< prev

Page 1Page 2Page 3Page 4Page 5Page 6Page 7Page 8Page 9Page 10

Page 3 of 10
next >

Majalah Ilmiah UNIKOM

Vol.8, No. 1

61

H a l a m a n

f / f

s

) n hal ini dapat dilihat pada gambar

2 dimana frekuensi sampling = f

s

= 10 MHz

dan frekuensi saat kontinu = f = 300 Mhz.

Ada informasi menarik dari gambar 2 ini

bahwa sinyal sinusoidal yang dihasilkan

tidak murni sinusoidal ditandai dengan

adanya spektrum frekuensi lain selain 0.3p,

dan fungsi autokorelasi sinus yang meru-

pakan cosinus teredam. Hal ini wajar karena

fungsi sinusoidal yang dipergunakan pada

pemrograman ini sebenarnya adalah fungsi

deret yang dibangkitkan dengan ketelitian

tertentu.

Untuk sinyal cyclo-stationer misalnya di-

nyatakan dengan fungsi:

p(t) = 1 untuk k.T ms< t < k.T+200 ms

= 0 untuk k.T+200 ms< t < k.T+T ms

Dimana:

k = 0, 1, 2, ....

T adalah perioda fungsi cyclo-stationer,

maka fungsi dalam waktu diskritnya

adalah

p(nTs) =1 untuk k.T.f

s

ms<n<(k.T+200)f

s

ms

= 0 untuk (k.T+200)f

s

ms< n< (k.T+T)f

s

ms

Dimana k = 0, 1, 2, ....

Pembangkitan White Gaussian Noise

Pembangkitan white gaussian noise dapat

dilakukan dengan menjumlahkan beberapa

white noise uniform, hal ini dilakukan ber-

dasarkan teori sentral limit.

Pembangkitan white noise sendiri dilakukan

dengan subrutin random yang disediakan

komputer seperti dengan algoritma linear

Congruential generator. Menurut spesifikas-

inya sebenarnya bilangan random yang di-

hasilkan tidak sepenuhnya random, tetapi

secara praktis boleh dianggap begitu.

Mengenai kinerja sinyal random yang kita

gunakan untuk simulasi sendiri dapat kita

lihat pada gambar 3 dan gambar 4.

Pada gambar 3 terlihat sinyal random yang

dibangkitkan tidak murni white noise,

karena untuk sample yang saling berjauhan

ternyata masih ada korelasinya walupun

berjauhan. Hal ini akan diperjelas oleh gam-

bar 4.

Pada gambar 4 terlihat spektral noise yang

tidak flat ini menandakan bahwa sinyal ram-

dom sebenarnya tidak white noise. Ini akan

berpengaruh pada simulasi karena sifat

penghapus korelasi yang digunakan untuk

menghapus whitenoise tidak akan 100%

berhasil karena ternyata noise yang diguna-

kan pada simulasi ini masih berkorelasi se-

hingga dapat muncul pada keluaran

n

.

x

Susmini Indriani Lestariningati

Gambar 2.

Autokorelasi Sinus dan Spektralnya

Gambar 3.

Autokorelasi White Noise