Desain dan Implementasi Control Unit dan Fast Fourier...
Transcript of Desain dan Implementasi Control Unit dan Fast Fourier...
Abstrak—Makalah ini memaparkan implementasi dan hasil
pengujian akuisisi data radar FMCW dengan mangasumsikan
sinyal generator sebagai sinyal masukan dari radar FMCW.
Penggunaan SoCKit Evaluation Board sebagai media
implementasi dilakukan dengan memanfaatkan FPGA dan
HPS yang berbasis ARM. Dengan fleksibilitas FPGA yang
tinggi, implementasi control unit yang terdiri dari frequency
divider dan trigger serta ekspansi bit dilakukan di dalamnya.
Kepraktisan mikroprosesor ARM dimanfaatkan pula untuk
melakukan operasi FFT dengan menggunakan library FFTW3,
yaitu sebuah library yang dikembangkan untuk mikroprosesor
embedded system. Implementasi frequency divider dan trigger
dilakukan dengan memanfaatkan counter . Manipulasi data
pada ekspansi bit dilakukan untuk mempermudah akuisisi
data dari FPGA ke HPS. FFT berhasil diimplementasikan
pada ARM menggunakan library FFTW3.
Kata kunci—FMCW, FFT, FPGA dan HPS
I. PENDAHULUAN
Gambar 1. Diagram Blok Radar FMCW
Radar FMCW merupakan radar yang memancarkan
gelombang mikro dari FM transmitter secara kontinyu yang
stabil dimodulasikan secara frekuensi dengan suatu
gelombang frekuensi rendah dengan periode tertentu melalui
antenna (lihat Gambar 1). Karena keluaran dari hasil
penggabungan sinyal yang dipancarkan dan diterima masih
berupa sinyal analog, informasi dan data yang diberikan
oleh radar tidak dapat diterima secara langsung. Oleh karena
itu dibutuhkan sistem akuisisi data yang mampu
mengakuisisi data sesuai dengan karakteristik input yang
diterima dari radar.
Pada makalah ini akan dibahas desain dan implementasi
diagram blok sistem akuisisi data, yaitu ekspansi bit,
frequency divider, trigger, dan FFT. Pada Gambar 2
menunjukkan proses implementasi ekspansi bit, frequency
divider dan trigger dilakukan di FPGA. Sedangkan FFT
dilakukan di HPS yang berbasis ARM Cortex A9.
Gambar 2. Diagram Blok Sistem Akuisisi Data
II. STUDI PUSTAKA
A. FPGA
Salah satu bagian dari SoCKit, yaitu Field Programmable
Gate Array (FPGA) yang merupakan sebuah sirkuit digital
terintegrasi yang tak jarang digunakan untuk
mengimplementasikan rancangan rangkaian digital karena
memiliki kemampuan pemrosesan data yang sangat cepat,
serta rendah dalam konsumsi daya. Interkoneksi gerbang
logika yang dimiliki FPGA mampu dikonfigurasikan satu
sama lainnya. FPGA digunakan untuk melakukan proses
komputasi dari alogritma integrasi numerik yang memiliki
performa yang sangat baik serta kemampuan yang tinggi
dalam melakukan integrasi gerbang-gerbang logika. Pada
makalah akan dibahas implementasi dengan menggunakan
Altera Cyclone V dengan bahasa Verilog dan atau VHDL.
B. Hard Processor System
Altera memproduksi SoC FPGA, Pada SoCKit Evaluation
Board yang digunakan terdapat bagian yang disebut dengan
Hard Processor System yang diintegrasikan dengan FPGA
melalui satu perangkat. Basis HPS yang digunakan, yakni
ARM-Cortex A9 yang merupakan mikroprocessor 32-bit
dengan arsitektur ARMv7-A yang menyediakan 4 cache-
coherent core, beserta NEON SIMD.
C. Fast Fourier Transformation
Fast Fourier Transformation adalah suatu algoritma untuk
menghitung transformasi Fourier diskrit (DFT) dengan cepat
dan efisien daripada harus menghitung satu persatu point
dari serangkaian data yang masuk. Transformasi Fourier
Diskrit ditunjukkan pada persamaan (1)
Ahmad Thariq Suherman1, Arif Sasongko 2, Ratna Indra Wijaya3, Dean Corio4
Program Studi Teknik Elektro
Jurusan Sains, Institut Teknologi Sumatera
Jatiagung, Indonesia
[email protected], [email protected], [email protected] , [email protected]
Desain dan Implementasi Control Unit dan Fast Fourier
Transformation Menggunakan Library FFTW3 untuk
Sistem Akuisisi Data Radar FMCW pada Kapal Feri
𝑋𝑘 = ∑ 𝑥𝑛𝑒−2𝜋𝑖𝑁
𝑛𝑘 𝑘 = 0, … , 𝑁 − 1
𝑁−1
𝑛=0
Ketika menghitung deret Fourier secara langsung , kita
memerlukan operasi aritmatika sebanyak 𝑂(𝑁2). Sedangkan
algoritma FFT hanya memerlukan operasi sebanyak
𝑂(𝑁 𝑙𝑜𝑔 N) untuk menghitung jumlah deret yang sama.
Akan dipergunakan library FFT yang dikembangkan oleh
FFTW3 3.3.6 , yaitu sebuah library subrutin dalam bahasa C
untuk menghitung Transformasi Fourier Diskrit dalam
dimensi satu atau lebih, beragam ukuran input, baik data real
dan kompleks. FFTW3 dikembangkan dari tahun ke tahun
untuk bermacam-macam bahasa dan arsitektur mesin, serta
optimalisasi algoritma dan alokasi memori yang akan
dipergunakan untuk operasi FFT.
III. SPESIFIKASI DAN IMPLEMENTASI
Pada pengimplementasian Control Unit dan ekspansi bit
dilakukan pada FPGA menggunakan bahasa Verilog dan
VHDL. Sedangkan FFT diimplementasikan pada HPS, yaitu
ARM Cortex-A9 dengan menggunakan bahasa C.
Tabel 1. Spesifikasi Control Unit
Blok Control Unit
Fungsi Frequency Divider :
- Sebagai pembagi clock sumber menjadi
frekuensi sampling.
- Clock untuk trigger
Trigger :
- Mengatur laju penulisan data pada FIFO
Input Frequency divider :
Frekuensi clock 50 MHz
Trigger :
Clock berfrekuensi 1.041 MHz
Output Frequency divider :
Clock frekuensi 2.083 MHz dan 1.041 MHz
Trigger :
Falling edge trigger pulse.
Berdasarkan spesifikasi pada Tabel 2. Dibuat diagram alir
frequency divider (Gambar 3) dan trigger (Gambar 4).
Gambar 3. Diagram Alir Frequency Divider
Gambar 4. Diagram Alir Trigger
Tabel 3. Spesifikasi ekspansi bit
Blok Ekspansi Bit
Fungsi Untuk mempermudah akuisisi data pada modul
yang lain, tanpa mengubah informasi yang ada.
Input 1 data dengan lebar 14 bit
Output l data dengan lebar 16 bit
Berdasarkan spesifikasi pada Tabel 2. Dibuatlah diagram
alir seperti pada Gambar 5.
Gambar 5. Diagram Alir Frequency Divider
Tabel 4. Spesifikasi Fast Fourier Transformation
Blok FFT
Fungsi Memberikan informasi berupa frekuensi yang
terukur dari sekuens data yang keluar dari modul
FIFO.
Input 128 data dengan lebar data 32 bit (float), domain
waktu
Output 128 data dengan lebar data 32 bit (float), domain
frekuensi
Berdasarkan spesifikasi pada Tabel 3, Diagram alir yang
sesuai dengan penggunaan library FFTW3 seperti pada
Gambar 6.
Gambar 6. Diagram Alir FFT dengan library FFTW3
IV. SIMULASI & HASIL PENGUJIAN
A. Frequency Divider
(a)
(b)
Gambar 7. Hasil simulasi Modelsim. (a) Frequency divider 6, (b)
Frequency divider 8.
Gambar 8. Keluaran Frequency divider pada SignalTap Analyzer
II
4. Input dari frequency divider adalah clock internal FPGA
dengan frekuensi 50 MHz. Output yang diinginkan dari
modul frequency divider adalah clock dengan frekuensi
2.0833 MHz (sinyal clk_out) dan 1.0416 MHz (sinyal
sync_out). Maka frequency divider harus mampu
membagi sebesar 50 MHz/2.083 MHz = 24 untuk l
clk_out serta 50 MHz/1.0416 MHz = 48 untuk sinyal
sync_out.
5. Agar lebih mudah dalam implementasi, frequency divider
dibagi menjadi 2 bagian, yaitu frequency divider 6 yang
membagi frekuensi input sebesar 6, dan frequency divider 8
yang membagi frekuensi input sebesar 4 atau 8.
6. Dari hasil simulasi pada Gambar 7. (a) terlihat bahwa
algoritma frequency divider 6 sudah benar karena frekuensi
output sudah berhasil didapat sebesar (frekuensi input)/6.
Hal ini terlihat dari panjang satu gelombang output sama
dengan panjang enam gelombang input.
7. Dari hasil simulasi pada Gambar 7. (b) terlihat bahwa
algoritma frequency divider 8 sudah benar karena Frekuensi
output sudah berhasil didapat, yaitu clk_out sebesar
frekuensi input/4, dan sync_out sebesar frekuensi input/8.
Hal ini terlihat dari panjang gelombang. Panjang satu
gelombang clk_out sama dengan panjang empat
gelombang input. Panjang satu gelombang sync_out
sama dengan panjang delapan gelombang input.
8. Maka, hasil dari simulasi menunjukkan bahwa clk_out
memiliki frekuensi sebesar 50/(6*4) = 2.0833 MHz dan
sync_out memiliki frekuensi sebesar 50/(6*8) = 1.0416
MHz.
9. Kemudian, frequency divider diperiksa kembali setelah
diimplementasikan pada board. Pemeriksaan dilakukan
menggunakan SignalTap Analyzer, dan terlihat pada
Gambar 8. Dari gambar tersebut terlihat kembali bahwa
panjang satu gelombang clk_out sama dengan panjang 24
gelombang input 50 MHz. Panjang satu gelombang
sync_out sama dengan panjang 48 gelombang input 50
MHz.
10. Maka, hasil pemeriksaan SignalTap Analyzer II
membuktikan bahwa frequency divider telah bekerja dengan
benar, dan memiliki output berupa clock dengan frekuensi
2.0833 MHz dan 1.0416 MHz.
B. Trigger
Trigger dipergunakan pada saat guard time. Sinyal radar
yang saat ini diasumsikan dengan menggunakan generator
sinyal. Berdasarkan persamaan di bawah ini didapatkan
jumlah data yang tidak akan dimasukkan ke FIFO selama
selama guard time berlangsung.
𝐷𝑎𝑡𝑎 𝑙𝑜𝑠𝑠 =𝑡𝑔𝑢𝑎𝑟𝑑 𝑡𝑖𝑚𝑒
𝑡𝑃𝑅𝐼
× 𝑡𝑟𝑖𝑔𝑔𝑒𝑟 𝑐𝑙𝑜𝑐𝑘
hasil simulasi timing diagram dari trigger seperti pada
Gambar 9 .
(a)
(b)
Gambar 9. Hasil Simulasi Modelsim pada Modul Trigger
Pada simulasi tersebut trigger akan mengatur write_en
data pada FIFO ketika counter dari submodul tersebut
mencapai 1025 sampai 1041. Selama counter 1025
mencapai 1041 berarti akan mengubah write_en pada
FIFO menjadi 0, selama hal tersebut terjadi akan ada 16 data
yang tidak akan dimasukkan ke dalam FIFO sebelum
write_en akan diubah kembali menjadi 1. Karena clock
dari trigger dua kali lebih lambat dari clock FIFO ini berarti
akan ada kurang lebih 32 data yang tidak dimasukkan
selama 2052 data yang akan masuk ke dalam FIFO.
(a)
(b)
Gambar 10. Hasil keluaran trigger pada SignalTap Analyzer II
Pengujian trigger pada SignalTap Analyzer II, Gambar 10
(a) merupakan kondisi yang sesuai dengan simulasi
menggunakan modelsim. Jadi, submodul trigger yang telah
diimplementasikan sudah bekerja dengan benar.
C. Ekspansi Bit
Untuk kemudahan dalam mengakuisisi data dari FPGA ke
HPS maka diperlukan penambahan bit untuk tiap channel
yang digunakan sebesar 2 bit pada LSB. Seperti ilustrasi
pada Gambar 11.
Gambar 11. Ilustrasi Penambahan 2 Bit LSB
Penambahan 2 bit pada LSB bisa dilakukan jika dan hanya
jika sampling sinyal dari awal dilakukan dalam mode two’s
complement untuk menghindari perubahan nilai dari data
yang masuk.
Gambar 12. Hasil penambahan bit LSB pada SignalTap Analyzer
II
Pada Gambar 12, penambahan 2 bit LSB ini menyebabkan
naiknya nilai 4 kali lipat. Pada pengujian menggunakan
SignalTap Analyzer II, secara konsisten tiap-tiap data yang
ditambahkan bit-nya naik menjadi 4 kali lipat dan sebanding
untuk semua data yang masuk sehingga tidak perlu
dikhawatirkan terjadinya error yang mengubah informasi
mengenai frekuensi yang diukur.
D. Fast Fourier Transformation
Pada pengujian submodul FFT dilakukan dengan tipe data
float (32 bit), sedangkan tipe data yang masuk ke dalam
HPS adalah tipe data short integer 16 bit sehingga perlu
dilakukan operasi data input dengan tipe data float yang
akan menghasilkan tipe data float tanpa mengubah nilai dari
data input. Hal ini dilakukan karena submodul FFT yang
digunakan adalah single precision data, yakni tipe data float.
Pada uji coba yang dilakukan, sinyal generator yang
digunakan merupakan sinyal sinusoid dengan frekuensi 100
KHz dan 500 KHz. Untuk mengetahui frekuensi yang
diukur perlu dicari resolusi terlebih dahulu dengan
persamaan di bawah.
𝑅𝑒𝑠𝑜𝑙𝑢𝑠𝑖 =1
𝑓𝑓𝑡 𝑝𝑜𝑖𝑛𝑡×
𝑓𝑚𝑎𝑥
2
Setelah mendapatkan resolusi dari FFT bisa diketahui
frekuensi yang diukur dengan cara mengalikan resolusi yang
diperoleh dengan data ke-n yang magnitudonya paling
tinggi. Untuk uji coba ini digunakan FFT 128/2 poin
sehingga resolusi yang didapatkan adalah
𝑅𝑒𝑠𝑜𝑙𝑢𝑠𝑖 =1
64×
1,041 𝑀𝐻𝑧
2= 16,265 𝐾𝐻𝑧
Dari resolusi tersebut dan data ke n untuk magnituda
maksimum didapatkan.
𝐹𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 = 𝑛𝑚𝑎𝑥 × 𝑟𝑒𝑠𝑜𝑙𝑢𝑠𝑖
Hasil pengujian FFT 128 point.
(a)
0
20
40
60
80
1 4 7 10 13 16 19 22 25 28 31
(b)
Gambar 13. Hasil FFT 128/2. (a) input 100KHz, (b) input 500
KHz
Beradasarkan resolusi yang sudah didapatkan dan nilai
maksimum global data ke-n pada jumlah n data sesuai
dengan tabel data lampiran 1. untuk frekuensi 100 KHz
magnitudo tertinggi ada pada data ke-8, berarti frekuensi
yang terukur adalah 130,125 KHz, sedangkan untuk 500
KHz ada pada data ke-32, yang berarti frekuensi terukur
adalah 520 kHz baik pada submodul FFT dan MATLAB.
Dari pengujian tersebut membuktikan bahwa yang
digunakan telah benar. Selain itu semakin tinggi poin FFT
yang digunakan, maka semakin kecil resolusi dan
pengukuran frekuensi semakin akurat.
V. KESIMPULAN
Pada makalah yang telah disajikan dapat disimpulkan bahwa
penggunaan counter pada trigger dan frequency divider
dapat diimplementasikan dengan baik pada FPGA SoC.
Ekspansi bit pada LSB bit sederhana dapat dilakukan pada
FPGA apabila sistem bekerja dengan tipe two’s
complement. Begitu juga dengan FFT yang menggunakan
library FFTW3 sesuai dengan arsitektur ARM Cortex-A9
sehingga dapat mengoperasikan FFT dengan akurat
tergantung dari berapa banyak poin FFT yang dioperasikan.
VI. REFERENSI
[1] Oppenheim. 1989. Discrete-Time Signal Processing.
New Jersey. Prentice Hall
[2] Suto, Kyohei , & Sumantyo, J.T Sri. Development SAR
Base-Band Signal Processor Using FPGA and On-Board
PC. IEEE. Pp 672-675.
[3] Matteo Frigo and Steven G. Johnson, “The Design and
Implementation of FFTW3,” Proceedings of the IEEE 93
(2), 216-231 (2005).
[4] Hyun, Eugin, & Kim, Sang-Dong. FPGA Based Signal
Processing Module Design and Implementation for FMCW
Vehicle Radar Systems.
[5] Kreyszig, Erwin. 2015. Advanced Engineeering
Mathematics. New Jersey. Wiley.
0
20
40
60
80
1 6 11 16 21 26 31 36 41 46 51 56 61
LAMPIRAN I
MATLAB Submodul
n Frekuensi (KHz)
n Frekuensi (KHz)
n Frekuensi (KHz)
n Frekuensi (KHz)
100 500 100 500 100 500 100 500
1 8,8918 0,631 33 1,6537 15,8974 1 8,8918 0,631 33 1,6537 15,8974
2 5,3994 1,2969 34 1,8878 8,6261 2 5,3994 1,2969 34 1,8878 8,6261
3 10,6667 1,3133 35 2,0141 5,6723 3 10,6667 1,3133 35 2,0141 5,6723
4 13,4075 1,3248 36 1,5110 4,1187 4 13,4075 1,3248 36 1,5110 4,1187
5 10,326 1,3874 37 2,1802 3,2455 5 10,326 1,3874 37 2,1802 3,2455
6 44,1450 1,444 38 1,1302 2,7873 6 44,1450 1,444 38 1,1302 2,7873
7 11,0531 1,5113 39 2,1964 2,6227 7 11,0531 1,5113 39 2,1964 2,6227
8 60,2495 1,6177 40 0,7814 2,5725 8 60,2495 1,6177 40 0,7814 2,5725
9 9,6264 1,7282 41 2,1682 2,6618 9 9,6264 1,7282 41 2,1682 2,6618
10 16,3859 1,8377 42 0,9154 2,6880 10 16,3859 1,8377 42 0,9154 2,6880
11 8,7449 1,9546 43 1,9999 2,7120 11 8,7449 1,9546 43 1,9999 2,7120
12 7,8102 2,0591 44 1,1905 2,7266 12 7,8102 2,0591 44 1,1905 2,7266
13 7,9051 2,1407 45 1,8162 2,66 13 7,9051 2,1407 45 1,8162 2,66
14 3,9021 2,2393 46 1,3995 2,579 14 3,9021 2,2393 46 1,3995 2,579
15 6,8088 2,2627 47 1,4176 2,4598 15 6,8088 2,2627 47 1,4176 2,4598
16 1,9085 2,2899 48 1,6665 2,2534 16 1,9085 2,2899 48 1,6665 2,2534
17 5,8001 2,2658 49 1,0346 2,0205 17 5,8001 2,2658 49 1,0346 2,0205
18 1,7146 2,1749 50 1,866 1,7354 18 1,7146 2,1749 50 1,866 1,7354
19 4,813 2,0492 51 0,8155 1,439 19 4,813 2,0492 51 0,8155 1,439
20 2,2746 1,8723 52 1,8849 1,1126 20 2,2746 1,8723 52 1,8849 1,1126
21 3,7017 1,5955 53 0,6004 0,7585 21 3,7017 1,5955 53 0,6004 0,7585
22 2,7825 1,2436 54 1,8201 0,3960 22 2,7825 1,2436 54 1,8201 0,3960
23 2,7032 0,8398 55 0,897 0,1644 23 2,7032 0,8398 55 0,897 0,1644
24 3,1051 0,3202 56 1,8087 0,419 24 3,1051 0,3202 56 1,8087 0,419
25 1,8952 0,3655 57 1,1313 0,7040 25 1,8952 0,3655 57 1,1313 0,7040
26 3,1942 1,1885 58 1,5434 1,0575 26 3,1942 1,1885 58 1,5434 1,0575
27 1,172 2,2766 59 1,1959 1,3475 27 1,172 2,2766 59 1,1959 1,3475
28 3,0595 3,7870 60 1,092 1,6174 28 3,0595 3,7870 60 1,092 1,6174
29 1,0381 6,1671 61 1,5834 1,8308 29 1,0381 6,1671 61 1,5834 1,8308
30 2,8252 10,8967 62 0,9531 2,0258 30 2,8252 10,8967 62 0,9531 2,0258
31 1,3068 27,7354 63 1,7619 2,1526 31 1,3068 27,7354 63 1,7619 2,1526
32 2,4297 73,2666 64 0,695 2,2455 32 2,4297 73,2666 64 0,695 2,2455