P. 1
The Uncertainty Principle of Fourier Transform

The Uncertainty Principle of Fourier Transform

|Views: 24|Likes:
Published by Jans Hendry

More info:

Published by: Jans Hendry on Jun 15, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF or read online from Scribd
See more
See less

11/14/2015

pdf

[signal processing

]

June 15, 2012

THE UNCERTAINTY PRINCIPLE OF FOURIER TRANSFORM

Transformasi Fourier dapat digunakan untuk analisa sebuah isyarat dalam domain frekuensi. Hal ini dilakukan ketika kandungan informasi di domain/kawasan waktu tidak cukup dalam membantu kita membuat analisa terhadap sebuah kasus/perkara. Ketika representasi isyarat dalam domain frekuensi dihadirkan, kita tidak bisa mengidentifikasi waktu kejadian frekuensi tersebut. Artinya representasi waktu dan frekuensi tidak bisa dilakukan secara simultan atau bersamaan. Perlu diketahui juga bahwa ketika kita memanfaatkan transformasi fourier dalam menganalisa sebuah isyarat dalam kawasan waktu, maka transformasi akan dilakukan langsung menyeluruh dari isyarat tersebut. Kita mengenal istilah isyarat stasioner yang artinya kandungan frekuensi yang sama terdapat pada semua bagian isyarat. Misalnya kita memotong isyarat pada rentang waktu tertentu, maka kandungan spektrum frekuensi pada masing-masing potongan adalah sama. Nilai magnitude tidak relevan artinya bisa berbeda-beda, tapi frekuensi adalah sama. Nah untuk kasus pada isyarat tertentu seperti isyarat suara, kita mengetahui bahwa isyarat suara tersebut tidak sepenuhnya acak ataupun tidak sepenuhnya stasioner. Isyarat suara (manusia) bervariasi sangat lambat terhadap waktu. Oleh karena itu, kita bisa melakukan analisa terhadap isyarat suara dengan menggunakan segmentasi (frame blocking) yang berarti melakukan segmentasi pada interval tertentu. Setelah melakukan segmentasi, kita asumsikan bahwa isyarat tersebut stasioner sehingga kita bisa melakukan analisa pada domain frekuensi dengan menggunakan transformasi fourier. Nah yang menjadi problem adalah segmentasi ini melibatkan proses framing dan penjendelaan (windowing). Framing memiliki satuan waktu sedangkan windowing digunakan setelah framing untuk mengeliminir diskontinuitas yang terjadi karena framing. Hal ini dijelaskan pada artikel tentang STFT. Dengan melakukan segmentasi kita berpeluang untuk: Mendapatkan resolusi yang bagus dari frekuensi Mendapatkan resolusi yang bagus pada domain waktu

[janshendry@gmail.com]

Page 1

[signal processing]

June 15, 2012

Yang jadi masalah adalah kita tidak bisa mendapatkan keduanya secara bersamaan karena untuk resolusi frekuensi yang bagus artinya analisa terhadap frekuensi semakin presisi. Semakin presisi frekuensi maka panjang segmentasi dalam kawasan waktu semakin lebar dan sebaliknya. Hal ini sangat sederhana karena mengikuti prinsip t=1/f. Fakta bahwa kita tidak bisa mendapatkan resolusi yang bagus untuk kedua besaran/variabel (f dan t) tersebut secara simultan/bersamaan disebut sebagai UNCERTAINTY PRINCIPLE of Fourier Transform. Untuk menangani masalah ini, kita perlu cermat dalam menentukan lebar dari frame agar dihasilkan sekumpulan spektrum frekuensi dan waktu yang bagus. Untuk referensi matematisnya anda bisa melihat di:
From Fourier Analysis to Wavelets Course Organizers: Jonas Gomes Luiz Velho Instituto de Matem¶atica Pura e Aplicada, IMPA Rio de Janeiro, Brazil

Isyarat = signal @ thanks...

[janshendry@gmail.com]

Page 2

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->