Bagaimana Hamming Belajar Filter Digital
Hamming datang ke filter digital sebagai matematikawan, bukan sebagai insinyur listrik. Ketika dia bertanya kepada insinyur mengapa mereka menggunakan sinusoid daripada polinomial atau fungsi Bessel, tidak ada yang memberikan jawaban yang memuaskan. Jadi dia kembali ke dasar-dasarnya.
Dia mengidentifikasi tiga alasan independen mengapa eksponen kompleks mendominasi pemrosesan sinyal digital. Setiap alasan sendiri membenarkan pilihan; bersama mereka membuatnya hampir wajib.
Alasan 1: Waktu Invarian
Banyak sistem pemrosesan sinyal tidak memiliki asal waktu alami. Suatu filter yang diterapkan pukul 12 siang harus bertindak identik dengan filter yang sama yang diterapkan pukul 12 malam. Konstrain waktu invarian ini memaksa eigenfungsi menjadi eksponen kompleks.
Dalam istilah matematis: jika sebuah sistem linier, waktu-tertahan (LTI) memiliki input x(n) = e^{i2πfn}, outputnya juga harus bergemuruh pada frekuensi f. Hanya eksponen kompleks yang memenuhi hal ini.
Alasan 2: Linearitas
Sistem linier mengikuti prinsip kepadatan. Fungsi eigen dari setiap operator linier adalah fungsi-fungsi yang tetap tidak berubah (kecuali skala) ketika operator tersebut beraksi pada mereka. Untuk operator shift S: x(n) → x(n−1), fungsi eigen adalah tepatnya e^{i2πfn}.
Alasan 3: Sampling Nyquist
Jika sebuah sinyal kontinu tidak mengandung frekuensi di atas f_max, mengambil sampel sinyal tersebut dengan laju ≥ 2f_max akan menangkap semua informasi. Teorema sampling Nyquist-Shannon ini menghubungkan pemrosesan sinyal kontinu & diskrit dengan bersih hanya untuk representasi Fourier.
Dalam pengambilan sampel teratur, satu frekuensi tinggi alias ke satu frekuensi lebih rendah yang tunggal. Dalam basis polinomial, satu kuadrat tinggi dari t alias ke banyak kuadrat yang lebih rendah: kekacauan yang dihindari oleh Fourier sepenuhnya.
Fungsi Transfer sebagai Eigenvalue
Ketika e^{i2πfn} memasuki sebuah filter linier, waktu-tertahan, outputnya sama dengan H(f) · e^{i2πfn} untuk sebuah bilangan kompleks H(f). Filter mengatur & menggeser getaran tetapi tidak dapat mengubah frekuensinya.
H(f) mengkumpulkan semua perilaku filter pada frekuensi f menjadi satu bilangan kompleks. Untuk filter dengan koefisien c_k:
H(f) = Σ c_k · e^{−i2πfk}
Formula ini membuat H(f) transform Fourier dari urutan koefisien. Setiap saluran frekuensi beroperasi secara independen. Filter memecah masukan menjadi komponen frekuensi, mengalikan setiapnya dengan H(f), dan merekonstruksinya.
Teorema Sampel
Hamming mencatat bahwa teorema sampel Nyquist dikenal sebelum Nyquist, tetapi Nyquist yang mendapat kredit. Dia menuturkan Pasteur: 'Kesempatan menguntungkan pikiran yang bersiap.' Orang yang menghubungkan ide yang ada dengan kebutuhan praktis mendapat julukan.
Teorema
Jika sinyal kontinu x(t) tidak mengandung komponen frekuensi di atas f_max, maka mengambil sampelnya pada laju f_s ≥ 2·f_max menangkap semua informasi. Sinyal asli dapat direkonstruksi dengan tepat dari sampel-sampel tersebut.
Garis batas f_s / 2 = f_max yang membawa nama Nyquist. Sampel pada laju Nyquist (2·f_max) cukup secara teoretis tetapi berbahaya secara praktis: setiap kesalahan sedikit akan menimbulkan aliasing terhadap frekuensi tertinggi.
Aliasing
Ketika sinyal mengandung frekuensi di atas f_s/2, frekuensi-frekuensi tersebut bergeser ke dalam rentang [0, f_s/2]. Sinusoida pada f = f_s/2 + δ tampak tidak dapat dibedakan dari satu pada f_s/2 − δ. Tukey mencetuskan istilah aliasing untuk menggambarkan peniruan ini.
Gambar geometri: eksponen kompleks pada frekuensi f & f + f_s menghasilkan sampel yang sama pada waktu bulat. Mereka membagi alias.
Memilih Tingkat Sampel
Sebuah sistem digital audio praktis harus memilih tingkat sampel sebelum merancang filter. Manusia mendengar hingga kira-kira 20 kHz. Tingkat sampel standar CD 44.1 kHz menetapkan frekuensi Nyquist pada 22.05 kHz.
Sebelum sampling, filter anti-aliasing harus menghapus semua frekuensi di atas frekuensi Nyquist. Jika bahkan komponen kecil 25 kHz masuk ke pengambilan sampel, itu alias ke 44100 − 25000 = 19.1 kHz — dapat didengar.
Tiga Batasan Hardware
Hamming mengajarkan pelajaran yang lebih luas di luar matematika. Filter digital ada karena batasan hardware — dan memahami batasan tersebut akan membentuk desain yang baik.
Dia mengidentifikasi tiga hukum alam yang membatasi kinerja hardware:
1. Ukuran molekul: rangkaian tidak dapat mengecil secara tidak terbatas. Di bawah skala tertentu, efek kuantum akan dominan.
2. Kecepatan cahaya: sinyal tidak dapat lebih cepat dari 3×10⁸ m/s. Siklus waktu yang lebih cepat dari waktu transit sinyal di dalam chip akan menghasilkan glitch.
3. Dissipasi panas: mengubah keadaan menyebabkan konsumsi daya yang menjadi panas. Chip yang padat dan cepat akan panas jika tidak didinginkan.
Filosofi desainnya mengikuti secara langsung: pahami batasan-batasan, kemudian desain sistem yang beroperasi dengan nyaman di dalamnya, dengan ruang untuk variasi dan kesalahan.
Filter digital memindahkan komputasi dari hardware (sirkuit analog) ke software (aritmatika pada sampel). Perpindahan ini menggantikan kekerasan hardware dengan akurasi numerik dan keterampilan yang dapat diprogram — akibat teorema sampling, bukan keajaiban.
Filosofi Desain Hamming
Pengungkapan Hamming: filter digital menerapkan di software apa yang filter analog lakukan di hardware. Teorema sampling adalah jembatan. Setelah Anda tahu jembatan tersebut kokoh, Anda bisa merancang filter dengan menentukan fungsi transfer yang diinginkan H(f), lalu menemukan urutan koefisien yang mewujudkannya.
Tugas insinyur menjadi spesifikasi & aritmatika, bukan menggulung induktor & menempel kapasitor.