M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL JAKARTA 2009
description
Transcript of M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL JAKARTA 2009
Jump to first page
M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL
JAKARTA 2009
Jump to first page
Jump to first page
Apa yang Bisa Dilakukan Oleh DSP ?
DSP Dapat Melakukan Hampir Semua Operasi yang Dapat Dilakukan oleh Elektronika Analog.
Tapi, The Real Power Of DSP Adalah ……………………………
DSP Dapat Melakukan Operasi yang Tak Dapat Dilakukan oleh Elektronika Analog.
Jump to first page
Pada Elektronika Analog digunakan Komponen Fisik (Kapasitor, Induktor, Resistor, Transistor, Op-Amp) untuk memproses sinyal.
Operasi Peralatan Fisik Dapat Dinyatakan dengan Persamaan Matematik
Contoh : Kapasitor ( I = C dV/dt ).
Tapi ……………………………….
Bukan Berarti Setiap Persamaan Matematik Dapat Kita Buat ke dalam
Peralatan Fisik.
Jump to first page
DSP MEMANG BERBEDA
Di dalam DSP tidak ada batasan: Gravitasi, Massa, Momentum, Suhu,
Kelembaban,dll. yang ada hanya persamaan Matematik.
Sehingga pada DSP …………………………………………………..
THE EQUATION OF MATHEMATICS IS REALITY.
Contoh : y(n) = ( x(n) + x(n-1) + x(n-2) + x(n-3) ) / 3 merupakan LPF
y(n) = 1,618.y(n-1) - y(n-2) dengan y(-1) = 0 dan y(-2) =0,588
akan menghasilkan sinyal sinus dengan frekuensi 1 Khz
Jump to first page
CARA KERJA DSP SECARA UMUM
Jump to first page
TUJUAN UTAMA DSP
Mendapatkan (Mengekstrak) Informasi yang Dibawa oleh Sinyal.
5 OPERASI DASAR PADA DSP 1. Spectral Analysis : Mengetahui dan Menganalisa Spektrum
Frekuensi dari Sinyal. (Erat Kaitannya dengan Transformasi)
2. Filtering : Memodifikasi Contents Frekuensi dari Sinyal untuk
Mendapatkan Informasi yang Diinginkan dan Membuang Bagian
yang Tak Diperlukan.
Jump to first page
3. Synthesis : Membangkitkan Sesuatu, DSP Dapat Membangkitkan
Mulai dari Bunyi yang Sederhana sampai Suara Manusia.
4. Correlation : Mencari Hubungan Kedekatan (Keterkaitan) antara
Sinyal yang Sama (Auto Correlation) atau Dua Buah Sinyal yang
Berbeda (Cross Correlation). Contoh : Auto Correlation Digunakan
untuk Menentukan Karakteristik dari Rongga Suara Manusia Sedangkan Cross Correlation Digunakan pada Radar. 5. Control : Pemrosesan Input Digital untuk Menghasilkan Output
Digital guna Mengontrol Suatu Peralatan.
Jump to first page
DSP Menggantikan atau Menambah Performance dari Peralatan Elektronika Analog.
APLIKASI FILTERING SPECTRAL ANALYSIS
SYNTHESIS CORRELATION CONTROL
Automobile Engine Control
Automobile Active Suspension
Answering Machines
Portable Phones
Cellular Phones
Television
Radio
Hard Disk Drive Electronics
Electronic Music
Speech Synthesis
Jump to first page
DSP Menciptakan Aplikasi Baru yang Tak Mungkin Dilakukan oleh Peralatan Elektronika Analog.
APLIKASI FILTERING SPECTRAL ANALYSIS
SYNTHESIS CORRELATION CONTROL
High Speed Modems
Speech And Image Recognition
Medical Imaging Equipment
Active Noise Cancellation (ANC)
CD (Music), CD-Rom
Digital Audio Tape (DAT)
Jump to first page
TRANSFORMASI FOURIERJean Baptiste Fourier : Setiap Sinyal terdiri dari sinyal-sinyal sinus dengan
amplitudo dan fase tertentu
Jump to first page
FOURIER TRANSFORM
DISKRET TIME FOURIER TRANSFORM
n
njenxX )()(
dtetxX j)()(
DISKRET TIME DISKRIT FREKUENSI FOURIER TRANSFORM = DFT
1
0
1
0
2)()()(
N
n
nkN
N
n
nkN
jWnxenxkX
Jump to first page
Komputasi DFT adalah komputasi yang rumit dan memerlukan banyak memori.
1...2,1,0,)()(1
0
/2
NkenxkXN
n
Nknj
FFT (FAST FOURIER TRANSFORM) adalah algoritma untuk menghitung secara efisien dan cepat untuk operasi DFT N-titik dengan N adalah pangkat dari 2 atau 4
Accumulate
Multiply Complex OperationNot only once
Jump to first page
Setelah dilakukan Transformasi Fourier menjadi domain frekuensi
Sinyal dalam domain waktu
LAPLACE TRANSFORM
dtetxSX st)()(
Z TRANSFORM
n
nznxzX )()(
sTez Analog Digital
Sebuah rekaman sinyal suara
Spekturn frekuensi-nya
Jump to first page
KONVOLUSI
kk
knhkxknxkhnhnxny )()()()()(*)()(
Untuk mengkonvolusi suatu sinyal ...
Dengan sinyal lain
1. Kita “flip” sinyal kedua
2. Kemudian di”geser”
3. Kalikan dengan sinyal pertama
4. Jumlahkan daerah di bawah kurva
Langkah-langkah KONVOLUSI :1. Flipping/Folding2. Shifting3. Multiplication4. Summation
Jump to first page
Signal Smoothing
Sinyal penuh noise
Dikonvolusi dengan sinyal “penghalus”
Menghasilkan sinyal yang lebih “halus”
CONTOH KONVOLUSI
Dengan sifat ini, konvolusi bisa digunakan untuk Digital Filtering
Jump to first page
DIGITAL FILTERImplementasi algoritma matematik untuk melakukan modifikasi pada spektrum frekuensi dari suatu sinyal digital untuk mencapai tujuan yang diinginkan.
Noisy Signal
Noise dihilangkan dengan filter
Sinyal direcover
Analisa Frekuensi
Noise Noise
Sinyal Asli
Jump to first page
DIGITAL FILTER FINITE IMPULSE RESPONSE ( FIR )
1
0
)()()(N
k
knxkhny
M
k
N
kk
knykbknxkaknxkhny100
)()()()()()()(
DIGITAL FILTER INFINITE IMPULSE RESPONSE ( IIR )
Perancangan Filter Digital FIR bisa dilakukan secara perhitungan matematik manual atau menggunakan software seperti Scope FIR,Parks-MC, MatLab dsb.
Perancangan Filter Digital IIR bisa dilakukan secara perhitungan matematik manual atau menggunakan software seperti : MatLab, Web-Site dsb.
Jump to first page
KORELASI
Pengukuran kemiripan/kesamaan antara dua sinyal sebagai fungsi pergeseran waktu.
1. Dua fungsi yang mirip dan tidak digeser
2. Produk keduanya bernilai positif
3. Bila terjadi pergeseran...
4. Produk keduanya seba-gian menjadi negatif
5. Fungsi korelasinya menunjukkan dimana kemiripan antara dua sinyal tersebut.
Jump to first page
AUTO KORELASI
nn
xx nxlnxlnxnxlr )()()()()(
1. Autokorelasi dari noise yang random adalah sebuah “spike”
2. Autokorelasi dari sinyal sinus adalah fungsi periodik
3. Sehingga autokorelasi suatu sinyal sinus yang ber-noise ...
menghasilkan “spike” ...
dan fungsi sinus periodik.
Jump to first page
KORELASI SILANG
nn
xy nylnxlnynxlr )()()()()(
Suara yang sudah diketahui
Suara terdeteksi
Burung nightingale
nightingale lain Burung Merpati
Korelasi Silang
Korelasi kuat Korelasi lemah
Penggunaan lain pada radar atau sonar untuk mendeteksi jenis pesawat atau kapal selam.
Jump to first page
PEMROSESAN SINYAL DIGITAL UNTUK PENGENALAN SUARA
IBM Compatible
LPT 1Paralel Port
MODULLCD
DSKplusTMS320C542
MODULKEYPAD
Input SinyalAnalog
Modul I/O
DFT log|F| IDFTSinyalSuara
F nf
DomainFrekuensi
DomainKuenfrensi
Filter LTF DFT
Real Cepstrum
TanggapanRongga Suara
Hlog Flog1 Hlog1
Spesifikasi System
Input Suara Diambil Selama Durasi Tertentu
Input Suara Dibatasi Hanya Untuk Huruf Vokal
Validasi Password Menggunakan Uji Korelasi
Password Yang Valid Akan Membuka Aplikasi Tertentu
Jump to first page
TEKNIK QUADRATURE AMPLITUDO MODULATION (QAM) + FILTER DIGITAL UNTUK PENGIRIMAN DATA MELALUI FREKUENSI VOICE BAND
HOST CPU 1
DSKPlusTMS320C542(Transmitter)
DSKPlusTMS320C542
(Receiver)
HOST CPU 2
Diagram Blok Transmitter
RootRaisedCosineFilter
RootRaisedCosineFilter
DAC
cos ct
- sin c t
I
Q
MapperDiffrentialEncoder
ScramblerHost
Jump to first page
Pass BandRoot RaisedCosine Filter
Pass BandHilbert Root
Raised CosineFilter
Equalizer
Decesion
Inverse
Mapper
Demodulator
ADC
Automatic GainContro l
CarrierRecovery
ModulatorBase Band
Error Calulator
Clock Recovery
DifferentialDecoder
Descrambler
Host
Diagram Blok Receiver Spesifikasi System
Kecepatan pengiriman data 7200 bpsSaluran Transmisi 26 AWG, 18 kft
disimulasikan dengan Butterworth Low-Pass filter
dengan frekuensi cut-off 2500 Hz
Data yang dapat dikirim hanya satu karakter dan satu arah.
Jump to first page
PEMROSESAN SINYAL DIGITAL UNTUK PENGENALAN WARNA
Citra wana
Charge Couple Device
Dskplus TMS320C54x
Komputer (PC)
Energi foton
Sinyal video komposit Karakteristik dalam domain frekuensi
ManusiaCCD
Pemrosesan sinyal
digital
1
Sinyal VideoKomposit
Pengenalan denganJaringan Saraf
Tiruan
2
Informasi dalam domain frekuensi
Keputusan
Spesifikasi System
Spektrum Frekuensi dari warna yang dikenali diperoleh dengan Algoritma Real FFT radiks-2 1024 titik
Pengenalan warna menggunakan jaringan saraf tiruan dengan Propagasi Balik
Warna yang dapat dikenali hanya hitam, abu-abu dan putih
Jump to first page
NOISE REDUCTION MENGGUNAKAN FILTER ADAPTIVE
FI R
Noise
SuaraSinus
Sinyalreferensi
LMS
errorkoefisien
Output
Spesifikasi System
Digunakan Filter Digital FIR dan Algoritma Adaptif Least Mean Square ( LMS )
Noise dihasilkan secara internal (simulasi) berupa Random Noise
Jump to first page
KEMBANGKAN TOPIK THESIS YANG PERNAH DIBUAT
BUAT TOPIK BARU MISALNYA :Data Compression, Adaptive Echo Cancellation, System Identification, Object Detection (RADAR) Dll.
PELAJARI DSP MULAI DARI SEKARANG
Pelajari Semua Konsep-Konsep Dasar & Umum DSP.Pelajari Teknik-Teknik dan Algoritma Khusus Dari Aplikasi DSP Sesuai Dengan Topik Yang Dipilih.
DALAM SATU KELOMPOK THESIS DIUSAHAKAN ADA YANG MENGERTI MATEMATIK, PROGRAMMING DAN ELEKTRONIK
Jump to first page
“The Scientist and Engineer’s Guide to DSP”, S.W. Smith. “DSP And Microcontroller”, Grover and Deller.
www.dspguru.com
www.redcedar.com/learndsp.htm
www.bores.com
Jump to first page
“Di era ekonomi baru , sumberdaya strategis tidak lagi datang dari
kekayaan alam tetapi datang dari kekayaan /
kekuatan daya pikir kita “ (John Sculey)
“Tidak akan ada Negara yang “miskin” , kecuali karena “ tersingkir ” dari
persaingan (Peter Drucker)
Jump to first page