You are on page 1of 31

BAB IV PENGOLAHAN SINYAL DIGITAL

IV.1 Pencuplikan
Dalam bab-bab sebelumnya kita membahas persoalan dalam rangka analisa fungsi
kontinu. Dalam banyak kasus perlu mencatat pengamatan pada titik-titik waktu
diskrit, bahkan pencatatan dalam bentuk kontinu, karena untuk pengolahan dengan
computer, kita perlu mendiskretkan(mendigitkan) pencatatan kontinu tersebut. Dalam
bab ini kita akan membhas pencuplikan dan pengolahan cuplikan data.
Fungsi sisir atau shah didefinisikan sebagai :

Yang Transformasi Fouriernya adalah fungsi sisir itu sendiri :

(x)

Sifat fungsi sisir dibawah similiritas adalah :

= (s)

Karena

maka

sehingga jika diambil


berspasi

kita peroleh

impuls

. Maka Transformasi Fouriernya :

Jadi : Sederetan impuls berkekuatan

menghasilkan sederetan satuan impuls berspasi

berspasi
1

dalam ruang waktu

dalam domain ruang frekuensi.

Tinjau fungsi f(x) yang dibatasi pita pada frekuensi S 0, yaitu transformasinya
Fouriernya F(s)f(x)
= 0 untuk |S| S 0

F(s)

-S0

S
Sc

Pencuplikan suatu fungsi f(x) pada selang-selang sama

dapat dipandang

sebagai mengalikan fungsi f(x) dengan fungsi sisir membentuk fungsi g(x).

f(x)

g (x) =

x
x

Akibat dari penculikan dapat kita lihat pada transformasi Fouriernya. Dari teorema
konvolusi menyatakan bahwa perkalian dalam domain waktu adalah sama dengan
konvolusi dalam domain frekuensi. Jadi karena

( s maka g(x) G(s) =

( s

* F(s) dengan * menyatakan

konvolusi.
(
Karena

adalah deret impuls berkekuatan satu satuan berspasi

disepanjang sumbu s maka konvolusi dalam domain frekuensi akan mengulang F(s)

pada setiap
berhingga.

disepanjang sumbu s dari minus tak berhingga hingg ke plus tak

Jelaslah G(x) fungsi periodek dengan


frekuensi

Kesimpulan : Akibat dari pencuplikan


1/

1/

pada selang yang sama spektrumnya

Suatu persoalan yang berhubungan dengan persoalan pencuplikan adalah apakah kita
dapat memperoleh kembali fungsi orisinil dari data cuplikan. Jelaslah kita dapat
memperoleh kembali f(x) dari g(x) jika kita dapat memperoleh F(s) dari G(s). Untuk
ini kita perlu menghilangkan semua replika F(s) kembali pada yang berpusat di titik
asal s=0.

Untuk ini kita kalikan G(s) dengan fungsi persegi

1
s 0 s1 s 0
. Maka G(s)

diberikan oleh f(x) =

( 2ss )=F( s)
1

s
)
2 s1

dengan

yng invers transformasi Fouriernya

g(x)
s
F1 { F(s) } =F1 G ( s ) (
)
2 s1

f(x)

Jika dua batasan dipenuh, yaitu a. F(x) dibatasi pita pada s 0 dan b. Hubungan antara
selang pencuplik

dan batas pita s0 memenuhi

1
s 0 s1 s 0
, maka f(x) dapat

diperoleh kembali g(x) dengan jalan mengkonvolusi fungsi cuplikan dengan fungsi

penginterpolasi berbentuk

sin ( x )
.
x

Teorema cuplikan: Suatu fungsi dicuplik pada spasi serba sama

diketemukan lagi dari harga-harga cuplikan asal

Jika persyaratan di atas tak dipenuhi, misalnya

dapat

1
2 s0 .
1
<2 s0

maka dalam domain

frekuensi replika-replika F(s) saling tumpang-tindih dan kita dapat memperoleh

kembali f(x) dengan mempergunakan fungsi penginterpolasi

sin ( x )
. Karena G(s)
x

s
F( s)
replika-replika spektra F(s) yang saling tumpang tindih.
2 s1

( )

Akibat tumpang tindih adalah energi di atas fekuensi dilipat kembali dibawah

s1

dan dijumlahkan ke spektrum G(s). Perlipatan kembali energi dinamakan aliasing dan

kesalahan atau perbedaan antara f(x) dengan fungsi yang diinterpolasi dinamkan
kesalahan aliasing. Jika f(x) genap maka F(s) juga genap dan aliasing secara efektif
menaikkan energi dalam spektrum. Sebaliknya jika f(x) ganjil maka F(s) juga ganjil
dan aliasing secara efektif energi dalam spektrum berkurang.
G(s)

s
0

1/2

Contoh : f (t)=2 cos (2 f 0 t) F(s)= (s+ f 0 )+( sf 0)


F(s)
f(t)

Kasus1 :Selang pencuplikan

Nyquist

f N=

1
=2 f 0
.
2t

t=x

( f1 )
0

-f0

f0

maka frekuensi pelipatan atau frekuensi

Empat titik cuplik per cycle

1 1
t= ( )
Kasus 2 :
2 f0

dua titik cuplik per cycle

Kasus 3 :

t=

2 1
3
fn= fo
3 fo
4

( )

f N =f 0

6
)
2 fo

Fungsi diinterpolasi
t
fn

fn

1
1
Spektrum primer
t= fn= fo
Kasus 4 :
fo
2
Replika pertama

Fungsi
diinterpolasi konstan
t

IV.2 Transformasi Fourier Diskret

fn

fn

Misalx sinyal f(t) direpresentasi oleh N cuplikan yang berselamg t maka itu selang
total sinyal
dicuplik adalah T=Nt dengan T lebar jendela pemotongan .Ini berarti kita
mengandaikan
sinyal diluar jendela pemotongan samadengan nol.
F(t)

4 t tn1t
T

f ( tn )=f ( + n t )=fn degan


n=o , 1, . , n1
misal fn; n=o , . , n1

Deretan data cuplikan .pasangan transformasi fourierdiskrit

n1

1
f ( t ) exp [ j 2 st n] s=0 ,1, ... n1
n t=0

f ( s )=

n1

f ( t )= f ( s ) exp [ + j 2 st / n ] t =0,1 n1
s=o

f ( s )=f ( So +S S ) fs dan N s=

Dengan

1
1
1
atau s=
=
t
N t T

Sifat khusus dari transformasi fourier diskret adalah :


f ( s )=f ( s +N ) ; f ( t )=f (t+N )
Yaitu pasangan transformasi Fourier diskret periodik dengan perioda N.
F( s)

-s/N/2

So

sN/2

s N 1

Satu perioda
s max 5 +smax
-s max
s max =

satu perioda

N
N 1
1
s=
=
2
2 N t 2t

Konvolusi dan Korrelasi Diskret.

+smax

Tinjau pasangan-pasangan transformasi Fourier berikut :


f ( t ) F ( S ) dan g ( t ) G( s)
f ( t ) g ( t ) F ( s ) G(s)

Maka teorema konvolusi menyatakan

f ( t ) g ( t ) F ( s ) G(s)
+

Dengan

f ( t )( ) g ( t )= f ( ) g (t ) d .

Misal

{ f ( t ) } dan { g (t ) } adala h array cuplikan f ( t ) dan g ( t ) .

Yaitu

{ f ( t ) , .. f ( M 1 ) } dan {g ( 0 ) . , g ( N 1 ) }

masing masing

panjangx M dan N .karena sifat transformasi Fourier diskret kita andaikan

{ f ( t ) } dan {g ( t ) } periodik dengan perioda M dan N.


Tetapi agar formulasi teorema konvolusi diskret pegang asas dengan sifat
periodisitas ,kita dapat andaikan bahwa fungsi

f ( t ) dan g ( t )

periodik dengan

perioda M N sehingga konvolusi yang dihasilkan periodik dengan perioda M N yang


sama
Dapat di tunjukkan bahwa harga MN adalah
MN M + N 1
Kita definisikan urutan yang di perpanjang
f (t)

0t M-1

fe

(t) =

ge

M t MN - 1

g (t)

0tN-1

0 t MN - 1

(t) =

Maka konvolusi diskret

fe

(t) dan

ge

(t) ditulis sebagai

MN 1

fe

(t) *

ge

(t) =

mn=0

fe

(mn)

ge

(t-mn)

Dengan t=0, 1,., MN-1


Korelasi dua fungsi kontinu f (t) dan g (t) adalah
+

f (t) o g (t) =

() g (t + ) dt

Pernyataan diskret yang ekuivalen adalah


MN 1

fe

(t) o

ge

(t) =

mn=0

fe

(mn)

ge

(t = mn)

Dengan t = 0, 1,.., MN-1

Seperti konvolusi fungsi korelasi diskret ini juga bersifat priodik dengan prioda MN.
Seperti dalam formulasi kontinu dalam formulasi diskret juga berlaku teorema
korelasi.

f (t) o g (t)

F (s) G* (s)

f (t) g* (t)

F (s) o G (s)

Ikhtisar parameter pencuplikan dan pemotongan


Parameter

Domain

Banyak titik cuplik

Kedua-duanya

N=

Waktu

Spasi cuplik
Spasi cuplik

Frekuensi

Lebar jendela pemotong

waktu

s =

1
2 Smax

2 Smax
N

1
T

T
N

T= N
S max

Frekuensi NY quist (lipat)

Hubungan
2 Smax
T
=
t
s

1
2t

frekuensi
s

Transformasi fourier diskret satu dimensi dapat diperluas untuk sinyal dua dimensi.
Missal fungsi kontinu f (x,y) di cuplik pada spasi x
jendela TM = M x

dan

dan y

dengan lebar

TN = N y . Seperti halnya dengan kasus satu

dimensi, kita mengendalikan sinyal diluar jendela pemotong berharga nol.

1
2

xm,

f(

yn ,

x0

)=f(

y
+ m x, 0 + x

)=

x m ,n

dengan m = 0, 1, ........, M-1 dan n = 0, 1, , M-1


Pasangan transformasi Fourier diskret adalah

F(

Uk

Vl

2 j(

F kl

)=

mk nl
+ )
M N

1
MN

M 1

N1

k=0

l =0

f m ,n

exp

k = 0, 1, .., M-1 dan l = 0, 1, , N-1


dan
f m ,n

M 1

1
MN

N1


k=0

f k ,l

l =0

exp

+2 j(

mk nl
+ )
M N

m = 0, 1, .., M-1 dan n = 0, 1, , N-1


Pertambahan pencuplikan dalam domain spatial dan frekwensi spantial di hubungkan

melalui

u=

1
Mx

dan

v=

1
N Y

Sehingga
F(uk,vl) = F (uo + k u, v + l v )
Seperti halnya pada sinyal satu dimensi, sinyal diskret F k,0 juga periodik dengan
perioda M dan N.

F(uo + (k + M) u , vo + ( l + N) v) = F(uo + k u, vo + l v)
dan
f(xo + (m + M) x, Yo + (n + N) Y )= f (xo + m x, Yo + n Y )
transformasi Fourier juga menunjukkan simetri konjugasi
F (uk, vl) = F (-uk, -vl)
dan
F (uk,vl) = F (-uk, -vl)
Konvolusi diskret dua dimensi dapat diformulasikan untuk Array diskrit f(xo, yn)
besar A X B dan g(xm, yn) besar C X D dengan mengandaikan Array tersebut periodik
dengan periode M dan N disepanjang arah x dan y. Seperti halnya dalam satu
dimensi, untuk menghindari wrap around error kita pilih
M A+C-1
N B+D-1
dan array f(x,y) dan g(x,y) diperluas menjadi

fe(Xm, Yn) =

,Ym ) ,untuk 0 m A1 dan 0 n B1


{f ( Xn0,untuk
A m M 1 dan B n N 1

dan

ge(Xm, Yn) =

,Yn ) , untuk 0 m C1dan 0 n D1


{g ( Xm0,untuk
0 m M 1 dan D n N1

konvolusi diskret dua dimensi fe (xm, yn) dan ge (xm, yn) diberikan oleh
m1 N 1

fe(xm, yn)*ge(xm, yn) =


k=0 l=0

fe (xk, ye) ge (xm-k, yn-l)

n1 N1

F(um,vn) * G(um, vn) =

F
k=0 l=0

(uk, vl) G(um-k, vn-l)

Korelasi diskret dua dimensi fe (xm, yn) dan ge(xm, yn) diberikan oleh
M 1 N1

fe(xm, yn) * ge(xm, yn) =

f
k=0 l=0

(xk, yl) ge (xm+k, yn+l)

dapat dibuktikan bahwa theorema konvolusi


f(x,y) * g(x,y)

F(u,v) G(u,v)

f(x,y) g (x,y)

F(u,v) 0 G(u,v)

berlaku baik untuk kasus kontinu maupun diskret.


IV-3. Efek-efek pencuplikan (data disekret) pada pengolahan sinyal.
Salah satu penerapan analisa sistem linear yang penrting adalah pengfilteran sinyal.
Seperti telah dibahas dalam bab II analisa ini dapat dilakukan dengan dua cara yaitu
analisa dalam domain waktu atau analisa dalam domain frekwensi.kedua metoda
diatas dihubungkan melalui transformasi Fourier. Dalam pegfilteran di domain waktu
hubungan input dan output melalui integral konvolusi, yaitu output, sedangkan
konvolusi fungsi tanggapan impuls sistem dengan input, sedangkan dalam domain
frekwensi transformasi output adalah perkalian biasa antara fungsi transfer system
dengan transformasi Fourier input. Demikian pula dalam mendesign filter optimum
kita dapat bekerja dalam domain waktu maupun dalam domain frekwensi. Dalam
domain waktu fungsi tanggapan impuls dapat diperoleh dengan memecahkan

persamaan integral yang menyangkut fungsi korelasi auto sinyal observasi dan
korelasi silang sinyal-sinyal input-observasi. Sebaliknya dalam domain frekwensi
fungsi transfer dapat dicari dengan menghitung spektrum daya sinyal input dan
spectrum daya bising. Untuk pengolahan sinyal diskret ada dua persoalan yang harus
diperhatikan yaitu kenyataan bahwa transformasi Fourier diskret adalah fungsi
periodic (yang disebabkan oleh pencuplikan) dan kenyataan bahwa dalam
pencuplikan kita mempergunakan jendela pemotong yang lebarnya berhingga.
A. Penghitung spectrum daya
Misal f(t) sinyal yang dianalisa. Sinyal dicuplik pada selang waktu

dan

hanya pada titik-titik yang berhingga jumlahnya, yaitu diamati pada jendela
pemotong yang lebarnya T = N t

f(t)

F(s)
f(t)

t
K

- Smax

2Smax
t
S

T/2

Smax

-T/2
K

Dalam ruang waktu f(

tn

Dalam ruang frekwensi

)=f(

t0

+n t) dengan 0 n N-1

F ( Sm ) =f ( S 0+ m s )

dengan 0 m

N-1

Atau
T
T
tn
2
2

S max S m Smax

Dengan

t n T

atau 0

atau

S=

0 S m 2 S max

1
1
=
N t T

dan

S max =

1
2t

Jadi spasi pencuplikan disuatu domain menetukan (ditentukan) oleh lebar jendela
pemotongan dalam domain lain. Jiak kita menginginkan menghitung komponen
frekwensi tinggi spectrum kita harus memcuplik dalam domain waktu secara halus
(pendek-pendek). Jika menghendaki resolusi tinggi dalam spektrum ( S

kecil),

maka kita harus mempergunakan jendela pemotong yang lebar (besar) dalam domain
waktu. Jika f(t) komplek maka N buah bilangan riil dan N buah bilangan imaginer
ditransformasi menghasilkan N bilangan riil dan N bilangan imaginer spektrum. Jika
f(t) riil, maka N bilangan riil dan N bilangan nol (bagian imaginernya) ditransformasi
member N/2 bilangan riil dan N/2 bilangan imaginer spectrum (dalam setengah sisi
kanan). Karena F(s) hermit (F(-s) = F*(s)), separuh spectrum sebelah kiri adalah
bayangan cermin separuh spectrum sebelah kiri. Jadi N/2 bilangan riil dan N/2
bilangan imaginer dealam separuh spectrum sebelah kiri, ditinjau dari segi informasi,
mubasir (berkelebihan).

B. Aliasing
Sperti telah kita kemukakakn sebelumnya bahwa semua informasi domain frekwensi
suatu fungsi dibatasi pita terkandung dalam selang [-S 0, S0] Jika selang pencuplikan

1
2s

tidak dipenuhi, transformasi dalam selang tersebut dikorupsi (dicemari)

oleh kontribusi dari perioda-perioda berseblahan dan gejala ini dinamakan aliasing
(kealiasan). Jelaslah, jika terpaksa mengolah data fungsi yang secara berpautan tak
dibatasi pita aka kita tak dapat menghindarkan terjadinya kealiasan.
Meskipun kita mempunyai data atau fungsi yang dibatasi pita kita juga Sulit
menghindari kealiasan oleh proses pemotongan. Missal suatu fungsi dibatasi pita
dipotong pada jangkauan tak berhingga. Secara matematis proses ini dapat dibuat
model sebagai mengalikan fungsi dengan pulsa segi empat lebar T. efek perkalian ini,
dalam domain frekuensi, sama dengan konvolusi spectrum fungsi dengan fungsi sin
(x)/x yang mempunyai jangkauan tak hingga. Karena konvolusi dua fungsi tak dapat
sempit dari salah satu fungsinya, maka spectrum fungsi yang dipotong dalam domain
frekuensi mempunyai jangkauan tak hingga. Jelaslah pemotongan menghancurkan
keterbatasan pita dan menyebabkan pengolahan digital menghasilkan kealiasan dalam
semua kasus.
Meskipun kealiasan tak dapat dihindari, kesalahan yang diakibatkan dapat dibatasi
dan diredusir hingga ke pendekatan yang dapat di terima.
C. Pemotongan: Selain terjadinya kealiasan, pemotongan juga menyebabkan
spectrum yang dihitung berbeda dari spectrum yang sesungguhnya. Jendela
pemotongan harus dipilih secara bijaksana agar memberikan hasil yang cukup teliti.

Untuk menghitung spektrumnya, fungsi f(x) dipotong hingga mempunyai jangkauan


T yang berhingga. Jika fungsi dipotong dengan jendela pemotong lebar T, fungsi yang
dihasilkan adalah
g ( x ) =f ( x )

( Tx )= ( Tx/2 + 12 )

empat

g ( x ) =

sehingga

yang merupakan pasangan ganjil pulsa-pulsa segi


dapat

dituliskan

( Tx )[ ( x T4 ) ( x+ T4 )]

Dalam domain frekuensi, spectrum fungsi tepi yang dipotong adalah

sebagai

T
2
T
s
2
() 2 j 2
T
1 1
sin
=
sin s =2 F(s) cos( s T )
s
s
2
2 2
()=
G ( s )=2 jsin
s

( )

Jadi speektrum sinyal yang dipotong adalah simusoid yang dikurung dibawah sampul
dua kali F(s) spectrum yang diinginkan. Titik cuplik G(s) dihitung pada frekuensifrekuensi diskret Si,
s i=i s=

i
N
, i=0,1,2, .,
T
2

Dengan harga G(s)

2 F ( s1 )

1 1
cos(i)
2 2

untuk I genap dan -1 untuk ganjil, maka


s
G( 1)= 2 F ( s i ) untuk i ganjil
0 untuk i genap

karena suku kosinus berharga +1

D. Efek Pengolahan digital:


Spectrum daya dan interpolasi. Kita akan bahas efek komualtif pengolahan digital
pada citra atau sinyal kontinu. Tinjau fungsi kontinu f(t) yang mempunyai spectrum
amplitude segitiga berphasa acak

|F ( s )|

Fungsi
pencuplik

Sinyal yang
dicuplik

Spectrum Fungsi
pencuplik

Spectrum Sinyal yang


dicuplik

Untuk pengolahan digital sinyal perlu didigitisasi. Pertama-tama fungsi dipotong


dengan jendela pemotongan ( t /T ) yang mempunyai jangkauan T yang berhingga

dan yang spektrumnya

sin ( T s )
. Proses pemotongan ini secara materi atas
Ts

sesuai dengan perkalian f ( t ) ( t /T ) sehingga spektrumnya adalah konvolusi

2 F ( s)

1 1
cos ( s T )
2 2

Pendigitisasi mempunyai aperture pencuplikan yang berlebar sehingga dan sinyal


dirata-ratakan pada setiap tititk cuplik. Perataan local ini secara matematis dapat
dibuat modelnya sebagai konvolusi dengan fungsi aperture yang cocok. Dalam
contoh ini aperture pencuplikan berupa fungsi segiempat

(t / )

lebar

yang

s
()
spektrumnya sin .
s

Spectrum sinyal yang dipotong yang dikonvolosi dengan fungsi aperture tak lain
perkalian fungsi sinc yang lebar dengan spectrum sinyal yang dipotong. Efek aperture
pencuplikan mengurangi energy frekuensi tinggi dalam sinyal. Perhatikan diluar

frekuensi

s=

1
, polaritas energy dibalik. Proses pencuplikan dapat dimodel

matematiskan sebagai perkalian sinyal yang dipotong dan dilicinkan (smooth) oleh
aperture pencuplikan g(t) dengan fungsi pencuplik

( t / t ) . Akibat pencuplikan

spectrum sinyal periodic dengan menyalin (replica) spectrum orisinal pada selangselang

1/ t . Marilah kita interpolasi fungsi yang telah dicuplik

g ( t ) ( t / t ) .

Untuk mendapakan kembali, sedekat mungkin, fungsi semula f(t). untuk ini fungsi
yang dicuplikan dikonvolusi dengan pulsa segitiga

( t /t 0 )

Fungsi penginterpolasi spektrumnya (fungsi transfer)

2t 0

yang lebarnya

s t0
()
sin
s t 0 . Karakteristik

fungsi transfer ini adalah fungsi turun dan naiknya frekuensi. Maka itu spectrum
sinyal yang diinterpolasi H(s) yaitu perkalian spectrum sinyal yang dicuplik dengan
fungsi transfer, bertendensi mengusir semua salinan (replica) menuju nol, kecuali
replica primer yang berada di s=0
1
( t /t 0 )
t0

Fungsi
penginterpolasi

sin ( s t 0 )
s t 0

Fungsi transfer
penginterpolasi

H ( s )=[ G ( s ) t (s t) ]

[
h ( t ) = ( t )

( t t ) t1

t
( )
t0

sin ( s t 0 )
s t 0

Sisa spectrum
berdekatan

Sinyal yang
diinterpolasi

Spectrum Sinyal yang


diinterpolasi

Jika kita menyatakan h(t) sebagai fungsi yang diperoleh dengan menginterpolasi
fungsi cuplikan yang dipotong, maka h(t) diberikan oleh persamaan:

h (t)=

[{[

} ]

t
f ( t ) ( ) 1
T
t
t
( ) 1

t
t0

t
dan( )
t0

dan spektrumnya

[{[

H ( s )=

][

]}

sin ( s ) sin ( s )
sin ( s t 0)
F ( s )T
t (s t)
s
s
s t0

]]

Marilah kita bahas efek pengolahan digital pada sinyal. Pada contoh sebelumnya
aperture pencuplik dan fungsi penginterpolasi dipilih agak lebar untuk memperbesar
efeknya yaitu t0=2t. Parameter-parameter tersebut meskipun dapat sebarang,
tetapi harus dipilih dalam hubungan tertentu. Sebagai contoh, aperture pencuplik
harus mempunyai lembar kira-kira sama dengan spasi cuplikan t. Untuk
interpolasi linear juga dipilih t0 =t. Pemotongan mengkonvolusi spektrum dengan
sin (x)/x yang sempit, jika jendela pemotongan lebar, spektrumnya menjadi sempit
mendekati suatu impuls dan ini mengurangi efeknya. Juga jika fungsi telah nol diluar
jendela pemotong , maka tak akan ada efeknya. Apertur pencuplik bertendensi
mengurangi energi frekuensi tinggi dalam spektrum sehingga ini dapat mengurangi

kealiasan yang terjadi. Aperture pencuplik juga membalik polaritas energi frekuensi
tinggi.
Pencuplikan membuat spektrum periodik. Ini mengakibatkan kealiasan energi diatas
frekuensi lipatan, t. Interpolasi mengembalikan spektrum ke replika tunggal
berpusat di titik asal. Ini dilakukan secara teliti hanya jika fungsi sin (x)/x
diperguanakan sebagai fungsi interpolasi . fungsi interpolasi lainnya menghilangkan
replika-replika (salinan-salinan) spektrum secara tak komplit dan mengurangi
kandungan energi frekuensi tinggi replika primer.
Parameter-parameter pendigitan biasanya hasil dari keterbatasan peralatan pendigit.
Jendela pemotongan menyatakan medan pandangan maksimum pendigit citra.
Aperture pencuplikan fungsi kesensitifan titik (bentik) pengscan.
Spasi pencuplikan biasanya dapat diatur dan harus dapat dibuat berhubungan dengan
diameter titik pengscan . fungsi penginterpolasi
daripada titik peragaan itu sendiri.

untuk peragaan citra tak lain

Untuk mengurangi keahlian dapat dipergunakan apertur pencuplik segiempat dengan


lebar dua kali spasi pencuplikan. Ini akan meletakkan pemotongan nol pertama fungsi
transfer di fN=t.

Aperture segitiga di pergunakan untuk lebar empat titik cuplik dan mempunyai
perpotongan nol pertama di fN. Karena spektrumnya sebagai fungsi frekuensi menuju
ke nol lebih cepat daripada pulsa segi empat, maka aperture segi tiga lebih efektif
terhadap kealiasan . Seperti aperture segi empat, aperture segitiga mengurangi energi
dalam F(s) untuk frekuensi-frekuensi dibawah fN.
Dari pembahasan diatas, terutama dari persamaan-persamaan h(t) dan H(s)
menunjukkan bahwa fungsi kontinu tak dapat diolah secara dogital tanpa distorsi
yang berat. Tetapi ada cara keluar dari persoalan ini yaitu dengan oversampling jika
kita memilih spasi pencuplikan cukup kecil sehingga fN terletak jauh di sebelah
frekuensi-frekuensi yang menarik dalam spektrum, maka jika keliasan
mengkontaminasi spektrum bagian atas, ini akan mempunyai efek yang kecil atau tak
ada efek pada data yang kita olah. Sebagai aturan kasar, oversampling oleh faktor 2
adalah cukup untuk kebanyakan penerapan , meskipun analisa harus dilakukan pada
setiap kasus . Jendela pemotongan juga harus cukup lebar agar menghasilkan
kontaminasi minimum spektrum sinyal. Dengan oversampling yang sesuai, kita dapat
mengurangi keliasan dan efek pemotongan hingga sebarang order besar yang
diinginkan. Usaha ini tentu saja harus dibayar dengan pertambahan waktu komputer.

E. Pengiltern Digital
Pengilteran linear dapat diimplementasi secara digital dalam dua cara yang berbeda.
Operasi pengilteran dapat diimplementasi dalam domain waktu oleh konvolusi fungsi
yang di cuplik f(t) dengan tanggapan impuls h(t) menghasilkan g(t). Cara alternatif,
fungsi-fungsi f(t) dan h(t) di transformasi ke domain frekuensi dengan algoritma
transformasi fourier cepat. Kemudian spektrum output G(s) dapat diperoleh dengan
mengalikan F(s) dengan H(s), dan sinyal output dibentuk dengan transformasi
inverse. Jika satu atau kedua sinyal input konvolusi mempunyai jangkauan pendek,
metoda konvolusi digital secara komputasi lebih efisien.
Pengfiltern konvolusi: pencuplikan f(t) dan h(t) membuat spektrumnya periodik. Jika
kedua sinyal dicuplik pada selang t yang sama, spektralnya akan periodik dengan
frekuensi 1/t yang sama. Konvolusi sinyal-sinyal cuplikan mengalikan kedua
spektra dalam domain frekuensi membentuk G(s), yang juga periodik dengan
frekuensi t . Jika g(t) diinterpolasi, speltrumnya diredusir kereplika tunggal dititik
asal. Jika f(t) atau h(t) dibatasi pita dibawah s=1/t, maka g(t) akan dibatasi pita dan
interpolasi akan menyusun kembali secara eksak. Tetapi pemotongan menghancurkan
keterbatasan pita, dan kealiasan tak dapat dihindarkan dan kealiasan ini akan muncul
dalam g(t) dalam cara yang langsung. Jadi efek yang diakibatkan oleh konvolusi
digital adalah sama dengan seperti yang dihasilkan oleh pencuplikan, pemotongan,
dan interpolasi.
Pengfilteran domain frekuensi:

Sinyal input f(t) di cuplik membentuk x(t) yang mempunyai spektrum periodik
kontinu x(s). Jika kita menghitung transformasi fouriernya, sebetulnya kita
menghitung titik-titik berspasi sama pada siklus primer spektrum periodiknya y(s).
Kita menghitung N titik berspasi Ds yang sama pada jangkauan frekuensi -1/2 Dt
hingga 1/2 Dt. Jadi spektrum x(t) yang kita hitung adalah y(s) bukan x(s).
Karena y(s) dicuplik, maka transformasi inversnya y(t) adalah fungsi periodik kontinu
(jika tidak dicuplik) berlangsung takhingga.
Jadi spektrum yang dihitung Y(s) adalah bukan spektrum x(t) atau bahkan f(t), tetapi
spektrum fungsi periodik kontinu yang mempunyai perioda T. Semua titik cuplik x(t)
jatuh tepat pada siklus primer y(t) dan dengan perkecualian kealiasan, siklus primer
y(t) adalah tepat f(t), fungsi yang dicuplik membentuk x(t).
Dengan menghitung spektrum x(t) secara digital, kita perlu mencuplik spektrum
untuk mendapatkanY(s) yang tak lain spektrum fungsi periodik kontinu y(t). Jadi kita
mempunyai dalam domain frekuensi spektral yang ekuivalen salinan (replika) yang
disebabkan oleh pencuplikan dalam domain waktu. Jika kita implementasi
transformasi invers secara digital, kita mendapatkan kembali x(t)`dari Y(s).
Kemudian jika kita menginterpolasi x(t), kita dapatkan kembali f(t). Kenyataan
bahwa Y(s) sesuai dengan fungsi periodik tak menghasilkan efek yang jelek. Jika
mengimplemen pengfilteran digital dalam domain frekuensi situasinya tak begitu
sederhana.
Misal kita mengimplemen pengfilteran dalam domain frekuensi dengan mengalikan
Y(s) dengan fungsi transfer H(s). Ini sesuai dengan mengkonvolusi y(t) dengan
tanggapan impuls h(t). Karena y(t) periodik, konvolusi akan kecenderungan
mengatasi siklus-siklus berdekatan y(t) hingga kesiklus primer disekitar t = T/2.
Jika h(t) sempit dan y(t) mendekati konstan dalam daerah sekitar t =T/2 maka
pengotoran siklus berdekatan, hanya akan mempunyai efek kecil. Jika x(t) tak sama
pada setiap ujung jendela pemotong maka y (t) mempunyai diskontinuitas pada t

=T/2. Ini menghasilkan diskontinuitas buatan dalam fungsi pada setiap ujung jendela
pemotong. Konvolusi dengan tanggapan impuls h(t) akan menghasilkan articaft pada
setiap ujung jendela pemotong. Meskipun efek pengotoran siklus berdekatan ini tak
dapat dihindari sama sekali, tetapi ini dapat dikurangi hingga tingkatan yang dapat
diterima dengat membuat jendela pemotong lebar terhadap komponen-komponen
penting sinyal dengan mengatur x(t) mempunyai amplitudo sama pada setiap ujung
jendela pemotong.