Header File WAV Chunk File WAV

G II.2.7 Sound Recogn Sound Recogni sinyal-sinyal digital y Teknologi sound recogni digital ke dalam bent berarti sama seperti sangat bervariasi. Da rendah. Perbedaan ini semakin rapat gelomba Secara garis be yang diterima melalui Frekuensi tersebut d mentransformasikan menggunakan rumus tentang frekuensi yan mencirikan suatu obje Gambar II.9 Intepretasi File Audio wav ognition ognition merupakan sebuah teknologi terapan l yang berasal dari bunyi menjadi instruksi ata cognition mampu menganalisis sebuah masuka bentuk besaran frekuensi. Di dalam istilah musi ti frekuensi. Frekuensi yang terdapat pada si apat dibedakan ada suara bernada tinggi, da n ini disebabkan oleh pitch dari gelombang ombang, akan semakin tinggi nada suara yang di s besar, cara kerja sound recognition ialah sin lui mikrofon diambil salah satu komponennya dapat direpresentasikan dalam bentuk spe n sinyal dari domain waktu kedalam dom us matematika Fourier, akan diperoleh sekum yang terkandung dalam sinyal tersebut. Pemi u objek suara, sehingga suara dapat dikenali. 18 n yang mengubah atau aksi tertentu. sukan berupa sinyal usik, pitch nada sinyal digital ini dan suara bernada g suara tersebut, dihasilkan. sinyal suara audio ya yaitu frekuensi. spektrum. Dengan domain frekuensi, kumpulan informasi misahan ini dapat

II.2.8 Fast Fourier Transform

Perhitungan DFT secara langsung dalam komputerisasi dapat menyebabkan proses perhitungan yang sangat lama. Hal itu disebabkan karena dengan DFT, dibutuhkan N 2 perkalian bilanngan kompleks. Karena itu dibutuhkan cara lain untuk menghitung DFT dengan cepat. Hal itu dapat dilakukan dengan menggunakan algoritma Fast Fourier Transform FFT dimana FFT menghilangkan proses perhitungan yang kembar dalam DFT. DFT dapat dituliskan sebagai berikut : [2] [ ] = [ ] 2.1 Dimana = 2.2 X[k] = representasi domain frekuensi dari deret waktu sinyal n. Rumus ini menghasilkan satu bilangan kompleks bilangan yang terdiri dari bilangan riil dan imajiner H n untuk setiap n. N = jumlah sinyal yang akan diproses. = sampel dalam domain waktu. W = konstanta kompleks. = komponen frekuensi n; n = 0,1,2, ... ,N-1. x[j] = nilai sampel sinyal. i = satuan imajiner. Dengan kata lain, vektor dari [ ] dikalikan dengan matriks yang lain n,k yang merupakan elemen konstan W untuk kelipatan n x k. Perkalian matriks menghasilkan hasil vector yang komponennya adalah [ ]. Matriks ini jelas membutuhkan perkalian matriks N² perkalian kompleks. Ditambah sejumlah operasi kecil untuk menghasilkan pangkat yang diperlukan W. Jadi, Tranformasi Fourier Diskrit tampaknya menjadi ON² proses. Namun sebenarnya Transformasi Fourier Diskrit dapat dihitung dalam operasi ON log 2 N dengan algoritma yang disebut Fast Fourier Transform. Salah satu penemuan kembali dari FFT, yaitu Danielson dan Lanczos pada tahun 1942, menyediakan salah satu turunan paling jelas dari algoritma fft. Pada prinsipnya algoritma ini adalah memecah N-titik menjadi dua N2-titik,