Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Jump to first page M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL JAKARTA 2009.

Presentasi serupa


Presentasi berjudul: "Jump to first page M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL JAKARTA 2009."— Transcript presentasi:

1 Jump to first page M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL JAKARTA 2009

2 Jump to first page

3 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.

4 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.

5 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

6 Jump to first page CARA KERJA DSP SECARA UMUM

7 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.

8 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.

9 Jump to first page DSP Menggantikan atau Menambah Performance dari Peralatan Elektronika Analog.

10 Jump to first page DSP Menciptakan Aplikasi Baru yang Tak Mungkin Dilakukan oleh Peralatan Elektronika Analog.

11 Jump to first page TRANSFORMASI FOURIER Jean Baptiste Fourier : Setiap Sinyal terdiri dari sinyal-sinyal sinus dengan amplitudo dan fase tertentu

12 Jump to first page FOURIER TRANSFORM DISKRET TIME FOURIER TRANSFORM DISKRET TIME DISKRIT FREKUENSI FOURIER TRANSFORM = DFT

13 Jump to first page Komputasi DFT adalah komputasi yang rumit dan memerlukan banyak memori. 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 MultiplyComplex Operation Not only once

14 Jump to first page Setelah dilakukan Transformasi Fourier menjadi domain frekuensi Sinyal dalam domain waktu LAPLACE TRANSFORMZ TRANSFORM Analog Digital Sebuah rekaman sinyal suara Spekturn frekuensi-nya

15 Jump to first page KONVOLUSI 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/Folding 2. Shifting 3. Multiplication 4. Summation

16 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

17 Jump to first page DIGITAL FILTER Implementasi 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 Sinyal Asli

18 Jump to first page DIGITAL FILTER FINITE IMPULSE RESPONSE ( FIR ) 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.

19 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 Produk keduanya seba- gian menjadi negatif 5. Fungsi korelasinya menunjukkan dimana kemiripan antara dua sinyal tersebut.

20 Jump to first page AUTO KORELASI 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.

21 Jump to first page KORELASI SILANG Suara yang sudah diketahui Suara terdeteksi Burung nightingale nightingale lainBurung Merpati Korelasi Silang Korelasi kuatKorelasi lemah Penggunaan lain pada radar atau sonar untuk mendeteksi jenis pesawat atau kapal selam.

22 Jump to first page PEMROSESAN SINYAL DIGITAL UNTUK PENGENALAN SUARA 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

23 Jump to first page TEKNIK QUADRATURE AMPLITUDO MODULATION (QAM) + FILTER DIGITAL UNTUK PENGIRIMAN DATA MELALUI FREKUENSI VOICE BAND Diagram Blok Transmitter

24 Jump to first page Diagram Blok Receiver Spesifikasi System Kecepatan pengiriman data 7200 bps Saluran 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.

25 Jump to first page PEMROSESAN SINYAL DIGITAL UNTUK PENGENALAN WARNA Spesifikasi System Spektrum Frekuensi dari warna yang dikenali diperoleh dengan Algoritma Real FFT radiks titik Pengenalan warna menggunakan jaringan saraf tiruan dengan Propagasi Balik Warna yang dapat dikenali hanya hitam, abu-abu dan putih

26 Jump to first page NOISE REDUCTION MENGGUNAKAN FILTER ADAPTIVE Spesifikasi System Digunakan Filter Digital FIR dan Algoritma Adaptif Least Mean Square ( LMS ) Noise dihasilkan secara internal (simulasi) berupa Random Noise

27 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

28 Jump to first page “The Scientist and Engineer’s Guide to DSP”, S.W. Smith. “DSP And Microcontroller”, Grover and Deller.

29 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)

30 Jump to first page


Download ppt "Jump to first page M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL JAKARTA 2009."

Presentasi serupa


Iklan oleh Google