Nama : Davina Audy Fitriana

NIM : J1D115018
Mata Kuliah : Pengolahan Sinyal Digital
FFT
1. Gunakan transformasi Fourier untuk menemukan komponen frekuensi dari sinyal yang berada
dalam kebisingan. Tentukan parameter sinyal dengan frekuensi sampling 1 kHz dan durasi sinyal
1,5 detik

Jawab:

Fs = 1000; % Sampling frequency

T = 1/Fs; % Sampling period
L = 1500; % Length of signal
t = (0:L-1)*T; % Time vector

- Bentuk sinyal yang mengandung 50 Hz sinusoid amplitudo 0,7 dan 120 Hz sinusoid
amplitudo 1

S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);

- Ubah sinyal dengan Zero-mean white noise

X = S + 2*randn(size(t));

- Plot sinyal yang mengganggu pada domain waktu

plot(1000*t(1:50),X(1:50))
title('Signal Corrupted with Zero-Mean Random Noise')
xlabel('t (milliseconds)')
ylabel('X(t)')

- Sehingga akan keluar grafik seperti pada gambar dibawah

 - Menghitung Transformasi Fourier dari sinyal
Y = fft(X);

- Hitung P2 spektrum dua sisi. Kemudian hitung spektrum satu sisi P1 berdasarkan P2 dan
panjang sinyal yang bernilai L

P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1)

- Tentukan domain frekuensi dan plot spektrum amplitudo satu sisi P1. Amplitudo tidak
tepat pada 0,7 dan 1, seperti yang diharapkan, karena kebisingan tambahan. Rata-rata,
sinyal yang lebih panjang menghasilkan perkiraan frekuensi yang lebih baik.

f = Fs*(0:(L/2))/L;
plot(f,P1)
title('Single-Sided Amplitude Spectrum of X(t)')
xlabel('f (Hz)')
ylabel('|P1(f)|')

- Sekarang, ambil Transformasi Fourier dari sinyal asli yang tidak rusak / tidak ada
bisingnya, dan ambil amplitudo yang tepat, 0,7 dan 1,0

Y = fft(S);
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);

plot(f,P1)
title('Single-Sided Amplitude Spectrum of S(t)')
xlabel('f (Hz)')
ylabel('|P1(f)|')
DFT
2. Hitung 4 point DFT dari sinyal x(n) = (0 1 2 3)
Jawab:
1 1 1 1
W4 = 1 𝑊14 𝑊42 𝑊34
1 𝑊24 𝑊44 𝑊64
1 𝑊34 𝑊64 𝑊94
Ingat WN(k+N/2) = -WNK

Sehingga

1 1 1 1
−𝑗 −1 𝑗
=1
1 −1 1 −1
1 𝑗 −1 −𝑗
 6
−2 + 2𝑗
X4 = W4x = −2
−2 − 2𝑗