PENGOLAHAN SINYAL DIGITAL

Disusun Oleh :

Arif Yufiyanto 5301414068

Teknik Elektro, Fakultas Teknik

Universitas Negeri Semarang,
2017
Pendahulu
an
Pengolahan Sinyal Digital (Digital Signal Processing, disingkat
DSP) adalah suatu bagian dari sain dan teknologi yang
berkembang pesat selama 40 tahun terakhir. Perkembangan ini
terutama karena perkembangan teknologi komputer dan
rangkaian terintegrasi (Integrated Circuit), khususnya DSP
microprocessor
Pendahulu
anSaat ini, aplikasi Pengolahan Sinyal Digital (PSD) telah merambah berbagai
bidang, misalnya musik, telekomunikasi dan multimedia, pengolahan citra,
biomedik, serta kontrol otomatik. Di bidang musik PSD dipakai dalam
perekaman, pencampuran, sintesa, dan penyimpanan. Pada bidang
telekomunikasi dan multimedia, PSD diterapkan misalnya pada transmisi,
modulasi, pemampatan (compression), proteksi data, pentapisan, ekstraksi
ciri, dan identifikasi. Sementara itu PSD dipakai pada pengolahan citra
misalnya dalam pentapisan dua dimensi, pemampatan, image
enhancement, dan pengenalan pola. Dalam bidang biomedik, PSD
dimanfaatkan untuk diagnosis dan monitoring pasien.
 Aplikasi
Spac PSD
e Space photograph
Medical
enhancement Diagnostic imaging
Data compression (CT,MRI,Ultrasound and
Intelegent sensory other)
analysis by remote space Eletrocardiogram analysis
Scienti
probes Medical Image
Earthquake recording and storage/retrieval
fic
analysis
Data acquisition
Spectral analysis
Commerc Telephon
ial
Image and sound e Voice and data
compression for compression
multimedia presentation Echo reduction
Movie special effects Signal muxtiplexing
Video conference calling Filtering

Militar Industrial
y Radar Oil and mineral
Sonar prospecting
Ordnance guidance Process monitoring and
Secure Comunication control
Nondestructive testing
Penerapan PSD pada Pre Emphasis
Filter untuk Mengolah Sinyal
Wicara
Pre
Emphasis
Dalam proses pengolahan sinyal wicara pre emphasis filter
diperlukan setelah proses sampling. Tujuan dari pemfilteran ini
adalah untuk mendapatkan bentuk spectral frekuensi sinyal
wicara yang lebih halus. Dimana bentuk spectral yang relatif
bernilai tinggi untuk daerah rendah dan cenderung turun secara
tajam untuk daerah fekuensi diatas 2000 Hz.
 Pre
Emphasis
Sinya
Pre Freme
Feature
l Sampli Windowi Extractio
Emphai Blockin
Wicar ng ng n FFT,
si g
a LPC, dsb

Filter pre-emphasis didasari oleh hubungan input/output dalam

domain waktu yang dinyatakan dalam persamaan beda seperti
berikut:

y(n) = x(n) ax(n1)

(a) merupakan konstanta filter pre-emhasis, biasanya bernilai 0.9
< a < 1.0. Dalam bentuk dasar operator z sebagai unit filter,
persamaan diatas akan memberikan sebuah transfer function
filter pre-emphasis seperti berikut.

H(z) = 1 az1
Uji Respon Frekuensi Filter pre-
emphasis dengan Matlab
clear all;
w=0:.01:3.14;
a=0.93;
H=1-a*exp(-j*w);
plot(w/3.14,20*log10(abs(H)),'linewi
dth',2)
grid
axis([0 1.00 -25 10])
xlabel('frekuensi ternormalisasi')
ylabel('magnitudo (dB)')
title('Pre-Emphasis filter')
Dengan nilai a = 0,93 akan mampu melakukan penghalusan spectral sinyal
wicara yang secara umum mengalami penurunsan sebesar 6 dB/octav
Pengaruh Filter terhadap Inputan
Sinyal Wicara subplot(211)
clear all;
fs=10000; t=1:xx;
[x,fs]=wavread('a.wav'); plot(t/fs,y);legend('input');grid
xx=length(x)+1;x(xx)=0; xlabel('waktu (dt)');
alpha=0.96; ylabel('magnitudo');axis([0 0.7
for i=2:xx -0.25 0.25]);
y0(i)=x(i-1); subplot(212)
end plot(t/fs,y0);
for i=1:xx legend('output');grid
y(i) = x(i) - alpha*y0(i); xlabel('waktu (dt)');
end ylabel('magnitudo'); axis([0 0.7
Domain Waktu Domain
Frekuensi
Tampak jelas bahwa gambar hasil pre-emphasis menunjukkan
filtering menyebabkan frekuensi tinggi muncul dan frekuensi-
frekuensi rendah yang lemah telah dihilangkan. Bisa kita
katakana bahwa hasilpre-emphasis memunculkan banyak
informasi yang penting ketimbang data asli sehinggabagian
pre-emphasis bisa kita gunakan sebagai data lanjutan untuk
proses berikutnya. Dalam hal ini pengenalan pola untuk
aplikasi-aplikasi yang menarik.