04-Transformasi Fourier Diskrit - Update
04-Transformasi Fourier Diskrit - Update
FOURIER DISKRIT
PEMROSESAN SINYAL DIGITAL I
Elektronika dan Instrumentasi
DIKE, FMIPA, UGM
2016
------------------------------------------
Catur Atmaji
DERET FOURIER DISKRIT
Deret Fourier Diskrit
• Deret Fourier (FS) pendekatan harmonika gelombang untuk
fungsi periodik 𝑥𝑎 𝑡 = 𝑥𝑎 (𝑡 + 𝑟𝑇0 )
• Deret Fourier:
𝑡0 +𝑇0
1
𝑋𝑘 = 𝑥𝑎 𝑡 𝑒 −𝑗𝑘Ω0 𝑡 𝑑𝑡
𝑇0 𝑡0
• Representasi deret Fourier untuk Sinyal periodik
∞
𝑥𝑎 𝑡 = 𝑋𝑘 𝑒 𝑗𝑘Ω0 𝑡
𝑘=−∞
2𝜋
• Ω0 = frekuensi fundamental
𝑇0
Deret Fourier Diskrit
• Deret Fourier Diskrit (DFS) Deret Fourier untuk sinyal waktu-
diskrit 𝑥 𝑛 = 𝑥𝑎 (𝑛𝑇𝑠 ) dengan periode 𝑇0 = 𝑁𝑇𝑠
• 𝑥 𝑛 = 𝑥 𝑛 + 𝑟𝑁
• Representasi deret Fourier untuk Sinyal periodik
∞
2𝜋
𝑗𝑘 𝑇 𝑛𝑇𝑠
𝑥 𝑛 = 𝑥𝑎 𝑛𝑇𝑠 = 𝑋𝑘 𝑒 0
𝑘=−∞
2𝜋
• 𝑇0
frekuensi fundamental
2𝜋
• 𝑘 𝑇 frekuensi harmonik
0
𝑁−1 𝑁−1
2𝜋 2𝜋
𝑗𝑘 𝑛𝑇 𝑗 𝑁 𝑘𝑛
𝑥 𝑛 = 𝑋𝑘 𝑒 𝑁𝑇𝑠 𝑠 = 𝑋𝑘 𝑒
𝑘=0 𝑘=0
𝑋(𝑘) = 𝑥 (𝑛)𝑊𝑁 𝑘𝑛
𝑛=0
𝑋 𝑧 = 𝑥 (𝑛)𝑧 −𝑛
𝑛=0
2𝜋
𝑗𝜔 𝑗 𝑘
• Pada analisis DFS, 𝑧 = 𝑒 = 𝑒 𝑁 sehingga
𝑋 𝑘 = 𝑋(𝑧)| 2𝜋
𝑗𝑁𝑘
𝑧=𝑒
𝑁−1 𝑁−1
2𝜋
−𝑗 𝑁 𝑘
= 𝑥(𝑛)𝑒 = 𝑥(𝑛)𝑊𝑁 𝑘𝑛
𝑛=0 𝑛=0
Deret Fourier Diskrit dan
Transformasi Fourier Waktu-Diskrit
• Untuk sebuah sinyal periodik 𝑥 𝑛 dengan periode 𝑁
• DTFT dari sinyal𝑥 (𝑛) adalah
𝑁−1
𝑋 𝑒 𝑗𝜔 = 𝑥 (𝑛)𝑒 −𝑗𝜔𝑛
𝑛=0
2𝜋
𝑗𝜔 𝑗 𝑘
• Pada analisis DFS, 𝑒 = 𝑒 sehingga
𝑁
𝑋 𝑘 = 𝑋 (𝑒 𝑗𝜔 )| 2𝜋
𝜔= 𝑁 𝑘
𝑁−1 𝑁−1
2𝜋
−𝑗 𝑁 𝑘
= 𝑥(𝑛)𝑒 = 𝑥(𝑛)𝑊𝑁 𝑘𝑛
𝑛=0 𝑛=0
Resolusi Frekuensi
2𝜋 2𝜋
• Dengan 𝜔0 = , maka 𝜔𝑘 = 𝑘 = 𝜔0 𝑘
𝑁 𝑁
• Frekuensi pada DTFT kontinyu: 𝜔 𝜖 ,0,2𝜋)
• Frekuensi pada DFS diskrit dengan
2𝜋
• 𝜔 = *𝜔𝑘 : 𝜔𝑘 = 𝑘, 0 ≤ 𝑘 < 𝑁 − 1+
𝑁
2𝜋
• Interval frekuensi cuplik 𝜔0 = disebut sebagai Resolusi
𝑁
Frekuensi
Pencuplikan di Ranah z
• Untuk sebuah transformasi z 𝑋 𝑧 ,
∞
𝑋 𝑧 = 𝑥(𝑚)𝑧 −𝑚
−∞
2𝜋
• jika frekuensi pada unit circle dicuplik dengan 𝜔0 = ,
𝑁
diperoleh barisan DFS
𝑋 𝑘 = 𝑋(𝑧)| 𝑗2𝜋𝑘
𝑧=𝑒 𝑁
∞
𝑋 𝑘 = 𝑥(𝑚)𝑊𝑁 𝑘𝑚
𝑚=−∞
Pencuplikan di Ranah z
• Untuk sinyal periodik 𝑥 (𝑛)
𝑁−1
1
𝑥 𝑛 = 𝑋(𝑘)𝑊𝑁 −𝑘𝑛
𝑁
𝑘=0
𝑁−1 ∞
1
= 𝑥(𝑚)𝑊𝑁 𝑘𝑚 𝑊𝑁 −𝑘𝑛
𝑁
𝑘=0 𝑚=−∞
∞ 𝑁−1
= 𝑥(𝑚) 𝑊𝑁 −𝑘(𝑛−𝑚)
𝑚=−∞ 𝑛=0
∞ ∞
= 𝑥(𝑚)𝛿(𝑛 − 𝑚 − 𝑟𝑁)
𝑟=−∞ 𝑚=−∞
• Atau
∞
𝑥 𝑛 = 𝑥(𝑛 − 𝑟𝑁) = ⋯ + 𝑥 𝑛 + 𝑁 + 𝑥 𝑛 + 𝑥 𝑛 + 𝑁 + ⋯
𝑟=−∞
•
Pencuplikan di Ranah z
• Frekuensi pencuplikan pada ranah z
• jika 𝑥 𝑛 memiliki durasi terbatas pada ,0, 𝑁 − 1-, maka N
cuplik pada 𝑋(𝑧) pada unit circle berlaku pada semua z
Pencuplikan di Ranah z
Pencuplikan di Ranah z
Rekonstruksi Transformasi z
• Hasil DFS menghasilkan frekuensi yang diskrit
• DFS transformasi z dengan frekuensi yang dicuplik
• DFS 𝑋(𝑘), frekuensi diskrit dari unit circle
• Transformasi z 𝑋(𝑧), frekuensi kontinyu pada unit circle
𝑋 𝑧 = 𝒵 𝑥 𝑛 = 𝒵 𝑥 𝑛 ℛ𝑁 (𝑛)
= 𝒵 𝐼𝐷𝐹𝑆*𝑋(𝑘)+ ℛ𝑁 (𝑛)
• Dengan jendela kotak
1,0 ≤ 𝑛 ≤ 𝑁 − 1
ℛ𝑁 𝑛 =
0, 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Rekonstruksi Transformasi z
• Dengan pendekatan tersebut diperoleh
𝑁−1 𝑁−1
𝑋 𝑧 = 𝑥(𝑛)𝑧 −𝑛 = 𝑥 (𝑛)𝑧 −𝑛
𝑛=0 𝑛=0
𝑁−1 𝑁−1
1
= 𝑋(𝑘)𝑊𝑁 −𝑘𝑛 𝑧 −𝑛
𝑁
𝑛=0 𝑘=0
• Dengan 𝑊𝑁 −𝑘𝑁 = 1
−𝑁 𝑁−1
1− 𝑧 𝑋(𝑘)
𝑋(𝑧) = −𝑘 −1
𝑁 1 − 𝑊𝑁 𝑧
𝑛=0
Rekonstruksi Transformasi z
• Dengan pendekatan DTFT, 𝑧 = 𝑒 𝑗𝜔 , diperoleh
−𝑗𝜔𝑁 𝑁−1
𝑗𝜔
1−𝑒 𝑋 (𝑘)
𝑋(𝑒 )= 2𝜋𝑘
𝑁 𝑗
𝑁 𝑒 −𝑗𝜔
𝑛=0 1 − 𝑒
𝑁−1
1 − 𝑒 −𝑗𝜔𝑁
= 𝑋(𝑘) 2𝜋𝑘
𝑗
𝑛=0 𝑁 1−𝑒 𝑁 𝑒 −𝑗𝜔
• Dengan penyederhanaan
𝑁−1 2𝜋𝑘 𝑁
sin 𝜔 − 2𝜋𝑘 𝑁−1
𝑗𝜔 𝑁 2 −𝑗 𝜔− 𝑁
𝑋(𝑒 ) = 𝑋 (𝑘) 𝑒 2
2𝜋𝑘 1
𝑛=0 𝑁 sin 𝜔 −
𝑁 2
Rekonstruksi Transformasi z
• Dengan mengambil Φ(𝜔) sebagai fungsi interpolasi
𝜔𝑁
sin 𝑁−1
Φ 𝜔 = 2 −𝑗𝜔
𝜔 𝑒
2
𝑁 sin
2
𝑁−1
2𝜋𝑘
𝑋(𝑒 𝑗𝜔 ) = 𝑋(𝑘)Φ 𝜔 −
𝑁
𝑛=0
TRANSFORMASI FOURIER DISKRIT
Transformasi Fourier Diskrit
• DFS untuk sinyal periodik dengan durasi tak terbatas
• tidak untuk sinyal dengan durasi terbatas
• DFS untuk sinyal diskrit 𝑥 𝑛 dengan periode N
𝑋 𝑘 = 𝐷𝐹𝑆,𝑥 𝑛 -
Transformasi Fourier Diskrit
• Discrete Fourier Transform (DFT)
• Deret Fourier diskrit dengan durasi sinyal diskrit dianggap
sebagai periode utama sinyal
• Sinyal diskrit dengan durasi terbatas 𝑥(𝑛)
• Terdiri dari N data 0 ≤ 𝑛 ≤ 𝑁 − 1
• sebagai barisan dengan N-titik
• Dibentuk sinyal diskrit dengan periode N
∞
𝑥 𝑛 = 𝑥(𝑛 − 𝑟𝑁)
𝑟=−∞
• Atau
𝑥 𝑛 = 𝑥(𝑛 mod 𝑁)
Transformasi Fourier Diskrit
• DFT untuk sinyal durasi-terbatas dan non periodik 𝑥(𝑛)
𝑋 𝑘 ,0 ≤ 𝑘 ≤ 𝑁 − 1
𝑋 𝑘 = 𝐷𝐹𝑇 𝑥 𝑛 =
0, 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
= 𝑋(𝑘)ℛ𝑁 (𝑘)
• Atau
𝑁−1
𝑋 𝑘 = 𝑥(𝑛)𝑊𝑁 𝑛𝑘
𝑛=0
𝑥1 𝑛 ⊛ 𝑥1 𝑛 = 𝑥1 𝑚 𝑥2 𝑛 − 𝑚 𝑁
𝑚=0
• 𝐷𝐹𝑇 𝑥1 𝑛 ⊛ 𝑥1 𝑛 = 𝑋1 𝑘 𝑋2 𝑘
Sifat-sifat
Transformasi Fourier Diskrit
• Perkalian
1
• 𝐷𝐹𝑇 𝑥1 𝑛 ∙ 𝑥2 𝑛 = 𝑋 𝑘 ⊛ 𝑋2 𝑘
𝑁 1
• Konvolusi sirkular
• Konvolusi sirkular:
𝑁−1
𝑥1 𝑛 ⊛ 𝑥1 𝑛 = 𝑥1 𝑚 𝑥2 𝑛 − 𝑚 𝑁
𝑚=0
• 𝐷𝐹𝑇 𝑥1 𝑛 ⊛ 𝑥1 𝑛 = 𝑋1 𝑘 𝑋2 𝑘
• Energi
𝑁−1 𝑁−1
1
𝐸𝑥 = |𝑥(𝑛)|2 = |𝑋(𝑛𝑘|2
𝑁
𝑛=0 𝑛=0
Konvolusi Sirkular
• Konvolusi sirkular N-titik
𝑁−1
• 𝑥1 𝑛 ⊛ 𝑥1 𝑛 = 𝑚=0 𝑥1 𝑚 𝑥2 𝑛 − 𝑚 𝑁
Konvolusi Sirkular
Konvolusi Sirkular
Konvolusi Linier dengan DFT
• Konvolusi linier
∞
• 𝑥3 𝑛 = 𝑥1 𝑛 ∗ 𝑥2 𝑛 = 𝑘=−∞ 𝑥1 𝑘 𝑥2 𝑛 − 𝑘
• Beda dengan konvolusi sirkular
• DFT konvolusi N titik berarti sinyal dianggap periodik dengan
periode N
• DFT menghasilkan panjang N
• Konvolusi linier 𝑥1 𝑛 dan 𝑥2 𝑛 yang masing-masing dengan
panjang M dan N
• menghasilkan panjang 𝑀 + 𝑁 − 1
• Konvolusi sirkular bisa menghasilkan nilai tidak tepat
• agar tepat, konvolusi sirkular perlu sepanjang 𝑀 + 𝑁 − 1
Konvolusi Linier dengan DFT
Konvolusi Blok
• DFT pada masukan berupa sinyal yang terus-menerus atau
sangat panjang
• panjang DFT terlalu besar
• Solusi konvolusi blok
• 𝑥(𝑛) perlu dibagi menjadi beberapa blok selebar N-titik
• Tanggap impuls ℎ(𝑛) selebar M-titik
Konvolusi Blok
• Konvolusi sirkular 𝑥 𝑛 ⊛ ℎ 𝑛 menghasilkan N-titik
• 𝑀 − 1 sampel hasil konvolusi pasti tidak benar
• Solusi:
• 𝑥 𝑛 dibagi menjadi beberapa bagian selebar N-titik
• Antara satu bagian dengan yang lain saling overlap selebar 𝑀 − 1
titik
Konvolusi Blok
Konvolusi Blok
TRANSFORMASI FOURIER CEPAT
Transformasi Fourier Cepat
• Perhitungan DFT:
𝑁−1
𝑋 𝑘 = 𝑥(𝑛)𝑊𝑁 𝑛𝑘
𝑛=0
2𝜋
−𝑗 𝑁
• Dengan 𝑊𝑁 = 𝑒
• Panjang sinyal adalah N
• Panjang hasil DFT adalah N
• Tingkat kompleksitas
• 𝐶𝑁 = 𝑜(𝑁 2 )
Transformasi Fourier Cepat
• Banyak hasil perhitungan yang mirip pada komputasi 𝑊𝑁 𝑛𝑘
• sifat perioditas
𝑊𝑁 𝑘(𝑛∓𝑁) = 𝑊𝑁 𝑘+𝑁 𝑛
• sifat simetri
𝑁
𝑘𝑛+ 2
𝑊𝑁 = −𝑊𝑁 𝑘𝑛
Transformasi Fourier Cepat
• Pada DFT 4-titik
𝑋 𝑘 = 𝑥(𝑛)𝑊𝑁 𝑛𝑘
𝑛=03
𝑋(0) 𝑊4 0 𝑊4 0 𝑊4 0 𝑊4 0 𝑥(0)
𝑋(𝟏) 𝑊4 0 𝑊41 𝑊4 2 𝑊4 3 𝒙(𝟏)
• =
𝑋(2) 𝑊4 0 𝑊4 2 𝑊4 4 𝑊4 6 𝑥(2)
𝑋(3) 𝑊4 0 𝑊4 3 𝑊4 6 𝑊4 9 𝑥(3)
Transformasi Fourier Cepat
Transformasi Fourier Cepat
• Penjabaran menghasilkan
Transformasi Fourier Cepat
• Efisiensi algoritma menghasilkan langkah
Transformasi Fourier Cepat
Pendekatan
Devide and Combine
• Sinyal 𝑥 𝑛 sepanjang N dibagi menjadi 𝑁 = 𝐿𝑀
• 𝑁 barisan dibagi menjadi 𝑀 bagian dengan panjang 𝐿
• Setiap bagian dari M dikenai DFT dengan panjang L
𝑁−1
𝑋 𝑘 = 𝑥(𝑛)𝑊𝑁 𝑛𝑘
𝑛=0
𝐿−1 𝑀−1
𝐹 𝑙, 𝑞 = 𝑥(𝑙, 𝑚)𝑊𝑀 𝑚𝑞
𝑚=0
0≤𝑞 ≤𝑀−1
• Modifikasi 𝐹(𝑙, 𝑞) untuk mendapatkan larik yang lain
𝐺 𝑙, 𝑞 = 𝑊𝑁 𝑙𝑞 𝐹(𝑙, 𝑞)
0≤𝑙 ≤𝐿−1
0≤𝑞 ≤𝑀−1
• Hitung DFT L-titik
𝐿−1
𝑋 𝑝, 𝑞 = 𝐺(𝑙, 𝑞)𝑊𝑁 𝑙𝑝
𝑙=0
0≤𝑙 ≤𝐿−1
Pendekatan
Devide and Combine
• Tingkat kompleksitas komputasi:
• 𝐶𝑁 = 𝐿𝑀2 + 𝑁 + 𝑀𝐿2 < 𝑜(𝑁 2 )
Algoritma FFT Radix-2
• Untuk panjang DFT 𝑁 = 2𝑣 dapat dipillih
• 𝐿=2
𝑁
• 𝑀=
2
• 𝑥 𝑛 dibagi menjadi dua buah barisan sepanjang 𝑁 2-titik
• 𝑔1 𝑛 = 𝑥 2𝑛
𝑁
• 𝑔2 𝑛 = 𝑥(2𝑛 + 1) 0≤𝑛≤ −1
2
• 𝑔1 𝑛 sampel nomor genap, 𝑔2 𝑛 sampel nomor ganjil
• Maka
• 𝑋 𝑘 = 𝐺1 𝑘 + 𝐺2 𝑘 , 0 ≤ 𝑘 ≤ 𝑁 − 1
• merging formula
Algoritma FFT Radix-2
• Tingkat kompleksitas
𝑁2
• 𝐶𝑁 = + 𝑁 = 𝑜(𝑁 2 )
2