Ini adalah pertanyaan yang cukup luas dan memang sulit untuk menunjukkan mengapa transformasi Fourier penting dalam pemrosesan sinyal. Jawaban yang paling sederhana dan bisa dilambaikan dengan tangan yang bisa diberikan adalah bahwa itu adalah alat matematika yang sangat kuat yang memungkinkan Anda untuk melihat sinyal Anda di domain yang berbeda, di mana beberapa masalah sulit menjadi sangat mudah untuk dianalisis.
Keberadaannya di hampir setiap bidang teknik dan ilmu fisika, semuanya karena berbagai alasan, membuat semakin sulit untuk mempersempit suatu alasan. Saya berharap bahwa melihat beberapa sifat-sifatnya yang menyebabkan adopsi yang meluas bersama dengan beberapa contoh praktis dan sedikit sejarah dapat membantu seseorang untuk memahami pentingnya.
Sejarah:
Untuk memahami pentingnya transformasi Fourier, penting untuk mundur sedikit dan menghargai kekuatan seri Fourier yang diajukan oleh Joseph Fourier. Dalam sebuah shell-nut, setiap fungsi periodik dapat diintegrasikan pada domain D = [ - π , π ] dapat ditulis sebagai jumlah tak terbatas dari sinus dan cosinus sebagaig( x )D =[-π, π]
τ k = 1
g( x ) = ∑k = - ∞∞τkeȷ k x
τk=12π∫Dg(x)e−ȷkx dx
di mana . Gagasan bahwa suatu fungsi dapat dipecah menjadi frekuensi konstituennya (yaitu, menjadi sinus dan cosinus dari semua frekuensi) adalah yang kuat dan membentuk tulang punggung transformasi Fourier.eıθ=cos(θ)+ȷsin(θ)
Transformasi Fourier:
Transformasi Fourier dapat dilihat sebagai perpanjangan dari seri Fourier di atas untuk fungsi non-periodik. Untuk kelengkapan dan kejelasan, saya akan mendefinisikan transformasi Fourier di sini. Jika adalah sinyal kontinu, dapat diintegrasikan, maka transformasi Fouriernya, X ( f ) diberikan olehx(t)X(f)
X(f)=∫Rx(t)e−ȷ2πft dt,∀f∈R
dan transformasi terbalik diberikan oleh
x(t)=∫RX(f)eȷ2πft df,∀t∈R
Pentingnya pemrosesan sinyal:
Pertama dan terpenting, transformasi Fourier dari sinyal memberi tahu Anda frekuensi apa yang ada dalam sinyal Anda dan dalam proporsi apa .
Contoh: Pernahkah Anda memperhatikan bahwa masing-masing tombol angka ponsel Anda terdengar berbeda ketika Anda menekan selama panggilan dan itu terdengar sama untuk setiap model telepon? Itu karena masing-masing terdiri dari dua sinusoid berbeda yang dapat digunakan untuk mengidentifikasi tombol secara unik. Saat Anda menggunakan ponsel untuk memencet kombinasi untuk menavigasi menu, cara pihak lain mengetahui tombol apa yang Anda tekan adalah dengan melakukan transformasi Fourier dari input dan melihat frekuensi yang ada.
Terlepas dari beberapa sifat dasar yang sangat berguna yang membuat matematika terlibat sederhana, beberapa alasan lain mengapa ia memiliki kepentingan luas dalam pemrosesan sinyal adalah:
- Kuadrat transformasi Fourier, instan memberi tahu kita seberapa besar daya yang dimiliki sinyal x ( t ) pada frekuensi tertentu f .|X(f)|2x(t)f
- Dari teorema Parseval (lebih umum teorema Plancherel), kita memiliki
yang berarti bahwa energi total dalam sinyal di semua waktu adalah sama dengan total energi dalam transformasi di semua frekuensi . Jadi, transformasinya adalah pengawetan energi.
∫R|x(t)|2 dt=∫R|X(f)|2 df
Konvolusi dalam domain waktu sama dengan perkalian dalam domain frekuensi, yaitu, diberi dua sinyal dan y ( t ) , maka jikax(t)y(t)
mana ⋆ menunjukkan konvolusi, maka transformasi Fourier dari z ( t ) hanyalah
z( t ) = x ( t ) ⋆ y( t )
⋆z( t )
Z( f) = X( f) ⋅ Y( f)
Untuk sinyal diskrit, dengan pengembangan algoritma FFT yang efisien, hampir selalu, lebih cepat untuk mengimplementasikan operasi konvolusi dalam domain frekuensi daripada dalam domain waktu.
- Mirip dengan operasi konvolusi, korelasi silang juga mudah diimplementasikan dalam domain frekuensi sebagai , di mana ∗ menunjukkan konjugat kompleks.Z( f) = X( f)∗Y( f)∗
Dengan dapat membagi sinyal menjadi frekuensi konstituennya, seseorang dapat dengan mudah memblokir frekuensi tertentu secara selektif dengan membatalkan kontribusi mereka.
Contoh: Jika Anda seorang penggemar sepak bola, Anda mungkin merasa terganggu oleh drone konstan vuvuzelas yang cukup banyak menenggelamkan semua komentar selama piala dunia 2010 di Afrika Selatan. Namun, vuvuzela memiliki nada konstan ~ 235Hz yang membuatnya mudah bagi penyiar untuk menerapkan filter takik untuk memotong kebisingan yang menyinggung. [1]
Sinyal bergeser (tertunda) dalam domain waktu bermanifestasi sebagai perubahan fase dalam domain frekuensi. Meskipun ini termasuk dalam kategori properti dasar, ini adalah properti yang banyak digunakan dalam praktik, terutama dalam aplikasi pencitraan dan tomografi,
Contoh: Ketika sebuah gelombang bergerak melalui media yang heterogen, ia melambat dan mempercepat menurut perubahan kecepatan perambatan gelombang dalam medium tersebut. Jadi dengan mengamati perubahan fase dari apa yang diharapkan dan apa yang diukur, seseorang dapat menyimpulkan keterlambatan waktu berlebih yang pada gilirannya memberi tahu Anda seberapa besar kecepatan gelombang telah berubah dalam medium. Ini tentu saja, penjelasan orang awam yang sangat sederhana, tetapi membentuk dasar untuk tomografi.
Derivatif sinyal (n th derivatif juga) dapat dengan mudah dihitung (lihat 106) menggunakan transformasi Fourier.
Pemrosesan sinyal digital (DSP) vs. Pemrosesan sinyal analog (ASP)
Teori transformasi Fourier dapat diterapkan terlepas dari apakah sinyalnya kontinu atau diskrit, asalkan "bagus" dan benar-benar dapat diintegrasikan. Jadi ya, ASP menggunakan transformasi Fourier selama sinyal memenuhi kriteria ini. Namun, mungkin lebih umum untuk berbicara tentang transformasi Laplace, yang merupakan transformasi Fourier umum, di ASP. Transformasi Laplace didefinisikan sebagai
X( s ) = ∫∞0x ( t ) e- s t dt ,∀ s ∈ C
Keuntungannya adalah bahwa seseorang tidak harus terbatas pada "sinyal yang bagus" seperti pada transformasi Fourier, tetapi transformasi hanya valid dalam wilayah konvergensi tertentu. Hal ini banyak digunakan dalam mempelajari / menganalisis / merancang sirkuit LC / RC / LCR, yang pada gilirannya digunakan dalam radio / gitar listrik, pedal wah-wah, dll.
Ini hampir semua yang dapat saya pikirkan saat ini, tetapi perlu dicatat bahwa tidak ada jumlah tulisan / penjelasan yang dapat sepenuhnya menangkap pentingnya transformasi Fourier dalam pemrosesan sinyal dan dalam sains / teknik