1

F. Transformasi Fourier Diskrit

F04.0 Analisis Frekuensi

Sinyal dengan DFT

Pengolahan Sinyal Digital

Yoanes Bandung

Sekolah Teknik Elektro dan Informatika

2

Pengantar

Untuk menghitung spektrum sinyal baik SWK maupun SWD diperlukan

nilai-nilai sinyal sepanjang waktu. Namun, pada praktiknya hanya
diperlukan pengamatan sinyal untuk durasi terbatas. Konsekuensinya,
spektrum sinyal hanya dapat diaproksimasi dari sejumlah data terbatas.
Pada bagian ini akan dipelajari implikasi dari data berdurasi terbatas
untuk analisis frekuensi dengan menggunakan DFT.

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

3

Analisis Frekuensi dengan DFT

Andaikan {𝑥 𝑛 } adalah deret yang akan dianalisis. Membatasi durasi

sepanjang 𝐿 sampel dalam interval 0 ≤ 𝑛 ≤ 𝐿 − 1, ekivalen dengan
mengalikan {𝑥(𝑛)} dengan sebuah window rektangular 𝑤(𝑛) dengan
panjang 𝐿.

𝑥- 𝑛 = 𝑥 𝑛 𝑤(𝑛)
dengan
1, 0≤𝑛 ≤𝐿−1
𝑤 𝑛 =/
0, lainnya

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

4

Analisis Frekuensi dengan DFT

(Lihat Teorema Modulasi Bab 4):
Andaikan 𝑥(𝑛) terdiri dari sinusoid tunggal, sebagai contoh 𝑥 𝑛 =
cos 𝜔! (𝑛),
1
𝑋: 𝜔 = 𝑊 𝜔 − 𝜔! + 𝑊(𝜔 + 𝜔! )
2

dengan 𝑊(𝜔) adalah transformasi Fourier dari deret window, untuk

window rektangular
$%&

𝑊 𝜔 = ? 𝑒 %'("
"#!

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

5

Analisis Frekuensi dengan DFT

Transformasi Fourier dari window rektangular

$%&

𝑊 𝜔 = ? 𝑒 %'("
"#!

𝜔𝐿
1−𝑒 '($ sin( )
𝑊 𝜔 = = 2 𝑒 '(($%&)/,
1 − 𝑒 '( 𝜔
sin( )
2

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

6

Analisis Frekuensi dengan DFT

Untuk menghitung 𝑋: 𝜔 digunakan DFT 𝑁-poin dengan menambahkan

𝑁 − 𝐿 nol pada deret 𝐿-poin dari 𝑥(𝑛).
-
Spektrum magnitudo 𝑋: 𝑘 = 𝑋: 𝜔- (! #,.-//

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

7

Analisis Frekuensi dengan DFT

Dari gambar di atas terlihat bahwa spektrum dari 𝑋: 𝜔 tidak

terlokalisasi pada frekuensi tunggal, namun tersebar ke seluruh
jangkauan frekuensi.
Dengan kata lain, daya sinyal {𝑥(𝑛)} yang terkonsentrasi pada frekuensi
tunggal, karena pengaruh windowing menjadi tersebar atau bocor ke
seluruh jangkauan frekuensi, disebut spectral leakage.

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

8

Analisis Frekuensi dengan DFT

Windowing tidak hanya mendistorsi spektrum, namun juga

menurunkan resolusi spektrum.
Diberikan sebuah deret yang terdiri dari dua komponen frekuensi

𝑥 𝑛 = cos 𝜔& 𝑛 + cos 𝜔, 𝑛

Jika deret dipotong sepanjang 𝐿 sampel dalam jangkauan 0 ≤ 𝑛 ≤ 𝐿 −
1, maka spektrum window

1
𝑋: 𝜔 = 𝑊 𝜔 − 𝜔& + 𝑊 𝜔 − 𝜔, + 𝑊 𝜔 + 𝜔& + 𝑊(𝜔 + 𝜔, )
2
STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB
9

Analisis Frekuensi dengan DFT

Kurva dari spektrum window rektangular 𝑊(𝜔) akan melalui nol

pertama kali pada frekuensi 𝜔 = 2𝜋/𝐿.
Jika 𝜔& − 𝜔, < 2𝜋/𝐿, maka fungsi window W(𝜔 − 𝜔& ) dan W(𝜔 −
𝜔, ) akan overlap, konsekuensinya spektrum garis dari 𝑥(𝑛) tidak dapat
dibedakan.
Kurva-kurva dari spektrum 𝑋: 𝜔 baru dapat diidentifikasi hanya jika
𝜔& − 𝜔, ≥ 2𝜋/𝐿.
Dengan demikian, kemampuan mengidentifikasi garis-garis spektrum
ditentukan oleh lebar kurva utama (mainlobe) dari window yang
digunakan.
STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB
10

Analisis Frekuensi dengan DFT

Contoh:
𝑥 𝑛 = cos 𝜔! 𝑛 + cos 𝜔& 𝑛 + cos 𝜔, 𝑛

dengan 𝜔! = 0.2𝜋, 𝜔& = 0.22𝜋, dan 𝜔, = 0.6𝜋. Panjang window yang

dipilih adalah 𝐿 = 25, 𝐿 = 50, dan 𝐿 = 100.

Dapat dilihat bahwa untuk 𝐿 = 25 dan 𝐿 = 50, frekuensi 𝜔! dan 𝜔&

tidak dapat dibedakan. Kedua frekuensi dapat dibedakan pada
pemilihan panjang window 𝐿 = 100.

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

11

Analisis Frekuensi dengan DFT

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

12

Analisis Frekuensi dengan DFT

Untuk mengurangi kebocoran (spectral leakage), dipilih window 𝑤(𝑛)

yang memiliki sidelobe yang lebih rendah.
Namun demikian, sidelobe yang semakin rendah akan menambah lebar
mainlobe dari 𝑊(𝜔) yang berakibat akan mengurangi resolusi dari
spektrum.
Perbandingan rectangular window vs Hanning window:

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

13

Analisis Frekuensi dengan DFT

Relasi antara 𝑥- 𝑛 dan 𝑥(𝑛) dalam domain frekuensi (Bab 4: Perkalian

dua sinyal domain waktu, Windowing theorem):

𝑥- 𝑛 = 𝑥 𝑛 𝑤(𝑛)
.
1
𝑋: 𝜔 = K 𝑋 𝜃 𝑊 𝜔 − 𝜃 𝑑𝜃
2𝜋
%.

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

14

Analisis Frekuensi dengan DFT

DFT dari 𝑥- 𝑛 merupakan versi spektrum 𝑋: 𝜔 yang tercuplik.

𝑋: 𝑘 ≡ 𝑋: 𝜔 O
(#,.-//

.
1 2𝜋𝑘
𝑋: 𝑘 = K𝑋 𝜃 𝑊 − 𝜃 𝑑𝜃 , 𝑘 = 0, 1, … , 𝑁 − 1
2𝜋 𝑁
%.

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

15

Referensi

1. Proakis, J. G., Manolakis, D. G., Digital Signal Processing: Principles,

Algorithm, and Applications, 4th Edition, NJ: Pearson Prentice Hall,
2007.
2. Ingle, V. K., Proakis, J. G., Digital Signal Processing Using MATLAB:
A Problem Solving Companion, 4th Edition, MA: Cengage Learning,
2017.

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB

16

Terima Kasih

STEI ITB | EL3010 PENGOLAHAN SINYAL DIGITAL | YB