Oleh :

Ikhsan Hidayat
Deskripsi DCT (Discrete Cosine Transform)

Sebuah transformasi kosinus diskrit ( DCT )

mengungkapkan urutan titik data yang terbatas
dalam hal jumlah fungsi kosinus yang berosilasi
pada frekuensi yang berbeda.
 DCT penting untuk berbagai aplikasi dalam sains dan teknik, dari kompresi
lossy audio (misalnya MP3) dan gambar (misalnya JPEG ) (di mana
komponen frekuensi rendah dapat dibuang), ke metode spektral untuk
solusi numerik dari persamaan diferensial parsial.
Penggunaan kosinus daripada fungsi sinus sangat penting untuk kompresi,
karena ternyata lebih sedikit fungsi kosinus diperlukan untuk
mendekati sinyal yang khas, sedangkan untuk persamaan diferensial,
kosinus mengekspresikan pilihan tertentu dari kondisi batas.
DCT berhubungan erat dengan Transformasi Fourier Diskrit; DFT
sebenarnya satu langkah dalam perhitungan DCT untuk berurutan. DCT,
memiliki sifat pemadatan energi yang lebih baik, hanya dengan sedikit
koefisien transformasi yang mewakili sebagian besar energi dalam urutan.
Sifat pemadatan energi DCT membuatnya berguna dalam aplikasi seperti
komunikasi data.

3
 Syntax

y = dct(x)
y = dct(x,n)

4
 Deskripsi

y = dct (x) mengembalikan transformasi kosinus diskrit terpisah dari x

Dimana

y = dct (x, n) potongan x sampai panjang n sebelum transform.

5
 Inverse Discrete Cosine Transform (IDCT)

Syntax :
x = idct (y)
x = idct (y,n)

Transformasi Kosinus Diskrit Terbalik merekonstruksi suatu urutan dari

koefisien transformasi kosinus diskrit (DCT) diskritnya.
Fungsi idct adalah kebalikan dari fungsi dct.

6
x = idct (y) mengembalikan transformasi kosinus diskrit terbalik dari y

Dimana

Dan N = panjang (x), yang sama dengan panjang (y). Seri diindeks dari n
= 1 dan k = 1, bukan yang biasa n = 0 dan k = 0 karena vektor MATLAB
dijalankan dari 1 sampai N, bukan dari 0 sampai N-1.
x = idct (y, n) menambahkan angka nol atau memotong vektor y ke
panjang n sebelum berubah.
Jika y adalah sebuah matriks, idct mengubah kolomnya.
Karena pemadatan energi yang disebutkan di atas, adalah mungkin untuk
merekonstruksi sinyal dari hanya sebagian kecil dari koefisien DCT-nya. Sebagai
contoh, buat urutan sinusoidal 25 Hz, sampel pada 1000 Hz:
t = (0:1/999:1);
x = sin(2*pi*25*t);

8
Hitunglah DCT dari rangkaian ini dan merekonstruksi sinyal dengan hanya
menggunakan komponen dengan nilai lebih besar dari 0,1 (64 dari 1000
koefisien DCT asli):
y = dct(x) % Compute DCT
y2 = find(abs(y) < 0.9); % Use 17 coefficients
y(y2) = zeros(size(y2)); % Zero out points < 0.9
z = idct(y); %Reconstruct signal w/inverse DCT):

9
 Plot the original and
reconstructed sequences:

subplot(2,1,1); plot(t,x);
title('Original Signal')
subplot(2,1,2); plot(t,z), axis([0 1 -1 1])
title('Reconstructed Signal')

10
11
Salah satu ukuran keakuratan rekonstruksi adalah

norm (x-z) / norm (x)

Artinya, norm perbedaan antara sinyal asli dan sinyal yang

direkonstruksi, dibagi dengan norm sinyal asli. Dalam kasus
ini, kesalahan relatif rekonstruksi adalah 0.1443. Sinyal yang
direkonstruksi mempertahankan sekitar 85% energi pada
sinyal asli.
12
 DCT for Speech Signal Compression
Contoh ini menunjukkan bagaimana untuk kompres sinyal
pidato menggunakan mengubah diskrit kosinus (DCT).
Muat file yang berisi strong," kata diucapkan oleh seorang
wanita dan seorang pria. Sinyal sampel di 8 kHz.

13
 Dengan menggunakan diskrit kosinus untuk kompres sinyal suara
wanita.Dekomposisi sinyal menjadi basis vektor. Ada banyak istilah dalam
dekomposisi karena ada contoh dalam sinyal. Koefisien ekspansi dalam vektor X
mengukur berapa banyak energi yang disimpan dalam masing-masing komponen.
Urutkan koefisien dari yang terbesar hingga ke yang terkecil.

Temukan berapa banyak koefisien DCT mewakili 99,9% energi pada sinyal.
Ungkapkan jumlah itu sebagai persentase dari total.

14
Tetapkan ke nol koefisien yang mengandung 0,1% energi yang
tersisa. Rekonstruksi sinyal dari representasi terkompres. Plot
sinyal asli, rekonstruksi, dan perbedaan antara keduanya.

15
16
Ulangi analisis untuk suara laki-laki. Menemukan berapa banyak
DCT koefisien mewakili 99,9% dari energi dan mengekspresikan
nomor sebagai persentase dari total.

17
Atur sisa koefisien untuk nol dan merekonstruksi sinyal
dari versi terkompresi. Plot sinyal asli, rekonstruksi dan
perbedaan antara dua.

18
19
 Kesimpulan
Dalam kedua kasus tersebut, sekitar setengah dari koefisien DCT
cukup untuk merekonstruksi sinyal ucapan secara wajar. Jika
fraksi energi yang dibutuhkan adalah 99%, jumlah koefisien yang
diperlukan akan berkurang menjadi sekitar 20% dari
total. Rekonstruksi yang dihasilkan inferior namun tetap dapat
dipahami.
Untuk hasil kompresi dari suara wanita tadi adalah sebesar 45%
dari suara asli (sebelum ditransform) sedangkan untuk hasil
dari kompresi dari suara pria adalah sebesar 57% dari suara asli
(sebelum ditransform).
Analisis ini dan sampel lainnya menunjukkan bahwa lebih banyak
koefisien diperlukan untuk mengkarakterisasi suara pria daripada
suara wanita. 20
 Sekian
&
Terima Kasih
21