Bab 5: Discrete Fourier Transform dan FFT

1 Discrete Fourier Transform (DFT)

1.1 Definisi
Tujuan Belajar 1

Peserta dapat mendefinisikan DFT, dan menghitungnya.

Untuk melakukan analisis frekuensi dari sinyal waktu diskrit x(n) maka perlu mendapatkan
representasi domain frekuensi dari sinyal yang biasanya dinyatakan dalam domain waktu. DFT
digunakan untuk melakukan analisa frekuensi dari sinyal waktu diskrit.

NPo int DFT

x(n) ‹NNNNfi X (k) dimana n = 0, …N-1 dan k = 0, …N-1

DFT dihitung menggunakan persamaan :

Invers DFT (IDFT) menghitung kembali representasi sinyal waktu diskrit x(n) dari sinyal yang
dinyatakan X k( dalam
) domain frekuensi X(w).
(} =
1
kkn N N x n WL -1 ( )
N -1 j 2p n ŁN ł
dimana
x(n) = L NW
X (k)e Nk =0
=
1N Nj e 2p-
-kn

= L-1 X (k)WNNk =0

dimana
2p

-j

WN = eN fi akar ke N dari unity

Tujuan Belajar 2

Peserta dapat memandang DFT sebagai transformasi linier dan perkalian matriks terhadap vektor.
DFT dan IDFT dapat juga dipandang sebagai transformasi linier antara x(n) dan X(k), jadi
x

N
«

X
 N
dimana xN dan XN masing-masing adalah vektor dengan n buah elemen
(0)

X (0)
Ø

Ø
ø

x
 ø

ΠΠμ
XN

=
ΠΠμ

œ œ œß
œ œ œß

M
 M

xN
=

x(N
 1)

X (N
1)

-
 -

Jika dinyatakan matriks WN

maka, N point DFT dapat dinyatakan dalam bentuk

 [
(i)( j)
]
N

W
=

=
N

w
ij
X

N
=

Wx
 NN
sedangkan IDFT dapat dihitung jika terdapat invers dari W N.
1

-
 1

X bila W exist
 -

=
x

N
 N

NN

Contoh: Hitung 4 point DFT dari sinyal x(n) = ( 0 1 2 3 )

1111 111 ø =
123 =
ØŒŒŒŒº
-
 W4 W4
= =
+ W4

N Ingat WNk
2 k 4
=-WN W4 1
6
W4 =- 1
3
9
W4 j
0
1
2p
j
N
We
œœœ œ

246
W4
W4
W4
W4
369
W4
W4
W4
 ß 1
Ø Œ Œ Œ Œº
ø -
111
œœœ
œ

k+ 2
k
1j
ingat WN N =-WN
j

111
 - 11 - j

= 1 - 1
j - Ø œ
œ
œ
œ

ß 6 ø

- ŒŒŒ 2
Œ
 2j X = 2
=

+ W4 x 2
- - -

fi
 2j º ß 1.
2
H
- ub
un
ga
n
D
FT
de
ng
an
S
pe
kt
ru
m

Tujuan Belaj

Peserta dapat menghubungkan DFT dengan deret Fourier untuk sinyal periodik.
Misalkan xp(n) adalah sinyal periodik dengan perioda N, maka dapat dinyatakan
 ( k}
N -1 j 2p n Ł N ł

xp (n) = LCke
k =0
( k}

1 N -1 -j 2p n Ł N ł

di mana C = L x (n)e
k Nn=0 p
bila ambil x(n) = xp(n) untuk n = 0, …N-1 (satu perioda)
( k}

1 N -1 -j 2pn Ł N ł

maka Ck = L
(n)e yang tidak lain adalah X(k).
x
N
n=0

Tujuan Belajar 4

Peserta dapat menghubungkan DFT dengan spektrum dari sinyal aperiodik.

¥

Bila xp (n) = L x(n -lN) fi xp(n) periodik dengan periode N

l =-¥
( k}

¥-j 2p n

( 2p }Ł N ł

Xk = L x(n)e
Ł N ł n=-¥

(} (}
k k
-1 -j 2p n N -1 -j 2p n Ł N ł Ł N ł

= ... +L x(n)e +L x(n)e + ...

n=-Nn=0 ¥ lN +N -1 -j 2p n

( k}

Ł Nł

=L L x(n)e
l=-¥ n=lN ( k }

N -1 ¥-j 2p n

Øø
 Ł Nł

=L L (n -lN)œe = FT
x [xp n)]
(

Œw =2pk / N
n=0 ºl=-¥ ß

xp (n)0 £ n £ N -1

bila xˆ(n) ={
0 otherwise

2p

maka FT (x(n)) = X ( k )= DFT[xˆ(n)]= X (k)

w =2pk / NN

hanya bila x(n) finite duration L £ N maka x(n) = xˆ(n) sehingga IDFT {X(k)} = x(n)
 1.3 Hubungan DFT Dengan Transformasi z
Tujuan Belajar 5

Peserta dapat menghubungkan DFT dengan transformasi z dari sinyal (Langrange interpolator).

X (k) = X (z)
k

j 2p n
N
z=e

bila durasi x(n) £ N maka

N -1

X (z) = L x(n)z
-n

n=0
-NN -1

1-zX (k)
=L k
j 2p -1
N

Nk =01-ez
-jwN

1-eN -1 X (k)
fi X (w) = X (z)

z=e
=L -j(w -2pk / N )

jw Nk =01-e
fi Lagrange Interpolation

2 Sifat DFT

Tujuan Belajar 6

Peserta mengerti dan dapat memanfaatkan sifat linier, periodik dan simetri sirkular.
Sifat linier : Jika x1(n) � N-DFT � X1(k) dan x2(n) � N-DFT � X2(k) maka untuk sebarang
konstanta a1 dan a2 real atau kompleks
a1.x1(n) + a2.x2(n) � N-DFT � a1.X1(k) + a2.X2(k) Sifat periodik : Jika x(n) � N-DFT � X(k)
maka
x(n + N) = x(n) untuk semua n X(k + N) = X(k) untuk semua k Sifat simetri sirkular
 3 Filter Menggunakan DFT
Tujuan Belajar 7

Peserta dapat melakukan filtering linier dengan DFT, dan membandingkannya dengan konvolusi.
x(n) « X(w) h(n) « H(w) y(n) « Y(w)

X(w) • H(w) • Y(w)=H(w)X(w)

Assumsikan FIR dan Finite duration Let : x(n) = 0, n < 0

dan n ‡ L fi durasi L h(n) = 0, n < 0 dan n ‡ M fi
durasi M

Y(w) = H(w) X(w) durasi : L + M- 1

Bila Y(w) disample maka sampling harus N ‡ L + M -1 ( 2pk } IDFT

agar y N y(n)

‹N fi Ł N ł
maka Y (k) = Y (w) k = 0, …, N-1
2pk
w=
N

fi Y (k )= X (k )H (k ), k = 0,..., N -1
fl fl N ‡ L + M +1
zero padding
IDFT

Y (k) N y(n)

fi ‹Nfi

Contoh : FIR : h(n) = {1, 2, 3} X(n) = {1, 2, 2, 1} Cari output dengan menggunakan DFT dan IDFT

L = 4, M =3 fi N = 6 Pilih N = 8 (agar sesuai dengan FFT)

7
-j 2p () n
8

H (k) = Lk(n)ek
n=0 kk 3k
 -j 2p -j 2p -j 2p

H (k) = 1+ 2e 8 + 3e 4 + 2e 8, k = 0,...,7
( k}
7 -j 2p n

X (k) =L h(n)e Ł 8 ł
n=0
kk 3k

-jp -jp -jp

= 1+ 2e 8 + 2e 4 + 2e 8, k = 0,...,7

2+ 2( 4+ 3
2 }X (0) = 6 X (1) =
+ j
22

Łł
2 2 ( 4 -3
2 }X (2) =-1-jX (3) =
+ j
22

Łł
2 2 ( 4 -3
2 }X (4) = 0 X (5) =
+ j
22

Łł
2+ 2( 4+ 3
2 }X (6) =-1+ jX (7) =
+ j
22

Łł H (0) = 6 H (1) = (1+

2 )-j(3 +

2 ) H (2) =-2 -j2 H (3) = (1

2 )+ j(3

2 ) H (4) = 2 H (5) = (1
 2 )-j(3

2) H (6) =-2 + j2 H (7) = (1+

2 )+ j(3 +
2)

Y(k) = H(k) X(k) Y(0) = 36 Y(1) = -14.07 - j17.48 Y(2) = j4 Y(3) = 0.07 + j0.515 Y(4) = 0
Y(5) = 0.07 - j0.515 Y(6) = -j4 Y(7) = -14.07 + j17.48

fi IDFT
( k}
7 j 2p n Ł 8 ł

y(n) = LY (k)e n = 0, 1, …,7

k =0
fi y(n) = {1, 4, 9, 11, 8, 3, 0, 0} fl fl
zeropad akibat 8 point fi seakan lebih sukar dari konvolusi tetapi
akan menguntungkan bila M > 40-43 fi aliasing terjadi bila N < M + L -1

Tujuan Belajar 8
Peserta dapat melakukan filtering linier dengan DFT, untuk sinyal yang panjang, melalui metoda
overlap-save dan overlap-add.

Untuk melakukan filtering sinyal panjang dapat dilakukan dengan cara Block-by-Block -Overlap-save
method -Overlap-odd method
Asumsi FIR fi durasi M Blok fi durasi L Asumsi L >> M
• Metoda overlap-save N = L + M -1 fi N point DFT dan IDFT

M-1 L New Data

N-DFTx(n)
‹NNNfi X (k )
x(n) Untuk blok -m
Old L-1
New

YˆM (k) = H (k M k = 0, 1, …, N

fi buang Untuk blok m+1

x1(n) = {0, 0, …0, x(0), x(1), …x(L-1)}

-
• Overlap-add
ambil M-1 point terakhir di blok Method sebagai old data pada
m untuk digunakan

bagian berikut
4 Fast Fourier Transform (FFT)
Tujuan Belajar 9

Peserta mengerti konsep FFT dan butterfly.

Kebutuhan kalkulasi DFT
N -1

kn 2p 2p

X (k) = L x(n)WN WN = e -j 2 N p = cos -j sin n=0 NN

 (n) + jxI(n) bisa bernilai kompleks, maka X(k) = X R(k) + jXI(k)
karena x(n) = xr

N -1
Ø k kø
1. X (k) = L x (n)cos 2p n + x (n)sin 2p n

R ŒrI œn=0 º NN ß N -1
Ø kk ø

2. XI (k) = -LŒxR (n)sin 2p n -xI (n)cos 2p nœn=0 º NN ß

2
fi perlu fi 2N evaluasi trigonometric function
2
fi 4N real multiplications
fi 4N(N-1) real addition
fi sejumlah indexing + addressing operators

2
fi Sering disebut O(N )

k+
N k + 2k 2k

fi Gunakan fakta : WN N =-WN (simetri) WN = WN

untuk menekan komputasi

- Fast algorithms tersedia untuk N = r1, r2, …rv di mana {rj} = prime

Tujuan Belajar 10

Peserta dapat menjelaskan FFT Radix-2 desimasi dalam waktu.

v v
• Radix-2 FFT] -Kasus khusus N = r x r x r x … xr = r -R =2 fi radix-2 FFT - N = 2
Decimation in Time
FFT

x(n) ‹

fi X (k) N

f (n) = x(2n) n = 0,1,..., -1

1
2

1. x(n) f (n) = x(2n +1) bagi 2 sequences f , f

2 12
- f1 dan f2 diperoleh melalui desimasi x(n)

N -1
2. X (k) = L x(n)WN
kn
k = 0, 1, …, N-1

n=0 kn kn

= L x(n)WN +L x(n)WN
n-even n-odd
NN

-1 -1
22

2mk k (2m+1)

= L x(2m)WN +L x(2m +1)WN

m=0 m=0

2
namun W = W , maka
NN /2
NN

-1 -1
22

kmk k (2m+1)

X (k) = L f1( m)W

+WN L f2(m)W
NN

22

m=0 m=0
k
X (k) = F (k) +W F (k) k = 0,1,...N -1
1N2
di mana F1(k) : N/2 point DFT dari f1(m) F2(k) : N/2 point DFT dari f2(m)

Karena F1(k) dan F2(k) periodik, dengan perioda N/2, F1(k+N/2) = F1(k) dan F2(k+N/2) = F2(k)

k+ 2
k

k
Juga WN N =-WN , maka X (k) = F (k)+W F (k) k = 0, …(N/2)-1
1N2
N
k
X (k + ) = F (k)-W F (k) k= 0, …(N/2)-1
1N2

2
k
Bila G1(k) = F1(k) G (k) = W F (k)
2N2
X (k) = G (k)+ G (k)

12
}
N 2 -point DFT

X (k + ) = G (k) -G (k)
12
}
 2 Lanjutkan

N
V11(n) = f1(2n) point s
4
4

f1 N

V12(n) = f1(2n +1) point s

N
V21(n) = f2(2n) point s

f2 N

V (n) = f (2n +1) point s

22 2
4

k N
F (k) = V (k) +WN V (k) k - 4 point s
1 11 12
2
 k N
F (k + N
) = V (k) -WN V (k) k - 4 point s
1 411 12
2

kN

F (k) = V (k) +WV (k) k -point s

N
4
2 21 22
2

kN

F2(k + N
4
) = V21(k) -WNV22(k) k -point s
2

di mana v ‹NfiV (k) N/4 DFT pointfi O(nlogn)

ij ij

• Ilustrasi untuk 8 samples

V11(n) = f1(2n)= x(4n) = {x(0), x(4)} V12(n) = f1(2n+1) = x(2(2n+1)) = x(4n+2) ={x(2), x(4)}
V21(n) = f2(2n) = x(2(2n+1)) = x(4n+2) = {x(1), x(5)} V 22(n) = f2(2n+1) = x(2(2n+1)+1) =
x(4n+3) = {x(3), x(7)}

Tujuan Belajar 11

Peserta dapat menjelaskan FFT Radix-2 desimasi dalam frekuensi.