Deret Fourier
Transformasi Fourier
f (t ) d e
n
n
jnt
Transformasi diskrit,
khususnya
Digunakan dalam
transformasi kosinus
pemrosesan gambar Untuk perhitungan
diskrit digunakan
untuk memperoleh ini, transformasi dari
dalam kompresi data
set fitur yang frekuensi ke domain
sinyal ucapan dan
dikurangi untuk waktu adalah hal
video untuk
tujuan pengenalan yang penting
memungkinkan
pola
transmisi dengan
bandwidth yang
diperkecil.
Contoh Grafis
Sep Oct Nov Dec Jan Feb
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.
Amplitude
Spectrum
Phase
Spectrum
Transformasi Fourier
Dengan menggunakan
Pendekatan deret rumus berikut, kita
Sehingga, spektrum
Fourier harus dapat mengubah dari
amplitudo dan fasa
dimodifikasi ketika variabel frekuensi
menjadi kontinyu
bentuk gelombang diskrit nω menjadi
tidak periodik variabel kontinu ω
d ( )
F ( j )
d / 2
f (t )e jt dt
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
Ini adalah istilah kunci dari Transformasi Fourier yang dapat
ditingkatkan menjadi DFT dan FFT
Grafik: spektrum amplitudo dari pulsa 2 V Grafik: spektrum energi dari pulsa 2 V
Sprektum Sprektum
Amplitudo Energi
DFT dan kebalikannya
Masalahnya adalah
Dalam prakteknya Hal ini dicapai
Transformasi
komponen fourier dengan
Fourier hanya dapat
data diperoleh menggunakan
digunakan untuk
dengan komputasi rangkaian cuplik-
data kontinu,
digital daripada dan-tahan yang
sedangkan data
dengan pemrosesan diikuti oleh konverter
umumnya diskrit dan
analog AD
mungkin non-
periodik
DFT dan kebalikannya
Namun ada transformasi analog untuk digunakan dengan data diskrit, yang
dikenal sebagai Discrete Fourier Transform (DFT)
Nilai data x(nT) hanya akan nyata ketika mewakili nilai-nilai deret waktu
seperti bentuk gelombang tegangan
N 1 2nk
j
X (k ) x(nT )e N
n 0
Nature activities binder infographics
n 0
Contoh DFT
Untuk k=0
Untuk k=1
Nature activities binder infographics
Untuk k=2
Contoh DFT
Untuk k=3
NaContoh DFT
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
1. Simetris
Re [X(N-k)] = Re X(k) di mana Re adalah bagian nyata
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
Kompleksitas komputasi DFT
Sejumlah besar perkalian dan penambahan diperlukan untuk
perhitungan DFT
Sejumlah besar perkalian dan penambahan diperlukan untuk
Bayangkan saja untuk ribuan data akan ada jutaan perkalian dan
penambahan, yang membutuhkan banyak memori, waktu dan
biaya
Contoh untuk DFT 4-titik
Perhatikan
bahwa hanya
DFT 4-titik,
10:00 sehingga dari
angka
18:00
Oleh karena
Dapatkan DFT
Have a breakfast sebelumnya poin
itu, Have a
dariMary
with suatu
and Menjawab x0, x4, x2, x6 perhitungan
conversation with
John
urutan {1, 0, 0, diganti dengan hanyaAnnesampai
1} x0, x2, x1, x3 langkah kedua
dan nilai DFT
yang diperlukan
adalah:
X11 (0), X11 (1), X11
(2), X11 (3),
Contoh untuk DFT 4-titik