Anda di halaman 1dari 9

MODUL 5

DFT (DISCREATE FOURIER TRANSFORM)


I. TUJUAN
Memahami konsep dasar transformasi sinyal waktu diskrit dan mampu
menyusun program simulasinya.
II. TEORI DASAR
Transformasi Foureir Diskrit atau dalam bahasa aslinya disebut sebagai
discrete Fourier transform (DFT), merupakan turunan dari Fourier transform
(FT). Transformasi Fourier untuk sebuah sinyal waktu kontinyu x(t) secara
matematis dituliskan sebagai

!ementara DFT dibentuk dengan menggantikan integral berhingga dengan
sederetan "umlahan pada suatu nilai berhingga
!imbol memiliki arti equal by definition yaitu bahwa sisi kiri secara definisi
akan senilai dengan sisi kanan. !ementara x(t
n
) selan"utnya akan dikenal "uga
sebagai x(n), yang merupakan notasi sample ke#n pada sinyal input.
$(
k
) "uga dapat di"umpai sebagai $(k) yang merupakan spectral sample ke#k.
%arameter lain yaitu
& merupakan dasar dari bilangan komplek.


k
& k & merupakan sample frekuensi ke#k. !edangkan merupakan
'nter(al sampling dalam radian dan memiliki nilai ) &*+,-T.



- & merupakan sample frekuensi yang digunakan.
T & .,f
s
& .,(sampling rate).
Dengan melihat persamaan (*) "elas bagi kita bahwa DFT memiliki basis sinyal
sinusoda dan merupakan bentuk komplek. !ehingga representasi domain
frekuensi yang dihasilkan "uga akan memiliki bentuk komplek. Dengan
demikian anda akan melihat adanya bagian real dan ima"iner, dan bisa "uga hasil
transformasi direpresentasikan dalam bentuk nilai absolute yang "uga dikenal
sebagai magnitudo respon frekuensinya dan magnitudo respon fase.
!elan"utnya untuk proses pengolahan sinyal digital, DFT mutlak diperlukan
karena akan berhubungan dengan sinyal waktu diskrit, yang merupakan bentuk
tersampel dari sinyal waktu kontinyu. Dan dalam praktikum ini akan
memanfaatkan bentuk dasar library fft yang merupakan pengembangan dari
algorithma dasar DFT. Mengapa menggunakan fft/ 0al ini bisa di"awab dengan
anda masuk ke Matlab command like dan ketikkan help fft.
1kan muncul keterangan
FFT Discrete Fourier transform.
FFT(X) is the discrete Fourier transform (DFT) of
vector X. For matrices, the FFT operation is applied
to each column. For N-D arrays, the FFT operation
operates on the first non-sinleton dimension.
FFT(X,N) is the N-point FFT, padded !ith "eros if
X has less than N points and truncated if it has
more.
2ukup "elas mengapa bisa memanfaatkan library fft dalam praktikum kali ini.
III. PERALATAN
# %2 multimedia yang sudah dilengkapi dengan 3! 4indows
# %erangkat 5unak Matlab
IV. LANGKAH PERCOBAAN
!ebelum memasuki bentuk DFT yang benar#benar representatif dalam
pengolahan ke domain frekuensi yang sebenarnya, kita akan memulai dengan
langkah yang paling dasar dengan tu"uan anda akan merasa lebih mudah
memahaminya bagaimana sebenarnya konsep DFT beke"a.
.. 6ntuk memulai langkah program DFT, di mulai dengan membuat program
baru,
yang mengacu pada bentuk persamaan berikut ini.
1tau dalam bentuk real dan imaginer
clear all;
N=200;
nn=N-1;
for
k=1:20
0;
x_n=0.0
; for
n=1:nn
x_n = (3*cos(0.02*pi*n)).*(exp(-j*k*2*pi*n/200)) + x_n;
en
!"(k)=real(x_
n);
!#(k)=i$a%(x_
n);
$a%ni_k(k)=s&r'(real(x_n).*real(x_n)
+i$a%(x_n).*i$a%(x_n));
en
(%)re(1)
s!s'e$(!")
axis(*0 200 0
+00,)
xla-el(.inek
fek)ensi.)
'i'le(./a%ian
"eal.)
%ri;
(%)re(2)
s'e$(!#)
axis(*0 200 0
+00,)
xla-el(.inek
frek)ensi.)
'i'le(./a%ian
#$ajiner.) %ri;
*. 2ara yang paling mudah dalam mengu"i program transformasi ke
domain frekuensi adalah dengan menggunakan sinyal bernada tunggal,
yaitu sinyal dengan fungsi dasar sinusoida.
!usun sebuah program baru dengan algorithma yang merupakan kombinasi
dari percobaan ke#. dan percobaan ke#*.
clear all
0 = 12+; 1 sa$plin% ra'e
2pf = 2; 1 2ero-pain% fac'or
n = 0:1/0:(0-1)/0; 1 iscre'e 'i$e axis ( =
3;
1 fre&)enc!
x4 = *sin(2*pi*n*()52eros(15(2pf-1)*0),;
nn=len%'6(x4);
k=0:nn-1;
1 7lo' 'i$e a'a:
s)-plo'(25151);
plo'(2pf*k/nn5x4);
1nor$alisasi a-sis o$ain 4ak') axis(*0 2pf -1.1 1.1,)
xla-el(.o$ain 4ak') (e'ik).)
1 8$oo'6e5 in'erpola'e spec'r)$: 9 =
:'(x4);
spec = a-s(9);
f_9=len%'6(9)
f=0:f_9-1;
1 7lo' spec'ral
$a%ni')e:
s)-plo'(25152);
plo'(f/05spec);
axis(*0 0/0 0 100,)
xla-el(.o$ain frek)ensi (x pi)5 'ernor$alisasi 'er6aap
frek)ensi sa$plin%.)
V. ANALISA DATA
%ada percobaan pertama, ada dua nilai non#7ero dalam domain frekuensi
indeks, tepatnya pada n&* dan n&-#* atau .89, masing#masing bernilai :;;.
-ilai ini merepresentasikan 1-,*, dimana 1&: yang merupakan amplitudo
sinyal cosinus dan - & *;; merupakan "umlah sample yang digunakan.
!ementara bagian ima"iner bernilai nol semua. <adi transformasi sinyal diskrit
dengan transformasi fourier membutuhkan sampel#sampel dari sinyal kontinyu sehingga
didapatkan sinyal diskrit yang diinginkan. %engambilan sampel sinyal kontinyu perlu
diperhatikan agar hasil transformasi yang diharapkan sesuai dengan gambaran sinyal
tersebut dalam bentuk sinyal kontinyu.
Gambar 1. 0asil %rint !creen dari script program DTF
Gambar . =agian real pada domain frekuensi
.


Gambar !. =agian ima"iner pada domain frekuensi
Gambar ". 0asil printscreen dari program DTF dalam domain waktu.




Gambar 5. !inyal sinus dalam domain waktu dan hasil DFT
$> w dihitung menggunakna DFT. <ika diinginkan menghitung -#points DFT
dimana - ? 5 maka dapat dilakukan 7ero padding, yaitu dengan menyisipkan se"umlah
(-@5) buah nol pada sekuen Ax> nB. Cambar dibawah memperlihatkan magnituda
spectrum untuk 5&*D dan -&*;E9. !eperti terlihat pada gambar tersebut, spectrum $>
w tidak terlokalisir pada satu frekuensi tetapi menyebar ke seluruh range frekuensi.
<adi, daya dari sinyal x(n) yang sebelumnya terkonsentrasi pada satu frekuensi
sekarang tersebar ke seluruh range frekuensi, atau disebut leakage.

Anda mungkin juga menyukai