Sejarah Pengelolahan Sinyal Digital (PSD)

What is Digital Signal Processing ?

Digital adalah istilah yang merujuk pada penggunaan sinyal waktu diskrit untuk merepresentasikan data dalam bentuk angka. Ini berarti informasi yang awalnya bersifat kontinu diwakili dan diolah dalam bentuk yang terdiri dari angka-angka terpisah pada titik-titik waktu tertentu.

Sinyal, dalam konteks ini, merujuk pada kuantitas fisik yang membawa pesan atau informasi. Sinyal ini bisa berupa perubahan dalam variabel fisik seperti amplitudo, frekuensi, atau fase, yang dapat diukur dan direpresentasikan sebagai data digital.

Processing atau pengolahan adalah serangkaian operasi yang dilakukan sesuai dengan instruksi yang telah diprogram sebelumnya, yang melibatkan representasi matematik dan algoritma tertentu. Dalam konteks digital, proses ini dilakukan menggunakan perangkat digital, seperti komputer atau mikroprosesor. Tujuan dari pengolahan digital adalah untuk melakukan analisis, modifikasi, atau ekstraksi informasi dari data digital tersebut.

Jadi, secara sederhana, digital melibatkan penggunaan angka untuk merepresentasikan data diskrit, sinyal adalah pembawa informasi fisik, dan pengolahan adalah serangkaian operasi matematik dan algoritma yang diterapkan pada data digital menggunakan perangkat digital.

Sejarah Perkembangan PSD

Pada tahun 1960-an, dunia melihat perkembangan pesat dalam penelitian simulasi komputer untuk berbagai keperluan. Namun, titik penting dalam sejarah pengolahan sinyal digital (PSD) muncul pada tahun 1969, ketika Bernard Gold dan Charles Rader dari MIT menyatukan berbagai bidang penelitian dalam buku berjudul "Digital Processing of Signals". Ini menjadi tonggak awal dalam membukukan pengetahuan tentang pengolahan sinyal digital.

Pada tahun 1975, Alan Oppenheim dan Ronald Schafer menerbitkan buku berjudul "Digital Signal Processing", yang menjadi referensi penting dalam domain ini. Pada waktu yang sama, Gold dan Rabiner juga merilis karya penting mereka yang berjudul "Theory and Applications of Digital Signal Processing", yang turut memberikan kontribusi besar dalam memahami dan mengaplikasikan PSD.

Selanjutnya, pada tahun 1980-an, terjadi perkembangan signifikan dengan munculnya mikroprosesor yang dikhususkan untuk pengolahan sinyal digital (DSP Processor). Perkembangan ini memungkinkan pengolahan sinyal digital menjadi lebih efisien dan cepat. Pada periode yang sama, kecerdasan buatan (Artificial Intelligence) juga mulai menjadi populer.

Pada tahun 1990-an, aplikasi PSD berkembang pesat, didukung oleh kemajuan dalam kapasitas dan kecepatan komputer yang semakin tinggi. Memori yang lebih besar dan kecepatan komputasi yang lebih tinggi memberikan dukungan bagi perkembangan berbagai teknik dan algoritma baru dalam PSD, seperti penggunaan Wavelet dan Independent Component Analysis (ICA).

Secara keseluruhan, perkembangan PSD melibatkan evolusi dari penelitian awal pada simulasi komputer hingga kemunculan teknologi khusus seperti DSP Processor, dan terus berkembang dengan pesat seiring dengan peningkatan kapasitas dan kecepatan komputer serta pengembangan algoritma pengolahan sinyal digital yang lebih canggih.

Kekurangan PSD -- Antialias Filter

Dalam teori sampling, konsepnya adalah bahwa jika kita memiliki cukup informasi dalam sampel-sampel yang diambil dari suatu sinyal, kita sebenarnya dapat merekonstruksi kembali sinyal tersebut. Yang menarik adalah, sinyal hasil rekonstruksi ini tidak harus persis sama dengan sinyal aslinya.

Penting untuk diingat bahwa proses rekonstruksi yang benar tidak hanya sebatas menghubungkan titik sampel dengan garis lurus. Sebaliknya, diperlukan pendekatan yang lebih canggih untuk menghasilkan representasi yang akurat. Salah satu elemen kunci dalam proses ini adalah penggunaan antialias filter. Fungsi dari filter ini adalah menyaring semua komponen frekuensi tinggi sebelum sampel-sampel tersebut direkonstruksi. Penggunaan antialias filter bukan berarti menghilangkan informasi, melainkan membantu menyaring komponen-komponen yang dapat menyebabkan distorsi atau artefak pada hasil rekonstruksi. Dengan demikian, proses sampling dan rekonstruksi yang tepat dapat memberikan representasi yang baik dari sinyal asli tanpa kehilangan informasi penting.

Kelemahan PSD Aliasing

• Hampir semua sinyal di alam merupakan analog, sehingga harus dilakukan sampling kehilangan informasi
• Sinyal hanya dicuplik dalam interval tertentu, ada saat di mana bagian sinyal tidak tercuplik aliasing

Tidak dapat membedakan antara sinyal dengan frekuensi lebih tinggi atau lebih rendah

• Teori sampling: untuk menghindari aliasing, sampling rate minimal harus dua kali maksimum komponen frekuensi (bandwidth) dari sinyal.

Frequency Resolution

1.   Hampir semua sinyal di alam merupakan analog, sehingga harus dilakukan sampling kehilangan informasi.

2. Kita hanya mengambil sample untuk waktu yang terbatas limited frequency resolution.

Kekurangan PSD -- Error Kuantisasi

• Hampir semua sinyal di alam merupakan analog, sehingga harus dilakukan sampling kehilangan informasi
• Keterbatasan (oleh jumlah bit yang tersedia) ketepatan dalam penyimpanan data dan operasi matematikanya quantisation error.

Akibatnya sinyal analog yang mulus, direpresentasikan oleh bentuk gelombang "stepped".

Keunggulan PSD

• Sistem digital memiliki beberapa keunggulan dibandingkan dengan sistem analog. Pertama, sistem digital mudah diprogram ulang untuk aplikasi yang berbeda dan dapat disimpan dalam berbagai media. Ini berarti kita tidak perlu merancang ulang perangkat keras (hardware) secara keseluruhan saat ingin mengubah fungsionalitas sistem. Proses yang sama pada sistem analog memerlukan desain ulang hardware, serta tahap testing dan verifikasi yang lebih rumit.
• Keunggulan kedua adalah penggunaan Pulse Code Modulation (PCM) atau modulasi lainnya pada sistem digital memungkinkan pengendalian akurasi yang lebih baik. Sistem analog sering bergantung pada toleransi komponen yang ketat, dan responnya dapat dipengaruhi oleh kondisi seperti suhu dan parameter eksternal lainnya.
• Selanjutnya, sistem digital dapat mengolah sinyal berfrekuensi sangat rendah, seperti sinyal gempa (seismic), tanpa memerlukan komponen analog seperti induktor dan kapasitor dengan ukuran yang besar. Ini membuatnya lebih efisien dan fleksibel dalam menangani berbagai jenis sinyal.
• Terakhir, untuk mencapai hasil yang lebih baik, sistem digital memungkinkan penerapan algoritma pengolahan sinyal yang lebih canggih. Hal ini sulit dilakukan pada sistem analog karena sulit menerapkan operasi matematika yang tepat pada sinyal analog. Dengan kemampuan ini, sistem digital dapat memberikan solusi yang lebih presisi dan adaptif sesuai dengan kebutuhan aplikasi.