pi
9
8
pi/2
7
|X(omega)|
6
5
4
3
-pi/2
2
1
0
pi/2
pi
omega
3pi/2
-pi
0
2pi
pi/2
pi
3pi/2
2pi
N = 50
10
10
0
0
pi/2
pi
3pi/2
2pi
0
0
pi/2
VI-1
pi
3pi/2
2pi
N = 50
N = 100
2.5
2
2
1.5
1
0.5
0
-0.5
-1
-1
-1.5
-2
-2
-2.5
0
pi/2
pi
3pi/2
2pi
-3
0
pi/2
pi
3pi/2
2pi
Gambar 6.2 : Magnituda dan fasa N-point DFT untuk N=50 dan N=100
Tujuan Belajar 2
Peserta dapat melakukan analisa spektrum dengan DFT, termasuk
konsep windowing
Untuk menghitung spektrum sinyal, baik sinyal waktu kontinyu maupun sinyal waktu
diskrit, maka perlu diketahui besarnya sinyal setiap saat. Namun, secara praktis, kita
mengamati sinyal hanya dalam selang waktu tertentu. Akibatnya, spektrum sinyal harus
didekati menggunakan sejumlah data yang berhingga.
Misalkan,
1.
xa(t)
anti
aliasing
filter
B
sampling
xa(n)
L samples
Fs2B
F =
1
Fs
bila xa(t) lebih panjang dari To, tetapi kita "memaksa" diri menggunakan blok
sebesar L samples, maka gunakan window (n) berdurasi L
x (n) = x(n) (n)
1 0 n L 1
misal (n) =
lainnya
0
maka x (n) berdurasi L, gunakan pada DFT
Misalkan x(n) mengandung frekuensi tunggal 0
x(n) = cos 0 n
maka transformasi Fourier x(n) dapat dinyatakan
X ( ) = 12 [W ( 0 ) + W ( + 0 )]
VI-2
dimana W() adalah transformasi Fourier dari sekuen window, dimana untuk
rectangular window
W ( ) =
sin(L / 2) j (l 1) / 2
e
sin( / 2)
Tujuan Belajar 3
Peserta mengerti zero padding dan persamaan/perbedaan akibatnya
dibanding dengan menaikkan point DFT.
X ( ) dihitung menggunakna DFT. Jika diinginkan menghitung N-points DFT dimana
N > L maka dapat dilakukan zero padding, yaitu dengan menyisipkan sejumlah (NL)
buah nol pada sekuen { x (n ) }. Gambar dibawah memperlihatkan magnituda spektrum
untuk L=25 dan N=2048. Seperti terlihat pada gambar tersebut, spektrum X ( ) tidak
terlokalisir pada satu frekuensi tetapi menyebar ke seluruh range frekuensi. Jadi, daya
dari sinyal x(n) yang sebelumnya terkonsentrasi pada satu frekuensi sekarang tersebar
ke seluruh range frekuensi, atau disebut leakage.
L = 32, N = 2048
16
14
12
10
8
6
4
2
0
0
pi/2
pi
3pi/2
2pi
Tujuan Belajar 4
Peserta dapat mengurangi kebocoran spektrum (spektral leakage)
Windowing, selain menyebabkan kesalahan estimasi spektrum sinyal karena leakage,
juga mengurangi resolusi spektrum. Misalkan terdapat sinyal terdiri dari dua frekuensi :
x(n) = cos1n + cos2n
dengan menggunakan windowing, maka
x (n) = n x(n)
VI-3
Zero crossing W() terjadi pada = 2/L, bila |1-2| < 2/L maka terjadi
overlap pada W(-1) dan W(-2), jika |1-2| 2/L maka muncul 2 lobe.
Jadi kemampuan meresolusi garis spektrum ditentukan oleh lebar main-lobe dari
window.
Contoh :
x(n) = cos 0.2n + cos 0.22n + cos 0.6n
Terdapat dua frekuensi yang saling berdekatan, yaitu 0.2 dan 0.22. Kedua
frekuensi tidak bisa dipisahkan menggunakan L=25 dan L=50, kedua frekuensi baru
terpisah menggunakan L = 100.
Untuk mengurangi kebocoran dapat digunakan window w(n) dengan side-lobe yang
rendah yang berakibat main-lobe melebar (resolusi meningkat). Bila spektrum window
relatif sempit dibanding X() maka efek smoothing kecil, sebaliknya bila spektrum
window relatif lebar maka efek W() lebih dominan sehingga harus dihindari.
Contoh :
1
2
1 cos
n 0 n L 1
Hanning Window
( n) = 2
L 1
0
otherwise
yang digunakan pada sinyal seperti diatas. Perhatikan gambar dibawah, menggunakan
Hanning window.
VI-4
X (k ) = x(m)W
m =0
N 1
km
N
kN
N
=W
N 1
x(m)W
m =0
km
N
= x(m)WN k ( N m ) = yk (n) n = N
m =0
N 1
hk (n) W
x(m)
u ( n)
Hk(n)
yk(n)
tunggu sampai n = N
VI-5
yk(N) = X(k)
Ctt.
H k ( z) =
1
1 WN k z 1
yk (n) = WN k yk (n 1) + x(n)
y(-1) = 0
k
(1 W
(1 W
k
N
k
N
)
)
z 1
H k ( z)
z 1
H (k ) =
sehingga
1 WNk z 1
k
1 2 cos 2 z 1 + z 2
N
2k
vk (n 1) vk (n 2 ) + x(n )
N
yk (n ) = vk (n ) WNk vk (n 1)
vk (n ) = 2 cos
VI-6