Menggunakan Fast Fourier Transforms dan Spectrum Daya pada LabVIEW 1. Pendahuluan LabVIEW dan library VI Analysis menyediakan alat bantu yang lengkap untuk mengerjakan analisa Fourier dan Spectrum. VI Fast Fourier Transform (FFT) dan spectrum telah dioptimasi, dan output mereka mengikuti format standart DSP. FFT adalah sebuah alat bantu analisa sinyal yang powerful, apliatif untu berbagai macam bidang termasuk analisa spectrum, filter digital, mekanika terapan, akustik, gambar medis, analisa model, analisa numerik, seismografi, instrumentasi, dan komunikasi. Vianalysis LabVIEW, berada pada palet Signal Processing, memaksimalkan output analisa dalam aplikasi_ terkait FET. Dokumen ini membahas properti FFT, tentang bagaimana mengintepretasikan dan menampilkan hasil FFT, dan bagaimana memanipulasi hasil FFT dan spectrum daya untuk diekstraksi menggunakan informasi frekuensi 2. Daftar Isi © Properti FFT © Format Output FFT © Menampilkan FFT dari Sequence Nilai Real © Analisa Fourier menggunakan FFT. © Memperoleh Informasi Magnitude dan Phase © Mengkonversikan Informasi Magnitude ke Decibel © Memperoleh Informasi Frekuensi dari Transformasi 3. Properti FFT Fast Fourier Transform memetakan fungsi domain waktu kedalam representasi domain frekuensi. FFT diturunkan dari persamaan transformasi Fourier, yang mana adalah: X(f) = Fla(t)}e "at 1 Dimana x(t) adalah sinyal domain waktu, X(f) adalah FFT, dan ft adalah frekuensi untuk dianalisa.Demikian pula, Discrete Fourier Transform (DFT) memetakan urutan waktu diskrit (Discrete-Time) kedalam representasi frekuensi diskrit (Discrete-Frequency). DFT diberikan oleh persamaan sebagai berikut: Sue dimana x adalah urutan input, X adalah DFT, dan n adalah jumlah sample dalam kedua domain waktu diskrit dan frekuensi diskrit. Implementasi langsung dari DFT, sebagaimana dinyatakan dalam persamaan 2, membutuhkan sekitar_n? operasi kompleks. Namun, algoritma yang effisien secara komputasional membutuhkan sedikitnya nlog,(n) operasi. Algoritma ini adalah FFT, sebagaimana dinyatakan pada persamaan 4,5, dan 6. Menggunakan DFT, transformasi Fourier dari beberapa urutan x, apakah dia real atau complex, selalu dihasilkan dalam sebuah urutan output complex dari bentuk berikut: Fx} =X = Xpo + iXim = Re(X} +7 Im{X} 3 Sebuah property permanen DFT adalah sebagai berikut: Kaa Ky =X 5 akibatnya, Re(X,) = Re(Xn-} 6 Dan Im{X,} = —Im{X,,- 7Property Fourier Simetris dari urutan real ini adalah disebut sebagai simetris konjugat (persamaan 5), simetris atau simetris genap (persamaan 6), dan asimetris atau simetris ganjil (persamaan 7). Kembali Ke Atas 4, Format Output FFT Format output dari VI FFT sekarang dapat dijabarkan dengan bantuan dari persamaan 4. Jika jumlah total dari sample, n dari urutan input x adalah genap, format dari urutan output kompleks X dan intepretasi dari hasil ditunjukan dalam Tabel 1. Tabel 1. Format output untuk n genap, k=n +2 Array Element Interpretation x{0] DC component xt] Ist harmonic or fundamental xt] 2nd harmonic xB] 3rd harmonic X{k2] {k2)th harmonic x(k] {k-l)th harmonic X(K] = XE-K] Nyquist harmonic XUk+1]= Xin-{k-1)] = X4{k-1)] = (k-th harmonic X{k+2] = XIn-(k-2)] = XE{k-2)] = (k2)th harmonic X{n-3] 3rd harmonic X{n-2] -2nd harmonic X{n-1] -Ast harmonic Gambar 1. Merepresentasikan format output yang dijelaskan dalam Tabel 1 untuk n = 512LEFT 00 | Poste Negatre Wiha Ahan bh ls 128 384 De Nyquist Component eanpenent ‘Gambar 1. Grafik dari Tabel 1 Jika jumlah total dari sample n dari urutan input x adalah ganjil, format dari urutan output X dan interpretasi dari hasil ditunjukan dalam Tabel 2. Tabel 2. Format Output untuk n Ganjil, k = (n-4) +2 Array Element Interpretation x{0] DC component x{] Ast harmonic or fundamental x(2] 2nd harmonic xB] 3rd harmonic x(k] kth -Lharmonic xIK] kth harmonic X{k+4]= Xin-4] = X40 kth harmonic XIk+2]= Xin-{k-1)] = Xk] ~{k-A)th harmonic xin-3] 3rd harmonic x{n-2] -2nd harmonic X{n-1] -Ist harmonicGambar 2. Merepresentasikan format output yang dijelaskan dalam Tabel 2 untuk n = 500. TT oT ‘Gambar 2. Grafik dari Tabel 2 Kembali Ke Atas 5. Menampilkan FFT dari Urutan Bernilai Real Dalam banyak aplikasi, kita melakukan analisa FFT dan Spectrum hanya pada nilai real, urutan waktu diskrit. Bab ini menjelaskan mengikuti tiga format umum untuk menampilkan hasil FFT dari urutan input nilai real: Standar, Dua Sisi, dan Satu sisi. Sinyal domain waktu yang ditunjukan dalam Gambar 3 mendemonstrasikan tiga metode dimana hasil FFT dapat ditampilkan secara grafik. Sinyal domain waktu mempunyai sebuah sinyal yang tersembunyi didalam noise yang dengan mudah dapat diidentifikasi dalam domain waktu. Berdasarkan informasi frekuensi, filter digital dapat menghilangkan noise dari sinyal tersebut. Gambar 3. Contoh Tampilan dari Urutan Domain Waktu a. Standard Output Standart output adalah format untuk urutan waktu diskrit ukuran genap dan ganjil, dijelaskan dalam Tabel 1 dan 2 dari dokumen ini. Format ini sesuai karena dia tidak memerlukan beberapa manipulasi data lebih jauh. Tampilan hasil grafik dari FFT, hubungkan output arrays ke waveformgraph, sebagaimana ditunjukan dalam Gambar 4. Output FFT adalah kompleks dan memerlukan dua grafik untuk menampilkan semua informasi. Gambar 4. Diagram Blok untuk Menampilkan Output Standar Gambar 5 dan 6 adalah plot dari bagian real dan imajiner, masing-masing dari hasil FFT. Properti jumlahkan dalam persamaan 5 sampai 7 adalah nampak jelas dalam plot. ‘Gambar 6. Bagian Imajiner dari Transformasi Fourierb. Output Dua si Integral FFT, ditunjukan dalam persamaan 1, mempunyai range frekuensi pada (—00, co). Penyajian hasil FFT pada range frekuensi ini dalam format dua sisi, sebagaimana ditunjukan dalam gambar 7. fl : | LE i ge | 5 e| Gamba 7. Format Dua kita dapat menyertakan format output dua sisi dari output standar dengan mengingat identitas X_; = Xia). Untuk menyajikan data dalam format dua sisi, kita harus memecah array pada titik pusatnya kedalam dua bagian, sesuai untuk frekuensi positive dan negative, dan membalik order array dengan menambahkan frekuensi positive ke frekuensi negative. kita dapat melakukan ini dalam LabVIEW dengan fungsi Split 1D Array dan Build Array, sebagaimana ditunjukan pada gambar 8. Samales ‘Gambar 8. Diagram Blok untuk Tampilan Format Output Dua Sisi bagian lebih bawah dari diagram blok mencari indes dimana array perlu untuk dipecah. Teknik bekerja untuk kedua nilai genap dan ganjil dari sampel. Hasil dari pemrosesan data menggunakan diagram blok yang ditunjukan pada gambar 8 adalah ditunjukan pada gambar 9 dan 10, sesuai untuk bagian real dan imajiner, masing-masing kedua grafinformasi frekuensi dari (—(n + 2) sampai (n + 2)) dan properti simetris terhadap nol adalah jelas. Gambar 9. Bagian Real dari Format Dua Si ‘Gambar 10 . Bagian Imajiner dari Format Dua Sisi ¢. Output Satu Sisi Hampir setengah informasi adalah berulang dalam format ouput standar dan dua sisi. Hal ini adalah jelas dari persamaan 5, 6 dan 7. Data adalah simetris konjugat sekitar hamonisa ke (n+ 2), juga diketahui sebagai harmonisa Nyquist. Karena itu, kita dapat membuang semua informasi diatas harmonisa Nyquist karena kita dapat merekonstruksinya dari frekuensi dibawah harmonisa Nyquist. Menampilkan hanya frekuensi positive memberikan kita output satu sisi. Diagram blok yang ditunjukan dalam gambar 11 menggunakan fungsi Array untuk mer semua elemen- elemen yang sesuai untuk frekuensi positive, menyertakan komponen DC. Seperti dua sisi, bagian bawah dari diagram blok memilih jumlah total dari elemen dalam subset dan bekerja untuk kedua nilai genap dan ganjil dari sampel.‘Gambar 11. Diagram Blok untuk Output Satu hasil pemrosesan data menggunakan diagram blok dalam gambar 11 adalah ditunjukan dalamgambar 12 dan 13, sesuai untuk masing-masing bagian real dan imajiner. Kedua grafik menampilkan informasi frekuensi dari 0 ke (n +2), yang mana sekitar setengah titik yang ditunjukan dalam output standar dan dua sisi. Gambar 12. Bagian Real dari Format Satu Sisi ‘Gambar 13. Bagian Imajiner dari Format Satu Catatan : kita harus berhati-hati jika melakukan pengukuran dengan data satu sisi karena total energi pada frekuensi tertentu adalah sama dibagi antara frekuensi positive dan negative, komponen DC dan NyQuist diabaikan. Kembali Ke Atas6. Analisa Fourier Menggunakan FFT Untuk Menganalisa sebuah sinyal waktu diskrit menggunakan FFT, persamaan 2 harus menyertakan sebuah faktor skala 1/,, , dimana n adalah jumlah dari sampel dalam urutan. Gambar 14 menunjukan sebuah segment diagram blok yangmenskalakan hasil FFT dengan faktor 1/,. Kita dapat menerapkan faktor skala yang sama untuk format dua dan satu sisi. Gambar 14. Penskalaan FFT Arrays untuk Analisa Fourier sebagai contoh, FFT dari gelombang sinusoidal yang ditunjukan dalam gambar 15 adalah persamaan berikut : F{sin(2n fot)} = 0,5 x [5(f — fo) + OF + fo)] 8 Dimana 1, jikaf=0 on) & ‘untuk lainya 5 T= an ley Gambar 16 menunjukan analisa fourier dua sisi dari gelombang sinusoidal.Gambar 16. Analisa Fourier dari Gelombang Sinusoidal Kembali Ke Atas 7. Memperoleh Informasi Magnitude dan Phase Dalam banyak aplikasi hal ini tidak menyamankan untuk berpikir dalam bentuk data kompleks. Malahan kita dapat menyajikan data kompleks sebagai data magnitude dan phase. Untuk mengilustrasikan titik ini, gambar 17 dan 18 menunjukan respons frekuensi dari sebuah filter dalam bentuk dari data kompleks. Gambar 19 dan 20 menunjukan response frekuensi yang sama sebagai data magnitude dan phase. Gambar 17. Bagian Real dari Response Filter Im (X} ‘Gambar 18. Bagian Imajiner dari Response Filter,Gambar 20. Response Filter Phase Meskipun informasi phase mungkin tidak nampak membawa informasi berguna, response filter magnitude frekuensi nampak jelas seperti filter bandpass. kita menyertakan informasi magnitude dan phase dari data kompleks menggunakan VI 1D Rectangular to Polar PtByPt. Karena informasi ini dihitung menggunakan sebuah fungsi arc tangent, dan hasil fungsi arc tangent adalah dalam range -p ke p, kita dapat menggunakan Vi Unwrap Phase untuk menghaluskan keluaran dari beberapa diskontinyuitas yang mungkin muncul ketika mengkonversikan data kompleks ke data magnitude dan phase. Gambar 21 menunjukan bagaimana untuk menggunakan Vis 1D Rectangular To Polar PtByPt dan Unwrap Phase ke data kompleks dalam format Magnitude dan Phase. Gambar 21 menunjukan format output satu sisi, tetapi kita juga dapat menerapkan beberapa teknik ke format output standar dan output dua sisi.al Magnitude Semple a el I a ct aim | [Feo] bk i: co ‘Gambar 21. Konversi Data Kompleks ke Format Magnitude dan Phase Power Spectrum Menggunakan VI Spektrum Daya, yang secara tertutup terkait pada FFT, untuk menghitung daya harmonic dalam sebuah sinyal. Spectrum daya, Sxx(f), dari sinyal domain waktu, x(t), adalah dinyatakan menggunakan persamaan berikut Sex f) = XCF) °F) = KAP 10 Dimana X(f) = F{x(t)} X‘(f) adalah konjugat kompleks dari X(f) karena format spectrum daya adalah identik untuk bagian real dari FFT, deskripsi dari format standar, dua sisi dan satu sisi aplikatif untuk VI power spectrum. Terebih lagi, format sau sisi menggunakan sedikit memori karena format ini menghilangkan redudansi/ kelebihan ket mempertahankan informasi spectrum daya yang lengkap. VI Power Spectrum menghitung harmonisa daya dalam waktu diskrit, urutan nilai real. Gambar 22 menunjukan output satu sisi dari spectrum daya dari sinusoidal puncak 1V satu dengan 150 siklus dan satunya dengan 250 siklus. Daya total untuk masing-masing satu dari sinusoidal ini adalah 2 ‘0,25.Sex 1 dimana x adalah waktu diskrit, urutan nilai real dan n adalah jumlah dari elemen—elemen dalam x. Tak seperti FFT, hasil spectrum daya adalah selalu real. VI Power Spectrum berjalan lebih cepat daripada VI FFT karena dia melakukan komputasi ditempat dan tidak perlu untuk mengalokasikan memori untuk mengakomodasi hasil kompleks. Namun, kita tidak dapat merekonstruksi urutan output informasi phase dari spectrum daya. Menggunakan FFT jika informasi phase adalah pent Kembali Ke Atas 8. Mengkonversi Informasi Magnitude ke Decibel Menggunakan 10 +Jog[10] X[i] dan 20. log[10] X[i] untuk mengkonversikan 1D numeric arrays kedalam desibel (dB), yang mana adalah satuan umum untuk menunjukan rasio daya. log[10] dapat dihitung menggunakan fungsi Logarithm Base 10, berada pada palet Functions»Numericn Logarithmic. Menggunakan 10 » log[10] X[i] untuk mengkonversi magnitudo kuadrat atau nilai daya, seperti gelombang tekanan akustik, ke desibel. Menggunakan 20 » log 10] Xi] untuk mengkonversikan magnitudo atau nilai amplitudo, seperti tegangan atau arus, ke desibel. Diagram blok pada gambar 23, menunjukan sebuah contoh yang mengkonversikan hasil dari spectrum daya ke notasi decibel. Gambar 24 menunjukan hasil dalam gambar 23, icon Raw Datamenyatakan array kita, X[1], dan VI 10 + log X dapat dibuat menggunakan fungsi Logarithm Base 10. Gambar 23. Gambar 24. Figure 24. Converting Magnitude Squared to Decibels Results Kembali Ke Atas 9. Memperoleh Informasi Frekuensi dari Transformasi Impementasi diskrit dari FFT memetakan sebuah sinyal digital kedalam koefisien deret fourier atau harmonisa. Array yang disertakan kedalam operasi FFT terkait tidak berisi informasi waktu diskrit atau frekuensi diskrit. Kita dapat menggunakan sistem akuisisi modern, apakah mereka menggunakan board tambahan atau instrumens untuk mencapture data, untuk mengontrol atau menentukan interval sampling, Dt, dan menyertakan informasi penskalaan frekuensi dari Dt. Karena sebuah array yang diakuisisi dari sampel umumnya menyatakan sinyal nilai real yang di ambil pada interval waktu dengan spasi sama, kita dapat menentukan nilai yang sesuai ke frekuensi yang diamati dalam Hertz. untuk menghubungkan sebuah sumbu frekuensi ke operasi yang memetakan sinyal waktu kedalam representasi domain frekuensi, seperti FFT, Spectrum Daya, dan transformasi Hartley, frekuensi sampling fs pertama harus ditentukan dari Dt menggunakan persamaan berikut :f=— 12 interfal frekuensi diberikan dengan persamaan berikut : 1 OF > nae dimana n adalah jumlah dari sampel dalam urutan. Mengingat interval sampling, 1000E-3, diagram blok yang ditunjukan pada gambar 25 mendemonstrasikan bagaimana untuk menampilkan sebuah grafik dengan skala frekuensi yang benar. B Time Domain Sequence oe Frequency Domain Sarah Sequence La jf] Frequency -—+—piiintera deta) Interval: delta(t) ‘Gambar 25. Menyertakan Informasi Frekuensi dari Interval Sampling Jadi untuk sinyal x(t) yang ditunjukan pada gamabr 26, gambar 27 menunjukan grafik spectrum daya satu sisi yang dihasilkan dengan sumbu frekuensi yang benar. Interval frekuensi yang dihasilkan adalah 1.953€0. [ime onan Seqie] vats Ma 29 mene Gambar 26. Urutan Waktu Diskrit dengan Sumbu Waktu yang BenarGambar 27. Urutan Frekuensi Diskrit dengan sumbu Frekuensi Benar Interval Sampling adalah frekuensi paling kecil yang sistem dapat selesaikan melalui FFT atau rutin terkait. Sebuah cara sederhana untuk meningkatkan resolusi adalah meningkatkan jumlah sampel atau meningkatkan interval sampling.