Nama : Gloria Virgyan NIM: H061201054 TUGAS 4 ANALISIS SINYAL 1. Jika x adalah sinyal masukan dan h adalah sinyal respon impuls. Convolusikan ke dua sinyal tersebut sebagai (y). Nyatakan hasil convolusi sebagai disp keluaran. Buatlah keluaran sebagai stem dan berilah xlabel (‘sinyal n’) dan ylabel(’‘Amplitudo) % masukkan data x= [612] 6 4 2 h= [548] he 5 4 % menentukan konvolusinya y=conv(x,h) ye 3 2 mw 8 oe X menanpilkan gambar Figure; subplot (3,1,1); ‘stem(x),ylabel('Amplitudo’); xlabel('(2) 9" subplot (3,1,2); stem(h),ylabel( ‘Anplitudo’); xlabel('(b) Sinyal n ‘); subplot (3,1,3); stem(y); (‘Amplitude’) xlabel('(¢) Sinyal n' : : on oor . . 5, ! o)sinyatn 1 18 2 28 3 35 4 (¢) Sinyal a disp(‘Hasil resultan sinyal') Hasil resultan sinyal 458 Dipndai enganCamscamer2, Plot sinyal hasil dari Konvolusikan sinyal berbentuk cos (2°pi"t) dimana masukan Suatu sinyal ‘mempunyai time sebesar 20, selang menghitung 0.1. Lebar sinyal mulai t = -time: 0.1: time; 20] -20,000@ 19.9008 -19.8062 -19.700 -19.6000 -19.52@0 19.4008 -19.3000 -19. 2000 -19,1808 19,0020 -18.9008 -18.8200 18.7008 18.6002 -18.50@ 18.4000 -18.3000 ~ 18.2000 -18.100@ -18.0008 -17.9900 -17.800 17.7008 -17.6000 17.5000 -17.4000 - 17.3080 -17.20@ -17.1088 -17.0002 -16.9008 16.8000 -16.700@ -16.6000 -16.5000 - 16.4000 -16.3000 -16.2000 -16.1000 16.0000 15.9000 -15.8000 -15.7000 15.6000 - 15.5000 -15.40@ -15.3008 -15.2000 15.1000 os(2*pitt) 1.08¢e 0.8098 8.3898 -0.3092 -0.8090 1.0080 -0.8092 -0.3090 0, 3098 2.8098 1.0008 2.8098 8.3099 -0.3099 -0.8090 © -1.0008 -0.8090 -@.3090 2.3099 0.8099 1.082 © .8099 0.3000 -0.2098 -0.8099 1.0000 -0.8000 - 2.3099 0.3099 2.8098 © 1.0008 0.8099 0.3098 © -0.3098 | -0.8099 -1.0000 - a.2099 | -0.3099 2.3092 .8098 1.0000 a.8092 © 0.3098 -0.3090 -@.a000 - 1.0098 -0.8099 -@.309@ 0.3099 0.8090 yeconv(t,x) ye 20,0000 -36.0803 -42.0798 -35.6876 -19.3264 0.7736 16.9539 23.0534 16,7612 2.5000 -19.5000 -35.5803 41.5798 -35.1876 -18.8264 1.2736 17.4539 23.5534 17.2612 1.0002 -19.0880 -35,0803 41.0798 -34.6876 -18.3264 1.7736 17.9539 28.0534 17.7612 1.5000 -18.5000 -34.5803 -40.5798 -34.1875 -17.8264 2.2736 18.4529 24.5534 18.2612 2.0082 18.0008 24.0803 -40.0798 -33.6876 -17.3268 2.7736 18.9539 25.0534 18.7612 2.5000 Figure plot(y) title(*Hasil Konvolusi') arid on 50 100 200 300 400 «500 600 700800900 Dips dengan Carseamrer3. Dua sekuen sebagai berikut x(n) =[6, 1, 20, 10, 5, 4], Oss 20 dan h(n) = (2, 3, 2, 0, 2, 1] 15053. Catatan x(n) merupakan nomor induk mahasiswa saudara, minus HO. Hitunglah konvolusi dari 2 sekuen di atas 6, 1, 20, 10, 5, 4] 6 1 2m w 5 4 he(2, 3, 2, 2, 4] he 2 3 2 @ 2 1 ‘onv(x,h) ye 2 2 55 #2 92 SL 6B figure subplot (3,1,1); stem(x), ylabel(Anplitude’); xlabel("(2) 9 ')5 subplot (3,1,2)3 stem(h),ylabel(‘Anplitude’); xlabel("(b) © ‘subplot(3,1,3)3 stem(y);( Amplitude’); xlabel("(¢) n")3 m1 4 (a)n disp('Hasil resultan sinyal") Hasil resultan sinyal 10 2 Dipndai enganCamscamer4, Jika sinyal masukan adalah x = sinyal memenuhi persamaan y = y +.01."rand(size(y)) dan ): 01:5; dan y = zeros(size(x)), y(900:1100)= exp(-(1:lenght(y))./30); bentuk Tentukan konvolusi ke dua sinyal tersebut, setelah didapatkan konvolusi selanjutnya “dekonvolusi sinyal” hasil dari Konvolusi. Catatan : terdapat 4 gambar ada peng’piot'an. 8097 0066 8017 2095 ee 2 8 ee eo @ ee ee 2.0013 x=0: 01:5; yezeros(size(x)) ye 2 8 8 e 0 8 @ e@ 0 8 @ e 0 8 y(900:1100)=1, ye 2 8 .e e 0 8 @ e 0 8 @ e 0 @ yey+.@1.*rand(size(y)) y 2.0081 0.0092 2.0096 0.0015. e.0e79 0.0095. 2.0039 0.0065. e.009 0.0032 a. 2.009 0.0085. 8065 crexp(-(1:length(y))./38) €.9672 0.9355 a.716s 0.6930 a. @.53@8 0.5134. 2.3932 0.3803 @. 2.2913 0.2818. a.21s@ 0.2087. weconv(y,c) 2.0079 0.0164 e052 0.0522. e.0871 0.0935. 153 0.1179 a. 2.1155 @.1148 2.1227 0.1229 @. zedeconv(w,c) 2.0081 0.0091 2.009 0.0015. 2.0079 0.9095. 2.0039 0.0065. e.ce9 0.0032. 2.009 0.0085. figure plot(y,"b.-') 0599 0968 1157 a. 1202 1252 0087 8066 0017 0095 8065 2.9048 73a. 4966 3679 2725 a. 2019 e.0172 2.0013 e a. @. 2. e. 2. e. a. a. 2.0092 2095 e. aoa. eon e. e003, coe. @.8752 083 4803 asse 2636 1983 2.0253 672 2939 ua? 1166 1279 2.0091 2035, ees, e071. e003. 2071. e 8 eo 0.0063 ee eos 2003 a 00448. 2075 0.8465 ea. 4646 mz a. 25508. 1889 0.0306 2cs7 a e991 asia. 11708. 1310 0.0063 20198. 20858. 20038 20448. 2075 e oe ee e 8 ee e 8 e o@ e.0e10 ose 8. 0023 a. 00288. 00328. 2.8187 ssa. 4493 a. 3329 a. 28668. 2.0306 07528. 10498, sae a. 11698. 2.0010 ove 8. 0093 a 00288. e032 a. ee Be ee e eee ee 8 ee e@ ee e 0.2028 0.0055 e01e 0, e042 oss 0.0076 e005 0. ¢010 2077 2.0080 0.7919 0.7659 sass 0.5674 4346 0.4204 3228 0.3114 2385 0.2367 2.0323 0.0365 e741 0.0757 1088 0.1118, 1167 0.1080 1206 0.1242 0.0028 0.0055 01s 0.¢0a2 e058 0.0076 00s 0. e010 2077 2.0080 0.0096 2.0092 0.0074 2.0082 e.0019 0.7408 a.sasa 2.4066 e.3012 2.2231 2.0446 e023 2.1153 @.1125 e.1219 2.0096 2.0092 2.0074 2.0082 2.0019 Dips dengan Carseamrertitle('Signal 1°) grid on Signal 1 12 a os os o4 02 0 1000 2000-3000 figure plot(e,’r.-') title('Signal 2') grid on 09 08. o7 06 05 0.4 03 02 ot 0 1000 2000 4000 Signal 2 3000 ‘5000 4000 ‘6000 5000 6000 Dipndai enganCamscamerfigure plot(w,g.-') title(‘Hasil Konvolusi') grid on Hasil Konvolusi 30 25 20 18 10 4000 6000-8000 «10000» 12000 figure plot(z,". title(‘Hasil Dekonvolusi') grid on Hasil Dekonvolusi 42 os a4 a2 0 1000 2000»=-«-3000» 4000 «8000-000 Dipndai enganCamscamer5. Apakah yg dimaksudkan dengan proses dekonvulusi seperti di bawah ini + Spiking Deconvolution + Filler Inversi Least Square + Predictive Deconvolution + Inversi Source Wavelet jawaban + Proses spiking deconvolution adalah peminimuman selisin antara input, yang berupa konvolusi antara deret reflektifitas dan wavelet sumber, dan keluaran yang diinginkan, yaitu deret reflekttitas, yang berbentuk spike + Inversi least square dilakukan untuk mendapatkan optimasi dalam mencari model yang merupakan representasi terbaik, dengan mengkombinasikan inversi Jacobi dan inversi Singular Value Decompatition (SVD), sehingga kurva resistivitas yang dihasilkan sangat mendekati dengan kurva resistivitas semunya dibandingkan dengan penelitian-penelitian sebelumnya. + Dekonvolusi prediktif merupakan proses mengaplikasikan informasi dari awal trace seismik untuk mempreciksi sistem noise dan multiple, Dekonvolusi prediktit menggunakan bagian selanjutnya dari autokorelasi untuk menghilangkan efek dari beberapa kelipatan, + Inversi Source Wavelet biasa digunakan sebagai masukan dalam membuat seismogram sintetik untuk melakukan well seismik tie Dipndai enganCamscamer