Memahami Transformasi Fourier: Dasar, Aplikasi, dan Dekomposisi Sinyal
Artikel ini memberikan tinjauan ahli yang jelas tentang Transformasi Fourier—teknik dasar untuk menganalisis sinyal dalam teknik dan ilmu pengetahuan.
Ditegaskan dari matematikawan Prancis Joseph Fourier, Transformasi Fourier adalah prosedur matematika yang mengungkapkan konten frekuensi dari sebuah fungsi. Untuk insinyur listrik, ini paling umum diterapkan pada sinyal domain waktu—gelombang yang menggambarkan tegangan, arus, atau kuantitas terukur lainnya seiring waktu.
Dekomposisi Sinusoidal
Sementara jejak osiloskop tegangan atau arus versus waktu adalah intuitif, itu bukan representasi yang berguna satu-satunya. Dalam banyak konteks desain—terutama RF dan komunikasi—insinyur perlu memahami perilaku periodik sinyal dalam hal sinusoid murni, karena sinusoid adalah ekspresi matematika unik dari "frekuensi murni."
Transformasi Fourier mengungkap periodisitas elemen sinyal dengan mendekomposisinya menjadi frekuena sinusoid konstituen, beserta magnitudo dan fase mereka. Dekomposisi ini adalah kunci: itu memungkinkan kita untuk memperlakukan gelombang kompleks sebagai superposisi dari sinusoid sederhana.
Misalnya, gelombang persegi AC-coupled dengan periode T dan amplitudo A dapat diekspresikan sebagai deret tak terbatas dari harmonik ganjil:
\[f_{square}(t)=\frac{4A}{\pi}\sum_{k\in\{1,3,5,...\}}\frac{1}{k}\sin\left(\frac{2\pi kt}{T}\right)\]
Menulis ulang dalam hal frekuensi fundamental f menghasilkan bentuk yang lebih intuitif:
\[f_{square}(t)=\frac{4A}{\pi}\Bigl(\sin(2\pi ft)+\tfrac{1}{3}\sin(6\pi ft)+\tfrac{1}{5}\sin(10\pi ft)+\dots\Bigr)\]
Plot pendamping mengilustrasikan gelombang persegi (biru) dan delapan sinusoid pertama, diikuti oleh plot rekonstruksi yang mengonfirmasi bahwa deret mereproduksi gelombang asli.
Fungsi Domain Waktu dan Domain Frekuensi
Saat menghitung Transformasi Fourier, kita memulai dengan fungsi domain waktu f(t) dan mendapatkan fungsi domain frekuensi F(\omega), di mana \omega adalah frekuensi sudut. Mengevaluasi F(\omega) pada frekuensi tertentu (misalnya, 100 rad/s) menghasilkan magnitudo dan fase dari sinusoid yang muncul dalam f(t) pada frekuensi itu.
Transformasi secara inheren kompleks-bernilai, sehingga magnitudo dan fase diekstraksi melalui perhitungan tambahan. Dalam praktiknya, insinyur menggunakan magnitudo dari koefisien kompleks (\sqrt{a^2+b^2}) untuk menganalisis konten frekuensi, terutama saat bekerja dengan discrete Fourier transform (DFT) pada data yang diproses.
Visualisasi Transformasi Fourier
Spektrum frekuensi—plot magnitudo versus frekuensi—bersifat umum dalam datasheet, laporan uji, dan buku teks. Spektrum berikut menunjukkan harmonik dari gelombang persegi AC-coupled dengan amplitudo 1 V dan frekuensi fundamental 1 Hz.
Menghitung Transformasi Fourier
Sementara sebagian besar insinyur mengandalkan perangkat lunak untuk melakukan analisis Fourier, memahami matematika dasarnya berharga. Transformasi Fourier waktu kontinu dari sinyal f(t) didefinisikan sebagai:
\[F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-j\omega t}\,dt\]
Untuk sinyal waktu diskrit, DFT menggantikan integral dengan jumlah terbatas, menghasilkan koefisien kompleks yang secara langsung mewakili spektrum frekuensi.
Kesimpulan
Artikel ini telah menguraikan prinsip inti Transformasi Fourier, dari dekomposisi sinusoidal hingga visualisasi spektrum praktis. Transformasi adalah fondasi pemrosesan sinyal modern dan gerbang menuju topik lanjutan seperti desain filter, modulasi, dan estimasi spektral.
Baca Lebih Lanjut
- Pengantar Discrete Fourier Transform
- Pengantar Fast Fourier Transform
- Bagaimana Melakukan Analisis Domain Frekuensi dengan Scilab
- Belajar untuk Tinggal di Domain Frekuensi
- Filtering Linier Berbasis Discrete Fourier Transform
