dibatasi pada daerah −π < ω < π atau –1/2 < f <1/2. Diluar itu akan terjadi fenomena aliasing.

III. PERALATAN -

PC yang dilengkapi dengan perangkat multimedia (sound card, Microphone, Speaker active, atau headset)

-

Sistem Operasi Windows dan Perangkat Lunak Matlab yang dilengkapi dengan tool box DSP


3



IV. LANGKAH PERCOBAAN 4.1 Pengamatan Pengaruh Pemilihan Frekuensi Sampling Secara Visual Prosedur yang akan anda lakukan mirip dengan yang ada di percobaan 2, tetapi disini lebih ditekankan pad akonsep pemahaman fenomena sampling. Untuk itu anda mulai dengan membuat program baru dengan perintah seperti berikut. %sin_dikrit1.m Fs=8;%frekuensi sampling t=(0:Fs-1)/Fs;%proses normalisasi s1=sin(2*pi*t*2); subplot(211) stem(t,s1) axis([0 1 -1.2 1.2])

Fs=16;%frekuensi sampling t=(0:Fs-1)/Fs;%proses normalisasi s2=sin(2*pi*t*2); subplot(212) stem(t,s2) axis([0 1 -1.2 1.2])

Gambar 4. Pengaruh jumlah sample berbeda terhadap satu periode sinyal terbangkit


4



2. Lakukan perubahan pada nilai Fs, pada sinyal s1 sehingga bernilai 10, 12, 14, 16, 20, dan 30. Catat apa yang terjadi ? Apa pengaruh jumlah sample berbeda untuk satu periode sinyal terbangkit?

4.2 Pengamatan Pengaruh Pemilihan Frekuensi Sampling pada Efek Audio Disini kita akan mendengarkan bagaimana pengaruh frekuensi sampling melalui sinyal audio. Untuk itu anda harus mempersiapkan PC anda dengan speaker aktif yang sudah terkonek dengan sound card. Selanjutnya anda ikuti langkah berikut. 1. Buat program bari sampling_2.m dengan perintah seperti berikut ini. %sampling_2.m clear all; Fs=1000; t=0:1/Fs:0.25; f=100; x=sin(2*pi*f*t); sound(x,Fs)

2. Setelah anda menjalankan program tersebut apa yang anda dapatkan? Selanjutnya coba anda rubah nilai f = 200, 300, 400, 500, 600, 700, 800, dan 900. Apa yang anda dapatkan? Bentuk suara yang sama dengan frekuensi pembangkitan berbeda itulah yang seringkali disebut orang sebagai efek aliasing. Coba anda catat frekuensi 200 memiliki bunyi yang sama dengan frekuensi berapa ? Sehingga frekuensi 200 adalah alias dari frekuensi tsb.

4.3 Pengamatan Efek Aliasing pada Audio 1 Tentunya anda bosan dengan sesuatu yang selalu serius, marilah kita sedikit bernafas melepaskan ketegangan tanpa harus meninggalkan laboratorium tempak praktikum. Caranya? 1. Anda susun sebuah lagu sederhana dengan cara membuat program baru berikut ini. %gundul.m clc Fs=16000; t=0:1/Fs:0.25; c=sin(2*pi*262*t); d=sin(2*pi*294*t); e=sin(2*pi*330*t); f=sin(2*pi*249*t); g=sin(2*pi*392*t);


5



a=sin(2*pi*440*t); b=sin(2*pi*494*t); c1=sin(2*pi*523*t); nol = [zeros(size(t))]; nada1 = [c,e,c,e,f,g,g,nol,b,c1,b,c1,b,g,nol,nol]; nada2 = [c,e,c,e,f,g,g,nol,b,c1,b,c1,b,g,nol]; nada3 = [c,nol,e,nol,g,nol,f,f,g,f,e,c,f,e,c,nol]; nada4 = [c,nol,e,nol,g,nol,f,f,g,f,e,c,f,e,c]; lagu=[nada1,nada2,nada3,nada4]; sound(lagu,Fs)

2. Pada bagian akhir program anda tambahkan perintah berikut wavwrite(lagu,‘gundul.wav’) 3. Coba anda minimize Matlab anda, cobalah gunakan Windows Explorer untuk melihat dimana file gundul.wav berada. Kalau sudah terlihat coba click kanan pada gundul.wav dan bunyikan. 4. Coba anda edit program anda diatas, dan anda lakukan perubahan pada nilai frekuensi sampling Fs=16000, menjadi Fs =10000, 8000, 2000, 1000, 900, 800, 700, 600, dan 500. Apa yang anda dapatkan?

4.4 Pengamatan Efek Aliasing pada Audio 2 Disini kita akan bermain dengan sebuah lagu yang diambil dari sebuah file *.wav. Untuk itu mulailah dengan langkah 1. Anda buat program baru seperti berikut ini. %sampling_3.m %bersama: Tri Budi 212 clear all; [Y,Fs]=wavread('lagu_1_potong.wav'); Fs=16000;%nilai default Fs=16000 %Pilihan untuk memainkan lainnya Fs=8000, 11025, 22050,44100 sound(Y,Fs) Apakah anda sudah menikmati musiknya?

3. Lanjutkan langkah anda dengan merubah nilai Fs = 8000. Jalankan program anda, dan dengarkan yang terjadi.


6



4. Ulangi lagi dengan merubah nilai Fs = 11025, 22050, dan 44100. Kalau anda belum puas coba ganti Fs sesuka hati anda. Jangan lupa catat dan buat analisa tentang fenomena yang terjadi dengan percobaan anda.

V. ANALISA DATA Setelah anda puas bermain dengan teorema sampling, sekarang saatnya anda melakukan hal yang lebih bermanfaat. Apa yang telah anda lakukan dan dicatat tentunya (smile), buat laporan dan analisa mengapa muncul fenomena seperti diatas? Fenomena itu lebih dikenal dengan nama apa? Apa yang menyebabkannya?


7

MODUL 4 SAMPLING DAN ALIASING

Recommend Documents