Mengapa Kita Butuh FFT ? 2014.

Slides:



Advertisements
Presentasi serupa
Konversi citra Satriyo.
Advertisements

Jump to first page M. HAMDANI – LEKTOR KEPALA INSTITUT SAIN DAN TEKNOLOGI NASIONAL JAKARTA 2009.
Daniel Richard Andriessen S1 Sistem Komputer
SISTEM PEMROSESAN SINYAL Fatkur Rohman, MT
Diagram blok sistem instrumentasi
Frequency Domain.
Pengolahan Sinyal Digital TE5601
Artificial Intelegent
AKUISISI DATA PENGANTAR
FAST FOURIER TRANSFORM (FFT)
PENELITIAN DI BIDANG ILMU KOMPUTER
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Pengolahan Citra Diah Octivita ( ) Hadi Ismanto ( ) Jan Peter ( ) Yenni Rahmawati ( )
Perbaikan Citra pada Domain Spasial
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
Teori Konvolusi dan Fourier Transform
Sinyal dan Noise Pertemuan 2
Konversi Sinyal Analog ke Sinyal digital dan sebaliknya
KONVOLUSI DAN TRANSFORMASI FOURIER
Pendahuluan Mengapa perlu transformasi ?
Pertemuan 2 Sinyal dan Noise:Transformasi Fourier
SIFAT-SIFAT DAN APLIKASI DFT
Konvolusi Dan Transformasi Fourier
IMAGE ENHANCEMENT (PERBAIKAN CITRA)
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Sinyal dan Sistem Yuliman Purwanto 2013.
2.2 Operasi Dasar Citra : Lokal dan Objek Operasi Ketetanggaan Pixel
Materi 04 Pengolahan Citra Digital
MODUL 5 Domain Frekuensi dan Filtering Domain Frekuensi
Sinyal dan Sistem Yuliman Purwanto 2014.
Mengapa Kita Butuh FFT ? 2013.
BAB V Transformasi Citra
Analisis Fourier Jean Baptiste Fourier ( , ahli fisika Perancis) membuktikan bahwa sembarang fungsi periodik (kecuali sinus murni) pada dasarnya.
PENGOLAHAN SINYAL DIGITAL (PSD)
Pengolahan Citra Digital
Spektrum dan Domain Sinyal
Fourier transforms and frequency-domain processing
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (1)
Dasar Pemrosesan Citra Digital
Transformasi Fourier Waktu Diskrit dan Transformasi Fourier Diskrit
Mengapa Kita Butuh FFT ? 2014.
Pengolahan dalam Domain Frekuensi dan Restorasi Citra
Penapisan pada Domain Frekuensi 1
Analisis Tekstur.
Penapisan Pada Domain Frekuensi (2)
Tri Rahajoeningroem, MT T. Elektro - UNIKOM
Pengolahan Citra Digital: Transformasi Citra (Bagian 2 : Wavelet)
Digital Image Processing
Mengapa Kita Butuh FFT ? 2014.
KONVOLUSI DAN TRANSFORMASI FOURIER
CS3204 Pengolahan Citra - UAS
Convolution and Correlation
Fast Fourier Transform (FFT)
Konsep Dasar Pengolahan Citra
Transformasi Laplace Ditemukan oleh Pierre-Simon Marquis de Laplace ( ), pakar matematika dan astronomi Perancis. Prinsipnya mentransformasi sinyal/sistem.
Pengolahan Sinyal.
Kekurangan Tr. Fourier Tranformasi wavelet (WT) merupakan perbaikan dari transformasi Fourier(FT). FT : hanya dapat menangkap informasi apakah suatu sinyal.
Nama : SUPRIANSYAH NIM :
Pengolahan Citra Pertemuan 8
Tri Rahajoeningroem, MT T Elektro UNIKOM
IMAGE ENHANCEMENT.
JURUSAN TEKNIK KOMPUTER FAKULTAS TEKNIK DAN ILMU KOMPUTER
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
Dct.
Koreksi Bow-tie pada Citra VIIRS NPP dengan Interpolasi Dua Dimensi
Pemrosesan Bukan Teks (Citra)
This presentation uses a free template provided by FPPT.com Pengenalan Pola Sinyal Suara Manusia Menggunakan Metode.
PENGANTAR PENGOLAHAN CITRA
Transcript presentasi:

Mengapa Kita Butuh FFT ? 2014

Latar Belakang Sinyal pada umumnya diukur dalam ranah waktu. Tetapi seringkali diperlukan spesifikasi spektral untuk dianalisis. Untuk sinyal yang periodik, bisa dianalisis menggunakan deret Fourier. Untuk sinyal yang tak-periodik, bisa dianalisis dengan menggunakan Discrete Fourier Transform (DFT). Masalahnya transformasi menggunakan DFT bisa sangat rumit, kompleks dan memerlukan jumlah komputasi yang sangat besar. Jumlah komputasi DFT = N2 Untuk mengatasinya digunakan algoritma Fast Fourier Transform (FFT) yang jumlah komputasinya N log2N saja.

Definisi Pada pertengahan 1960, J. W. Cooley dan J. W. Tukey, merumuskan teknik perhitungan Fourier Transform yang efisien yang disebut Fast Fourier Transform (FFT) FFT adalah algoritma yang efisien untuk menghitung transformasi Fourier diskrit (DFT) dan inversenya. Kata “fast” digunakan karena formulasi FFT jauh lebih cepat dibanding metoda Transformasi Fourier biasa. Misalnya, FFT memerlukan 10.000 operasi matematik untuk data dengan 1.000 observasi, yaitu 100 kali lebih cepat dibanding teknik perhitungan konvensional. Dengan perkembangan personal komputer, teknik FFT untuk analisis data menjadi populer, dan merupakan salah satu metoda baku dalam analisis data.

Contoh analisis FFT : Dengan menggunakan FFT bisa dihasilkan spektrum frekuensi dan amplitudo dengan cepat.

Contoh analisis FFT : Dengan menggunakan FFT maka spektrum komponen utama sebuah sinyal yang kompleks bisa diketahui dengan mudah sehingga pengolahan sinyal selanjutnya bisa dilakukan dengan baik.

Fungsi lain FFT : kompresi data Dengan menggunakan FFT sinyal sebuah alat musik (kiri) dianalisis dan menghasilkan spektrum jamak. Dengan melakukan thresholding pada amplitudo maka bisa dihasilkan sinyal tunggal tanpa banyak mengubah sinyal aslinya  jumlah data lebih sedikit.

Matlab : perangkat lunak utk menghitung FFT Contoh :

Implementasi FFT : Ilmu statistik : misalnya memprediksi sifat-sifat aliran air sungai, analisis curah hujan persatuan waktu, analisis klimatologi (suhu, kelembaban, arah angin, dlsb). Telekomunikasi : analisis sinyal majemuk yang ditangkap oleh sebuah antena BTS, analisis tiga dimensi radiasi sebuah antena, rancangan filter untuk menekan noise, rancangan penguat tertala berpita lebar, dlsb. Pengolahan citra digital : pengenalan citra, menentukan kemunculan intensitas piksel dengan aras tertentu, menilai kedekatan sebuah template dengan citra yang diuji, dlsb. Dan banyak aplikasi di bidang ilmu lain.

Tugas 24-03-’15 Kelompok 9 : Praditya, Afianto, Meinanto, Sandi Kiswanto Topik : Model dalam Sistem Bahasan : teori dan contoh aplikasi

Tugas 10-06-’14 Kelompok 10 : Sukma Adi Nugroho, Januar Arifian, Michael Andy Topik : Transformasi Bagan Kotak Bahasan : contoh aplikasi