Materi Presentasi Sensor

MENUJU AKHIR

Bahan presentasi ini dibuat untuk memenuhi 
tugas mata kuliah Sensor kelas C

Dosen : Darwison, M.T


Oleh:
Novi Putri
1610952023

Jurusan Teknik Elektro
Fakultas Teknik
Universitas Andalas
Padang
2017 

Daftar Isi

1. Amplifier dan Pengkondisian Sinyal
2. Modulasi
3. Filter
4. Analisa Spektrum dan Korelasi
5. Intelijen Terapan Pengolahan

1. Amplifier dan Pengkondisian Sinyal [Kembali]

1.1 Pendahuluan [Kembali]

Pengkondisian sinyal digunakan untuk menggunakan sinyal keluaran dari sensor sehingga dapat diolah dengan baik dan benar pada tahap berikutnya seperti rangkaian ADC(Analog ke Digital),microkontroler,atau sebagainya.

Pengkondisian sinyal merupakan istilah umum yang digunakan dalam sistem instrumentasi dan pada prakteknya pengkondisian sinyal dapat berupa rangkaian penguat. 

1.2 Rentang Dinamis [Kembali] 

Rentang dinamis untuk pengukuran adalah hasil bagi antar rentang pengukuran dan resolusi yang diinginkan. Setiap tahap untuk memproses bentuk sinyal sensor harus memiliki rentang dinamis yang sama dengan atau lebih besar dari pengukuran.

1.3 Klasifikasi Sinyal [Kembali] 

Sinyal dapat diklasifikasikan menurut tingkat amplitudonya, hubungan antara terminal sumber dan ground, bandwith dan nilai impedansi keluarannya.

1. Single-Ended and Differential Signals
   Sumber sinyal tunggal memiliki satu dari dua terminal 
   Sumber sinyal diferensial memiliki dua terminal keluaran yang tegangannya berubah secara bersamaan dengan besaran yang sama namun berlawanan arah.

(a) Sinyal Keluaran Tunggal

(b) Terminal L Bertegangan Konstan

 Sinyal Differensial

2. Narrowband and Broadband Signals
    Sinyal Narrowband memiliki rentang frekuensi yang sangat kecil dan relatif terhadap frekuensi pusatnya. Sinyalnya dapat berupa DC yang menghasilkan frekuensi sangat rendah.

3. Low and High Output Impedance Signals

    Impedansi keluaran sinyal menentukan besarnya impedansi masukan dari pengkondisian sinyal. Besar tegangannya dapat dicari :

Gambar Rangkaian Ekivalen 

1.4 Parameter Penguat  [Kembali]

 Penguat voltase menghasilkan tegangan keluaran yang merupakan reproduksi proporsional dari perbedaan voltase pada terminal inputnya,terlepas dari tegangan mode umum dan tanpa memuat sumber tegangan.

 Gambar Rangkaian Ekivalen Penguat Umum(Diferensial)

Apabila satu terminal input dihubungkan ke satu terminal output

Gambar Tegangan Masukan yang Mengendalikan Amplitudo Tegangan Keluaran

Maka penguatnya tunggal dan bagaimanapun daya keluaran berasal dari catu daya, dan sinyal input hanya mengendalikan bentuk sinyal keluaran, yang amplitudonya ditentukan oleh keuntungan penguat,didefinisikan sebagai :

Untuk mengurangi kebisingan dan gangguan,biasanya dengan menambahkan komponen reaktif untuk mengurangi gain frekuensi out-of-band lebih jauh. Jika gain turun sebesar n ketika frekuensi meningkat sebesar 10,maka terjadi kemiringan gain sebesar 20n dB/dekade.

Frekuensi sudut penguat dapat dicari menggunakan rumus :

1.5 Instrumen Amplifier  [Kembali]

Untuk sinyal instrumentasi, yang biasa disebut instrumentasi penguat(IA) menawarkan kinerja yang paling dekat dengan penguat ideal.

  Gambar (a) Simbol Instrumentasi Penguat (IA)

(b) Hubungan Input/Output

Pada grafik hubungan input dan output idealnya adalah garis lurus dengan kemiringan Gain dan melewati titik (0,0) tetapi sebenarnya itu adalah off-nol,garis tampak lurus dengan kemiringan yang berbeda dengan Gain.Tegangan ouput didefinisikan

  

Persamaan diatas menggambarkan situasi terburuk dimana nilai absolut untuk sumber kesalahan yang berbeda mungkin terjadi.

Jika Vc secara simultan diterapkan untuk kedua input,kemudian Vo tergantung pada Vc dan frekuensi,maka gain common-mode menjadi 

 

Jika Vc sebagai tegangan kesalahan input,maka mode umum rasio penolakan(CMRR) didefinisikan sebagai

dan biasanya dinyatakan dalam desibel ( CMRR dB = 20 log CMRR ) ,sehingga 

 Dalam menganalisa kesalahan, rangkaian menjadi

Model Sirkuit untuk Menganalisa Kesalahan Ketika IA Terhubung ke Sumber Sinyal

diasumsikan Zc<<Ro, maka Vc disumber teganagn akan menghasilkan tegangan diferensial-mode pada input penguat,

Penguat Instrumentasi Terbuat dari Bagian Diskrit

Penguat instrumentasi dapat dibangun dari bagian diskrit dengan menggunakan penguat operasional(op-amp) dan beberapa resistor.

Sebuah op amp pada dasarnya adalah penguat tegangan diferensial yang gainnya sangat besar ( dari

10⁵-10⁷  ) pada dc dan gulung off ( 20 db/dekade ) dari frekuensi sekitar 1 sampai 100 Hz, menjadi 1 pada frekuensi dari 1 sampai 10 MHz untuk model umum (Gambar 80.6a), dan impedansi masukan yang sangat tinggi ( sampai 10¹² W || 1pF) arus masukan hampir dapat diabaikan.

 

(a) Gain Loop Terbuka untuk Sebuah Op Amp

(b) Penguat OP Amp dengan Umpan Balik Eksternal

Instrumentasi Amplifier dengan Tiga Buah Op Amp

Instrumentasi Amplifier dengan Dua Buah Op Amp

Penguat Akustik Berdasarkan Teknik Kapasitor-Switched. Saklar pertama SW1 dan SW2 menutup saat SW3 dan SW4 terbuka, kemudian SW1 dan SW2 terbuka sehingga SW3 dan SW4 menutup terjadi pengisian CH Ke vH-vL.

dimana, R1 dan R2 harus disesuaikan dan RG harus sebanding dengan R2.

Komposit Penguat Amplifier 

Instrument amplifier memiliki bandwidth yang sangat terbatas dengan keuntungan sebear 10-2.5 MHz. Selain itu,masukannya harus berupa dc-coupled atau ac-coupled. Jika digabungkan dengan kapasitor seri, pasti ada jalur untuk arus bias, jika jalur itu adalah resistor dari setiap masukan ke ground, maka impedansi masukan common-mode Zc menurun dan kebisingan dapat meningkat.
Sebuah bandwidth yang lebih besar memberikan keuntungan dapat diperoleh dengan koneksi kaskade dari dua atau lebih amplifier. Namun,jika penambahan yang diberikan oleh penguat tunggal berakhir setelah IA, maka keseluruhan CMRR berukuran lebih kecil dibanding frekuensi tinggi.

 

Broadband IA dengan CMRR yang Besar

1.6 Single-Ended Signal Amplifier [Kembali]

Ground single-ended dapat dihubungkan dengan penguat tunggal

  

Komposit Penguat Amplifier

1.7 Pembawa Amplifier [Kembali]

Pembawa penguat adalah kondisioner untuk sinyal ac narrowband dari sensor ac-driven. Pembawa penguat dari osilator gelombang sinus untuk merangsang jembatan sensor, penguat voltage ac untuk output jembatan sensor, demodulator sinkron, dan filter low-pass.

1.8 Lock-In Amplifier [Kembali]

Lock-in amplifier yang diproduksi sebagai peralatan untuk memulihkan sinyal yang tenggelam dalam kebisingan yang tinggi(asynchronous) yang menyediakan berbagai mengemudi frekuensi dan bandwidth untuk output filter.

Beberapa model vectorial karena memungkinkan untuk memulihkan fase dan kuadratur (90° out-phase) komponen dari sinyal yang masuk dengan menggunakan dua demodulator yang sinyal rujukannya tertunda 90° .Model lain menggunakan filter bandpass untuk sinyal termodulasi dan dua tahap demodulasi.

1.9 Osilasi Amplifier [Kembali]

Tegangan mode umum bertahan dengan amplifier lebih kecil dari tegangan suplainya dan jarang yang melebihi 10 Volt. Pengecualian adalah INA 117 (Burr-Brown) dan amplifier perbedaan serupa yang rentang common-modenya mencapai ± 200 V.

(a) Perbedaan Besar dalam Potensi Besar Merusak Tanah

(b) Penguat Isolasi Pencegah Arus Besar 

Kemampuan untuk menolak perbedaan tegangan penghalang (isolasi tegangan), digambarkan oleh rasio modus isolasi penolakan ( IMRR),dinyatakan dalam desibel

1.10 Nonlinear Teknik Signal-Processing [Kembali]

Limiting and Clipping

Clippers atau pembatas amplitudo sirkuit yang tegangan output telah berbagai kunjungan dibatasi nilai-nilai yang lebih rendah dari tegangan saturasi. Membatasi adalah teknik pemrosesan sinyal yang berguna untuk sinyal memiliki informasi yang dikodekan dalam parameter selain amplitudo.

Logarithmic Amplification

Rentang dinamis untuk linear amplifier umum adalah 60 sampai 80 dB. Sensor seperti photodetectors, pengion detektor radiasi, dan penerima USG dapat memberikan sinyal dengan rentang amplitudo yang lebih luas dari 120 dB. Satu-satunya cara untuk mencakup ini rentang amplitudo luas dalam berbagai sempit adalah dengan kompresi amplitudo. Sebuah hukum logaritmik kompres sinyal dengan menawarkan perubahan amplitudo sama-output dalam menanggapi rasio tertentu peningkatan masukan amplitudo.

Konversi logaritmik dapat diperoleh dengan menghubungkan transistor bipolar sebagai elemen umpan balik dari sebuah op amp. Kolektor IC arus dan tegangan basis-emitor memiliki hubungan eksponensial. Dari model Ebers-Moll untuk transistor, jika VCB = 0, maka

disediakan IC >> IS, untuk vs> 0

Sirkuit Berdasarkan Op Amp dan Umpan Balik Dioda Jaringan

. Hubungan Input / Output

Rangkaian dasar untuk logaritmik

(a) Antilog atau Eksponensial

(b) Konversi Menggunakan Transdiode Teknik. Konverter Praktis Mencakup Komponen Tambahan untuk Pengurangan dan Perlindungan Kesalahan

1.11 Analog Linearisasi [Kembali]

Banyak sensor linear hanya dalam rentang ukur terbatas; lainnya pada dasarnya nonlinear (NTC, LDR); yang lainnya adalah linear di beberapa rentang tetapi nonlinear dalam rentang lain yang menarik (termokopel). Teknik linearisasi untuk sensor tertentu dijelaskan dalam bab-bab masing-masing. Nonlinier disebabkan sensor pendingin adalah umum, misalnya, ketika resistif (linear) sensor ditempatkan di pembagi tegangan atau jembatan.

Nonlinear muncul dari ketergantungan arus melalui sensor pada ketahanan, karena jembatan disuplai pada tegangan konstan yang memberikan solusi berdasarkan pada satu op amp yang memaksa arus konstan V / R0 melalui sensor. Tegangan jembatan output

Selain itu, vs adalah satu berakhir. Op amp harus memiliki kinerja yang dc baik

(a) Sebuah jembatan Wheatstone disediakan pada tegangan konstan dan termasuk sensor tunggal menyediakan tegangan output nonlinear.

(b) Dengan menambahkan sebuah op amp yang memaksa arus konstan melalui sensor, tegangan output linierisasi.

tujuan khusus Signal Conditioners

1.12 Tujuan Khusus Signal Conditioners [Kembali]

Tabel diatas adalah daftar beberapa pengkondisi sinyal dalam bentuk IC ditujukan untuk spesifik sensor fi c dan menjelaskan fungsinya masing-masing. Keputusan untuk merancang kondisioner sinyal dari bagian-bagian atau menggunakan model dari Tabel 80.4 adalah masalah biaya, kehandalan, dan ketersediaan. Pengkondisi sinyal juga tersedia sebagai subsistem (plug-in kartu dan modul), misalnya, seri MB dari Keithley Metrabyte, SCM dari BurrBrown, dan 3B, 5B, 6B, dan 7B dari Analog Devices.

2. Modulasi [Kembali];

2.1 Pendahuluan [Kembali]

Modulasi merupakan proses menumpangkan sinyal informasi ke sinyal pembawa dengan sedemikian rupa sehingga amplitudo gelombang pembawa berubah sesuai dengan perubahan simpangan tegangan sinyal informasi.Informasi yang dibawa sinyal disebut dengan Sinyal Baseband

Teknik modulasi terbagi atas 2,yaitu:

1. Modulasi Amplitudo
2. Modulasi Frekuensi

2.2 Generalized Modulation [Kembali]

Dimulai dengan membuat dua buah asumsi :

1. Frekuensi tertinggi ada pada sinyal Baseband jauh lebih kecil dari frekuensi pembawa

2. Hasil yang diperoleh berhubungan ke pembawa sinusoidal, namun dapat diperluas ke sinyal pembawa periodik lainnya (seperti gelombang persegi dan gelombang segitiga).

Persamaan dibawah ini, memberikan ekspresi umum untuk sinyal pembawa sinusoidal termodulasi frekuensi radian wc 

Informasi yang didapatkan dengan fs(t) dengan modulasi amplitudonya Ac(t), sudut fasenya Ф(t) atau dalam beberapa kasus, keduanya ( diperhatikan bahwa modulasi frekuensi adalah bntuk fasa modulasi sudut).

Persamaan dibawah merupakan direkonstruksi dalam bentuk setara :

Carlson [1] memberi transformasi Fourier sebuah sinyal pada carrier-kuadratur bentuk:





 



2.3 Amplitudo Modulation [Kembali]





Representasi Domain Waktu dari Baseband dan Sinyal AM Pembawa Penuh yang Dihasilkan




Double-Sideband Amplitude Modulation

AM yang diaplikasikan pada pembawa sinusoidal dijelaskan oleh






 Transformasi Fourier dari sinyal ini






Representasi Domain Waktu dari Sinyal Carrier DSB

Informasi dalam sinyal AM pembawa penuh ditemukan di timevarying amplitudo sinyal termodulasi.Namun informasi yang dibawa oleh carrier-carrier tertekan. Sinyal ditemukan baik dalam amplitudo dan fase seketika dari sinyal termodulasi 
(perhatikan bahwa fase sinyal DSB terbalik relatif terhadap pembawa bila sinyal baseband negatif dan masuk fase saat sinyal baseband positif). AM adalah teknik modulasi linier jumlah banyak. Sinyal AM yang dihasilkan dari pembawa  umum dengan sinyal baseband yang berbeda sama dengan satu sinyal AM diproduksi oleh jumlah sinyal baseband.


Generation of Double-Sideband AM Signals

AM tingkat rendah dapat dicapai dengan penggandaan langsung sinyal pembawa dengan [k + mfm(t)]. Gambar dibawah menunjukkan contoh dimana sensor simbang digemari oleh sinusoidal pembawa. Tegangan keluaran penguat diferensial akan menjadi nol saat sensor seimbang, bukan nol.
Tegangan output muncul saat sesnor tak seimbang. Besarnya tegangan menunjukkan derajatnya ketidakseimbangan dalam sensor, dan fase tegangan keluaran relatif terhadap pembawa.





Sensor Seimbang dengan Eksitasi AC dan Rangkaian Keluaran Penguat Diferensial






Amplop Detektor untuk Sinyal Pembawa Penuh AM

3. Filter [Kembali]

3.1 Pendahuluan [Kembali]

Dalam arti luas, filter dapat didefinisikan sebagai sistem pemrosesan sinyal yang sinyal outputnya biasanya disebut tanggapan, berbeda dari sinyal input, yang disebut perangsangan. Filter umumnya dikelompokkan menjadi tiga kelas: terus-menerus, sample data, dan diskrit-waktu. Sinyal diskrit-waktu dapat dinyatakan dalam bentuk berikut:

3.2 Klarifikasi Filter [Kembali]

Filter biasanya diklasifikasikan menurut fungsi filter dilakukan. Fungsi dasarnya adalah: low-pass, high-pass, bandpass, dan bandstop.

3.3 Masalah Pendekatan Filter [Kembali]

Umumnya variabel input dan output linear, invarian waktu, filter kausal dapat dicirikan baik dalam domain waktu melalui integral konvolusi yang diberikan oleh

atau, secara ekuivalen, dalam domain frekuensi melalui fungsi transfer

 

GAMBAR 3.1 Fungsi besarnya dari filter ideal adalah 1 pada passband dan 0 pada stopband (a) low-pass, (b) high-pass, (c) bandpass, dan (d) stopband filter.

GAMBAR 3.2 Fungsi kuadrat dari filter analog dapat memiliki riak pada passband dan di stopband

Butterworth Filters 

Respon frekuensi filter low-pass Butterworth Nth-order ditentukan oleh fungsi kuadrat

 Pendekatan Butterworth hanya memiliki kutub, yaitu, tidak ada nol yang terbatas dan menghasilkan respons datar maksimal sekitar nol dan tak terbatas. Oleh karena itu, aproksimasi ini disebut juga dengan magnitude rata-rata maksimal (MFM). Selain itu, ini menunjukkan respons yang halus pada semua frekuensi dan penurunan monotonik dari frekuensi cutoff yang ditentukan.


Filter Chebyshev atau Chebyshev I Filter
Tanggapan frekuensi filter low-pass Nth-order Chebyshev ditentukan oleh kuadrat-besarnya
fungsi respon frekuensi

dimana TN (x) adalah polinomial Chebyshev urutan ke-N dan e adalah konstanta nyata kurang dari 1 yang menentukan riak saringan. Secara khusus, untuk bilangan bulat nonnegatif N, polinomial Nth-order Chebyshev adalah diberikan oleh

Filter Elliptic atau CauerTanggapan frekuensi dari filter low-pass eliptik Nth-order dapat dinyatakan dengan

Bessel Filter
Tujuan utama dari tiga pendekatan sebelumnya adalah untuk mencapai karakteristik kerugian yang spesifik. Karakteristik fase filter ini, bagaimanapun, adalah nonlinier. Filter Bessel dioptimalkan untuk mengurangi distorsi fase nonlinier, yaitu penundaan yang rata-rata. Fungsi transfer filter Bessel diberikan oleh

dimana BN (s) adalah polynomial Besse ke-N. Respons frekuensi kuadrat keseluruhan kuadrat
fungsi diberikan oleh

3.4 Contoh Desain untuk Filter Pasif dan Aktif [Kembali]

Desain Filter Pasif R, L, C
Filter pasif yang paling sederhana dan paling umum digunakan adalah filter R-C sederhana, orde pertama (N = 1) yang ditunjukkan pada Gambar 3.3. Fungsi transfernya adalah filter low-pass Butterworth orde pertama. Transfer fungsi dan -3 dB Wc adalah

 

GAMBAR 3.3 Filter RC orde pertama pasif dapat berfungsi sebagai filter antialiasing atau untuk meminimalkan noise frekuensi tinggi.

GAMBAR 3.4 Filter pasif bisa memiliki simbolis representasi filter yang dihentikan dua kali lipat.

GAMBAR 3.5 Jaringan filter all-pole pasif N dapat direalisasikan oleh beberapa konfigurasi rangkaian
(N ganjil, diatas; N bahkan di bawah).

GAMBAR 3.6 Sinyal all-pole pasif orde ketiga dapat direalisasikan oleh rangkaian orde tiga yang diakhiri dengan dua kali lipat.

  

Desain Filter Aktif

GAMBAR 3.7 Filter aktif orde kedua dapat disadari oleh rangkaian saringan umum: (A) Sallen dan Key low-pass, (B) multiple feedback bandpass, (C) variabel keadaan.

Sebagian besar filter dengan orde tinggi memiliki kutub yang tidak terletak pada poros sumbu negatif di bidang s dan karena itu berada pada pasangan konjugasi kompleks yang bergabung untuk membuat pasangan tiang orde dua, dari bentuknya:

Persamaan fungsi dan disain transfer untuk rangkaian Sallen dan Key pada Gambar 2.7a adalah

Gambar 3.8 Tiang tiga Butterworth yang aktif dapat dikonfigurasi dengan RC urutan pertama dalam kaskade dengan dua tiang Sallen dan resonator Kunci.

3.5 Filter Waktu Diskrit

 Filter digital adalah sirkuit atau program komputer yang menghitung urutan keluaran diskrit dari urutan masukan diskrit. Filter digital termasuk dalam kelas sistem LTI (linear time invariant) diskrit-waktu, yang ditandai oleh sifat kausalitas, rekursibilitas, dan stabilitas, dan dapat dicirikan dalam domain waktu oleh respon impuls mereka dan dalam mengubah domain dengan fungsi transfer mereka. Kasus paling umum dari sistem LTI diskrit waktu dengan urutan masukan dilambangkan dengan x (kT) dan menghasilkan urutan keluaran y (kT) dapat digambarkan dengan seperangkat persamaan perbedaan linier dengan konstan koefisien.

Fungsi transfer yang sesuai diberikan oleh

GAMBAR 3.9 Perbedaan persamaan filter digital dapat direalisasikan dengan implementasi langsung formulir I yang digunakan jalur penundaan yang terpisah untuk penjumlahan X dan Y.

GAMBAR 3.10 Suatu implementasi langsung dari persamaan perbedaan meminimalkan jumlah elemen penundaan

3.6 Proses Desain Filter Digital [Kembali]

Prosedur perancangan filter digital terdiri dari beberapa langkah dasar berikut:
1. Tentukan respon yang diinginkan. Respon yang diinginkan biasanya ditentukan dalam frekuensi
domain dalam hal respon magnitudo yang diinginkan dan / atau respons fase yang diinginkan.
2. Pilih kelas filter (mis., Filter FIR fase linier atau filter IIR) untuk mendekati yang diinginkan
tanggapan.
3. Pilih anggota terbaik di kelas filter.
4. Terapkan filter terbaik menggunakan komputer tujuan umum, DSP, atau chip perangkat keras khusus.
5. Menganalisis kinerja filter untuk menentukan apakah filter memenuhi semua kriteria yang diberikan.

3.7 FIR Filter Desain [Kembali]

Beberapa sifat bagus filter FIR adalah konsekuensi langsung dari struktur nonrecursive mereka. Pertama, filter FIR secara inheren stabil dan bebas dari siklus osilasi batas di bawah kondisi panjang kata-panjang. Selain itu, mereka menunjukkan sensitivitas yang sangat rendah terhadap variasi koefisien filter. Kedua, desain filter FIR dengan fase linier tepat (delay kelompok konstan) vs frekuensi perilaku dapat dicapai dengan mudah. Properti ini berguna di banyak area aplikasi, seperti speech processing, phase delay equalization, image processing, dll. Kerugian utama dari filter FIR melalui filter IIR adalah desain filter FIR umumnya memerlukan, terutama pada aplikasi yang membutuhkan pita transisi yang sempit, perhitungan yang jauh lebih banyak untuk diterapkan.


Filter FIR dari pesanan N dijelaskan oleh persamaan perbedaan dari bentuknya

GAMBAR 3.11 Urutan penundaan dan penjumlahan dapat bervariasi untuk menghasilkan implementasi bentuk langsung alternatif.

 dan fungsi transfer yang sesuai adalah

GAMBAR 3.12 Batas toleransi harus ditentukan untuk respons magnitudo low-pass filter FIR.

3.8 Desain Filter IIR [Kembali]

Keuntungan utama filter IIR atas filter FIR adalah bahwa filter IIR umumnya dapat mendekati spesifikasi disain filter menggunakan filter dengan orde rendah daripada yang dibutuhkan oleh desain FIR untuk melakukan operasi penyaringan yang serupa. Sebagai konsekuensinya, filter IIR mengeksekusi lebih cepat dan tidak memerlukan memori ekstra, karena dijalankan di tempat. Kerugian dari filter IIR adalah bahwa mereka memiliki fase nonlinier tanggapan.

Derivasi fungsi transfer untuk spesifikasi filter yang diinginkan memerlukan tiga langkah dasar berikut:
1. Dengan seperangkat spesifikasi untuk filter digital, langkah pertama adalah memetakan spesifikasi ke filter analog setara.
2. Langkah selanjutnya melibatkan derivasi fungsi transfer analog yang sesuai untuk prototipe analog.
3. Langkah terakhir adalah menerjemahkan fungsi transfer prototip analog ke fungsi transfer filter digital yang sesuai. Setelah fungsi transfer analog yang sesuai untuk prototip analog diturunkan, ia harus diubah menggunakan transformasi yang memetakan Ha (s) ke H (z). Pilihan yang paling sederhana dan paling tepat untuk s adalah transformasi bilinear yang terkenal dari variabel-z

Setelah fungsi transfer analog yang sesuai untuk prototipe analog diturunkan, pastilah ditransformasikan menggunakan transformasi yang memetakan Ha (s) menjadi H (z). Pilihan yang paling sederhana dan paling tepat untuk s adalah transformasi bilinear yang terkenal dari variabel-z

yang memetakan filter analog stabil di s-plane menjadi filter digital stabil di z-plane. Mengganti s
dengan sisi kanan Persamaan di Ha (s) menghasilkan

 

GAMBAR 2.13 Filter IIR dapat diimplementasikan dengan serangkaian fungsi transfer individual.

 

 3.9 Wave Digital Filters [Kembali]

Sintesis WDFs didasarkan pada karakterisasi jaringan gelombang; Oleh karena itu, struktur yang dihasilkan disebut sebagai filter gelombang digital. Untuk menggambarkan gagasan dasar di balik teori WDFs, pertimbangkan sebuah induktor L.

GAMBAR 3.14 Implementasi filter digital menggunakan persamaan fungsional pada satu elemen filter linier port.

GAMBAR 3.15 Filter gelombang digital membentuk kesetaraan dengan sirkuit filter klasik dengan menggunakan substitusi adaptor gelombang: (A) referensi LC low-pass; (B) identifikasi interkoneksi kawat; (C) filter digital gelombang yang sesuai.

GAMBAR 3.16 Sistem akuisisi data dengan input dan keluaran terus menerus menggunakan prefiltering antialias, konverter A / D, pemrosesan sinyal digital, konverter D / A, dan filter penghirupan output.

3.10 Filter Anti-Aliasing dan Smoothing [Kembali]

Aliasing biasanya ditangani dengan menggunakan filter antialiasing untuk mengurangi komponen frekuensi pada dan di atas frekuensi Nyquist ke tingkat di bawah rentang dinamis ADC sebelum sinyal didigitalkan. Idealnya, low-pass filter dengan respon yang ditentukan oleh

3.11 Switched Capasitor Filters [Kembali]

Filter switched-kapasitor (SC), umumnya disebut sebagai filter data sampel analog, memberikan alternatif filter RC aktif konvensional dan biasanya digunakan dalam penerapan filter antialiasing yang dapat disesuaikan. Filter SC terdiri dari switch, kapasitor, dan op amp. Intinya, SC mengganti resistor dalam desain filter analog yang lebih tradisional. Karena impedansi dari SC adalah fungsi dari
frekuensi switching, satu dapat memvariasikan frekuensi cutoff filter SC dengan memvariasikan frekuensi sinyal clock yang mengendalikan switching. Keuntungan utama filter SC adalah bahwa mereka dapat diimplementasikan dalam teknologi proses rangkaian digital, karena resistor besar yang setara dapat disimulasikan oleh kapasitor yang memiliki nilai kapasitansi kecil.

3.12 Filter Adaptif [Kembali]

Filter adaptif digunakan bila perlu untuk mewujudkan atau mensimulasikan sistem yang sifatnya bervariasi bersama waktu. Sebagai karakteristik masukan dari perubahan filter dengan waktu, koefisien filter bervariasi dengan

GAMBAR 3.17 Filter adaptif menggunakan algoritma adaptif untuk mengubah kinerja filter digital sebagai respons terhadap kondisi yang ditentukan. 

Filter adaptif ditandai dengan input filter x (kT) dan respon yang diinginkan d (kT). Urutan kesalahan e (kT) dibentuk oleh 

4. Analisa Spektrum dan Korelasi

[Kembali]

Konsep​ ​Fundamental

​Analisis​ ​spektral

Low-pass penyaringan sebelum

ADC selalu disarankan untuk membatasi bandwidth dari sinyal yang terus menerus untuk

memungkinkan pilihan yang benar fs atau Δt. Dalam prakteknya, frekuensi sampling biasanya

jauh lebih tinggi dari minimum yang dibutuhkan oleh teorema Nyquist untuk memberikan

representasi visual yang lebih baik dari data sampel.

Biarkan xn merupakan sinyal diskrit-waktu dengan sampel pada n = 0, 1, 2, ..., N 1. Fourier

teorema 1,2states bahwa adalah mungkin untuk membusuk xn sebagai jumlah dari kosinus dan

sinus gelombang frekuensi yang berbeda menggunakan kombinasi yang tepat dari amplitudo

koefisien koefisien. Oleh karena itu:

mana k = 1, 2, ..., N - 1 menentukan frekuensi masing-masing cosinus dan bentuk gelombang

sinus sebagai

fk = k / N Δt an koefisien yang sesuai koefisien dihitung dari:

Dari rumus Euler, adalah mungkin untuk menggabungkan cosinus dan sinus istilah

untuk mengungkapkan DFT dalam bentuk eksponensial:

 mengarah ke

dengan

mana ck sekarang nilai kompleks terkait dengan cosinus asli dan sinus koefisien koefisien oleh:

dari spektrum diperoleh dengan amplitudo dan fase spektrum, didefinisikan sebagai:

Although sebagian besar aplikasi dari analisa spektral berkonsentrasi pada karakteristik amplitudo atau spektrum kekuasaan, penting untuk diingat bahwa spektrum fase juga bertanggung jawab untuk pola temporal xn.Sebagai contoh, baik fungsi impuls Dirac dan white noise memiliki fl di, amplitudo konstan

Analisis​ ​korelasi

Konsep dasar dari korelasi koefisien, sebagai ukuran kekuatan hubungan linear antara dua variabel dapat diperpanjang untuk sinyal analisis dengan definisi de dari fungsi korelasi silang (CCF) sebagai

(a) CCF and Original Signals (insert)

(b) Enlarging the Scale Arround Delay = 0

Jika xn dan yn tidak berhubungan, jumlah produk yang positif dan negatif akan cenderung nol. Sebaliknya, adalah yn cenderung mengikuti xn,

tetapi dengan waktu tunda D, rxy (p) akan menunjukkan puncaknya pada p = D / Dt. Properti ini dari CCF adalah ilustrasi pada Gambar 83,3. Sebagaimana dicatat oleh Bergland, 8 korelasi silang dapat dilihat sebagai “satu sinyal mencari untuk fi nd dirinya dalam sinyal lain.

Untuk yn = xn, rxy (p) menjadi fungsi autokorelasi (ACF):

ACF of the Discrete-Time Version of Signal

dan itu adalah intuitif bahwa nilai maksimum rxx (p) terjadi untuk p = 0 dengan

Fast​ ​Fourier​ ​Transform

Sejak n dan k keduanya bilangan bulat, istilah

eksponensial adalah periodik dengan periode N. ini umumnya diwakili oleh

dan persamaan dapat ditulis sebagai

Kebanyakan algoritma FFT didasarkan pada prinsip penipisan-in-time, yang melibatkan dekomposisi waktu asli (atau frekuensi) urut ke subsequences lebih kecil, sehingga persamaan dapat ditulis sebagai

5. Intelijen Terapan Pengolahan  [Kembali]

5.1 Pendahuluan [Kembali]

Dalam metode pemrosesan sinyal banyak digunakan metode matematis, namun sekarang terbukti bahwa metode AI merupakan pilihan yang lebih baik untuk digunakan dalam hal kecepatan kinerja yang lebih baik dan biaya pemrosesan yang lebih rendah. Seringkali metode Al adalah satu-satunya solusi karena pendekatan algoritmik tidak dapat digunakan karena kurangnya formulasi matematis yang sesuai atau prosesor yang cukup kuat untuk menjalankan algoritma. 

5.2 Ikhtisar Metode Algoritma [Kembali]

Secara tradisional metode yang paling populer digunakan untuk mengembangkan model pemetaan adalah pemodelan matematis. Kerugian utama dari model matematika adalah bahwa mereka dapat dengan cepat menjadi sangat kompleks sehingga penerapan model ini dalam sistem pengukuran seringkali tidak praktis. Metode algoritma bisa sangat akurat, dapat dilacak, dan dapat dikalibrasi dengan relatif mudah dan sesuai kesepakatan. Mereka adalah dasar dari banyak sistem instrumentasi. Seiring dengan meningkatnya kebutuhan dan persyaratan kinerja yang meningkat seiring berjalannya waktu, demikian juga tuntutan pada detail algoritma dan sarana untuk mencontohnya di dalam mesin komputasi. Algoritma ini kemudian menjadi model kebutuhan yang tidak memadai.

5.3 Ikhtisar Metode Kecerdasan Terapan
[Kembali]

Metode AI dapat mengungguli metode algoritmik atau melakukan tugas serupa dengan daya komputasi yang jauh lebih sedikit, terkait dengan beberapa pemrosesan input dan dapat diterapkan untuk membentuk keputusan dari data yang dipasok oleh sensor. Sisi negatifnya, metode Al kurang formalitas sehingga sulit untuk mengkalibrasi dan mengotentikasi. Namun metode Al biayanya lebih rendah dan karenanya akan semakin diadopsi.

5.4 Pemetaan, secara umum
[Kembali]

Berbagai metode pemetaan multivariabel dengan menggunakan gagasan AI telah muncul yaitu :
• Teori pengukuran perwakilan dan cara menetapkan dipetakan ke perangkat lain (yang kegunaannya masih muncul);
• Rule dan frame representasi pengetahuan heuristik dan cara metode Al digunakan untuk membentuk sistem pakar dan KBS lainnya;
• Pohon biner Boolean sebagai pemetaan logis yang jernih;

• Metode logika fuzzy berdasarkan teori himpunan fuzzy.

Kelas metodologi AI lainnya yang termasuk metode yang hebat untuk membantu optimalisasi pemetaan yaitu terdapat dua metode utama yang digunakan;

• Algoritma genetika dan penggunaannya untuk mengoptimalkan logika fuzzy dan setup multisensor lainnya, dan
• Jaring syaraf tiruan, metode pemetaan yang belajar dengan sendirinya, dari pengalaman, bagaimana mencapai pemetaan yang optimal dalam situasi tertentu yang telah diajarkan untuk digunakan.

5.5 Dasar-dasar Teori Keputusan [Kembali]

Aturan tentang Proses Pengambilan Keputusan
1. Harus ada kriteria yang jelas untuk membuat keputusan mengenai pilihan yang ada, yang harus dilakukan sedemikian rupa sehingga orang lain akan mengerti bagaimana keputusan tersebut dibuat.
2. Semua keputusan akan melibatkan pemilihan strategi alternatif untuk mencapai yang terbaik. Ini akan melibatkan penetapan jumlah skor ke parameter yang dipilih dan menentukan bagaimana mengolah kumpulan angka.
3. Keputusan dibuat dengan pilihan alternatif bersaing dalam menghadapi pembatasan yang diberikan. Keputusan hanya bisa jarang dilakukan dalam pengertian umum namun akan dibuat untuk serangkaian situasi tertentu. Kompleksitas masalah meningkat dengan cepat seiring dengan meningkatnya jumlah parameter.
4. Proses yang digunakan berusaha mencapai beberapa hasil sebagai nilai tambah atau hilang. Ini bertujuan untuk memberi peringkat berbagai alternatif pemetaan untuk memberi saran yang tampaknya terbaik untuk digunakan. Perhatikan bahwa begitu pembuatan keputusan dibuat, informasi tentang alternatif tidak lagi tersedia karena hanya akan menanamkan satu set parameter sebagai satu proses tunggal.
5. Sebuah matriks keputusan yang membawa hasil parameter yang bersaing. Sebuah metode untuk mengkombinasikan konstituen matriks diperlukan, dan sekali lagi, tidak ada cara yang benar-benar definitif dan mutlak untuk memproses matriks.

Mengekstrak Parameter
Terdapat tiga metode yaitu :

1. Menulis Slip
2. Brainstorming dan Think Tanks
3. Pohon Pengetahuan

Metode lainnya yaitu :

1. Segitiga Pasangan

GAMBAR 5.1 Penilaian segitiga pasangan adalah cara sederhana untuk menentukan pilihan mana yang akan dibuat. Tabel ini memberi cara untuk menilai roti

2. Analisis Utilitas

GAMBAR 5.2 Analisis utilitas adalah cara yang lebih rinci untuk mengotomatisasi inspeksi roti dengan satu set sensor

5.6 Metode AI Utama
[Kembali]

Bergantung pada kehilangan atau pelestarian informasi, proses pemetaan dapat diklasifikasikan sebagai

1. transformasi, atau

2. abstraksi.

Secara simbolis oleh transformasi A mendefinisikan pemetaan satu-ke-satu pada himpunan semua elemen x menjadi y :

Oleh karena itu transformasi terbalik dijamin, yaitu

Sebuah abstraksi berbeda dari sebuah transformasi karena dapat memetakan sejumlah elemen

ke dalam y yang sama, atau pemetaan banyak-ke-satu

GAMBAR 5.3 Gambaran dari proses pemetaan teoritis yang ditetapkan.

GAMBAR 5.4 Bagian dari pohon pengetahuan desain untuk meningkatkan kinerja sistem speaker audio.

Aturan heuristik yang ditetapkan untuk cabang diatas dinyatakan sebagai :
Jika output speaker (W) meningkat
Dan distorsi (D) berkurang

Dan posisi (L) meningkat
Kemudian output audio (O) ditingkatkan

Beberapa karakteristik dasar tentang pemrosesan berbasis aturan dan frame adalah sebagai berikut (ini berlaku beragam):
• Program perangkat lunak seringkali cukup jelas karena aturannya dapat dibaca sebagai (hampir) bahasa normal;
• Mereka membutuhkan kekuatan komputer yang cukup besar saat jumlah peraturan meningkat;
• Mereka relatif lamban untuk menghasilkan solusi namun paling baik digunakan untuk kasus dimana hasil yang lambat dapat diterapkan;
• Mereka membutuhkan perangkat lunak khusus;
• Mereka tidak begitu terkenal, jadi aplikasi mereka mungkin lambat untuk mendapat bantuan.

GAMBAR 5.5 Sistem pengukuran indeks kenyamanan sederhana menggunakan variabel suhu dan kelembaban.

GAMBAR 5.6 Rangkaian garing konvensional untuk sistem pengukuran pada Gambar 5.5.

Sistem pakar fuzzy menggabungkan fungsi dan aturan keanggotaan fuzzy, menggantikan logika Boolean yang sering terlalu rileks, hingga alasan tentang data. Sistem pakar fuzzy biasanya terdiri dari tiga bagian pengolahan:

GAMBAR 5.7 Fuzzy mengatur suhu representasi rezim di contoh pengendali kenyamanan.

GAMBAR 5.8 Sebuah sistem inferensi fuzzy menggabungkan aturan dengan cara yang memungkinkan mereka menjadi tidak jelas di alam, yaitu tidak garing.

Langkah 1. Fuzzifikasi

GAMBAR 5.9 Kelembaban fungsi keanggotaan untuk contoh pengontrol.

Langkah 2. Evaluasi aturan

TABEL 5.1 Matriks Fuzzy Associative Links Input dan Outputs

Fungsi langkah evaluasi peraturan adalah mengevaluasi kekuatan relatif atau kebenaran masing-masing peraturan untuk menentukan aturan mana yang mendominasi. 

Langkah 3. Defuzzifikasi

Metode yang paling umum digunakan untuk defuzzify nilai output fuzzy adalah metode central of gravity (COG). Kekuatan aturan fuzzy yang ditentukan dari evaluasi aturan digunakan untuk memotong bagian atas fungsi keanggotaan output. Dengan kurva area ini, COG atau titik keseimbangan kemudian dapat dihitung.

GAMBAR 5.10 Fungsi keanggotaan output untuk kontroler. Setiap jenis area teduh mewakili tiga keadaan kenyamanan.

Algoritma genetika

 

GAMBAR 5.11 Jaringan syaraf tiga lapisan khas seperti yang biasa digunakan untuk membuat pemetaan optimal dari sensor ke keluaran.

Backpropagation
Backpropagation adalah contoh dari paradigma pembelajaran yang diawasi yang biasa digunakan dengan arsitektur jaringan perceptron multilayer. Backpropagation mengikuti prinsip koreksi kesalahan dan menggunakan sinyal kesalahan {d (output yang diinginkan) - y (output aktual)} untuk memodifikasi bobot koneksi untuk mengurangi kesalahan ini.

Algoritma backpropagation diimplementasikan sebagai berikut:
1. Inisialisasi bobot jaringan ke nilai acak kecil.
2. Presentasikan vektor masukan x0, ... xN-1 dan vektor keluaran yang diinginkan d0, ...dM-1.
3. Hitunglah vektor keluaran aktual y0, ... yM-1 dengan menyebarkan input melalui jaringan.
4. Gunakan algoritma rekursif yang dimulai dari lapisan output dan atur bobot yang terbelakang

5. Kembali ke Langkah 2 dan ulangi untuk pola berikutnya sampai kesalahan mencapai tingkat minimum yang telah ditentukan.

Untuk lapisan output l = L error dihitung:

Untuk lapisan tersembunyi l = (L - 1), ..., 1. kesalahan dihitung:

JST sekarang merupakan prosedur yang umum digunakan untuk menyiapkan sistem pemetaan sensor. Contohnya adalah deteksi gambar uang kertas dan peningkatan kepekaan pendeteksian aluminium dalam air.

5.7 Permasalahan dalam Kalibrasi Metode Pengolahan AI [Kembali]

Kalibrasi sistem pengukuran adalah hasil dari proses yang disepakati, seringkali mengikat secara hukum, dimana terbukti memiliki tingkat akurasi yang dinyatakan dalam hasil pengukurannya. Dalam istilah konvensional, istilah ini menyiratkan bahwa sistem dapat dibentuk dan dibandingkan dengan metode pengukuran kinerja superior untuk memberikan kesalahan ketepatan dan variansnya dari nilai yang disepakati yang ditentukan.
dengan tingkat ketidakpastian. Saat ini, kalibrasi dan validasi sistem AI tidak distandarisasi dengan baik. Hal ini menghambat penerimaan, namun standardisasi akan meningkat karena pengetahuan dunia tentang metode pengolahan yang relatif baru ini berkembang menjadi kedewasaan yang lebih dalam di dalam instrumentasi. Akan ada penolakan terhadap penggunaan metode AI, namun keuntungan kinerja yang mereka dapatkan akan memastikan penggunaannya. 


HTML dapat di Download DISINI 
Rangkaian dapat di Download DISINI

References :

J.G. Webster (Ed), Measurement, Instrumentation, and Sensors Handbook CRCnetBase 1999, CRC Press LLC,1999.

MENUJU AWAL