Discrete Fourier Transform PDF
Discrete Fourier Transform PDF
Transformasi
Fourier
x(t) |X(ω )| ω
Gambar 4.1
Transformasi Fourier
DFT
ω
x(n) |X(k)|
Gambar 4.2
Discrete Fourier Transform
1.5
0.5
x(n)
-0.5
-1
0 2 4 6 8 10 12 14 16 18 20
n
Gambar 4.3
Sinyal Diskrit
Bab 4: Discrete Fourier Transform 49
4
|X(k)|
2
0 Hz 3.75 Hz
0
0 2 4 6 8 10 12 14 16 18 20
k
Gambar 4.4
Hasil perhitungan DFT dari sinyal pada Gambar 4.3 (fs = 25 Hz)
k=0 f = 0 Hz
fs 25 Hz
k=1 f = k= (1) = 1.25 Hz
jumlah sample 20
50 Pemrosesan Sinyal Digital
25 Hz
k=2 f = (2) = 2.50 Hz
20
25 Hz
k=3 f = (3) = 3.75 Hz
20
...
25 Hz
k = 19 f = (19) = 23.75 Hz
20
|X(19)| = |X(1)|
|X(18)| = |X(2)|
|X(17)| = |X(3)|
|X(16)| = |X(4)|
|X(15)| = |X(5)|
|X(14)| = |X(6)|
...
|X(11)| = |X(9)|
Maka jika kita menganalisa hasil dari DFT sinyal tersebut, kita
cukup menggunakan |X(k)| untuk 0 < k < 10 atau dengan kata
lain dari 0 Hz sampai 12.5 Hz yaitu fs / 2.
Jika kita menghitung DFT dari sinyal x(n) untuk 0 < n < N,
maka hasil DFT yang digunakan adalah X(k) untuk 0 < k < K/2,
dimana K = N.
Hal ini dapat juga menjelaskan mengapa fs harus lebih besar dari
dua kali frekuensi sinyal. Jika sinyal di atas memiliki frekuensi
lebih besar dari fs/2 (12.5 Hz) maka akan digambar pada k > 10
padahal nilai |X(k)| untuk k > 10 seharusnya hanya merupakan
pencerminan dari |X(k)| yang lebih kecil dari 10.
|X(k)|
4
|X(k)|
0
-30 -20 -10 0 10 20 30
k
Gambar 4.5
Hasil dari DFT sinyal di Gambar 4.3 untuk -30 < k < 30
Gambar 4.6
Draft spektrum diskrit
0.4
0.2
x(n)
-0.2
-0.4
0 2 4 6 8 10 12 14 16 18 20
n
Gambar 4.7
Sinyal diskrit 2.5 Hz dengan fs = 25 Hz.
2
|X(k)|
0
0 2 4 6 8 10 12 14 16 18 20
k
Gambar 4.8
Hasil DFT dari sinyal pada Gambar 4.7.
fs 25 Hz
f = k= (2) = 2.5 Hz
jumlah sample 20
0.3
2/(N+1) |X(k)|
0.2
0.1
0
0 2 4 6 8 10 12 14 16 18 20
k
Gambar 4.9
Spektrum Amplitudo dari sinyal Gambar 4.7
N −1 2π k n
−j
X ( k ) = ∑ x ( n) e N
n =0
2 2
X (k ) = X (k ) real + X (k ) imajiner
54 Pemrosesan Sinyal Digital
X (k ) imajiner
ϕ (k ) = tan −1
X (k ) real
2 2
X (k ) = X (k ) real + X (k ) imajiner
X (k ) imajiner
ϕ (k ) = tan −1
X (k ) real
Ada beberapa nilai fase yang terlihat aneh seperti ϕ(4) sampai
ϕ(16). Nilai-nilai ini tidak memiliki arti karena magnitudonya 0
(nol).
0
dimana 1
x(3) W 4 -1 W 4
-1
2π k n X(3)
−j
nk
W N =e N
Gambar 4.10
Diagram butterfly untuk 4 input
x(0) X(0)
x(4) X(1)
W
0
8 -1 Bab 4: Discrete Fourier Transform 57
x(2) 0 X(2)
W 8 -1
x(6) 0 2 X(3)
W 8 -1 W 8 -1
x(1) 0 X(4)
W 8 -1
x(5) 0 1 X(5)
W 8 -1 W 8 -1
x(3) 0 2 X(6)
W 8 -1 W 8 -1
x(7) 0 2 3 X(7)
W 8 -1 W 8 -1 W 8 -1
Gambar 4.11
Diagram butterfly untuk 8 input
Bagian output dari diagram ini disusun berurut X(0), X(1), ...,
X(7) dari atas ke bawah, sedangkan bagian input tidak disusun
berurut. Indeks bagian input disusun dengan metode reverse bit
seperti pada tabel berikut:
58 Pemrosesan Sinyal Digital
Tabel 4.1
Indeks Inverse Bit
Inverse Bit
Indeks
Indeks Binary (urutan binary
inverse bit
dibalik)
0 000 000 0
1 001 100 4
2 010 010 2
3 011 110 6
4 100 001 1
5 101 101 5
6 110 011 3
7 111 111 7
2π nk
−j
nk nk
Nilai dari W N dapat dihitung dengan W N =e N
seperti
contoh berikut ini:
2π 1 1
−j −j π
1
W =e
8
8
=e 4
= 1∠ − 14 π = 0.707 − 0.707 j
2π 3 3
−j −j π
3
W =e 8
8
=e 4
= 1∠ − 34 π = −0.707 − 0.707 j
x(0) = 6
x(1) = 8
x(2) = 6
x(3) = 2
x(4) = 4
x(5) = 5
x(6) = 3
x(7) = 1
10 19 35
6 X(0)
4
2 2-3 j Bab 4: Discrete Fourier Transform
3.414 -5.828 j
X(1)
59
1 -1
9 1 1-10j
6 X(2)
1 -1
13 16 3
8 X(4)
1 -1
3 -10 j 1+10j
2 X(6)
1 -1 -j -1
Gambar 4.12
Contoh menghitung FFT dengan diagram butterfly
X(0) = 35
X(1) = 3.414 - 5.828 j
X(2) = 1 – 10 j
X(3) = 0.586 + 0.172 j
X(4) = 3
X(5) = 0.586 - 0.172 j
X(6) = 1 + 10 j
X(7) = 3.414 + 5.828 j
2π k n
1 K −1 +j
x ( n) = ∑ X ( k ) e N
N k =0
1 K −1
x(n) = ∑ X (k )WN−nk
N k =0
X(4)
W - 08 -1
Bab 4: Discrete Fourier
1/8Transform
x(1) 61
X(2) x(2)
W - 08 -1 1/8
X(6) x(3)
W - 08 -1 W - 28 -1 1/8
X(1) x(4)
W - 08 -1 1/8
X(5) x(5)
W - 08 -1 W - 18 -1 1/8
X(3) x(6)
W - 08 -1 W - 28 -1 1/8
X(7) x(7)
W - 08 -1 W - 28 -1 W - 38 -1 1/8
Gambar 4.13
Diagram butterfly IFFT untuk 8 sample
SOAL LATIHAN
1. Dengan menggunakan Matlab, buatlah sebuah sinyal sinusoidal diskrit
dengan amplitudo 3, frekuensi 5 Hz dari 0 sampai 1 detik. Gunakan
frekuensi sampling 15 Hz. Hitung dan tampilkan spektrum amplitudonya.
Tentukan frekuensi dari masing-masing k, khususnya k yang memiliki
amplitudo tertinggi. Apakah spektrum di domain frekuensi menunjukkan
amplitudo dan frekuensi sinyal tersebut?
5. Ulangi soal nomor 2 dengan menggunakan frekuensi sinyal 3 kHz dan fase
0.2 rad.