PENDAHULUAN
Transformasi data diskrit antara waktu dan frekuensi
berguna dalam analisis sinyal
Fourier Transform digunakan untuk transformasi
Deret Fourier
Transformasi Fourier
Tp / 2
1
f (t ) d ne
n
jnt
dn
Tp f (t )e jnt dt
T p / 2
CONTOH GRAFIS
Berikut adalah contohnya, lihat gelombang denyut
unipolar periodik yang ditunjukkan pada gambar 4.1 (a).
Pemilihan asal waktu yang disengaja untuk diimbangi
membentuk pusat dan tepi pulsa dimaksudkan untuk
memungkinkan ilustrasi fitur fase deret Fourier.
Dengan mengganti nilai yang sesuai ke dalam rumus dn,
kita bisa mendapatkan grafik di bawah ini:
Waveform
Amplitude
Spectrum
Phase
Spectrum
TRANSFORMASI FOURIER
Pendekatan deret Fourier harus dimodifikasi ketika
bentuk gelombang tidak periodik
Dengan menggunakan rumus berikut, kita dapat
mengubah dari variabel frekuensi diskrit nω menjadi
variabel kontinu ω
Sehingga, spektrum amplitudo dan fasa menjadi
kontinyu
d ( )
F ( j ) f (t )e jt dt
d / 2
APA ITU TRANSFORMASI?
F (jω) adalah kompleks dan dikenal sebagai integral
Fourier atau lebih umum = Transformasi Fourier
Perhatikan contoh grafis pada Gambar 4.1, dengan
menggunakan transformasi Fourier kita dapat mengubah
amplitudo diskrit pulsa menjadi spektrum amplitudo
Lihatlah gambar 4.2 pada slide berikutnya
Spektrum
Amplitudo
GRAFIK: SPEKTRUM ENERGI DARI PULSA
2V
Spektrum
Energi
DFT DAN KEBALIKANNYA
Dalam prakteknya komponen fourier data diperoleh
dengan komputasi digital daripada dengan pemrosesan
analog
Hal ini dicapai dengan menggunakan rangkaian cuplik-
dan-tahan yang diikuti oleh konverter AD
Masalahnya adalah Transformasi Fourier hanya dapat
digunakan untuk data kontinu, sedangkan data umumnya
diskrit dan mungkin non-periodik
DFT DAN KEBALIKANNYA
Namun ada transformasi analog untuk digunakan dengan data
diskrit, yang dikenal sebagai Discrete Fourier Transform
(DFT)
Asumsi pertama adalah: pertimbangkan bentuk gelombang
telah diambil sampelnya pada interval waktu T yang teratur
untuk menghasilkan urutan sampel:
N 1
X (k ) FD [ x(nT )] x(nT )e jknT
Di mana k = 0, 1, ..., N-1n 0
Perhatikan variabel eksponen, jangan sampai ketinggalan
DFT DAN KEBALIKANNYA
Karena Ω=2π/NT, maka variabel eksponen dari rumus
tersebut dapat dikonversi menjadi:
N 1
X (k ) x(nT )e jknT
n 0
N 1 2nk
j
X (k ) x(nT )e N
n 0
DFT DAN KEBALIKANNYA
Untuk membuat perhitungan lebih mudah, persamaan ini
sangat berguna:
e j cos j sin
e j cos j sin
Jawaban:
Asumsikan bahwa data ini mewakili empat tegangan
berturut-turut x(0)=1, x(T)=0, x(2T)=0, x(3T)=0
Data dicatat pada interval waktu, T dan N = 4. Karena N-
1 = 3, maka diperlukan untuk menemukan nilai-nilai
kompleks X(k) untuk k=0, k=1, k=2, k=3,
N 1 2nk
j
X (k ) x(nT )e N
n 0
CONTOH DFT
Untuk k=0
X(0) = 2
X(1) = 1 + j DFT = { 2 , 1 + j , 0 , 1 –j }
X(2) = 0
X(3) = 1 -j
Plot Grafik
PROPERTI SIKLUS DFT
Fakta bahwa X (k + N) = X (k)
Itu berarti DFT bersifat periodik dengan periode N
2. Fungsi Genap
Jika xe(n) adalah fungsi genap, maka: xe(n) = xe(-n)
N 1
FD xe (n) xe (n) cos( knT )
n 0
PROPERTI DFT
3. Fungsi Ganjil
Jika xo(n) adalah fungsi genap, maka: xo(n) = -xo(-n)
N 1
FD x0 (n) j. x0 (n) sin( knT )
n 0
4. Teorema Parseval’s
2
N 1
1 N 1
n 0
2
x (n)
N
X (k )
k 0 Energi yang dinormalisasi
dalam sinyal
KOMPLEKSITAS KOMPUTASI DFT
Sejumlah besar perkalian dan penambahan diperlukan
untuk perhitungan DFT
Untuk N-point DFT akan ada perkalian N2 dan N. (N-1)
tambahan
Bayangkan saja untuk ribuan data akan ada jutaan
perkalian dan penambahan, yang membutuhkan banyak
memori, waktu dan biaya
Jadi apa yang harus kita lakukan untuk mengurangi
jumlah ini?
CONTOH UNTUK DFT 4-TITIK
Dapatkan DFT dari suatu urutan {1, 0, 0, 1}
Menjawab
Perhatikan bahwa hanya DFT 4-titik, sehingga dari
angka sebelumnya poin x0, x4, x2, x6 diganti dengan x0,
x2, x1, x3 dan nilai DFT yang diperlukan adalah:
X11 (0), X11 (1), X11 (2), X11 (3),
Oleh karena itu, perhitungan hanya sampai langkah
kedua
CONTOH UNTUK DFT 4-TITIK
X21(0) = x0+ x2= 1
X21(1) = x0-x2= 1
X22(0) = x1+ x3= 1
X22(1) = x1-x3= -1
CONTOH UNTUK DFT 4-TITIK
Dari nilai tersebut kami tahu bahwa itu sama dengan
nilai yang kami tentukan dari 'metode klasik DFT' Jadi,
kami mungkin mengatakan: Dengan menggunakan FFT,
penghitungan komputasi, meningkat seiring dengan
meningkatnya jumlah data
https://PSDsamodro.blogspot.com/