Вы находитесь на странице: 1из 16

MAKALAH

TRANSFORMASI FOURIER

Disusun untuk memenuhi tugas mata kuliah Sistem Linear

Dosen pengampu:

Muhammad Taufik Tamam, S.T., M.T.,

Penyusun:

Ahmad Mukholik (1503030025)

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH PURWOKERTO

2016

1
KATA PENGANTAR

Salawat dan Salam senantiasa tercurah kepada baginda Nabi Muhammad SAW,
yang di utus ke permukaan bumi ini menuntun manusia dari lembah kebiadaban menuju
ke puncak peradaban seperti sekarang ini.Kami menyadari sepenuhnya, dalam
penyusunan makalah ini tidak lepas dari tantangan dan hambatan. Oleh karena itu, kami
mengharapkan kritik dan saran dari pembaca makalah ini, supaya dalam penyusunan
selanjutnya lebih baik lagi.Akhirnya dengan segala kerendahan hati kami menyadari
bahwa hanya kepada Allah SWT jualah kami menyerahkan segalanya. Semoga kita
semua mendapat curahan rahmat dan ridho dari-Nya, Amin.
Segala puji atas kebesaran Sang Khalik yang telah menciptakan alam semesta
dalam suatu keteraturan hingga dari lisan terpetik berjuta rasa syukur kehadirat Allah
SWT. Karena atas limpahan rahmat dan hidayah-Nyalah sehingga kami diberikan
kekuatan dan kesempatan menyelesaikan makalah Sistem Linear dengan judul “ Fast
Fourier Transfrom ” yang terlaksana dengan baik.

Purwokerto, 4 Desember 2016

Penyusun

2
Daftar isi

Halaman Judul

Kata Pengantar.................................................................................................................. 2

Daftar Isi ............................................................................................................................3

BAB I Pendahuluan
1,0 Latar Belakang......................................................................................................4
BAB II Transformasi Fourier Diskrit
2,0 Sejarah Transformasi Fourier Diskrit ..................................................................5
2,1 Transformasi Fourier Cepat .................................................................................7
2,2 Algoritma Cooley-Tukey .......................................................................................7

2.3 Algoritma Rader ...............................................................................................11


BAB III Fast Fourier Transfrom
3,0 Sejarah Fast Fourier Transfrom ..........................................................................12
3,1 Ruang Lingkup Fast Fourier Transfrom .............................................................13
3,2 Perkembangan Fast Fourier Transform (FFT) & Periodogram ........................13
3,3 Manfaat Fast Fourier Transform ......................................................................14
3,4 Mengapa Menggunakan Fast Fourier Transform ..............................................14
Kesimpulan .....................................................................................................................15
Referensi ..........................................................................................................................16

3
BAB I

PENDAHULUAN

1,0 Latar Belakang


Transformasi fourier adalah suatu metode yang sangat efisien untuk
menyelesaikan transformasi fourier diskrit yang banyak dipakai untuk keperluan
analisa sinyal seperti pemfilteran, analisa korelasi, dan analisa spectrum. Diskrit
Fourier Transformasi (DFT) adalah deretan yang terdefinisi pada kawasan frekuensi
– diskrit yang merepresentasikan Transformasi Fourier terhadap suatu deretan
terhingga (finite duration sequence). DFT berperan penting untuk implementasi
algoritma suatu varitas pengolahan sinyal, karena efisien untuk komputasi berbagai
aplikasi. Fast Fourier Transformation atau transformasi Fourier cepat, merupakan
proses lanjutan dari DFT (Diskrit Fourier Transformation).Transformasi Fourier ini
dilakukan untuk mentransformaikan sinyal dari domain waktu ke domain frekuensi.
FFT adalah bentuk khusus dari persamaan integral fourier. Di dalam proses Fast
Fourier Transform akan menghasilkan dua buah nilai yaitu nilai real dan nilai
imajiner.

4
BAB II
Transformasi Fourier Diskrit

2,0 Sejarah Transformasi Fourier Diskrit


Menurut Buku “Understanding Digital Signal Processing, Second Edition”
karangan Richard G. Lyons. Transformasi Fourier Diskrit adalah prosedur yang kuat
yang digunakan dalam pemrosesan sinyal digital dan filterisasi digital. Transformasi
Fourier Diskrit menungkinkan seseorang untuk menganalisa, memanipulasi dan
mensintesis sinyal yang tidak mungkin dapat dilakukan dalam pemrosesan sinyal
analog. Sedangkan menurut buku “Handbook of Digital Signal Processing
Engineering Applications”, Transformasi Fourier Diskrit merupakan gambaran
karakteristik spektrum periodik dari suatu sampel data. Transformasi Fourier Diskrit
memiliki spectrum garis yang mewakili periode sekuensial N. Adanya istilah
“discrete fourier transform” karena Transformasi Fourier Diskrit memberikan
gambaran deret fourier untuk sekuens terbatas. Secara umum Transformasi Fourier
Diskrit adalah salah satu macam transformasi Fourier yang digunakan dalam analisis
Fourier. Dengan Transformasi Fourier Diskrit, suatu fungsi diubah ke dalam domain
frekuensi. Adapun rumus untuk menghitung Transformasi Fourier Diskrit sebagai
berikut : Diketahui barisan N buah bilangan kompleks h0, … , hk-1 diubah menjadi
N buah barisan bilangan kompleks H0, … , Hn-1 dengan rumus :
𝑁−1
2𝜋𝑖𝑘𝑛
𝐻𝑛 = ∑ 𝐻𝑘 𝑒 − 𝑁 , … … … . (1)
𝑘=0

dengan k = 0, 1, … , N-1. Persamaan (1) di atas mengubah hk menjadi Hn. Untuk


menghitung kompleksitas algoritma dari perhitungan Transformasi Fourier Diskrit,
dimisalkan W sebagai suatu bilangan kompleks seperti di bawah ini.
2𝜋𝑖
𝑊 = 𝑒 − 𝑁 .......(2)

Dengan melakukan substitusi (2) ke dalam (1), maka dihasilkan persamaan di


bawah ini.

5
𝑁−1

𝐻𝑛 ≡ ∑ 𝑊 𝑛𝑘 ℎ𝑘 … … … . (3)
𝑘=0

n x k. Perkalian matriks ini menghasilkan vektor yang tersusun dari komponen Hn.
Oleh karena itu, perkalian matriks ini menggunakan N x N = N2 perkalian kompleks
ditambah dengan suatu nilai yang lebih kecil untuk menghasilkan W. Dapat
disimpulkan bahwa Transformasi Fourier Diskrit memiliki kompleksitas waktu
asimptotik N2 atau O(N2).

Di bawah ini contoh algoritma Transformasi Fourier Diskrit ditulis dalam bahasa C.
/* Direct fourier transform */
int DFT(int dir, int m, double *x1,
double *y1) {
long i,k;
double arg;
double cosarg,sinarg;
double *x2=NULL,*y2=NULL;
x2 = malloc(m*sizeof(double));
y2 = malloc(m*sizeof(double));
if (x2 == NULL || y2 == NULL)
return(FALSE);
for (i=0;i<m;i++) {
x2[i] = 0;
y2[i] = 0;
arg = - dir * 2.0 * 3.141592654 *
(double)i / (double)m;
for (k=0;k<m;k++) {
cosarg = cos(k * arg);
sinarg = sin(k * arg);
x2[i] += (x1[k] * cosarg -
y1[k] * sinarg);
y2[i] += (x1[k] * sinarg +

6
y1[k] * cosarg);
}
}
/* Copy the data back */
if (dir == 1) {
for (i=0;i<m;i++) {
x1[i] = x2[i] / (double)m;
y1[i] = y2[i] / (double)m;
}
} else {
for (i=0;i<m;i++) {
x1[i] = x2[i];
y1[i] = y2[i];
}
}
free(x2);
free(y2);
return(TRUE);
}

2,1 Transformasi Fourier Cepat


Ada beberapa macam algoritma yang tergolong ke dalam Transformasi Fourier
Cepat. Namun dalam makalah ini hanya akan membahas tiga algoritma saja.
2,2 Algoritma Cooley-Tukey
Algoritma Cooley Tukey adalah salah satu dari sekian algoritma yang digunakan
untuk menghitung Transformasi Fourier Diskrit. Algoritma ini dipopulerkan oleh J.
W. Cooley dan John Tukey pada tahun 1965. Sebenarnya algoritma ini pertama kali
ditemukan oleh
Carl Friedrich Gauss pada tahun 1805. Hanya saja ia tidak sampai pada pembahasan
waktu perhitungan asimptotik. Sampai dengan waktu saat makalah ini dibuat,
algoritma ini merupakan algoritma yang paling umum digunakan. Ide dari
Transformasi Fourier Cepat adalah mengubah suatu bentuk Transformasi Fourier

7
Diskrit dengan panjang N menjadi bentuk penjumlahan dari dua buah bentuk
Transformasi Fourier Diskrit dengan panjang masing-masing N/2, satu bagian terdiri
dari elemen bernomor ganjil sementara yang lain genap. Pembuktian dari algoritma
ini adalah sebagai berikut :
𝐹𝑘 = 𝐹𝑘 𝑒 +𝑊 𝐾 + 𝐹𝐾 𝑜 .(4)
Tanda e dan o pada F menyatakan genap (even) dan ganjil (odd) sedangkan W
didefinisikan seperti pada (2). Keistimewaan dari pembuktian di atas adalah dapat
dilakukan secara rekursif hingga akhirnya panjang daribentuk transformasi Fourier
bernilai satu. TransformasiFourier dengan panjang satu adalah identitas operasi yang
menyalin masukan ke keluaran. Pada suatu nilai n, bentuk penjabaran seperti pada
(4) dapat dinyatakan dengan :
Fkeoeeoeo.....oee = fn (5)
Dengan n tentu, Langkah selanjutnya adalah menghubungkan nlai dari n dengan pola
ganjil genap pada (5). Sebelummenghubung-hubungkan, nilai genap dan ganjil
diubah . terlebih dahulu ke dalam bentuk biner (0 dan 1). Proses menghubung-
hubungkan ini menghasilkan nilai pasangan n dalam bentuk biner. Pengulangan yang
terjadi untuk setiap pola menghabiskan waktu sebanyak log2 N. Karena setiap
kombinasi terdiri dari N operasi, maka keseluruhan algoritma berorde N log2 N
dengan asumsi bahwa proses menghubungkan suatu nilai dengan bentuk bit tidak
lebih dari N log2 N.

Gambar 1 - Proses pengurutan bit pada sebuah array,


(a) pada dua array, (b) pada satu array.
Perbedaan antara orde metode Transformasi Fourier Diskrit dan Transformasi
Fourier Cepat, yaitu N2 dan N log2 N, sangat mempengaruhi waktu yang dibutuhkan

8
untuk menghitung deret Fourier. Dengan adanya Transformasi Fourier Cepat akan
sangat membantu penghitungan deret Fourier dalam dua hal yaitu : jumlah data yang
besar dan keterbatasan alat penghitung (komputer). Tabel 1 – Perbandingan
kecepatan operasi dengan menggunakan Transformasi Fourier Cepat (kolom “FFT”
pada tabel) dan langsung dengan Transformasi Fourier Diskrit (kolom ”direct” pada
tabel)
K Number of flops Number of Increase in
FFT ( 5k Log2K) flops Speed
Direct(8K2)

32 800 8192 10,2


256 10240 524288 51,2
1024 51200 8 388 608 163,8
8192 532480 536 870 912 1008,2

Di bawah ini contoh algoritma Cooley-Tukey ditulis dalam bahasa C


/* This computes an in-place complexto-
complex FFT x and y are the real
and imaginary arrays of 2^m points.
dir = 1 gives forward transform
dir = -1 gives reverse transform */
short FFT(short int dir,long m,double
*x,double *y) {
long n,i,i1,j,k,i2,l,l1,l2;
double c1,c2,tx,ty,t1,t2,u1,u2,z;
/* Calculate the number of points */
n = 1;
for (i=0;i<m;i++)
n *= 2;
/* Do the bit reversal */
i2 = n >> 1;
j = 0;
for (i=0;i<n-1;i++) {
if (i < j) {
tx = x[i];
ty = y[i];

9
x[i] = x[j];
y[i] = y[j];
x[j] = tx;
y[j] = ty;
}
k = i2;
while (k <= j) {
j -= k;
k >>= 1;
}
j += k;
}
/* Compute the FFT */
c1 = -1.0;
c2 = 0.0;
l2 = 1;
for (l=0;l<m;l++) {
l1 = l2;
l2 <<= 1;
u1 = 1.0;
u2 = 0.0;
for (j=0;j<l1;j++) {
for (i=j;i<n;i+=l2) {
i1 = i + l1;
t1 = u1 * x[i1] - u2 * y[i1];
t2 = u1 * y[i1] + u2 * x[i1];
x[i1] = x[i] - t1;
y[i1] = y[i] - t2;
x[i] += t1;
y[i] += t2;
}
z = u1 * c1 - u2 * c2;
u2 = u1 * c2 + u2 * c1;
u1 = z;
}
c2 = sqrt((1.0 - c1) / 2.0);
if (dir == 1)
c2 = -c2;
c1 = sqrt((1.0 + c1) / 2.0);
}
/* Scaling for forward transform */
if (dir == 1) {
for (i=0;i<n;i++) {
x[i] /= n;
y[i] /= n;
}
}
return(TRUE);}

10
2.3 Algoritma Rader
Algoritma Rader, ditemukan pada tahun 1968, adalah salah satu jenis
Transformasi Fourier Cepat untuk menghitung transformasi Fourier Diskrit
berukuran bilangan prima dengan mengekspresikan kembali Transformasi Fourier
Diskrit sebagai sebuah siklus konvolusi. Untuk suatu kasus yang sama, algoritma
Cooley-Tukey jauh lebih sederhana dan lebih praktis dalam memecahkan suatu
masalah. Oleh karena itu, algoritma Rader biasanya hanya digunakan untuk kasus
dasar dari dekomposisi rekursif Cooley-Tukey dari Transformasi Fourier Diskrit.
Jika Transformasi Fourier didefinisikan sebagai :
𝑁−1
2𝜋𝑛𝑘
𝑋𝑘 ≡ ∑ 𝑋𝑛. 𝑒 𝑁 … … . (6)
𝑛=0
Jika N adalah bilangan prima, maka suatu set indeks tidak nol n = 1, … , N-1
membentuk kelompok terhadap perkalian modulo N. Berdasarkan teori bilangan,
kelompok bilangan tersebut mempunyai sebiah pembangkit, yaitu bilangan bulat g
sedemikian sehingga n = gq (mod N) untuk setiap indeks tidak nol dan setiap q yang
unik paa 0, …, N-2. Maka k = g–p (mod N) untk setiap indeks tidak nol k dan setiap
p yang unik pada 0, …, N-2. Persamaan (6) dapat ditulis ulang menjadi :
𝑁−2
2𝜋𝑖 −(𝑝−𝑞)
𝑋𝑔.−𝑝 ≡ 𝑋𝑜 + ∑ 𝑋𝑔𝑞 𝑒 − 𝑛
𝑔
𝑝 = 0, … . . , 𝑁 − 2 … … … (7)
𝑞=0

Dengan p = 0, … , N-2 dan nilai Xo


𝑁−1

𝑋𝑜 ≡ ∑ 𝑋𝑛 … . (6)
𝑛=0
Penjumlahan akhir dari (7) adalah sebuah siklus konvolusi dari dua bagiab aq dan
bq dengan panjang N-1 (q=0, …, N-2) dengan definisi :
a.q= Xgq......(9)
atau
2𝜋𝑖 −𝑞
− 𝑔
b.q=𝑒 𝑛 .........(10)
Algoritma Rader membutuhkan waktu O(N) ditambah O(N log N) untuk konvolusi.

11
BAB III
Fast Fourier Transfrom

3,0 Sejarah Transformasi Fourier cepat

Transformasi Fourier, dinamakan atas Joseph Fourier, adalah sebuah transformasi


integral yang menyatakan-kembali sebuah fungsi dalam fungsi basis sinusoidal, yaitu
sebuah fungsi sinusoidal penjumlahan atau integral dikalikan oleh beberapa koefisien
("amplitudo"). Ada banyak variasi yang berhubungan-dekat dari transformasi ini
tergantung jenis fungsi yang ditransformasikan.

Pada tahun 1960, J.W.Cooley dan J.W.Tukey, berhasil merumuskan suatu teknik
perhitungan algoritma Fourier Transform yang efisien. Teknik perhitungan algoritma
ini dikenal dengan sebutan Fast Fourier Transform atau lebih populer dengan istilah
FFT yang diperkenalkan oleh J.S.Bendat dan A.G.Piersol pada 1986. Fast Fourier
Transform dalam bahasa indonesia adalah Transformasi Fourier Cepat adalah
sumber dari suatu algoritma untuk menghitung Discrete Fourier Transform
(transformasi fourier diskrit atau DFT) dengan cepat, efisien dan inversnya.
Fast Fourier Transform (FFT) diterapkan dalam beragam bidang dari pengolahan
sinyal digital dan memecahkan persamaan diferensial parsial menjadi algoritma-
algoritma untuk penggandaan bilangan integer dalam jumlah banyak. Ada pun kelas
dasar dari algoritma FFT yaitu decimation in time (DIT) dan decimation in frequency
(DIF). Garis besar dari kata Fast diartikan karena formulasi FFT jauh lebih cepat
dibandingkan dengan metode perhitungan algoritma Fourier Transform sebelumnya.
Metode FFT memerlukan sekitar 10000 operasi algoritma matematika untuk data
dengan 1000 observasi, 100kali lebih cepat dibandingan dengan metode sebelumnya.
Penemuan FFT dan perkembangan personal komputer, teknik FFT dalam proses
analisa data menjadi populer, dan merupakan salah satu metode baku dalam analisa
data. Satu bentuk transformasi yang umum digunakan untuk merubah sinyal dari
domain waktu ke domain frekuensi adalah Transformasi Fourier:Persamaan dari
bentuk sinya x(t).


X(𝜔) = ∫−∝ 𝑋(𝑡) 𝑒 −𝑗𝜔𝑡 𝑑𝑡

12
3,1 Ruang Lingkup Fast Fourier Transfrom

1.Periode
Secara umum periode didefinisikan sebagai waktu yang dibutuhkan untuk sebuah
isyarat atau gelombang mencapai suatu gelombang penuh.dan dapat menentukan
nilai periodesitasnya. Perlu dicermati bahwa pengertian ini berlaku untuk isyarat
monokromatis, isyarat yang dimaksud adalah gelombangnya bersifat tunggal, pasti
memiliki sebuah priode. Dengan demikian isyarat itu dikenal dengan istilah priodis,
pengamatan dapat dilakukan dengan memantau gelombang kita dapat mengetahui
nilai nilai yang terkandung dalam isyarat serta periodenya.

2.Frekuensi
Ada periode, maka ada frekuensi diartikan sebagai jumlah gelombang yang
terjadi dalam 1 detik. Frekuensi didefinisikan secara sederhana sebagai kebalikan
dari waktu. Sehingga waktu yang satuannya adalah detik (second) akan menjadi
Hertz (1-per second) hanya akan memiliki tepat satu nilai spektrum. Yang dikenal
dengan spektrum frekuensi. Pengertian frekuensi ini juga berlaku untuk gelombang
monokromatis.

3,2 Perkembangan Fast Fourier Transform (FFT) & Periodogram (Power Spectrum)

Transformasi,mempunyai makna arti pengubahan. Dalam hal ini


implementasinya adalah mengubah dari kawasan waktu menjadi kawasan frekuensi.
Transformasi tersebut dapat dilakukan pada suatu sistem atau fungsi maupun
terhadap suatu sinyal.. Tujuan segala macam transformasi adalah tersebut adalah
untuk mempermudah analisisnya. DFT mengubah sinyal atau sistem dari kawasan
waktu ke kawasan frekuensi, yang digunakan untuk melakukan analisis domain
frekuensi. Hal ini dilakukan untuk mempermudah kita melakukan analisis dimana
pada domain waktu ataupun domain spasial kita kesulitan melakukan analisis
terhadap data Perbedaan DFT dengan DTFT (discrete time Fourier Transform)
adalah pada evaluasi frekuensi yang terbatas. Jadi DFT sendiri sebenarnya adalah
DTFT dalam implementasi nyata karena keterbatasan piranti pemroses, memori dan

13
piranti lainnya. Pada prakteknya DFT sendiri dikerjakan oleh suatu pemroses baik
itu komputer atau DSP dengan algoritma yang dinamakan Fast Fourier Transform
(FFT). Algoritma FFT sendiri ada berbagai macam. Oleh karena FFT adalah
implementasi penerapan DFT maka antara FFT dan DFT sering dianggap sama dan
dapat dipertukarkan. Hasil dari pengolahan DFT ini akan menghasilkan spektrum
frekuensi yang terdiri dari spektrum magnitude dan spektrum fasa yang menunjukkan
hubungan antara magnitude, fasa dengan frekuensi. Sehingga dapat melihat melihat
komponen penyusun sinyal tersebut dari magnitude sinyal pada rentang frekuensi.
Begitu juga dengan fasenya.

Dalam prakteknya untuk melihat komponen-komponen sinyal dari satu deret


waktu dapat dilihat melalui periodogram. Pada periodogram sinyal ditampilkan
dalam sumbu frekuensi dan power dimana sumbu x sebagai sumbu frekuensi dan
sumbu y sebagai sumbu power. Untuk kemudahan maka komponen frekuensi pada
periodogram diganti dengan komponen perioda dimana T=1/f (namun pada tugas ini
sumbu x dinyatakan sebagai frekuensi). Sumbu power pada periodogram
menggambarkan tingkat kekuatan komponen sinyal-sinyal. Apabila sebuah sinyal
mempunyai power yang besar terhadap sinyal lain, maka sinyal tersebut dominan
pada data dalam deret waktu tersebut. Periodogram dapat diturunkan melalui teknik
Fast Fourier Transform (FFT). Di dalam periodogram dapat terlihat pula komponen
data yang memiliki frekuensi tinggi (perulangan terjadi dalam jangka waktu singkat)
ataupun frekuensi rendah ( perulangan terjadi dalam jangka waktu lama).

3,3 Manfaat Fast Fourier Transform

Teknik Fast Fourier Transform digunakan untuk mengekstrak komponen-


komponen data pada domain spektral atau frekuensi, dimana pada domain spasial
ataupun domain waktu komponen-komponen tersebut tidak dapat terlihat secara
eksplisit.

3,4 Mengapa Menggunakan Fast Fourier Transform

Karena fast fourier transform mampu menghitung Discrete Fourier Transform


(transformasi fourier diskrit atau DFT) dengan cepat, efisien dan inversnya.

14
Kesimpulan

Dari sekian banyak algoritma yang digunakan dalam Transformasi Fourier Cepat,
bak yang dibahas dalam makalah ini ataupun tidak, algoritma Cooley-Tukey adalah
algoritma yang paling cepat dan mangkus. Algoritma ini memiliki O(N log N) yang
sangat bermanfaat untuk perhitungan dengan jumlah data besar. Selain itu, algoritma
Cooley-Tukey berlaku untuk semua jenis jumlah masukan (tidak terbatas pada suatu
jenis saja).

15
REFERENSI
[1] Douglas F. Elliott, 1987, “Handbook of Digital Signal Processing,
Engineering Applications“, Academic Press Inc.
Waktu akses : 1 Desember 2016 pukul 15.15 WIB
[2] Munir, Rinaldi. Diktat Kuliah IF2091 Struktur Diskrit. Edisi
keempat. Program Studi Teknik Informatika, Institut Teknologi
Bandung
Waktu akses : 1 Desember 2016pukul 15.15 WIB
[3] Richards G. Lyons, 2004, “Understanding Digital Signal
Processing“, Prentice-Hall.
Waktu akses : 1Desember 2016 pukul 15.15 WIB
[4] http://www.cambridge.org/resources/0521854555/4421_Chapter%
2012%20-%20Discrete%20Fourier%20transform.pdf
Waktu akses : 1 Desember 2016 pukul 10.00 WIB
[5] http://www.mathcs.org/java/programs/FFT/FFTInfo/c12-2.pdf
Waktu akses : 1 Desember 2016 pukul 15.15 WIB
[6] http://local.wasp.uwa.edu.au/~pbourke/miscellaneous/dft/
Waktu akses : 2 Desember 2016 pukul 12.00 WIB
[7] http://en.wikipedia.org/wiki/Bluestein%27s_FFT_algorithm
Waktu akses : 2 Desember 2016 pukul 19.30 WIB
[8] http://en.wikipedia.org/wiki/Cooley–Tukey_FFT_algorithm
Waktu akses : 2 Desember 2016 pukul 20.00 WIB
[9] http://en.wikipedia.org/wiki/Discrete_Fourier_transform
Waktu akses : 2 Desember 2016 pukul 23.00 WIB
[10] http://en.wikipedia.org/wiki/Fast_Fourier_transform
Waktu akses : 3 Desember 2016 pukul 20.15 WIB
[11] http://en.wikipedia.org/wiki/Rader%27s_FFT_algorithm
Waktu akses : 4 Desember 2010 pukul 01.15 WIB

16

Вам также может понравиться