Bab 5
Sinyal dan Sistem Waktu Diskrit
Oleh:
Tri Budi Santoso
Laboratorium Sinyal, EEPIS-ITS
Edited by Foxit Reader
Copyright(C) by Foxit Corporation,2005-2009
Materi:
Tujuan:
• Siswa mampu menyelesaikan konsep dasar
transformasi Fourier Waktu Diskrit
Sub Bab:
5.1. Transformasi Fourier Waktu Kontinyu
5.2. Discrete-Time Fourier Series (DTFT)
5.3. Discrete-Fourier Transform (DFT)
5.4. Komputasi DFT
5.5. Komputasi Inverse DFT
5.6. Interpretasi Hasil DFT
5.1. Continues Time Fourier Transform
• Sinyal periodik waktu kontinyu f(t) dengan periode T dinyatakan sebagai bentuk weighted sum pada complex exponential:
dimana:
Fk = koefisien-koefisien ekspansi
Ω0 = frekuensi fundamental Î Ω0 =π/T
t
e
F
t
f
k
jk k
∑
∞−∞ =
Ω
=
0)
(
Î untuk semua nilai t (1)∫
− Ω= T jk
k f t e tdt
T F
0
0
Lanjutan….
• Persamaan (1) dikenal sebagai deret Fourier eksponensial komplek • Dalam terminologi deret geometri seringkali dinyatakan sebagai
(
)
∑
∞ =Ω
+
Ω
+
=
1 0 00
cos
sin
)
(
k
k
k
k
t
b
k
t
a
a
t
f
∫
=
=
TF
dt
t
f
T
a
0 0 0(
)
1
(2)
(3)
∫
Ω
=
+
−=
T k kk
f
t
k
dt
F
F
T
a
0 0cos
)
(
2
(
)
∫
Ω
=
−
=
− T k kk
f
t
k
dt
F
F
j
5.2. Discrete-Time Fourier Series (DTFT)
• Untuk sinyal periodik waktu diskrit x(n) dengan periode N. Kita kenal frekuensi digital 0 ~ 2π. Ekspansinya dinyatakan dalam:
∑
−=
=
10
0
)
(
1
)
(
N
k
n jk
e
k
X
N
n
x
ω (6)(7)
∑
−=
−
=
10
0
)
(
)
(
N
k
n jk
e
n
x
k
X
ωPersamaan (6) dan (7) dikenal sebagai pasangan Discrete Fourier Series (DFS)
Dalam hal ini
ω0 = frekuensi fundamental = 2π/sampling rate
Lanjutan….
• Untuk N genap:
• Untuk N ganjil:
n
N
A
n
N
k
k
B
n
N
k
k
A
A
n
x
N k N kπ
π
π
cos
2
2
sin
)
(
2
cos
)
(
)
0
(
)
(
1 ) 2 / ( 1 1 ) 2 / ( 1⎟
⎠
⎞
⎜
⎝
⎛
+
⎟
⎠
⎞
⎜
⎝
⎛
+
⎟
⎠
⎞
⎜
⎝
⎛
+
=
∑
∑
− = − =∑
∑
− = − =⎟
⎠
⎞
⎜
⎝
⎛
+
⎟
⎠
⎞
⎜
⎝
⎛
+
=
( 1)/21 2 / ) 1 ( 1
2
sin
)
(
2
cos
)
(
)
0
(
)
(
N k N kn
N
k
k
B
n
N
k
k
A
A
n
x
π
π
……….(8a)
Lanjutan
Untuk N Genap:
5.3. Disc re te -Fo urie r Tra nsfo rm (DFT)
• Bisa digunakan untuk sinyal periodik dan non periodik
• Dimana ω0=2π/N • Bentuk Inversnya:
• Dalam terminologi (WN=e-j2π/N) dinyatakan:
1
0
)
(
)
(
1 00
≤
≤
−
=
∑
− = −N
k
e
n
x
k
X
N n njkω
(10)
1
0
)
(
1
)
(
1 00
≤
≤
−
=
∑
− =N
n
e
k
X
N
n
x
N n njkω
(11)
Sifat-Sifat DFT
• Secara umum sama dengan sifat Transformasi Fourier waktu kontinyu.
• Tetapi durasi untuk n dibatasi 0 s/d N-1. Maka setelah n = N-1, akan berputar kembali pada nilai n = 0.
• Dari beberapa sifat tsb, kita bahas 4 saja, yaitu: - Sifat Linearitas
- Sifat Circular Translation
a. Sifat Linearitas
DFT[a
1x
1(n)] = a
1X
1(k) , DFT[a
2x
2(n)] = a
2X
2(k)
Maka:
DFT[a
1x
1(n) + a
2x
2(n)] = a
1DFT[x
1(n)] + a
2DFT[x
2(n)]
b. Sifat Circular Translation
• Pada kasus translasi linearÆx(n-n0) merupakan
bentuk pergeseran ke kanan.
• Tetapi pada kasus sinyal non-periodik (n = 0 s/d N-1), maka pergeseran terbatas sampai dengan N-1.
Setelah itu kembali ke n=0Î Modulo N, maka
bentuknya menjadi
N=8 0
1
2
3 4 5
6 7
x(n) = [x(0), x(1),……, x(N-2), x(N-1)]
x((n-1)mod N) = [x(N-1), x(0),……, x(N-3), x(N-2)] ……
x((n-n0)mod N) = [x(N-n0), x(N-n0+1),……., x(N- n0 -1)] ……
x((n-N)mod N) = [x(0), x(1),……, x(N-2), x(N-1)]
DFT[(n-N)mod N]=WNkmX(k)
c. Sifat Perkalian dengan Eksponensial
Jika
DFT[x(n)] = X(k)
Maka DFT[W
N-lnx(n)] =X((k-l) mod N)
d. Sifat Circular Convolution
• Konvolusi Linear:
• Konvolusi Circular:
)
(
)
(
)
(
)
(
)
(
)
(
2 1 2 1 21
n
x
n
x
n
k
x
k
atau
x
k
x
n
k
x
k k−
−
=
∗
∑
∑
∞ −∞ = ∞ −∞ =[
]
( ) ( )
[
] [
]
{
(
)
(
)
}
)
(
)
(
)
(
)
(
2 1 1 2 1 2 1 2 1n
x
F
n
x
F
F
n
x
n
x
e
X
e
X
n
x
n
x
F
j j⋅
=
∗
=
∗
− ω ω(
)
(
)
∑
∑
− = − =−
=
−
∆
⊗
1 0 2 1 1 0 2 1 2 1mod
)
(
)
(
)
(
mod
)
(
)
(
)
(
N k N kN
k
n
x
k
x
k
x
N
k
n
x
n
x
n
x
Dimana x
1(n-k)mod N) merupakan versi ter-refleksi dan
ter-translasi (geser) pada x
1(n)
Contoh 1:
• Sebuah operasi konvolusi circular dibentuk dari
dua komponen x
1(n)=(1,2,2,0) dan x
2(n)=(0,1,2,3).
Dapatkan hasil konvolusi
)
(
)
(
)
(
n
x
1n
x
2n
x
=
⊗
x
1(n)
x
2(n)
Penyelesaian:
Step 2: x1(k) = (1, 2, 2, 0) x2((1-k)mod 4)= (1, 0, 3, 2)
--- + y(0) = 1 0 6 0
= 7 Step 1: x1(k) = (1, 2, 2, 0)
x2((0-k)mod 4)= (0, 3, 2, 1) --- + y(0) = 0 6 4 0
= 10
Step 3: x1(k) = (1, 2, 2, 0) x2((2-k)mod 4)= (2, 1, 0, 3)
--- + y(0) = 1 2 0 0
= 4
Step 4: x1(k) = (1, 2, 2, 0) x2((3-k)mod 4)= (3, 2, 1, 0)
--- + y(0) = 3 4 2 0
= 9
Step 5: x1(k) = (1, 2, 2, 0) x2((0-k)mod 4)= (0, 3, 2, 1)
--- + y(5) = 0 6 4 0
= 10
Hasilnya:
)
9
,
4
,
7
,
10
(
)
(
)
(
)
(
n
=
x
1n
⊗
4x
2n
=
y
n
y(n)
[
]
[
]
{
(
)
(
)
}
)
(
)
(
2 1 21
n
x
n
IDFT
DFT
x
n
DFT
x
n
x
⊗
N=
N N⋅
N……….(16)
5.5. Computation of Inverse DFT
( )
∑
−=
−
=
−
⎟
⎠
⎞
⎜
⎝
⎛
=
10
1
,....,
1
,
0
;
1
)
(
N
k
kn
N
n
N
W
k
X
N
n
x
5.6. Interpretation of DFT Result
x(n)
Î
versi diskrit (tersampel) pad asinyal analog x
a(t)
Frekuensi indek
(tanpa satuan)
k
Frekuensi digital
(radiant)
ω
k= k2
π
/N
Frekuensi indek
(tanpa satuan)
Ω
k= k2
π
/NT
Contoh 2
• Dapatkan transformasi Fourier dari sinyal cosinus yang
memiliki periode eksak di dalam window yang terdapat pada sampel. Tetapkan x(n) seperti pada Gambar dibawah yang direpresentasikan sebagai x(t) = 3cos(2πt), pada t=nT. Untuk suatu n = 0~ 99, dan T=0,01.
t
x(t)
Penyelesaian
• Didapatkan sekuen diskrit sebagai
x(n) = 3cos(2πnT) = 3cos(0.02πn) untuk
n =0,1,….,199. Perlu dicatat bahwa x(n) merupakan sinyal cosinus sepanjang dua periode.
n
x(n)
• Bagian real X
R(k) dan imajiner X
I(k) dapat
dihitung dari persamaan (11).
1
0
)
(
)
(
1
0
0
≤
≤
−
=
∑
−=
−
N
k
e
n
x
k
X
N
n
n jkω
(
)
(
) (
(
)
(
)
)
∑
−=
−
=
10
0 0
sin
cos
02
,
0
cos
3
)
(
N
n
n
k
j
n
k
n
k
X
π
ω
ω
Bagian Real
XR(k)
2
0,02
π
2
π
Freq Analog (rad/det) Freq Digital
(rad) Indek Freq Digital
(rad/det)
k
ω
kΩ
km
2
π
m/200
m
π
100
π
Bagian Imaginer
Semua bernilai 0, atau mendekati 0
Perhatikan pada bagian Real, ada dua nilai muncul
yaitu pada indek frekuensi (2) dan (N-2 =198).
Masing-masing dengan nilai 300. Ini
merepresentasikan (AN/2), dimana:
- A=3
Î
amplitudo
- N = 300
Î
jumlah sampel yang digunakan
Karena struktur sampling, frekuensi indek 2 berkaitan
secara tepat dengan penuh pada gelombang cosinus.
Contoh 3
• Gambarkan magnitudo pada DFT 64 titik pada x(n) = (1/32) sin (0,2πn). Dengan nilai n=0,1,…,63
Penyelesaian
X(k) = X
R(k) + X
I(k)
Magnitudonya:
( ) ( )
k
X
k
X
( ) ( )
k
X
k
X
k
X
(
)
=
R R+
I ISeperti terlihat pada gambar sebelumnya, dengan persamaan tersebut terjadi 6,4 gelombang sinus.
Jika gelombang sinus tepat pada 1 periode penuh, |X(k)| akan memiliki nilai (AN/2), sehingga:
1
2
64
32
1
2
⎟
⎠
=
⎞
⎜
⎝
⎛
⎟
⎠
⎞
⎜
⎝
⎛
=
AN
k=6
5.7. Hubungan DFT-Fourier Transform
• Transformasi Fourier
• Discrete Fourier Transform
( )
∑
( )
∑
−( )
=
− ∞
−∞ =
−
=
=
10
N
n
n j n
n j j
e
n
x
e
n
x
e
X
ω ω ω( )
( )
(
)
1
,...,
1
,
0
1
0
/
2
=
−
=
∑
−=
−
N
k
e
n
x
k
X
N
n
Sinyal Tersampel dan Transformasi Fouriernya
Zero Padding
|8 titik DFT| dengan tambahan 4 zero pada x(n)
Hasil DFT
|16 titik DFT| dengan tambahan 12 zero pada x(n)
Hasil DFT
|64 titik DFT| dengan tambahan 60 zero pada x(n)
Hasil DFT
Contoh Lain DFT pada Sinyal Sinus
x(n) = (1/64)*(sin(2*pi*n/64) + (1/3)*sin(2*pi*15*n/64))
Soal Latihan
[ ]
⎩ ⎨ ⎧ = = = 9 ,..., 2 , 1 ; 0 0 ; 1 ) n n n x a[ ]
; 0,1,2,...,9 )x n = e 2 5 n =d j πn
[ ]
⎩ ⎨ ⎧ = = = 9 ,... 2 , 1 ; 0 0 ; 1 ) k k k X a a1. Dapatkan bentuk transformasi Fourier (DFT)10-point untuk sinyal waktu diskrit berikut ini:
2. Dapatkan bentuk invers Transformasi Fourier (IDFT) 10-point untuk sinyal berikut ini:
[ ]
1 ; 0,1,2,...,9 ) X k = k =b b
[ ]
1 ; 1,2,...,9 )x n = n =b
[ ]
⎩ ⎨ ⎧ ≠ = = 4 ; 0 4 ; 1 ) n n n x c[ ]
⎩
⎨
⎧
=
=
=
9
,
8
,
6
,
5
,
4
,
2
,
1
,
0
;
0
7
,
3
;
1
)
k
k
k
X
c
c[ ]
cos
(
2
/
5
)
;
0
,
1
,
2
,...,
9
)
X
k
=
k
k
=
3. Sebuah sinyal waktu diskrit dinyatakan dalam bentuk komplek berikut ini
[ ]
( )1
,...
2
,
1
,
0
;
/ 2
1
n
=
e
n
=
N
−
x
j πk N nDapatkan bentuk transformasi Fourier waktu diskrit (DFT) dari x[n] sebanyak N-titik
4. Sebuah sinyal waktu diskrit tersusun dari fungsi sinusioda: x2[n]=cos(2πkn/N)
Dapatkan bentuknya dalam domain frekuensi N-titik
5. Buatlah sebuah program visualisasi dengan Matlab untuk domain waktu dan domain frekuensi untuk sinyal berikut ini:
6. Buat visualisasi sinyal domain waktu & frekuensi sinyal ini:
a). 1,1,1,1,0,0,0,……0,0 b). 1,1,1,1,0,0,0,……….0,0
c). 1,1,1,1,0,0,0,………0,0 d). 1,1,1,1,0,0,0,……….0,0 16 titik 32 titik
64 titik 128 titik 7. Buat visualisasi domain waktu dan domain frekuensi untuk sinyal: a) x[n] = sinc(2πn/10) ; n = -30,-29,…..-1,0,1,……..,29,30
b)
⎪
⎩
⎪
⎨
⎧
=
=
−
−
−
−
=
=
30
,
29
...,
,...
2
,
1
;
0
0
;
1
1
,
2
,....,
29
,
30
;
0
]
[
n
n
n
n