Estimasi kerapatan spektral , adalah proses teknis membusuk sinyal yang kompleks menjadi bagian-bagian yang lebih sederhana. Seperti dijelaskan di atas, banyak proses fisik digambarkan sebagai jumlah dari banyak komponen frekuensi individu. Setiap proses yang mengkuantifikasi berbagai jumlah (misalnya amplitudo, kekuatan, intensitas, atau fase), frekuensi vs bisa disebut analisis spektrum.
Analisis spektrum dapat dilakukan pada seluruh sinyal. Atau, sinyal dapat dipecah menjadi segmen pendek (kadang-kadang disebutframe), dan analisis spektrum dapat diterapkan untuk segmen ini individu. fungsi periodik (seperti 
) Yang sangat cocok untuk sub-divisi. Teknik matematika umum untuk menganalisis fungsi-fungsi non-periodik jatuh ke dalam kategori analisis Fourier .
) Yang sangat cocok untuk sub-divisi. Teknik matematika umum untuk menganalisis fungsi-fungsi non-periodik jatuh ke dalam kategori analisis Fourier .
The Transformasi Fourier dari fungsi menghasilkan spektrum frekuensi yang berisi semua informasi tentang sinyal asli, tetapi dalam bentuk yang berbeda. Ini berarti bahwa fungsi asli dapat sepenuhnya direkonstruksi (disintesis) oleh invers transformasi Fourier . Untuk rekonstruksi yang sempurna, spektrum analyzer harus menjaga kedua amplitudo dan fase dari masing-masing komponen frekuensi. Kedua potongan informasi dapat direpresentasikan sebagai vektor 2 dimensi, sebagai bilangan kompleks , atau sebagai besarnya (amplitudo) dan fase dalam koordinat polar (yaitu, sebagai fasor ). Teknik umum dalam pemrosesan sinyal untuk mempertimbangkan amplitudo kuadrat, atau kekuasaan ; dalam hal ini rencana yang dihasilkan disebut sebagai spektrum daya .
Dalam prakteknya, hampir semua perangkat lunak dan perangkat elektronik yang menghasilkan spektrum frekuensi menerapkantransformasi Fourier cepat (FFT), yang merupakan pendekatan matematika khusus untuk solusi terpisahkan penuh. Secara resmi menyatakan, FFT adalah metode untuk menghitung transformasi Fourier diskrit dari sinyal sampel .
Karena reversibilitas, Fourier transform disebut representasi dari fungsi, dalam hal frekuensi bukan waktu; dengan demikian, itu adalahdomain frekuensi representasi. Operasi linear yang dapat dilakukan dalam domain waktu memiliki rekan-rekan yang sering dapat dilakukan lebih mudah dalam domain frekuensi. Analisis frekuensi juga menyederhanakan pemahaman dan interpretasi efek berbagai operasi waktu-domain, baik linear dan non-linear. Misalnya, hanya non-linear atau waktu-varian operasi dapat membuat frekuensi baru di spektrum frekuensi.
Transformasi Fourier dari stochastic (random) gelombang ( noise ) juga acak. Beberapa jenis rata-rata diperlukan untuk menciptakan gambaran yang jelas tentang kandungan frekuensi yang mendasari ( distribusi frekuensi ). Biasanya, data dibagi menjadi waktu-segmen durasi yang dipilih, dan transformasi yang dilakukan pada masing-masing. Maka besarnya atau (biasanya) komponen kuadrat-besarnya transformasi dijumlahkan menjadi rata-rata transformasi. Ini adalah operasi yang sangat umum dilakukan pada digital sampel data time-domain, dengan menggunakan transformasi Fourier diskrit . Jenis pengolahan disebut metode Welch . Ketika hasilnya datar, yang biasa disebut sebagai white noise . Namun, teknik pemrosesan tersebut sering mengungkapkan konten spektral bahkan di antara Data yang muncul bising dalam domain waktu
Tidak ada komentar:
Posting Komentar