Category: DSP

All About Digital Signal Processing…

Categories
DSP FPGA

Mengapa menggunakan FPGA untuk aplikasi PSD?

It is no accident that FPGAs serve an increasingly vital role in the design and development of today’s most demanding digital signal processing (DSP) systems. Superior performance, system-level cost- and powerefficiency, faster time to market and unrivaled flexibility are the hallmarks of FPGA-based DSP designs – value propositions that havefound increasingly appreciative reception among leaders in markets like the communications industry.

Ada 5 (lima) alasan menggunakan FPGA untuk aplikasi-aplikasi Pemrosesan Sinyal Digital atau PSD:

  1. Kemampuan untuk menangani beban komputasi yang begitu berat
    FPGA membolehkan Anda membangun suatu arsitektur paralel dengan kemampuan laju pencuplikan sama dengan laju detak/clock Anda. Keuntungannya adalah sebuah sistem dengan kemampuan bisa mencapai 500MSPS. Unjuk kerja seperti ini sangat ideal untuk membuat sebuah sistem kanal tunggal dengan laju pencuplikan sangat cepat atau laju pencuplikan rendah untuk ratusan kanal.
  2. Menghilangkan tugas-tugas intensif dari prosesor PSD
    dan menyelamatkan siklus-siklus penting untuk implementasi fungsi-fungsi yang lain.
  3. Kustomisasi arsitektur Anda agar sesuai dengan algoritma ideal Anda
    Dengan FPGA, Anda memperoleh sebuah larik MACs atau Pengali untuk melakukan implementasi arsitektur tap-tunggal atau -banyak. Kemampuan FPGA yang bisa dikonfigurasi-ulang, artinya, sekali Anda mengembangkan algoritma Anda, Anda bisa membuat arsitektur ideal untuk implementasi algoritma Anda.
  4. Mengurangi ongkos sistem
    FPGA membolehkan Anda memadukan komponen-komponen lain yang dibutuhkan di dalam sistem, sehingga bisa mengurangi biaya total sistem. Misalnya, penerima-pengirim serial RapidIO, antarmuka PCI express, glue logic dan lain sebagainya.
  5. Efisiensi daya
    Teknologi FPGA saat ini sudah didukung dengan low power technology, sehingga Anda tidak perlu kawatir dengan daya yang dibutuhkan, karena memang sangat rendah.

Semoga bermanfaat…

Categories
DSP

Prediction Results Analysis of Sony 2006 and Toshiba 2006 Share Data using Adaplet Method (Wavelet based Adaptive Filter)

The pattern prediction results from the Sony 2006 and Toshiba share data have been analyzed using Adaplet Method, a wavelet based adaptive filter (adaptive filter which its initial coefficients are wavelet coefficients), which is based on Coiflet, Symlet and Daubechies Wavelets. According to these wavelets, it has shown that, for all data, as its wavelet level increased the anomaly patterns at the beginning of data also increase. For Coiflet wavelet, each result is different but the error correlations are going to smooth (approaching zero). For Symlet Wavelet, the result is not quite different and the error correlations also not so good. For Daubechies Wavelet, the result is not quite different between wavelet levels, and the error correlations is not so good (always oscillates). So the wavelet chosen affects the prediction pattern results and the error correlations, which for these data, the Coiflet Wavelet offer good prediction pattern result and good error correlation.

(download PDF here)

Categories
DSP

Sinyal Acak: Random Data Signals

Misalnya saja dua buah komputer melakukan komunikasi dengan mengirimkan serangkaian data ‘1’ dan ‘0’. Sering dianggap bahwa sebuah bit bisa merupakan sebuah ‘1’ atau ‘0’, dan masing-masing bit independen, tidak bergantung, dengan lainnya. Ini sama saja dengan melempar koin, ada dua sisi, bisa sisi kepala atau sisi ekor (mata uang asing), ‘1’ untuk kepala dan ‘0’ untuk ekor, misalnya. Menggunakan Matlab kita bisa menghasilkan jenis data seperti itu…

Continue reading “Sinyal Acak: Random Data Signals”
Categories
DSP

Sinyal Acak: Pink Noise and Other Noises

Terdapat derau berwarna khusus yang dinamakan sebagai derau jambon (pink noise) atau derau 1/f. Derau ini berguna untuk pemodelan beberapa proses dunia-nyata, juga digunakan dalam pemrosesan sinyal audio dan dapat digunakan untuk menjelaskan ketidak-stabilan (phase noise) berbagai macam osilator.

Derau putih dan jambon dapat dibedakan dari spektrum frekuensinya. Derau putih memiliki daya yang konstan jika frekuensi di-plot pada skala linear, sedangkan derau jambon akan memiliki daya konstan saat frekuensi di-plot pada skala logaritmik. Banyak yang mengatakan bahwa derau jambon memiliki daya yang sama setiap oktaf (faktor 2 kali frekuensi), atau setiap dekade (faktor 10 kali frekuensi). Untuk lebih jelasnya, misalnya sebuah sumber derau memiliki daya 1 mW dalam jangkauan 20Hz hingga 30Hz. Jika deraunya putih, maka akan terdapat daya sebesar 1 mW sepanjang interval (f1,f2) yang merupakan PERBEDAAN (SELISIH) antara f1 dan f2 sama dengan 10, f1-f2 = 30-20 = 10Hz. Jika deraunya jambon, maka akan terdapat daya sebesar 1 mW sepanjang interval (f1,f2) yang merupakan RASIO f2 terhadap f1 adalah 1.5, f2/f1 = 30/20 = 1.5.

Derau putih dan jambon keduanya merupakan model matematis yang tidak ada bentuk alaminya dalam dunia nyata. Derau putih dan jambon matematis merupakan fungsi yang sangat aneh. Derau putih merupakan sinyal dengan energi tak berhingga, yang memiliki bentuk signifikan hingga f= tak berhingga, meloncat-loncat secara tiba-tiba, tetap pada saat 0 detik, dan memiliki probabilitas salah satunya akan berada di luar jangkauan -A hingga +A, dengan nilai A yang berhingga. Derau jambon tidak lebih baik, karena daya per Hz-nya sebanding dengan 1/f, maka deraunya memiliki daya tak berhingga pada DC. Secara praktis, kita hanya bisa mengatakan tentang apakah derau itu jambon atau putih dalam jangkauan frekuensi yang terbatas.

Oya, bagaimana dengan derau biru, hijau, merah dan oranye? Yang jelas derau berwarna yang memiliki nama khusus ya hanya derau jambon…

Artikel yang terkait…

Semoga bermanfaat…

Categories
DSP

Sinyal Acak: Colored Noise

Dua sinyal acak yang dibahas sebelumnya (WUN dan WGN) dinamakan white atau putih karena algoritma yang digunakan untuk menghitung nilai pada suatu titik tidak dipengaruhi oleh nilai-nilai sebelum dan sesudahnya. Jika Anda mengukur spektrum dari sinyal-sinyal tersebut, akan Anda temukan energi yang sama untuk semua frekuensi, seperti cahaya putih yang mengandung daya atau energi yang sama untuk semua kandungan frekuensinya.

Derau putih analog semakin tidak menentu (erratic), sangat tidak menentu dibandingkan yang Anda bayangkan, selalu melompat dari satu tingkat ke tingkat lainnya. Ini merupakan abstraksi matematis yang biasa Anda jumpai dalam kehidupan sehari-hari (seperti gelombang sinus ideal, impuls, step, DC dan lain sebagainya). Derau putih analog memiliki daya yang tak-berhingga, dan dapat menjebolkan segala peralatan yang terhubung (sekaligus juga dengan orang-orang, bangunan-bangunan, planet-planet atau bintang-bintang disekitarnya). Derau putih digital tidak memiliki masalah seperti itu serta mudah dijumpai dalam dunia nyata.

Continue reading “Sinyal Acak: Colored Noise”
Categories
DSP

Sinyal Acak: White Gaussian Noise

Ada milyaran sumber sinyal radio di alam semesta ini. Jika Anda menggunakan antena, maka akan diterima energi dari setiap sumber tersebut dan dijumlahkan semua. Hasilnya berupa tegangan acak, tetapi tidak uniform atau tidak seragam. Sepanjang waktu, masing-masing sinyal tersebut akan membatalkan satu dengan lainnya, dan menghasilkan tegangan mendekati nol. Adakalanya sekumpulan banyak tegangan akan saling menjumlah dan menghasilkan tegangan yang sangat besar. Distribusi tegangan ini mengikuti kurva pola-bel (bell-shaped curve), dan dinamakan sebagai Derau Gaussian (Gaussian Noise) atau DG.

Untuk menghasilkan DG, pilih sembarang bilangan menggunakan aturan sebagai berikut:

  • Semua bilangan harus memiliki distribusi Gaussian;
  • Setiap bilangan dipilih secara bebas terhadap lainnya. Anda tidak boleh mengingat biangan sebelumnya dan mengambil keputusan berdasar bilangan tersebut.
Continue reading “Sinyal Acak: White Gaussian Noise”
Categories
DSP

Sinyal Acak: White Uniform Noise

Silahkan Anda pilih sederetan bilangan nyata menggunakan aturan sebagai berikut:

  • Bilangan yang Anda pilih antara 0 dan 1;
  • Anda tidak boleh cenderung memilih suatu bilangan, atau cenderung tidak memilih suatu bilangan. Semua bilangan memilki kesempatan yang sama untuk dipilih;
  • Setiap bilangan dipilih secara bebas, tidak bergantung dengan lainnya. Anda tidak boleh mengingat bilangan-bilangan sebelumnya dan merubah keputusan berdasar bilangan-bilangan tersebut.

Pemilihan angka loterei dilakukan dengan cara seperti ini (biasanya bilangan bulat dan memiliki jangkauan tertentu). Mesin undian biasanya dalam bentuk bola-bola yang ditaruh di dalam silinder yang bisa diputar untuk memastikan tercampurnya bola-bola bilangan tersebut. Cara lain, adalah dengan melempar koin, dan menuliskan 1 untuk kepala dan 1 untuk ekor (koin luar negeri), dan gabungkan bersama untuk membentuk sederetan bilangan biner. Selain itu juga terdapat sebuah rankaian digital sederhana dan algoritma yang dapat digunakan seperti pelemparan koin, dan berbagai macam cara untuk menghasilkan bilangan-bilangan WUN (White Uniform Noise).

Continue reading “Sinyal Acak: White Uniform Noise”
Categories
DSP

Sinyal Acak: Pendahuluan

Sinyal yang dapat dinyatakan dengan persamaan matematik adalah sinyal deterministik (deterministic signal). Jika seseorang memberikan Anda sebuah persamaan matematik suatu sinyal, Anda bsa menghitung nilai sinyal tersebut untuk sembarang waktu (kapan saja), tapi jika Anda tidak memiliki persamaan matematik-nya, Anda tidak dapat memberikan informasi apapun tentang sinyal tersebut.

Sayangnya, sinyal deterministik tidak selalu cocok untuk pemodelan dalam dunia nyata. Seringkali kita tidak tahu secara pasti bentuk sinyal-nya seperti apa, tetapi kita memiliki informasi perubahan apa yang akan terjadi, dan kemungkinan akan berulang lagi perubahan tersebut. Banyak ilmuwan telah mengembangkan seperangkat algoritma atau persamaan-persamaan matematik yang membantu untuk mencari karakteristik dan memanipulasi sinyal-sinyal ini. Dalam dunia pemrosesan sinyal, dikenal istilah Acak (random) dan Stokastik (stochastic), kedua istilah ini sebenarnya memilki arti matematis yang sama. Istilah sinyal acak kadang digunakan, dan artinya sama dengan sinyal stokastik. Sedangkan istilah sinyal stokastik jarang sekali (hampir tidak pernah) digunakan, walaupun memiliki arti yang sama dengan sinyal acak.

Continue reading “Sinyal Acak: Pendahuluan”
Categories
DSP

Analisis Sinyal Non-stasioner menggunakan Metode ADAPLET (Tapis adaptif berbasis Wavelet)

Telah dikembangkan sebuah metode analisis sinyal non-stasioner menggunakan Penapisan Adaptif berbasis Wavelet, yang selanjutnya dinamakan Adaplet. Proses ini diawali dengan melakukan penundaan pada sinyal asli d(n) untuk mendapatkan x(n) yang diumpankan ke penapis adaptif sehingga menghasilkan keluaran y(n), kemudian keluaran ini dibandingkan dengan masukan sinyal asli d(n), sebagai sinyal yang dikehendaki (expected signal) yang akhirnya menghasilkan keluaran ralat e(n) yang kemudian digunakan sebagai tuner untuk penapis adaptif yang bersangkutan, sedemikian hingga ralat e(n) bisa mendekati 0 (nol).

Selama proses penapisan adaptif akan diperoleh sekumpulan ralat e(n), yang kemudian di-autokorelasi-kan sehingga membentuk kurva yang memiliki koefisien-koefisien polinomial. Koefisien-koefisien polinomial ini yang kemudian digunakan sebagai ’model’ dari sinyal yang diamati, hal ini berkaitan dengan pola-pola ranah waktu yang terdapat pada sinyal yang bersangkutan. Selain itu, antar koefisien pada tipe-tipe sinyal tertentu dibandingkan sehingga diperoleh persamaan linear garis (y=ax+b) yang merupakan fitur sinyal yang bersangkutan.

Hasil untuk data-data seismik volkanik Gunung Merapi yang mewakili 3 jenis yang berbeda menunjukkan adanya pola-pola tertentu, yang ditunjukkan dari plot hingga 4 koefisien polinomial 3-komponen (Sn, Se dan Sz) dan hubungan antar koefisien yang dinyatakan dalam persamaan garis linear.

Informasi selengkapnya bisa diunduh DISINI.

Categories
DSP

Latar Belakang dan Cakupan Aplikasi PSD (DSP)

Pemrosesan sinyal telah banyak digunakan untuk merubah atau memanipulasi sinyal-sinyal analog atau digital sejak lama. Aplikasi yang sering digunakan adalah penapisan suatu sinyal. Pemrosesan Sinyal Digital atau Digital Signal Processing (DSP) telah banyak ditemukan dalam berbagai macam aplikasi, mulai dari pemrosesan sinyal komunikasi data, suara, audio atau biomedik hingga instrumentasi dan robotik. Informasi berikut bisa digunakan sebagai gambaran cakupan aplikasi DSP.

  • Algoritma DSP algorithm Serbaguna
    Penapisan dan Konvolusi, tapis adaptif, deteksi dan korelasi, estimasi spektral dan Transformasi Fourier.
  • Pemrosesan suara
    Pengkodean dan pendekodean, enkripsi dan dekripsi, pengenalan dan sintesa suara, identifikasi pembicara, echo cancellation, cochlea-implant.
  • Pemrosesan Audio
    Pengkodean dan pendekodean HIFI, penghapusan derau (noise cancellation), ekualisasi audio, emulasi akustik ambien, pencampuran dan pengeditan audio, sintesa suara.
  • Pemrosesan Citra
    Pemampatan dan penguraian, rotasi, transmisi dan dekomposisi citra, pengenalan pola, perbaikan citra, retina-implant signal processing.
  • Sistem Informasi
    Voice mail, facsimile (fax), modem, telepon selular, modulator/demodulator, line equalizers, enkripsi dan dekripsi data, komunikasi dan LAN digital, teknologi spread-spectrum, LAN nirkabel, radio dan televisi, pemrosesan sinyal biomedis.
  • Kontrol
    Kontrol servo, kontrol disk, kontrol printer, kontrol mesin, navigasi dan petunjuk, kontrol vibrasi, pemantauan powersystem, robot.
  • Instrumentasi
    Beamforming, waveform generation, analisis transien, analisis steady-state, instrumentasi saintifik, radar dan sonar

Saat ini, PSD atau DSP (Digital signal processing) merupakan teknologi yang matang dan menggantikan sistem pemrosesan sinyal analog dalam banyak aplikasi. Sistem PSD memiliki beberapa kelebihan, antara lain, tidak terpengaruh oleh perubahn suhu, masa atau usia maupun toleransi komponen. Memang awalnya IC analog dirancang pada ukuran yang sangat kecil, namun sekarang, dengan rancangan submikrometer, rancangan digital bahkan bisa lebih padat dan lebih kecil. Akibatnya lebih kompak, berdaya-rendah dan murah.

Ada dua kejadian yang memicu perkembangan PSD. Pertama adalah ditemukannya suatu algoritma efisien yan berkaitan dengan DFT (Discrete Fourier Transform) oleh Cooley dan Tukcey pada tahun 1965. Yang kedua adalah saat diperkenalkannya, untuk pertama kali, prosesor PSD di akhir tahun 1970-an. Prosesor ini mampu melakukan perhitungan (fixed-point) “multiply-and-accumulate” hanya dalam satu siklus detak, yang juga merupakan hasil kemajuan (pengembangan) dari sistem berbasis mikrokomputer “Von Neuman” pada saat itu. Prosesor PSD saat ini sudah mengandung fungsi-fungsi yang lebih canggih, seperti, pengali bilangan floating-point, barrelshifter, bank memori atau zero-overhead interfaces to A/D and D/A converters.

Pada gambar ini ditunjukkan tipikal aplikasi yang digunakan untuk implementasi suatu sistem analog menggunakan sistem Pemrosesan Sinyal Digital. Sinyal masukan analog masuk melalui sebuah tapis analog anti-aliasing untuk mencegah terjadinya aliasing. Kemudian ADC (analog-to-dgital converter) bertugas menghasilkan data-data digital (beberapa parameter harus ditetapkan sebelumnya seperti resolusi bit, frekuensi cuplik serta metode ADC). Rangkaian PSD kemudian melakukan proses-nya (sesuai dengan aplikasi yang dibuat), kemudian luarannya, yang masih merupakan data-data digital diumpankan melalui DAC untuk dikembalikan menjadi sinyal analog.

Daftar Pustaka

  • Lapsley, P., Bier, J., Shoham, A. dan Lee, E., 1997, DSP Processor Fundamentals, IEEE Press, New York