MODUL PRAKTIKUM Digital Signal Processing (DSP) ADSP 2181 EXPERIMENTS < Digital Signal Processor > Disusun Oleh : Suyatno Budiharjo

MODUL PRAKTIKUM Digital Signal Processing (DSP)

ADSP­2181 EXPERIMENTS < Digital Signal Processor > Disusun Oleh : Suyatno Budiharjo

Laboratorium DSP Program Studi Telekomunikasi AKADEMI TELEKOMUNIKASI SANDY PUTRA JAKARTA 2006

KATA PENGANTAR

Alhamdulillah,   segala   puji   bagi   Allah   Azza   Wa   Jalla,   berkat   rahmat­Nya   telah  terselesaikan Modul Praktikum Pengolahan Sinyal Digital (DSP) ini, lengkap dengan  Software, Hardware dan Buku Panduannya. Modul   Praktikum   DSP   ini   dirancang,   sedemikian   rupa   sehingga   cukup  merepresentasikan   pembahasan   Pengolahan   Sinyal   Digital   dan   secara   konsep,  algoritma   dan   implementasinya   menggunakan   program   Software   dan   program  dengan Hardware Processor Sinyal Digital atau DSP. Modul Praktikum DSP ini membahas permasalahan dalam implementasi Pengolahan  Sinyal Digital, mulai dari Proses Sampling, Kuantisasi, Penundaan atau  delay, FIR   Filtering, IIR Filtering, dan Efek Audio Digital yang dinyatakan dalam 6 (Enam) Modul  Praktek. Modul terdiri dari 3 Modul Software yang dibangun dengan MATLAB dan ke  depan perlu pengembangan dengan SCILAB dan 3 Modul Hardware dengan kartu  ADSP­2181. Meski  modul yang tersedia sangat  terbatas, tetapi diharapkan cukup  memadai dan merepresentasikan apa yang sedang dibahas.  Dan dalam setiap kesempatan selalu dikatakan 'Tiada Gading yang Tak Retak' maka  dalam Modul Praktikum DSP ini masih banyak kekurangan, dan sangat diharapkan  masukan   dan   saran   yang   dapat   digunakan   untuk   menutupi   kekurangan   dan  melengkapi, serta mengembangkan ke arah aplikasi yang lebih komplek. Oleh sebab  itu   Modul   Praktikum   DSP   ini   dirancang   dengan   Software   dan   Hardware   yang  programmable dalam arti selalu dapat di­update dan di­upgrade sehingga selalu up   to date dengan perkembangan teknologi DSP. Dan   terakhir,   diharapkan   Modul   Praktikum   DSP   yang   kecil   ini   dapat   membantu  rekan­rekan mahasiswa untuk mempelajari DSP dan pembaca pada umumnya untuk  mengerti bagaimana Dunia Digital dikembangkan.

Bogor, 31 Maret 2006 Penyusun

Suyatno Budiharjo

MODUL 1 SAMPLING KUANTISASI DAN FORMAT DATA DSP

TUJUAN 1. Peserta mengerti permasalahan dalam sinyal Analog dan sinyal Digital. 2. Peserta memahami konsep Sampling, Rekonstruksi dan Kuantisasi 3. Peserta   memahami   permasalahan   dalam   proses   Sampling   dan   Kuantisasi  serta mengerti cara mengatasinya. 4. Peserta   mengerti   konsep   Sampling   dan   Kuantisasi   serta   mampu  mengimplementasikan   dengan   Perangkat   Lunak   maupun   Perangkat   Keras  DSP. 5. Memahami Format Data dalam DSP. KONSEP TEORI Laboratorium   DSP   mempunyai   dua   komponen   software   dan   hardware.   Di  dalam   komponen   sotfware,   siswa   diperkenalkan   dengan   sejumlah   eksperimen  komputer   yang   ditulis   didalam   bahasa     C   atau   MATLAB,   yang   menggambarkan  beberapa konsep dasar dan aplikasi dari pengolahan sinyal digital, seperti kuantisasi  dan sampling, pengolahan blok dengan konvolusi, pemfilteran secara waktu nyata  berbasis   sampel   demi   sampel,   perbaikan   sinyal   dan   filter   reduksi   noise,   realisasi  langsung, kanonik dan kaskade dari filter digital, analisis spektral dengan DFT/FFT,  dan perancangan filter digital FIR dan IIR. Bagian   hardware   dari   lab,   menggambarkan   pemrograman   dari   algoritma  pengolahan sinyal waktu nyata pada chip DSP secara kongkrit, dengan DSP fixed­ point   ADSP­2181.   Eksperimen   hardware   termasuk   didalamnya   efek   aliasing   dan  kuantisasi, implementasi buffer sirkular dari  tunda, filter FIR dan IIR, penghapusan  interferensi   dengan   filter   notch,   generator   gelombang   sinyal,   dan   beberapa   efek  audio digital, seperti filter combo, reverberator, beberapa multi­tap, multi­delay, dan  efek delay stereo.  Diasumsikan siswa telah familiar dengan pemrograman C dan atau MATLAB,  Fortran   boleh   digunakan   tetapi   tidak   direkomendasikan.   Kebanyakan   diperlukan  routin C dan MATLAB dan siswa dapat memasukkannya bersama didalam program  utamanya.  Pengolahan Sinyal Digital, memberikan pengertian bahwa apapun sinyalnya,  akan   diolah   secara   digital,   dengan   demikian   sinyal   yang   dalam  Real   World  atau  Dunia Nyata merupakan sinyal analog, perlu dikonversikan ke dalam bentuk Digital.  Proses Konversi dari Analog ke Digital memerlukan perangkat atau komponen yang  disebut  Analog   to   Digital   Converter  atau   ADC.   Terdapat   banyak   komponen   ADC  yang disediakan oleh vendor seperti Motorola, Intel, Analog Device, baik ADC 4 bit, 8  bit maupun 16 bit, mulai dari ADC yang tetap maupun ADC yang  programmable.  Seperti   dalam   kartu   perangkat   keras   ADSP­2181   menggunakan   komponen   ADC  AD1847. Mengapa Harus Digital ? Pada   awalnya,     semua   sistem   dibuat   dalam   bentuk   analog   dengan   komponen  analog,   dan   masukan   sinyal   analog   yang   memang   pada   kenyataannya   bentuk  analog itu yang tersedia dari lingkungan. Namun pada perkembangannya, terdpat 

sejumlah permasalahan ketika sistem analog digunakan, seperti  component aging,   pengaruh suhu, karena menggunakan power yang cukup besar, sehingga komponen  lebih mudah panas, dan ketika sistem membutuhkan hal yang lebih komplek, dan  lebih cepat, komponen analog tidak mampu menyelesaikan permasalahan ini, dan  disisi   lain   terdapat   sejumlah   penemuan   baru   dengan   perangkat   digital   yang  menjanjikan solusi terhadap permasalahan tersebut, komsumsi daya kecil, sehingga  komponen tidak cepat panas, dapat diprogram, sehingga lebih flesibel dalam banyak  hal. Sehingga tidak ada alasan untuk tidak menggunakan perangkat digital. Dengan  flesibilitas  yang tinggi,  karena  programmable  maka perkembangan algoritma  DSP  menjadi sangat pesat dengan kompleksitas yang tinggi.  Kelebihan Kekurangan

Kelebihan Kekurangan

Sistem Analog Bandwidth lebar, Resolusi tinggi, Mudah dirancang Umur komponen Drift Temperatur  Perancangan hardware Cocok untuk perancangan yang simpel Sistem Digital Solusi terprogram, tidak sensitif lingkungan, perilaku yang presisi,  implementasi   untuk   algoritma  yang   komplek,   dapat   ditambahkan  fungsi lain, konsumsi daya rendah,  Menimbulkan   sejumlah   problem   numerik,   memerlukan   processor  performansi tinggi, sulit dirancang

Apakah anda memperhatikan, bagaimana berbagai hal menjadi digital saat ini? Filter  digital, modem digital, transciever digital dan masih banyak lagi yang lain dan untuk  alasan   yang   baik.   Representasi   digital   dari   sinyal   dibanding   analog   mempunyai  beberapa keuntungan : ✔ komponen lebih sedikit ✔ stabil, perfomansi deteministik ✔ cakupan aplikasi yang luas ✔ tanpa adjustment filter ✔ Filter dengan toleransi yang cukup kecil ✔ Filter adaptif lebih mudah diimplementasikan. Menjalankan Program C Software  lab  mungkin   terdapat  didalam   beberapa  komputer   yang  tersedia.  Fasilitas   komputer   yang   ada   diset   secara   default   dengan   Unix­based   X­terminal.  Account komputer akan diberikan pada permulaan perkuliahan atau dapat diperoleh  dengan menghubungi system administrator dari lab. dsp. Bahasa pemrograman C dapat dikompile menggunakan Unix C Compiler cc  Standar   atau  GNU   C  Compiler  gcc.  Keduanya   mempunyai  sintak   yang  sama.   Ini  direkomendasikan bahwa program C disusun dalam mode modular, linking module  terpisah secara bersamaan pada waktu kompilasi. Sebagai   contoh   dari   penggunaan   gcc,   perhatikan   program   utama   berikut  sines.c yang membangkitkan dua sinosoidal yang diberi noise dan menyimpannya  (dalam format ASCII) ke dalam file data y1.dat dan y2.dat: /* sines.c - noisy sinusoids */ #include <stdio.h> #include <math.h>

#define L 100 #define f1 0.05 #define f2 0.03 #define A1 5 #define A2 A1 double gran(); /* gaussian random number generator */ void main() { int n; long iseed=2001; /* gran requires iseed to be long int */ double y1, y2, mean = 0.0, sigma = 1.0, pi = 4 * atan(1.0); FILE *fp1, *fp2; fp1 = fopen("y1.dat", "w"); /* open file y1.dat for write */ fp2 = fopen("y2.dat", "w"); /* open file y2.dat for write */ for (n=0; n
} Ketiga program diatas, dapat dikompile dan dilink kedalam file yang dapat dieksekusi  dengan memanggil baris perintah dari gcc berikut :  gcc sines.c gran.c ran.c –o sines –lm (Versi Unix dari gcc) gcc sines.c gran.c ran.c –o sines.exe –lm(Versi Dos dari gcc) Pilihan   baris   perintah   –lm   untuk   menghubungkan   dengan   math   library   dan   harus  selalu diletakkan di akhir baris. Pilihan –o membuat file sines yang dapat dieksekusi  (atau, sines.exe untuk MS­DOS). Jika pilihan ini dihilangkan, maka nama file yang  dapat dieksekusi adalah a.out (atau a.exe) secara  default.Pilihan yang bermanfaat  lainnya adalah pilihan pesan peringatan –Wall : gcc –Wall sines.c gran.c ran.c –o sines –lm Jika baris perintah tersebut terlalu panjang dan cenderung untuk mengetik berulang­ ulang, Anda dapat menggunakan apa yang disebut dengan file respon, yang dapat  berisi semua atau beberapa argumen baris perintah. Sebagai contoh, diberikan file  argfile yang berisi baris­baris berikut : -Wall sines.c gran.c ran.c -o sines -lm Kemudian,   perintah   berikut   akan   mempunyai   efek   yang   sama   sebagaimana   cara  sebelumnya, dimana nama dari file respon harus didahului dengan karakter tanda @  : gcc @argfile Untuk hanya mengkompilasi, tanpa linking dan membuat file yang dapat dieksekusi,  kita dapat menggunakan pilihan baris perintah –c: gcc –c sines.c gran.c ran.c Ini akan membuat modul kode obyek *.o, yang dapat secara berderet dihubungkan  ke dalam file yang dapat eksekusi sebagai berikut : gcc –o sines.o gran.o ran.o –lm Menggunakan MATLAB Penggunaan routin DSP built­in MATLAB, seperti filter, conv, fft tidak diijinkan dalam  eksperimen   lab.Bagaimanapun,   MATLAB   boleh   digunakan   sebagai   bahasa  pemrograman yang mana siswa dapat memprogram versinya sendiri dari berbagai  algoritma DSP. Plotting   dari   data   dibuat   dengan   program   C   atau   MATLAB   dapat   dilakukan  menggunakan   fasilitas   plotting   yang   ada   di   MATLAB.   Disini,   kita   menyajikan  beberapa contoh untuk menunjukkan bagaimana mengambil dan menggambarkan  ydata   dari   file   data,   menyesuaikan   range   sumbu,   menambahkan   label,   judul,  legenda,   dan   mengubah   default   font,   menambahkan   beberapa   kurva   pada   grafik  yang sama, dan bagaimana membuat subplot.

Sebagai contoh, bahwa anda ingin menggambarkan data sinusoidal ternoisy dalam  file   data   y1.dat   dan   y2.dat   yang   dibuat   dengan   menjalankan   program   C   sines.  Potongan kode MATLAB berikut akan mengambil dan menampilkan data file : load y1.dat; % load data into vector y1 load y2.dat; % load data into vector y2 plot(y1); % plot y1 hold on; % add next plot plot(y2, ’r--’); % plot y2 in red dashed style axis([0, 100, -10, 10]); % redefine axes limits set(gca, ’ytick’, -10:5:10); % redefine yticks legend(’y1.dat’, ’y2.dat’); % add legends xlabel(’time samples’); % add labels and title ylabel(’amplitude’); title(’Noisy Sinusoids’); Hasil   dari   plot   ditunjukkan   sebagai   berikut.   Catat   bahwa   perintah   load   y1.dat  melepaskan bagian ekstensi (*.dat) dari nama file   dan menyatakan data ke dalam  vektor yaitu y1.

Perintah  hold   on  membiarkan   plot   yang   pertama   dan   menambahkan   plot   yang  kedua.  Perintah  axis  menaikkan  cakupan sumbu  –y  dengan  maksud memberikan  ruang untuk legenda. Legenda, label dan judul menggunakan default font dan ukuran  font (Helvetica, size 10 untuk versi Windows). Cara yang lebih fleksibel dan terformat dari pembacaan dan penulisan data dari atau  ke dalam file data adalah dengan pengertian dari perintah  fscanf  dan  fprintf, yang  terkait   dengan  fopen  dan  fclose.   Fungsi   ini   mempunyai   kesamaan   penggunaan  sebagaimana didalam C. Lihat ref.[3] untuk lebih jelasnya. Contoh berikutnya adalah mirip dengan apa yang dibutuhkan didalam Lab­1. Contoh  kode   dibawah   ini   membangkitkan   2   sinyal   x(t)   dan   y(t)   dan   menggambarkannya  terhadap  fungsi   waktu  t.  Ini   juga   membangkitkan  sampel   waktu  y(tn)  pada  waktu  sesaat tn=nT. Ketiga sinyal x(t), y(t), dan y(tn) tercakup dalam interval waktu total  yang sama [0,tmax], tetapi dinyataka oleh array yang berbeda dimensi x(t) dan y(t) 

mempunyai   panjang   101,   sedangkan   y(tn)   mempunya   panjang   11).   Ketiga   sinyal  dapat diletakkan pada grafik yang sama seperti berikut : tmax = 1; % max time interval Nmax = 100; % number of time instants Dt = tmax/Nmax; % continuous-time increment T = 0.1; % sampling time interval t = 0:Dt:tmax; % continuous t x = sin(4*pi*t) + sin(16*pi*t) + 0.5 * sin(24*pi*t); % signal x(t) y = 0.5 * sin(4*pi*t); % signal y(t) tn = 0:T:tmax; % sampled version of t yn = 0.5 * sin(4*pi*tn); % sampled version of y(t) plot(t, x, t, y, ’--’, tn, yn, ’o’); % plot x(t), y(t), y(tn) axis([0, 1, -2, 2]) % redefine axis limits set(gca, ’xtick’, 0:0.1:1); % redefine x-tick locations set(gca, ’ytick’, -2:1:2); % redefine y-tick locations set(gca, ’fontname’, ’times’); % Times font set(gca, ’fontsize’, 16); % 16-point font size grid; % default grid xlabel(’t (sec)’); ylabel(’amplitude’); title(’x(t), y(t), y(tn)’); axes(legend(’original’, ’aliased’, ’sampled’)); % legend over grid Gambar   berikut   menampilkan  hasil   dari   program   diatas.   Catatan   bahwa  sumbu   x  telah didefinisikan kembali agar sesuai dengan waktu sesaat tersampling tn=nT.

Perintah 'o' menampilkan sinyal tersampling y(tn) sebagai deretan lingkaran. Tanpa  'o' perintah plot akan terinterpolasi secara linier antara 11 titik dari y(tn). Huruf telah diubah ke Times­Roman, ukuran 16, dengan maksud membuat tulisan  lebih tampak ketika grafik diperkecil untuk dimasukkan dalam manual ini. Perintah  axes   membuat   set   yang   baru   dari   sumbu   yang   berisi   legenda   dan  menggabungkannya dengan grid awal (jika tidak, grid akan tampak melewati kotak  legenda). 

Segmen   program   selanjutnya   menampilkan   penggunaan   perintah  subplot,   yang  sangat bermanfaat untuk penyusunan beberapa grafik pada satu halaman. Ini juga  mengilustrasikan   perintah  stem,   yang   berguna   untuk   menampilkan   sinyal  tersampling. subplot(2, 2, 1); % upper left subplot plot(t, x, t, y, ’--’, tn, yn, ’o’); % plot x(t), y(t), y(tn) xlabel(’t (sec)’); ylabel(’amplitude’); title(’x(t), y(t), y(tn)’); subplot(2, 2, 2); % upper right subplot plot(t, y); % plot y(t) hold on; % add next plot stem(tn, yn); % stem plot of y(tn) axis([0, 1, -0.75, 0.75]); % redefine axis limits xlabel(’t (sec)’); ylabel(’y(t), y(tn)’); title(’stem plot’); Grafik yang dihasilkan ditunjukkan dibawah ini. Catatan bahwa pola subplot 2 x 2  digunakan   untuk   menampilkan  1   x   2,   dengan   maksud  untuk   mendapatkan   aspek  rasio yang lebih alami.

1.1 SAMPLING Tujuan dari laboratorium ini untuk mendemonstrasikan efek peningkatan aliasing dari  sampling   yang   tidak   tepat.   Laboratorium   ini   lebih   baik   dikerjakan   dengan  pemograman MATLAB daripada pemrograman C. Diberikan sinyal analog x(t) yang disampling pada laju  f s , menghasilkan sampel  x(nT) yang kemudian direkonstruksi oleh  reconstructor  ideal k dalam sinyal analog  x a  t  .   Pemilihan   yang   tidak   tepat   dari   f s akan   menghasilkan   dalam   sinyal  yang   berbeda   x a  t ≠ x  t  ,   meskipun   mreka  memenuhi   nilai   sampelnya,   yaitu  x a  nT = x  nT  . Prosedur ini dapat diilustrasikan dalam gambar berikut :

Prosedur Laboratorium : a.   Diberikan   sinyal   analog   x(t)   terdiri   dari   tiga   sinusoidal   dengan   frekuensi,  f 1=1 kHz ,  f 2=4 kHz dan  f 3=6 kHz :

x  t =2sin2 f 1 t 2sin2 f 2 t sin 2 f 3 t  dimana   t   dalam   milidetik.   Tunjukkan   bahwa   jika   sinyal   ini   disampling   pada   laju  f s=5 kHz , ini akan terjadi aliasing dngan sinyal berikut, dalam pengertian bahwa  nilai sampelnya akan sama dengan  :

x a  t =sin 2 f 1 t 

Pada   grafik  yang   sama,   plot   dua  sinyal   x(t)   dan x a  t  versus   t   dalam   cakupan  0 t 2 mdetik. Untuk tujuan grafik, anda dapat mengevaluasi sinyal pada L =  200   yang   sama   dengan   waktu   sesaat   dalam   interval   tersebut,   yaitu   t =2i/ L ,  dimana i=0,1,...,L­1. Gunakan divisi x­grid 10 dengan tujuan untuk menunjukkan nilai  tersampling yang terjadi pada interval dari interval sampling  T =1/ f s=0.2 mdetik.  Buktikan bahwa dua sinyal mempunyai nilai sampel yang sama.  b. Ulangi bagian (a) dengan  f s=10 kHz . Dalam kasus ini, tunjukkan bahwa x(t)  bertumpang tindih dengan sinyal :

x a  t =2sin2 f 1 t sin 2 f 2 t  Plot keduanya x(t) dan  x a  t  pada grafik yang sama melalui cakupan  0t 2 mdetik. Tetapi gunakan divisi x­grid 20 untuk menunjukkan nilai tersampling yang  terjadi interval dari T = 0.1 mdetik. Buktikan bahwa dua sinyal berpotongan pada  sampling sesaat.

Catatan   untuk   melakukan   langkah   diatas,   gunakan   program   MATLAB   yang   telah  tersedia, yaitu : i. Jalankan   program   MATLAB,   sehingga   anda   akan   mendapati   tampilan  sebagai berikut :

ii. ketikkan   baris   perintah   pada   MATLAB   prompt   sebagai   berikut   untuk  mengubah current directory (cd) : >> cd c:\ezkit_r12_b05  ↵ Langkah ini akan menghasilkan tampilan sebagai berikut :

iii. ketik nama program dalam hal ini allaboutdsp.m pada MATLAB prompt  untuk  menjalankan modul praktikum : >> allaboutdsp ↵ Langkah ini akan menghasilkan tampilan sebagai berikut :

iv. Untuk   pembahasan   tentang   sampling,   sorot   Menu   Modul   ­­>   Modul   1   :  Sampling   Kuantisasi   ­­>   Sampling,   kemudian   masukkan   parameter   sesuai  dengan langkah (a) dan (b).

1.2 KUANTISASI Tujuan   dari   laboratorium   ini   adalah   untuk   mempelajari   proses   kuantisasi   dengan  mensimulasikasi operasi conversi A/D and D/A menggunakan rutin adc dan dac yang  didiskusikan dalam bab kuantisasi. Sinyal sinusiodal tersampling dibangkitkan dan  kemudian   dikuantisasikan   menggunakan   ADC   dengan   pendekatan   succesive  komplemen 2 dengan pembulatan. Sebagai tambahan nilai rata­rata dan kuadrat rata  secara teoritis dari error kuantisasi : 2

Q 2 e=0 ,   e =  12 akan diuji dengan pembangkitan sampel statistik dari error kuantisasi dan komputasi  rata­rata   sampel   yang   berhubungan.   Ini   juga   akan   memberikan   ksmpatan   untuk  bekerja dengan pembangkit bilangan random. Laboratorium   ini   terbaik   dikerjakan  dalam   MATLAB.   Kebutuhan   fungsi   dac.m   dan  adc.m juga bagian dari suplemen M­file. Prosedur Laboratorium a.   Bangkitkan   L   =   50   sampel   dari   sinyal   sinusiodal   x  n = A cos2 f n  ,  n=0,1,..,L­1 dari frekuensi f = 0.02 [siklus/sampel] dan amplituda A =8. Penggunaan  konverter   A/D   pendekatan  successive   komplemen   2   bipolar   3­bit   (B   =  3),   seperti  diimplementasikan oleh rutin adc, dngan cakupan skala penuh R = 32, kuantisasikan  x(n) dan notasikan sinyal terkuantisasi oleh  x Q  n  . Ini dapat dikerjakan sebagai  berikut : untuk   setiap   x(n),   pertama   memanggil   adc   untuk   membangkitkan   vektor   bit  komplemen 2 yang berhubungan,   b =[ b1, b2,. .. ,b B] dan masukkan ini ke dalam  dac untuk membangkitkan nilai terkuantisasi yang berhubungan,  x Q  n  . Untuk n = 0,1,.., L – 1, cetak dalam 3 kolom paralel nilai analog yang benar, x(n),  nilai   terkuantisasi   analog   x Q  n  ,   dan   berkorespondensi   dengan   vektor   bit  komplemen 2, b. Pada grafik yang sama, plot dua sinyal x(n) dan  x Q  n  pada sumbu n. Skalakan  skala   vertikal   dari   [­16,16]   dan   gunakan   garis   y­grid   8   untuk   menunjukkan   level  kuantisasi 8. b. Ulangi bagian (a) menggunakan konverter A/D B = 4 bit. Dalam ploting x(n) dan  x Q  n   menggunakan skala vertikal yang sama seperti diatas, yaitu dari [­16,16],  tetapi menggunakan garis y­grid 16 untuk menunjukkan level kuantisasi 16.  c. Apa yang terjadi ketika sinyal analog yang dikuantisasikan mempunyai amplituda  yang melebihi cakupan skala penuh dari Quantizer? Kebanyakan konverter D/A akan  saturasi pada level terbesar (positif atau negatif). Untuk melihat hal ini, ulangi part (b)  dengan pengambilan nilai amplituda dari sinusiodal menjadi A = 20. d. Akhirnya, kita akan mengetes nilai secara teoritis yang diberikan oleh persamaan  (1.1) Catatan :

Gunakan   program   DSP   yang   tersedia   seperti   langkah   iii.   Kemudian   dilanjutkan  dengan  menyorot  menu  Modul  ­­>  Modul   1  :   Sampling  Kuantisasi   ­­>  Kuantisasi.  Kemudian masukkan parameter kuantisasi.

1.3 FORMAT DATA DSP Sebelum mengolah data nilai riil, kebanyakan chip DSP fixed­point harus menskala  data   ke   integer   yang   kmudian   direpresentasikan   dalam   format   biner   atau  heksadesimal.   Sebagai   contoh,   chip   Analog   Device   keluarga   ADSP­21xx   16­bit  menggunakan   yang   disebut   dengan   format   1.15   fixed­point     untuk  merepresentasikan nilai riil. Kebanyakan inkarnasi dari chip ini, ADSP­2181, adalah  salah satu dari yang tercepat. Jika tidak tercepat, fixed point DSP, dengan waktu  instruksi 30 nsec. Format 1.15 secara esensial adalah format integer 16­bit komplemen 2 terskala yang  bit pertamanya sebagai bit tanda, dan 15 bit sisanya menyatakan bagian pecahan  dari bilangan. Untuk   memahami   format   ini,   kita   mulai   dengan   representasi   komplemen   2   yang  diberikan oleh persamaan (2.35) dari referensi, dengan cakupan skala penuh R=1  dan B =16 :

x = b1 2−1b2 2−2b2 2−3... b16 2−16 −0.5

LSB adalah  Q=2−16 dan cakupan bilangan x adalah [­0.5,0.5): −16

−0.5 x 0.5−2

Kita sebut ini sebagai format fixed­point 0.16. Penggantian  b1 =1−b1 kita dapat  menuliskan kembali ekspresi diatas dalam bentuk yang konvensional : (format 0.16) x =−b1 2−1 b2 2−2 b2 2−3 ...b16 2−16 Jika kita skala bilangan ini ke atas dengan faktor 2, kita akan peroleh format 1.15 : x =2 −b1 2−1 b2 2−2 b2 2−3 ...b 16 2−16  (format 1.15) Sekarang LSB adalah  Q=2−15 , R=2 dan cakupan dari x adalah [­1,1): −15

−1x 1−2

Secara umum, kita dapat mendefinisikan format 16­bit a.b dengan penskalaan ke  atas format 0.16 dengan faktor dari  2a dimana a+b = 16 : x =2a −b1 2−1b 2 2−2 b2 2−3 ...b16 2−16  (format a.b) dimana a dapat diambil nilai a=0,1,...16. LSB sekarang adalah  Q=2a−16 =2b dan  R =2a . Cakupan dari x adalah [ −2 a−1 , 2a−1 ):

−2 a−1 x2 a−1 −2−16

Untuk a = 16, yaitu format 16.0, bilangan x adalah integer 16­bit komplemen 2, dan  untuk nilai a yang lainnya, mereka adalah versi skala ke bawah dari integer. Bilangan  x direpresentasikan oleh persamaan (1.5) adalah secara unik dicirikan oleh 16 bit

b =[ b1, b2,. . b16 ] yang   kemudian   dapat   direpresentasikan   oleh   4   digit   4­bit  heksadesimal, katakanlah  h =[ h 1, h2, h3, h 4 ] Integer direpresentasikan oleh 16 bit  bi   dan   4   digit   heksadesimal   hi   adalah   sama.   Jadi,   jika   diberikan   format   yang  diharapkan a.b, bilangan riil dari x dapat secara unik digabungkan dengan integer : x    b1, b2,. .b 162= h1, h 2, h 3, h4 16 Bilangan   riil   x   dalam   cakupan   [ −2 a−1 , 2a−1 )   tidak   akan   secara   tepat   dapat  direpresentasikan   dalam   bentuk   dari   persamaan   (1.5).   Ini   harus   dibulatkan   ke  bilangan   terdekat   yang   dapat   direpresentasikan.   Ini   dapat   dilakukan   dengan  penggeseran   x   dengan   setengah   level   spasi,   yaitu   Q / 2=2− b / 2 dan   kemudian  dilakukan pemotongan pada level yang lebih rendah. Sebagai contoh, dua bilangan  ±0.995 dalam   format   1.15   dan   dua   bilangan   ±2.995 dalam   format   3.13,  akan diasosiasikan dengan bilangan heksadesimal : +0.995  7F5C = +0.9949951171875, 

+2.995  5FD7 =+2.9949951171875

­0.995  80A4 = +0.9949951171875,

­2.995  A029 =+2.9949951171875

Catatan bahwa 80A4 dan A029 adalah komplemen 2 dari 7F5C dan 5FD7. Beberapa  informasi lebih lanjut pada format ini terdapat dalam sub bab 2.2 dari manual ADSP­ 2181 Experiments”. Prosedur Laboratorium a. Tulis sebuah program Matlab yang mengambil masukan vektor kolomm bilangan  riil   x   dalam   cakupan   [ −2 a −1 , 2a−1 ),   konversikan   masing­masing   bilangan   ke  dalam   representasi   heksadesimal    h1, h 2, h 3, h4  menurut   format   a.b   (gunakan  pembulatan) dan keluarkan mereka dalam susunan atau array keluaran. Konstruksi   dari   sebuah   program   dapat   dikerjakan   menurut   baris   berikut,   pertama  perlu dicatat bahwa representasi 16­bit dari setiap x yang diberikan dapat diperoleh  dengan bantuan fungsi adc : bits = adc(x,B,R), dimana B = 16 dan R =  2a Bit   mungkin   akan   dikelompokkan   dalam   4   bit   yang   mendefinisikan   isi   dari   digit  heksadesimal :

bits=[ b1, b2, b3, b4  ,  b5, b6, b7, b8 ,  b9, b10, b11, b12  ,  b13, b14, b15, b16 ] h1

h2

h3

h4

kemudian anda akan menghitung digit heksadesimal yang direpresentasikan oleh 4  bit   dan   mengkonversikannya   ke   heksadesimal   menggunakan   fungsi   yang   ada   di  MATLAB dec2hex, sebagai contoh :

h 1=dec2hex 23 b122 b2 21 b 320 b4  Catatan : Jalankan   program   MATLAB   yang   tersedia   seperti   langkah­langkah   sebelumnya,  kemudian sorot menu Modul ­­> Modul 1 : Sampling Kuantisasi ­­> Format Data DSP

ANALISA 1. Lakukan   analisa   terhadap   data   yang   diperoleh   setiap   langkah   prosedur  laboratorium diatas. 2. Sertakan data berupa grafik, angka yang berasal dari hasil program. 3. Sesuaikan analisa anda dengan konsep yang sedang dibahas.

MODUL 2 KONVOLUSI DAN FIR FILTERING

TUJUAN 1. Peserta memahami arti filosofi dari Konvolusi, serta implementasinya dalam  dunia nyata. 2. Peserta mengerti proses filtering dan mampu membuat filter Digital FIR. 3. Peserta   memahami   permasalahan   dalam   pembuatan   filter   Digital   dan  mengetahui perangkat atau komponen yang digunakan untuk membuat filter  digital.    KONSEP TEORI Konvolusi adalah penggabungan dua sinyal untuk membentuk sebuah sinyal ketiga  secara matematis1. Ini adalah teknik yang paling penting didalam Pengolahan Sinyal  Digital. Dengan strategi dari dekomposisi impulse, sistem yang dideskripsikan oleh  sebuah   sinyal   disebut  impulse   response.   Konvolusi   menjadi   penting,   karena   ini  berhubungan dengan tiga sinyal terkait : sinyal masukan, sinyal keluaran dan respon  pulsa.  Sebuah sinyal dapat didekomposisi ke dalam kumpulan dari komponen yang disebut  impulse,  dimana sebuah  sinyal disusun dari  kumpulan  nol, kecuali  satu  titik  yang  tidak   nol.   Dan   ini   mengakibatkan,   dekomposisi  impulse  menyediakan   cara   untuk  menganalisa sinyal satu sampel pada satu waktu. Gambar berikut mendefinisikan  dua istilah yang penting yang digunakan dalam DSP. Pertama, fungsi delta, yang  disimbolkan oleh huruf Yunani dengan huruf delta,  (n). Fungsi delta adalah pulsa  ternormalisasi, dimana sampel bernilai satu pada titik nol, dan bernilai nol pada titik  yang   lainnya.   Istilah   kedua   adalah  impulse   response.  Sesuai   dengan   namanya,  respon   impulse   adalah   sinyal   yang   keluar   dari   sistem   ketika   sistem   diberikan  masukan fungsi delta atau sinyal impulse. Jika dua sistem berbeda dalam berbagai  hal, maka mereka akan mempunyai respon impuls yang berbeda pula. Biasanya,  sinyal   masukan   dan   keluaran   sering   dinotasikan   dengan   x(n)   dan   y(n)   secara  berurutan,   dan   respon   impuls   biasanya   diberikan   simbol,   h(n).   Tentu,   ini   dapat  diubah, jika tersedia pendefinisian lebih lanjut, sebagai contoh f(n) bisa digunakan  unruk mengidentifikasikan respon impuls dari sebuah filter. Konvolusi  Berikut cara singkat untuk memahami, bagaimana sebuah sistem mengubah sinyal  masukan   ke   dalam   sinyal   keluaran.   Pertama,   sinyal   masukan   dapat  disekomposisikan   kedalam   set   dari   impuls,   masing­masing   dapat   ditampilkan  sebagai   bentuk   terskala   dan   tergeser   dari   fungsi   delta.   Kedua,   keluaran   yang  dihasilkan dari setiap impuls adalah versi terskala dan tergeser dari respon impuls.  Ketiga,   keluaran   sinyal   secara   keseluruhan,   dapat   diperoleh   dari   penjumlahan  respon impuls terskala dan tergeser. Dengan kata lain, jika kita mengetahui respon  impuls sistem, maka kita dapat menghitung keluaran apa yang akan diperoleh untuk  berbagai sinyal masukan yang mungkin.

1 Ch. 6 Convolution, Steven W Smith

Gambar fungsi delta dan respon impuls Berikut   adalah   ilustrasi   yang   menyatakan   hubungan   antara   sinyal   masukan,   x(n),  respon impuls sistem, h(n) dan sinyal keluaran sistem, y(n). 

Gambar hubungan sinyal x(n), h(n) dan y(n) Sedangkan respon impuls dapat diperoleh dengan hubungan seperti gambar berikut  : 

Secara matematis, konvolusi dapat dirumuskan sebagai persamaan berikut :

y  n =∑ h  i  . x  n − i 

Tergantung  pada  aplikasi  dan   hardware,   sebuah  operasi   pemfilteran  digital  dapat  disusun   untuk   beroperasi   berbasis   blok   atau   sapel   per   sampel.   Dalam   kasus  pengolahan   blok,   sinyal   masukkan   dipertimbangkan   sebagai   satu   blok   besar   sari  sampel sinyal. Blok difilter dengan mengkonvolusikan sinyal dengan filter, yang akan  membangkitkan sinyal keluaran sebagai blok besar yang lainnya.  Jika   sinyal   masukkan   mempunyai   durasi   yang   sangat   panjang   atau   tak   terbatas  (infinite),   maka   metode   ini   memerlukan   modifikasi,   sebagai   contoh   pecah   sinyal  masukkan kedalam blok kecil yang lebih banyak. Sebagai   alternatif   yang   lain,   menggunakan   pendekatan   untuk   mengatur   atau  mengolah berbasis sampel­per sampel, seperti bahwa kapanpun sampel masukkan  tiba,   ini   akan   menghasilkan   sinyal   terfilter   yang   berhubungan   dengan   sampel  keluaran.   Pendekatan   ini   sangat   bermanfaat   dalam   aplikasi   waktu   nyata   meliputi 

masukan sinyal yang panjang. Ini juga bermanfaat dalam aplikasi pemfilteran adaptif  dimana   filter   sendiri   berubah   setelah   setiap   operasi   pemfilteran   dilakukan.   Lebih  lanjut, hal ini secaa efisien dapat diimplementaskan dengan processor DSP, seperti  Texas Instrument, Motorola, Analog Device aatau Bell Labs DSP. Prosedur Laboratorium Modul ini membuat penggunaan dari rutin conv dan fir untuk membentuk pemfilteran  digital.  a.   Konvolusi   :   Diberikan   sebuah   integrator   seperti   filter   yang   didefinisikan   oleh  persamaan I/O :

y  n =0.1[ x  n  x  n−1 x  n −2... x  n−14]

Seperti sebuah filter mengakumulasikan (mengintegrasi) 14 sampel saat ini dan yang  lalu   dari   sinyal   masukan.   Faktor   0.1   menyatakan   hanya   faktor   skala   untuk  eksperimen ini. Berikut ini adalah respon impuls dari filtrer akan menjadi :

Untuk   mengobservasi   respons   steady   state   dari   filter   ini,   dipertimbangkan   sinya  masukan gelobang segi empat dengan L =200 dan periode  K =50 sampel. Sebuah  sinyal dapat didefinisikan dengan loop for sendiri : for (n=0; n
Filter ini lebih mirip integrator tipe RC daripada akumulator. c. Ulangi langkah (a) untuk filter dengan fungsi transfer :

d. Pengolahan sampel per sampel. Ulangi langkaj (b) menggunakan rutin fir. Apakah  keluaran sinya y(n) yang dihitung disini dan dalam (b) identik untuk semua n? e. Pemfilterang FIR dengan pengalamatan sirkular. Ulangi langkah (d) menngunakan  rutin sirkular buffer cfir.

f. untuk menunjukkan konsep respon impuls, linieritas, dan tak ubah terhadap waktu,  n diberikan filter dengan respon impuls terbatas,  h n=0.95 untuk   0n 24 ,  sinyal masukan :

ANALISA 1. Lakukan   analisa   terhadap   data   yang   diperoleh   setiap   langkah   prosedur  laboratorium diatas. 2. Sertakan data berupa grafik, angka yang berasal dari hasil program. 3. Sesuaikan analisa anda dengan konsep yang sedang dibahas.

MODUL 3 IIR FILTERING TUJUAN 1. Peserta mampu merancang dan mengimplementasikan filter IIR 2. Peserta memahami karakteristik filter IIR 3. Peserta dapat menggunakan filter IIR untuk aplikasi reduksi noise  4. Peserta mengerti konsep perbaikan sinyal dengan filtering

KONSEP TEORI Bagian pertama dari modul ini mengilustrasikan melalui contoh filter IIR sederhana,  prinsip   dari   perbaikan   sinyal   dan   reduksi   noise.   Bagian   kedua   mengilustrasikan  perbedaan antara respon steady state dan transien dan  trade off  antara konstanta  waktu dan ketajaman dari spesifikasi filter. Keduanya akan memberikan kesempatan  untuk memprogram algoritma pengolahan sampel dari filter IIR menggunakan linier  dan sirkular. Perbaikan Sinyal dan Reduksi Noise Diberikan   sinyal   sinusoidal   dengan   frekuensi   f o =   500   Hz   pada   sampling   rate  f s = 10 kHz :

x  n =cos0 n  v  n 

dimana :  0 =2 f 0 / f s adalah frekuensi digital dan v(n) sebagai noise. Ini   diharapkan   untuk   merancang   filter   H  untuk   mengekstraksi   sinyal   yang  diharapkan  s  n =cos0 n  dari sinyal terkena noise yang tersedia x(n).  Seperti  halnya sebuah filter harus mempunyai dua properti, pertama, ini harus membuang  komponen noise v(n) sebanyak mungkin, dan kedua, harus membiarkan sinyal yang  dirapkan s(n) lolos tanpa perubahan, kecuali mungkin waktu tunda.  Kedua   kebutuhan   ini,   dipenuhi   oleh   perancangan   filter   bandpass   yang   memiliki  passband yang bersesuaian dengan passband sinyal yang diharapkan. Sedangkan  komponen   noise   biasanya   merupakan   sinyal   noise   gaussian   yang   memiliki   daya  tersebar ke semua komponen frekuensi yang ada. Setelah pemfilteran, semua daya  noise akan direduksi karena hanya daya yang dberada dalam passband dari filter  yang akan bertahan selama proses pemfilteran. Dalam contoh kita, passband dari sinyal yang diharapkan hanya frekuensi   0 .  Kemudian   kita   harus   merancang   filter   lolos   frekuensi   tengah   dengan   pusat   pada  0 dengan gain = 1 pada frekuensi tersebut, yaitu   ∣H 0 ∣=1 . Pilihan yang  mungkin dan paling sederhana untuk filter seperti ini adalah filter 2 pole resonator  dengan   pole   pada   R e± j   dimana   R   harus   dipilih   menjadi   0   <   R   <   1   untuk  kestabilan. Fungsi transfer akan menjadi bentuk : 0

H  z =

G G = − j   −1 z 1−R e  1a1 z a2 z−2 

 j  0  −1

1−R e

0

2 dimana   a1=−2Rcos0  dan  a2=R . Gain G adalah tetap, sehingga untuk  menjamin  ∣H 0 ∣=1 . Ini memberikan ekspresi untuk G sebagai berikut :

G=1−R 1−2R cos2 0 R 2  1/ 2 Dalam domain waktu, filter dijelaskan dengan persamaan perbedaan :

y  n =−a1 y  n−1−a 2 y  n −2Gx  n 

Respon impuls dari filter dapat ditunjukkan :

h  n =

G R n sin  0 n 0  , n = 0,1,2,.. sin 0 

Akhirnya, respon magnituda kuadrat dapat ditunjukkan oleh :

∣H ∣2=

G2 [1−2Rcos−0R 2 ][1−2Rcos ¿ R 2 ]

Diagram   blok   implementasi   persamaan   perbedaan   dan   fungsi   transfer   diatas  ditunjukkan oleh :

Cara   terbaik   untuk   memprogram   persamaan   perbedaan   diatas   melalui   algoritma  pengolahan sampel. Untuk menurunkan hal ini, didefinisikan sinyal keluaran tertunda  berikut : w1  n = y  n −1 ,  w2  n = y  n −2 Maka persamaan perbedaan diatas dibaca :

y  n =−a1 w1  n −a 2 w2  n Gx  n 

Sekali y(n) dihitung, nilai dari  w1  n  dan  w2  n  mungkin diupdate pada waktu  sesaat berikutnya oleh :

w2  n 1= w1  n 

w1  n 1= y  n  Ini

 

secara

 

mudah

 

diturunkan

 

dari   definisinya,   yaitu   :  w2  n 1= y  n 1−2= y  n −1= w 1  n  dan  w1  n 1= y  n 1−1= y  n  .   Algoritma   komputasi   secara   mudah   sebagai  berikut :

Untuk setiap sampel masukan x kerjakan :

y =−a 1 w1−a 2 w 2Gx  w2 =w1 w1 = y

Prosedur Laboratorium Pertama, buktikan persamaan (3.3) melalui (3.6). Kemudian, untuk setiap tiga nilai R  = 0.95, R = 0.97, R = 0.99, lakukan berikut : a.   Plot   respon   magnituda   kuadrat   ∣H  f ∣2 melalui   cakupan   frekuensi  0f 5 kHz. Saran   :   Untuk   tujuan   plotting,   anda   dapat   menghitung  2 ∣H  f ∣ pada 500 yang ekivalen frekuensi dalam cakupan frakuensi tersebut.  Catatan  =2 f / f s b. Hitung respon impuls h(n) dari filter oleh pengiriman impuls satuan pada masukan  dari persamaan perbedaan dan iterasi ke depan dalam waktu (dengan kondisi  awal 0). Bandingkan nilai yang hasil komputasi dengan nilai yang diperoleh dari  persamaan.     Plot   kuantitas   h(n)/G   terhadap   fungsi   n   dalam   cakupan  0n 300 . Gunakan cakupan vertikal [­4,4] untuk plot anda. c.   Dengan  menggunakan  fungsi  untuk   membangkitkan  bilangan  random   gaussian  gran  dengan rata­rata = 0.0 dan sigma =1.0, bangkitkan 300 sampel dari sinyal  derau   putih   v(n)   dan   sinyal   sinusiodal   terkena   noise   yang   berhubungan,   x(n).  Mengacu   pada   program   sines.c   dari   modul   1   untuk   contoh   dari   bagaimana  melakukan ini. Plot x(n) sebagai fungsi n menggunakan cakupan vertikal [­4,4].  Jika   anda   bekerja   dengan   MATLAB,   anda   dapat   menggunakan   fungsi   yang  tersedia  randn  untuk   membangkitkan   noise.   Sebagai   contoh,   untuk  membangkitkan 300 sampel zero mean dan variansi sama dengan satu : I = 2003; % ubah ini dengan nilai integer yang lain randn('state'I); % inisialisasi pembangkit v=randn(1,300); % v adalah vektor baris dengan panjang 300 d.   Menggunakan   algoritma   pengolahan   sampel,   filter   x(n)   melalui   filter   H(z)   dan  hitung serta plot sinyal keluaran y(n) dalam cakupan  0n 300 . Pada grafik  yang   sama,   letakkan   noise   yang   diharapkan   ­   sinyal   bebas   noise   s(n).   Lagi,  gunakan   cakupan   vertikal   [­4,4].   Diskusikan   trade   off   antara   ketajaman   filter  bandpass  dan  kecepatan   respon  untuk   mencapai   keadaan  tunak   dalam   sinyal  terfilter. e. Filter sinyal noise v(n) secara terpisah melalui filter bandpass dan hitung noise  keluaran   terfilter   yang   berhubungan,   katakanlah   y v  n  .   Jelaskan   mengapa  noise terfilter tampak seperti sinusiodal daripada noise.

Sifat Transient dan Steady State Kita  melihat   bahwa   respon   sinusiodal   dari   filter   orde  2   dengan   pole   pada   p1 ,  p2 mempunyai bentuk tepat seperti beriktu, untuk  n 0 :

x  n =cos0 n  ⇒  y  n =∣H 0 ∣cos0 n  0B1 pn1 B2 pn2 dimana phasa tergeser  0 adalah nilai dari respon phasa dari filter pada  0 dan  B1, B2 tergantung pada bagian dari fungsi transfer. Pada bagian ini, anda akan  mempelajari bagaimana istilah  steady state  merepresentasikan keluaran dari sinyal  dengan durasi pendek dan efek dari istlah transient pada konstanta waktu dari filter.  Dipertimbangkan sinyal berikut dengan durasi 3 detik yang didefinisikan sebagai 3  sinyal sinusoida amplituda satuan dari frekuensi  f 1=5, f 2 =10, f 3=15Hz :

Sinyal   ini   disampling  pada  laju  dari   f s=300 sampel / detik .  Dua  filter   berikut  beroperasi   pada   laju   f s ,   adalah   filter   notch   yang   telah   dirancang   untuk  mempunyai notch pada  f 2=10Hz , kemudian, mereka akan diredam pada bagian  tengah dari x(t) :

Filter   pertama   mempunyai   lebar   3­dB   dari    f =10Hz dan   filter   kedua,  mempunyai   lebar    f =1Hz .   Respon   magnituda   ∣H  f ∣ seperti   ditunjukkan  berikut. Kita akan mempelajari bagamana merancang filter. Mereka telah dirancang  menggunakan toolbox MATLAB parmeq dengan parameter. [a,b] = parmeq(1,0,1/sqrt(s), 2*pi*f2/fs, 2*pi*Df/fs) dimanaa,b   adalam   vektor   koefisien   filter   denumerator   dan   numerator.   Dalam  eksperimen ini, kita akan mempelajari hubungan antara lebar notch dan konstanta  waktu transient. Prosedur Laboratorium a. Gambarkan realisasi kanonik dari setiap filter dan tuliskan algoritma pengolahan  sampel   menggunakan   buffer   delay­line  linier.   Karena   ini   adalah  seksi   order   2,  maka mereka diimplementasikan menggunakan fungsi sos.c atau sos.m b.  Hitung konstanta waktu 1 % dari kedua filter ini dalam detik. c.   Diberikan   x  t n  menotasikan   masukan   tersampling   dari   x(t).   Gambarkan  x  t n  dan  t n melalui 3 detik periode. Gunakan fungsi sos, filter masukan ini  menggunakan  H1  z  dan plot keluaran  y  t n  dan  t n . d. Perhatikan seberapa cepat bagian tengah dari   x  t n  dikeluarkan. Perhatikan  juga   bahwa   bagian   f 1 dan   f 3 tidak   lagi   mempunyai   amplituda   satu.   Uji  bahwa   amplituda   steady   state   diberikan   secara   berturut­turut   oleh   respon  magnituda  ∣H1  f 1∣ dan  ∣H1  f 3∣ . Anda dapat mengerjakan hal ini dengan  ploting baris horisontal dari bobot  ∣H1  f 1∣  dan  ∣H1  f 3∣ melalui hubungan  porsi sinyal atau dengan menggunakan fungsi MATLAB max  untuk menentukan  nlai maksimum dari dua porsi dan kemudian membandingkan keduanya dengan  menghitung nilai respon. e. Ulangi pertanyaan (c,d) untuk filter kedua  H2  z  f.   Pada   dua   grafik   yang   terpisah,   plot   respon   magnituda     ∣H1  f 1∣   dan  ∣H1  f 2∣ dalam cakupan  0n 30 Hz g. Untuk setiap filter, hitung frekuensi korespondensi 3­dB kiri dan kanan, katakanlah  fL   dan   fR,   dan   menunjukkan   mereka   pada   grafik   dari   bagian   (f)   dengan  menghubungkan mereka dengan segmen horisontal pada level 3­dB. Uji bahwa  perbedaan fR ­ fL adalah sama dengan lebar 3­dB yang diberikan dari 10 Hz dan  1 Hz secara berurutan.

ANALISA 1. Lakukan   analisa   terhadap   data   yang   diperoleh   setiap   langkah   prosedur  laboratorium diatas. 2. Sertakan data berupa grafik, angka yang berasal dari hasil program. 3. Sesuaikan analisa anda dengan konsep yang sedang dibahas.

MODUL 4 ARSITEKTUR DAN SET INSTRUKSI ADSP­2181 TUJUAN 1. Peserta mengerti dan memahami arsitektur dari Pocessor ADSP­2181 2. Peserta mengenal dan dapat menggunakan set Instruksi pada ADSP­21xx. 3. Peserta mampu melakukan Instalasi dan Konfigurasi Software dan Hardware  ADSP­2181 4. Peserta mampu membuat program Assembly untuk menjalankan processor  DSP. 5. Peserta   mengerti   bagaimana   menulis   program,   merakit,   menghubungkan,  membebankan dan menjalankan program DSP pada chip. KONSEP TEORI Terdapat   sejumlah   vendor   yang   memproduksi   chip   mulai   dari   komponen   IC,  mikrokontroller, sampai Processor yang dirancang khusus untuk Pengolahan Sinyal  Digital,   seperti   vendor   Motorola   dengan   produk   DSP,   semacam   DSP5600,  DSP56001/2,   DSP96k,   Texas   Instrument   dengan   TMS320C5,   TMS320C54,  TMS320C6,   Analog   Device   Inc.   dengan   ADSP2105,   ADSP2110,   ADSP2181,  ADSP2196, dan masih banyak vendor yang lainnya. Berikut adalah daftar Perangkat komersial yang diproduksi yang menggunakan DSP  antara lain adalah : 1. Aplikasi Elektronik Lanjut (http://www.timewave.com/aea.html) DSP­232 Multi­Mode Data Controller DSP­2232 Multi­Mode Data Controller 2. HAL Communication Corp. DSP4100 HF Radio DSP Modem 3. JPS Communication Corp.(http://www.jps.com) NIR­12 Dual­DSP Noise & Interference Reduction unit NTR­1 DSP Wideband Noise/Notch Filter 4. Special Communications Systems (http://www.sps­ptc.com) PTC­II DSP Multimode PACTOR­Controller 5. Timewave Technology, Inc. (http://www.timewave.com) DSP­599zx Audio Noise Reduction Filtr DSP­59+ Digital Noise Filter 6. Motorola Digital Signal Processing (http://www.mot.com/SPS/DSP/) DSP56002EVM Evaluation Module (EVM) 7. Texas Instruments (http://www.ti.com/sc/docs/dsps/dsphome.htm) TMS­320C2x DSP Starter Kit (DSK) TMS320C3x TMS320C5x TMS320C54x DSKplus 8. Analog Devics, Inc. (http://www.analog.com/ ) ADSP­2101 EZ­KIT ADSP­2103 ADSP­2105 ADSP­2115 ADSP­2181

EZ­KIT ADSP­21020 Digital Signal Processor Sebuah Prosessor Sinyal Digital merupakan sebuah CPU untuk tujuan khusus, yang  menyediakan deretan instruksi yang sangat cepat seperti penggesaran dan jumalh,  perkalian dan jumlah, yang secara bersamaan digunakan dalam aplikasi pengolahan  sinyal intensif matematik. DSP   tidak   sama   dengan   mikroprosessor   pada   umumnya.   Mikroprocessor   yang  umumnya merupakan perangkat tujuan umum yang berjalan dengan blok yang besar  dari software. Mereka tidak digunakan untuk komputasi yang  real time  dan mereka  bekerja pada bidang yang lebih lambat, memilih aksi tertentu, kemudian menunggu  untuk   menyelesaikan   tugas   yang   ada   sebelum   merespon   perintah   pengguna  berikutnya. DSP, disisi lain, sering digunakan sebagai tipe dari embedded controller   atau  processor  yang   dibangun   ke   dalam   sisi   yang   lain   dari   perangkat   dan  diddikasikan untuk mengerjakan kelompok tunggal dari pekerjaan.  Pengolahan Sinyal Digital Pengolahan Sinyal Digital merupakan sebuah teknik yang mengkonversi sinyal dari  sumber dalam dunia riil (biasanya dalam bentuk analog) ke dalam data digital yang  kemudian   dapat   dianalisa.   Analisis   dibentuk   dalam   format   digital   karena   sekali  sebuah sinyal telah direduksi ke dalam bilangan, komponennya daoat dipisahkan,  dianalisa dan disusun kembali lebih mudah dari pada bentuk analog. Meskipun, ketika  DSP  telah menyelesaikan pekerjaannya, data digital  kembalikan  lagi  ke dalam  sinyal  analog,   dengan  perbaikan  kualitas.  Sebagai  contoh,   Sebuah  DSP   dapat   menyaring   derau   dari   sinyal,   membuang   interferensi   menguatkan  frekuensi   dan   menekan   yang   lainnya,   mengenkripsi   informasi,   atau   menganalisa  bentuk gelombang kompek ke dalam komponen spektralnya. Proses   ini   harus   ditangani   dalam   real   time,   yang   seringnya   sangat   cepat.   Untuk  secara singkat, perangkat  stereo mengontrol sinyal suara sampai dengan 20 kHz  (20.000   periode   per   detik),   membutuhkan   DSP   untuk   membentuk   ratusan   juta  operasi per detik. Tipe DSP Karena berbeda aplikasi mempunyai variasi cakupan frekuensi, berbeda DSP yang  dibutuhkan. DSP dikelompokkan berdasarkan dynamic rangenya, sebaran bilangan  yang dapat diproses dalam aplikasi tertentu. Bilangan ini nerupakan fungsi dari lebar  data prosessor (jumlah bit yang dimanipulasi) dan tipe aritmatik yang dibentuk ( fixed  atau   floating   point).   Sebagai   contoh   prosessor   32­bit   mempunyai   dynamic   range  yang lebih lebar dibandingkan prosessor 24­bitm yang mempunyai dynamic range  lebih   lebar   dibandingkan   prosessor   16­bit.   Chips   floating   point   mempunyai   range  lebih lebar dibandingkan perangkat fixed point.   Setiap tipe dari prosessor sesuai untuk range aplikasi tertentu. DSP 16­bit fixed point  yang digunakan untuk sistem untuk voice ­grade seperti sebuah phone, sejakmereka  bekerja dengan range dari frekuensi yang lebih relatif sempit. Suara stereo dengan  tingkat ketajaman tinggi mempunyai cakupan yang lebih lebar, katakan untuk ADC  16­bit dan DSP fixed point 24­bit. Pengolahan citra grafik 3­D dan simulasi scientific 

mempunyai dynamic range yang lebih lebar dan membutuhkan prosessor floating­ point 32­bit.

Gambar Modul Evaluasi ADSP­2181 EZ­KIT Aplikasi Berikut ini adalah berbagai aplikasi yang dapat menggunakan Processor DSP, antara  lain adalah : • • • • • •

Speaker phones  Smart phones  Smart­card readers  POS terminals  Digital speech interpolation Video conferencing  

• • • • •

Data encryption  ISDN modems  Pattern matching  Global positioning  Navigation 

Arsitektur ADSP­2181 Bab ini berisi deskripsi detail dari arsitektur ADSP­2181. 

Gambar 1: Diagram Blok ADSP­2181 Unit Komputasional ADSP­2181 berisi 3 unit komputasional secara bebas :

Unit Logika dan Aritmatika (ALU) : Membentuk set standar dari operasi  aritmatika dan logika dalam penjumlahan atau pembagian primitif. Multiplier / Accumulator (MAC) : Membentuk satu siklus operasi kali,  kali /  jumlah, dan kali / kurang Barrel Shifter : Membentuk operasi penggeseran aritmatika dan logika,  normalisasi, denormalisasi dan turunan eksponen. Prosedur Laboratorium Laboratorium ini mencakup topik pada sub bab 4.1 sebagai berikut : a.   Diskusi   dari   bab   3   dari   ADSP­2181   Manual   yang   menjelaskan   arsitektur,   set  instruksi,   dan   bagaimana   menulis   program   DSP   yang   mengimplementasikan  algoritma pengolahan sampel per sampel. b. Dengarkan efek dari kuantisasi. Dalam eksperimen ini, sinyal masukan disampling  dengan   frekuensi   tertentu   pada   16   bit   per   sampel.   Kemudian   dikuantisasi   ulang  dengan kurang dari 16 bit dan putar atau jalankan kembali.  c.   Dengarkan   efek   dari   aliasing.   Karena   pemilihan   dari   sampling   rate,   dalam  eksperimen   ini   sinyal   masukan   disampling   dengan   rate   fs=48   kHz.   Kemudian  didecimasikan sampel dengan faktor L ke sampling rate yang baru dengan fs'=fs/L  dan jalankan kembali. Faktor decimasi dapat diambil nilai L =1,2,3,... d.   Dalam   modul   ini   digunakan   program   MATLAB   untuk   menghubungkan   ke  perangkat ADSP­2181 EZ­KIT Lite, baik untuk membangun program, memasukkan  program   dan   menjalankan   program.   Ketik   baris   perintah   berikut   di   command  MATLAB : >> cd c:\ezkit_r12_b05  ↵ >> allaboutdsp ↵ Pilih   Menu  ­­>  Modul  ­­>  Modul  4  :  ADSP­2181  –  Arsitektur   Set  Instruksi  seperti  gambar berikut :

Untuk melihat Arsitektur dan Set Instruksi dari ADSP­2181 pilih menu Arsitektur pada  gambar diatas. Sedangkan untuk menghubngkan dengan ADSP­2181 EZ­KIT Lite  anda dapat memilih menu Matlab to EZ KIT Lite. Dan untuk menjalankan program  VisualDSP Development dapat dipilih menu ke tiga sehingga anda dapat membuat  program dsp dengannya.

Catatan : Untuk setiap prosedur pastikan bahwa perangkat telah siap baik hubungan  power   dan   hubungan   antara   PC   dan   ADAP­2181   EZ­KIT   Lite   serta   perangkat  pendukungnya. ANALISA 1. Lakukan   analisa   terhadap   data   yang   diperoleh   setiap   langkah   prosedur  laboratorium diatas. 2. Sertakan data berupa grafik, angka yang berasal dari hasil program. 3. Sesuaikan analisa anda dengan konsep yang sedang dibahas.

MODUL 5 TUNDA DAN FILTER FIR

TUJUAN 1. Peserta   mampu   membuat   program   Assembly   pada   ADSP­2181   untuk  aplikasi penundaan sampel sinyal. 2. Peserta   mampu   mengembangkan   program   tunda   untuk   aplikasi   yang  bermanfaat dalam bidang Telekomunikasi. 3. Peserta   mampu   merancang   dan   mengimplementasikan   Filter   FIR   dengan  ADSP­2181 4. Peserta memahami konsep Perancangan Filter Digital dan implementasinya.

KONSEP TEORI Konsep penundaan atau  delay    sering kalau tidak boleh menggunakan kata selalu  untuk memanipulasi atau memodifikasi sinyal masukan. Konsep didalam pengolahan  sinyal digital, dnyatakan bahwa hubungan antara sinyal masukan, sistem dan sinyal  keluaran, dilakukan dengan cara konvolusi , dengan bentuk yang paling sederhana  dapat dinyatakandengan mengikuti persamaan sebagai berikut :

y  n =x  n  x  n −1

Persamaan diatas memberikan pengertian bahwa sinyal keluaran, y(n) tergantung  pada masukan saat ini,  x(n) dan masukan sebelumnya, x(n­1).  Artinya pada waktu  n, diperlukan sampel x pada saat n dan pada saat n­1, yang berarti x(n) ditunda 1  sampel dimana penundaan 1 sampel ekivalen dengan satuan waktu yang tergantung  dengan frekuensi sampling yang digunakan.  Untuk penundaan 1 sampel dengan frekuensi sampling 8000 Hz yang berarti akan  ada 8000 sampel per detik, dengan demikian penundaan 1 sampel ekivalen dengan  1/8000 detik atau 125 mikrodetik. Untuk   melakukan   penundaan   khususnya   didalam   perangkat   hardware   yang  programmable  dapat dilakukan dengan menggunakan memori atau disimpan dulu,  dan   selanjutnya   dipanggil   atau   diambil   pada   saat   diperlukan   sesuai   dengan  penundaan yang akan dibuat. Hubungan antara waktu tunda dan kebutuhan memori dapat dilihat dari persamaan  sebagai berikut :

D=

TD = f s T D=8000 Hz x 0.75 sec =6000 T

untuk frekuensi sampling = 8000 Hz dan waktu tunda = 0.75 detik. Jadi, fungsi transfer dari penundaan akan menjadi   H  z = z−D=z−6000 . Ini dapat  diimplementasikan dengan menggunakan buffer sirkular dengan dimensi 6001. {Based on cdelay.c of Introduction to Signal Processing, p.177. I/O equation: y(n) = x(n-d), range of delay d=1, 2, ..., D. Sample processing algorithm: for each input x do: y = tap(D, w, p, d) get d-th tap *p = x put input x into tap-0 cdelay(D, w, &p) update delay }

Tahap awal dari program mengeluarkan ke 2000 tap, yaitu sinyal y(n) = x(n­d), yang  berkorespondensi dengan waktu tunda dalam detik : Td = dT = d / fs = 2000 / 8000 =  0.25 detik. Algortima pengolahan sampel dalam notasi dari referensi [1] adalah : untuk setiap input x lakukan : y = tap (D,w,p,d) *p = x cdelay(D,w,&p) Prosedur Laboratorium a. Pindah   ke   direktori   c:\adi_dsp\examples\delay   dan   kompile,   link   dan   load  program ini dengan perintah DOS berikut : cd c:\adi_dsp\examples\delay ezk delay ezl delay Berikan sistem sebuah impulse dengan melakukan ketukan pada mikropon, dan  dengarkan impulse responnya. Kemudian, bicara ke mikropon. Bawa mikropon  ke   dekat   speaker   dan   kemudian   berikan   sistem   impulse.   Anda   seharusnya  mendengar   echo   yang   terulang.   Jika   anda   membawa   mikropon   terlalu   dekat  dengan speaker, maka keluaran akan menjadi tidak stabil. Gambarkan realisasi  diagram blok yang menjelaskan efek yang anda dengarkan. Secara eksperimen  menentukan  jarak  dimana  echo   menyisakan   margin  stabil,  yaitu  tidak   pernah  berhenti atau divergen. (Secara teknis dapat dikatakan, pole dari sistem loop  tertutup anda berada pada lingkaran satuan). b. Ubah laju sampling ke 16 kHz, recompile dan reload serta membiarkan nilai dari  d   tetap   sama,   yaitu   d   =   2000.   Dengarkan   impulse   responnya.   Berapa   durasi  tunda dalam detik sekarang ? c. Reset   kembali   laju   sampling   ke   8   kHz,   dan   kali   ini   mengubah   d   ke   nilai  maksimum d = D = 6000. Recompile, reload dan dengarkan impulse responnya.  Eksperimen dengan nilai d yang lebih rendah dan denarkan suara anda yang  tertunda,   sampai   anda   tidak   dapat   membedakan   echo   yang   terpisah.   Berapa  milidetik tunda yang berkorespondensi dengan hal ini? d. Set d = 0, recompile dan reload. Ini seharusnya berarti tidak ada tunda, yaitu y(n)  = x(n). Tetapi apa yang anda dengar? Dapatkah anda menjelaskan, mengapa?  Dapatkah anda memperbaikinya dengan mengubah program? Akankah program  termodifikasi anda masih bekerja dengan d ≠ 0? Adakah alasan yang tepat untuk  menyusun kembali program seperti aslinya (program tanpa tunda) ?  Filter FIR (Finite Impulse Response) Program filter FIR secara umum  Implementasi dari filter FIR dapat diketahui dengan bantuan dari macro cfir, yang  merupakan kode assembly ekuivalen dengan teks rutin cfir.c dan cfir2.c. Berikut ini  adalah program filtering FIR secara umum : {fir.dsp - FIR filter experiment} {Junior DSP Lab - Rutgers ECE Dept - S. J. Orfanidis - Jan 1996} {Based on cfir.c or cfir2.c of Introduction to Signal Processing}

{--- define sampling rate in kHz: ----------------------------------------} {0xc850 = 8 | 0xc851 = 5.5125 | 0xc852 = 16 } {0xc853 = 11.025 | 0xc854 = 27.42857 | 0xc855 = 18.9 } .const fs = 0xc850; {0xc856 = 32 | 0xc857 = 22.05 | 0xc859 = 37.8 } {0xc85b = 44.1 | 0xc85c = 48 | 0xc85d = 33.075} {0xc85e = 9.6 | 0xc85f = 6.615 } {------------------------------------------------------------------------} .include ; {initializations and DSP macros} {--- define constants, variables, and buffers ----------------------------} .const M = 206; {from firlp.m with fc=200 Hz, Df=100 Hz} .var/dm/circ w[M+1]; {circular delay-line buffer in DM} .var/pm/circ h[M+1]; {filter coefficient buffer in PM} i2 = ^w; L2 = %w; {delay-line buffer pointer and length} i4 = ^h; L4 = %h; {coefficient buffer pointer and length} zero(i2, m2, L2); {clear delay line} .init h: ; {read coefficients in 1.15 hex format} {from file fir.hex} {--- start processing input samples --------------------------------------} wait: idle; jump wait; {wait for interrupt and loop forever} {interrupt service routine starts here} input_samples: ena sec_reg; {enable secondary register set} {--- read input samples from codec ---------------------------------------} ax1 = dm(rx_buf + 1); {left input sample} mx1 = dm(rx_buf + 2); {right input sample} {--- sample processing algorithm --- process right input only ------------} cfir(M, i4, m4, i2, m2, mx1); {input from mx1, output in mr1} {--- write output samples to codec ---------------------------------------} dm(tx_buf + 1) = mr1; {left output sample} dm(tx_buf + 2) = mr1; {right output sample} {--- return from interrupt -----------------------------------------------} rti; .include ; {wrapup} Koefisien filter dibaca dari file hexsa fir.hex. Nilai dari order filer M harus diedit ke  dalam   program.   buffer   delay­line   dalam   memori   DM   dan   buffer   koefisien   filter   di  dalam PM. File Program MATLAB filp.m berikut mengimplementasikan perancangan Kaiser dari  filter lolos rendah (LPF) dengan didefiniskan lebih dahulu frekuensi cuttoff dan lebar  transisi. Redaman passband dan stopband diasumsikan 0.1 dB dan 40 dB, secara  berurutan. Ini menggunakan fungsi dtft.m dan klh.m dari bab 10 referensi [1]: % firlp.m - lowpass FIR design % Junior DSP Lab - Rutgers ECE Dept - S. J. Orfanidis - Jan 1996 %

% the filter coeff file, lp.dec, in decimal format must be postprocessed % by dec2hex to convert it to the 1.15 format hex file lp.hex, that is, % dec2hex 1 15 < lp.dec > lp.hex % % to run it on the EZ-KIT Lite, % copy lp.hex into fir.hex, recompile and load fir.dsp % (you may also need to edit the designed filter order M into fir.dsp) fs = 8000; % 8 kHz rate Apass = 0.1; % 0.1 dB Astop = 40; % 40 dB, stopband ripple: delta = 0.01 fc = input(’cutoff frequency fc (in Hz) = ’); % e.g., fc = 200 Hz Df = input(’transition width Df (in Hz) = ’); % e.g., Df = 100 Hz fpass = fc - Df/2; fstop = fc + Df/2; h = klh(1, fs, fpass, fstop, Apass, Astop)’; % Kaiser design save lp.dec h /ascii % save in decimal format [N, N1] = size(h); M = N-1 % filter order M NF = 400; % number of frequencies w = (0:NF-1) * pi / NF; % NF freqs over positive Nyquist H = 20 * log10(abs(dtft(h’, w)))’; % magnitude response in dB save lpmag.dat H /ascii Dengan menggunakan program ini, kita telah mendesain dua filter FIR dengan laju  sampling 8 kHz dan frekuensi cutoff dan lebar : fc ∆f 200 Hz 100 Hz 200 Hz 10 Hz Spesifikasi ini menerapkan range frekuensi passband, stopband dan transisi dalam  Hz ( dimana stopband berada diluar frekuensi Nyquist fs/2 = 4000 Hz): Passband Transisi Stopband 0 – 150 150 – 250 250 – 4000 0 – 150  195 – 205 205 ­ 4000 Kemudian,   didalam   passband   redaman   harus   kurang   dari   0.1   dB   dan   didalam  stopband, redaman harus lebih besar dari 40 dB. Respon magnituda |H(f)| dari dua  filter diplot dalam satuan dB, yaitu 20 log10|H(f)|, dalam gambar berikut :

Filter yang dirancang mempunyai orde M = 206 dan M = 2054, sercara berurutan,  dan respon impulsenya ada didalam file lp1.dec dan lp2.dec dalam format desimal  (seperti dibangkitkan oleh firlp.m) Sebagaimana didiskusikan dalam Ch. 10 dari referensi [1] bahwa filter orde M dari  filter FIR secara esensial proporsional dengan lebar transisinya, ∆f, dan kemudian,  jangan heran jika filter kedua mempunyai order 10 kali lebih besar daripada yang  pertama. ANALISA 1. Lakukan   analisa   terhadap   data   yang   diperoleh   setiap   langkah   prosedur  laboratorium diatas. 2. Sertakan data berupa grafik, angka yang berasal dari hasil program. 3. Sesuaikan analisa anda dengan konsep yang sedang dibahas.

MODUL 6 EFEK AUDIO DIGITAL TUJUAN 1. Peserta mampu membuat aplikasi untuk efek audio dengan Processor ADSP­ 2181. 2. Peserta mengerti dan memahami pengolahan sinyal audio. 3. Peserta   mampu   mengolah   dan   memodifikasi   sinyal   audio   untuk   aplikasi  tertentu, seperti Pengacak atau Scrambler, Echo dan lain­lain.

KONSEP TEORI Secara prinsip bahwa ADSP­2181 EZ­KIT Lite dirancang untuk pengolahan sinyal  audio, dimana frekuensi sampling yang tersedia mulai dari 5.5 K\kHz sampai dengan  48 kHz, yang merupakan daerah cakupan sinyal audio. Pengolahan   audio   yang   dapat   dilakukan   salah   satunya   adalah   memberikan   efek  perulangan   atau   echo,   baik   sebagai   asesoris   audio,   maupun  efek   yang   terjadi  di  lingkungan seperti gema atau pantulan oleh alam, baik dinding maupun gunung dan  lain sebagainya. Echo  atau  reverberator  yang  paling sederhana disebut  sebagai  plain  reverberator  dapat digunakan sebagai efek blok bangunan yang dasar, yang dapat dirumuskan  sebagai persamaan berikut : y  n =ay  n −D x  n    atau dalam bentuk fungsi transfer dinyatakan sebagai berikut :

H  z =

1 −D 1−az 

Dan   dalam  bentuk  rangkaian  realisasi  dapat   digambarkan   sebagai   bentuk   seperti  berikut :

Rangkaian   diatas   digunakan   untuk   membangkitkan   echo   atau   reverberator,   yang  akan memberikan efek pada sinyal audio yang dimasukkan. Dan sebaliknya jika kita  dapat membangkitkan echo, maka secara prinsip dalam dilakukan untuk membuat  program   penghapusan   echo   atau   disebut   sebagai  echo   canceller  dimana   dalam  dunia   telekomunikasi   digunakan   untuk   menghapus   echo   pada   saluran   telepon,  sesuai dengan rekomendasi yang diberikan oleh ITU G723. Berikut ini adalah rutin yang digunakan untuk membangkitkan echo : input_samples: ena sec_reg; /* use shadow register bank */ sr0 = dm (rx_buf + 2); /* input is in sr0 */

echo_start:

ay0=dm(i0,m0); dm(i0,m1)=SR0; dm(i1,m1)=ay0;

/* READ OLDEST echo VALUE */

ar=ay0; ay0=sr0; mx0=ar, ar=ar+ay0; dm(tx_buf + 1) = ar; dm(tx_buf + 2) = ar; rti; Prosedur Laboratorium a.   Jalankan   aplikasi   untuk   memutar   file   audio,   seperti   winamp  atau   media   player  misalnya, dan putar sebuah lagu dengannya. b. Hubungan keluaran soundcard pada PC anda dengan port masukan audio pada  ADSP­2181 EZ­KIT Lite. c.   Jalankan   MATLAB,   dan   jalankan   program  allaboutdsp.m  kemudian   pilih   menu  Modul ­­> Modul 6 : Efek Audio Digital d. Jalankan program untuk membuat file dsp  dengan VisualDSP Development.  e.   Jalankan   program   dsp   anda   pada   ADSP­2181   EZ­KIT   Lite   dan   perhatikan  hasilnya. ANALISA 1. Lakukan   analisa   terhadap   data   yang   diperoleh   setiap   langkah   prosedur  laboratorium diatas. 2. Sertakan data berupa grafik, angka yang berasal dari hasil program. 3. Sesuaikan analisa anda dengan konsep yang sedang dibahas.

REFERENSI 1. Sophocles J. Orfanidis, 'DSP Lab Manual', Rutgers University, 2005 2. Takeshi Ikuma, DSP Research Laboratory, Virginia Tech. 2003 3. www.mds.com     Momentum Data Systems 4. www.analog.com     Analog Device Inc. 5. Steven   W.   Smith,   The   scientist's   and   Engineer's   Guide   to   Digital   Signal  Processing, 2nd Edition, 1999 6. www.dspguide.com     7. www.primeled.com     Situs untuk aplikasi ADSP untuk bargraph LED 

Bogor, 31 Maret 2006 Penyusun

Suyatno Budiharjo