Teknik Pengolahan Isyarat Digital

(TE 3325)
© 2022-Teknik Elektro
Topic 8:
The Discrete Fourier Transform: Its
Properties and Applications
@2022-Lecture slides prepared by Lasmadi
 Capaian Pembelajaran
• Mampu memahami konsep DFT dan menghitungnya
• Mampu memahami properti DFT
 Deskripsi Topik
• Analisis frekuensi sinyal waktu-diskrit biasanya dilakukan pada prosesor
sinyal digital, yang dapat berupa komputer digital tujuan umum atau
perangkat keras digital yang dirancang khusus. Untuk melakukan analisis
frekuensi pada sinyal waktu-diskrit {x(n)}, kita mengkonversi sekuen domain-
waktu ke padanan representasi frekuensi-domain. Kita tahu bahwa
representasi seperti itu diberikan oleh transformasi Fourier X(w) dari sekuen
{x(n)}. Namun, X(w) adalah fungsi frekuensi yang kontinu dan oleh karena itu,
X(w) bukan merupakan representasi sekuen yang sesuai secara komputasi
{x(n)}.
• Pada bagian ini kita mempertimbangkan representasi sekuen {x(n)} oleh
sampel spektrum X(w). Representasi domain-frekuensi seperti itu mengarah
ke transformasi Fourier diskrit (DFT), yang merupakan alat komputasi yang
kuat untuk melakukan analisis frekuensi sinyal waktu-diskrit.
 Contents
• Discrete Fourier Transform (DFT)
• Hubungan Spektrum dengan DFT
• Properti DFT
 Discrete Fourier Transform (DFT)
• Kita ingat kembali, Tranformasi Fourier untuk sinyal waktu-diskrit
energi berhingga x(n) didefinisikan sebagai:

( )= ( )

• Kemudian, DFT X(k) digunakan untuk melakukan analisis frekuensi

dari sinyal waktu diskrit:
 Discrete Fourier Transform (DFT)
• DFT dihitung menggunakan persamaan:

• Sehingga,
 Discrete Fourier Transform (DFT)
• Invers DFT (IDFT) menghitung kembali representasi sinyal waktu diskrit x(n) dari
sinyal yang dinyatakan dalam domain frekuensi X(ω), dinyatakan dengan;

• Dimana,
 Discrete Fourier Transform (DFT)
• DFT dan IDFT dapat juga dipandang sebagai transformasi linier antara x(n) dan
X(k), jadi

• dimana xN dan XN masing-masing adalah vektor dengan n buah elemen

 Discrete Fourier Transform (DFT)
• Jika dinyatakan matriks WN

• maka, N point DFT dapat dinyatakan dalam bentuk

• sedangkan IDFT dapat dihitung jika terdapat invers dari WN.

Example
• Hitung 4 point DFT dari sinyal x[n] = ( 0 1 2 3 )
• Solution:
Example
• Tentukan transformasi Fourier waktu diskret dari runtun berdurasi berhingga berikut
ini:
• x[n] = {1, 2, 3, 4, 5 }
• Solution:

( )= = +2+3 +4 +5
 Hubungan DFT dengan Spektrum
• Misalkan kita sampling sinyal periodik X(ω) dengan periode 2π pada tiap δω radian
(Gb.dibawah). Kita mengambil N sampel dalam interval 0≤ω<2π dengan jarak δω=2π/N.

• Bila kita hitung X(ω) pada ω=2πk/N, maka:

•…

2 /
( )= ( ) = 0,1, . . . , −1

/ / /
=. . . + ( ) + ( ) + ( ) +...

= ( ) /
• Bila kita ganti indek n dalam kurung dengan: −

2 /
( )= ( − )

• Bila, ( )= ( − ) Untuk k=0, 1, 2 ..... N-1.

• dapat diekspansi dalam deret Fourier:

( )= /
 xp(n) periodik dengan periode N
• ….
( )= /

• dengan koefisien Fourier ck,

1 /
= ( ) ,→ = 0,1, . . . , −1

• Dapat disimpulkan,
1 2
= → = 0,1, . . . , −1

• Therefore,
1 2 /
( )= ,→ = 0,1, . . . , −1
• Bila xp aperiodis (Gb. dibawah), nonzero dalam interval 0≤n≤L-1, dapat diamati bahwa
ketika N≥0, ( ) = ( ), → 0 ≤ ≤ − 1

Bila N≥L, x(n) dapat

dipulihkan dari xp(n).

Bila N<L, x(n) tidak dapat

dipulihkan akibat time
domain aliasing.
• Dapat disimpulkan bahwa spektrum sinyal waktu diskret aperiodik dengan durasi
berhingga L dapat dipulihkan dari samplenya pada frekuensi ωk=2πk/N jika N≥L.
• The procedure is to compute xp(n), n=0,1, … N-1., then:

( ), ≤ ≤ −
( )=
,

• Dan, X(ω) dapat dihitung dari formula 7.1.1:

( )= ( ) (7.1.1)
• Untuk menurunkan rumus interpolasi bagi X(w), kita asumsikan bahwa N≥L.
• Ketika x(n)=xp(n) untuk 0≤n≤N-1,

( )= / ,→ ≤ ≤ −
• Jika kita gunakan 7.1.1 dan subtitusi ke x(n) didapatkan:

1 2 /
( )=

2 1 ( / )
=
Properti DFT
• Sifat linier:
• Jika dan maka
untuk sembarang konstanta a1 dan a2 real atau kompleks

• Sifat periodik:
• Jika maka
• x(n + N) = x(n) untuk semua n
• X(k + N) = X(k) untuk semua k
• Sifat simetri sirkular
 Summary
• Ketika X(w) kita sample pada frekuensi ωk=2πk/N), k=0,1, … N-1, dimana N ≥L, sample
resultan adalah:
2 /
( )= = ( )

( )= ( ) / , = 0,1, . . . , −1

disebut discrete Fourier transform (DFT) dari x(n).

• Sebaliknya, untuk memulihkan sequence x(n) dari sample frekuensi:

1 /
( )= ( ) , = 0,1, . . . , −1

disebut inverse discrete Fourier transform (IDFT) dari x(n).

Thanks for your attentions