LAPORAN PRAKTIKUM PENGOLAHAN SINYAL DIGITAL
DISUSUN OLEH :
NAMA
: SHAIDUL MAULA
NIM
: 1590343119
KELAS
: TMJ 3.4
DOSEN PEMBIMBING : BALQIS YAFIS, ST.,M.Sc
TEKNIK MULTIMEDIA & JARINGAN POLITEKNIK NEGERI LHOKSEUMAWE 2017
MERANCANG FIR FILTER DENGAN PARK MC CLELLAND
4.2. Merancangan FIR Filter dengan Park MC Clelland 1.
LPF
clear all; N=16; F=[0 .15 .25 .35 .45 .55 .65 .75 .85 1.0]; A=[1 1 1 1 1 1 0 0 0 0]; b=remez(N,F,A); bb=fft(b,256); ff=1:length(bb)/2; subplot(2,1,1) plot(2*ff/length(bb),abs(bb(1:length(bb)/2)), 'linewidth',2) grid xlabel('Normalized Frequency') ylabel('Magnitude Linear Scale') title('FIR based Park-Mc Clellan') subplot(2,1,2) plot(2*ff/length(bb),20*log10(abs(bb(1:length(bb)/2))), 'linewidth',2) xlabel('Normalized Frequency') ylabel('Magnitude dB') title('FIR based Park-Mc Clellan')
2.
HPF
clear all; N=16; F=[0 .15 .25 .35 .45 .55 .65 .75 .85 1.0]; A=[0 0 1 1 1 1 1 1 1 1]; b=remez(N,F,A); bb=fft(b,256); ff=1:length(bb)/2; subplot(2,1,1) plot(2*ff/length(bb),abs(bb(1:length(bb)/2)), 'linewidth',2) grid xlabel('Normalized Frequency') ylabel('Magnitude Linear Scale') title('FIR based Park-Mc Clellan') subplot(2,1,2) plot(2*ff/length(bb),20*log10(abs(bb(1:length(bb)/2))), 'linewidth',2) xlabel('Normalized Frequency') ylabel('Magnitude dB') title('FIR based Park-Mc Clellan')
3.
BPF
clear all; N=16; F=[0 .15 .25 .35 .45 .55 .65 .75 .85 1.0]; A=[0 0 1 1 1 1 0 0 0 0];
b=remez(N,F,A); bb=fft(b,256); ff=1:length(bb)/2; subplot(2,1,1) plot(2*ff/length(bb),abs(bb(1:length(bb)/2)), 'linewidth',2) grid xlabel('Normalized Frequency') ylabel('Magnitude Linear Scale') title('FIR based Park-Mc Clellan') subplot(2,1,2) plot(2*ff/length(bb),20*log10(abs(bb(1:length(bb)/2))), 'linewidth',2) xlabel('Normalized Frequency') ylabel('Magnitude dB') title('FIR based Park-Mc Clellan')
Analisa
Program diatas menghasilkan 2 buah gambar di dalam 1 figure, gambar pertama adalah respone frekuensi FIR filter dengan windowing dalam skala linear sedangkan gambar ke dua adalah respone frekuensi FIR filter dengan windowing dalam skala dB. N adalah besaran orde nya seniali 16.
F adalah suatu vektor yang merepresentasikan nilai-nilai band frekuensi terskala terhadap frekuensi sampling fs/2 bernilai antara 0 sampai 1. Sehingga dalam hal ini F = 0 akan merepresentasikan nilai 0 Hz, dan F = 1 berkaitan dengan suatu nilai frekueni linear sebesar fs/2.
A adalah suatu vector dengan nilai real vector yang merepresentasikan nilai magnitudo sebagai fungsi dari nilai frekuensi pada vector F.
b = remez(N,F,A). Dalam hal ini, b merupakan sebuah respon impulse sepanjang N+1 dari sebuah filter FIR dengan order N, yang memiliki karakteristik respon phase linear.
4.3. Pemfilteran Sinyal Sederhana 1.
Bangkitkan sebuah sinyal sinus yang memiliki amplitude A=1, frekuensi f=200, dan sampling rate yang digunakan adalah 2000 Hz A =1; f =200; fs =2000; t= 1/fs : 1/fs :1; sinyal_sinus = sin (A*pi*200*t); plot (sinyal_sinus);
2.
Bangkitkan sinyal sinus kedua, dengan amplitude A2=0.25, frekuensi f2=500Hz, dengan sampling rate yang sama dengan langkah 1.
Lakukan
penjumlahan sinyal pertama dengan sinyal kedua, sinyal_out =sinyal1+sinyal2. A =1; A2 =0.25; f =200; f2 =500; fs =2000; t= 1/fs : 1/fs :1; subplot (3,1,1) sinyal_sinus = sin (A*pi*200*t); plot (sinyal_sinus); subplot (3,1,2) sinyal_sinus2 = sin (A2*pi*500*t); plot (sinyal_sinus2); subplot (3,1,3) sinyal_out = sinyal_sinus + sinyal_sinus2; plot (sinyal_out);
3.
Lakukan proses pemfilteran dengan menggunakan LPF yang telah dibuat pada langkah percobaan 4.1. A =1; A2 =0.25; f =200; f2 =500; fs =2000; t= 1/fs : 1/fs :1; subplot (3,1,1) sinyal_sinus = sin (A*pi*200*t); plot (sinyal_sinus); subplot (3,1,2) sinyal_sinus2 = sin (A2*pi*500*t); plot (sinyal_sinus2); subplot (3,1,3) sinyal_out = sinyal_sinus + sinyal_sinus2; plot (sinyal_out); sinyal_out_sampling = sinyal_out (1:16); freqz (sinyal_out_sampling );
Analisa
A1 dan A2 adalah variabel penampug Nilai amplitude F1 dan F2 adalah variabel penampng Nilai frekuensi Fs adalah variabel penampung Nilai frekuensi sampling t adalah variabel penampug waktu. Terdapat 3 sinyal sinus pada pratikum 4.3 di atas. sinyal_sinus = sin (A*pi*200*t); plot (sinyal_sinus); membangkit sinyal sinus pertama. Yang di tampung di variabel sinyal_sinus sinyal_sinus2 = sin (A2*pi*500*t); plot (sinyal_sinus2); membangkit sinyal sinus kedua. Yang di tampung di variabel sinyal_sinus2 sinyal_out = sinyal_sinus + sinyal_sinus2; plot (sinyal_out); membangkitkan sinyal sinus ketiga, sinyal sinus ini di dapat dari hasil penjumlahan sinyal_sinus dengan sinyal_sinus2 yang di tampung di variabel sinyal out.
Dan juga sinyal_out di atas di filterkan dengan filter LPF. Ditandai pada baris program : sinyal_out_sampling = sinyal_out (1:16); freqz (sinyal_out_sampling ); akan menghasilkan sinyal keluaran sampling dengan perbandingan 1:16. Dan akan menghasilkan sinyal frekuensi yang telah disampling.
KESIMPULAN Dapat disimpulkan bahwa perancangan sebuah FIR filter menggunakan metode FIR dengan Parks-McClellan. Dan filter yang digunakan adalah LPF, HPF, dan BPF. Perbedaan ke tiga filter tersebut adalah LPF => cut off nya (titik patahan) pada sinyal menuju kebawah HPF => kebalikan dari LPF BPF => mempunyai 2 cut off (titik patahan), patahan sinyal cut off 1 menuju ke atas dan patahan sinyal cut off 2 menuju kebawah.
