The Role of 2D Fast Fourier Transform and High Pass Filter in Regional and Residual Anomaly Separation in Gravity

Abstract Regional and residual Separation anomaly is one thing that must do in gravity processing data. It is important before calculating the depth of anomaly by power spectrum. There are several ways to do this, one of them is using 2D Fast Fourier Transform (FFT). 2D FFT will calculate the two-dimensional power of the gravity map (Bouger anomaly) to change the spatial domain into the wavenumber domain. 2D FFT result has no unit because it works in the wavenumber domain. Power spectrum do in wavenumber domain map. Besides that, to make the wavenumber map in the frequency domain, it should be convolved with some filter (high–pass filter) and then inverse to separate the regional and the residual map. The design of the filter matrix depends on the number of the data and the location of anomalies will be enhanced. It will influence the separation result. The best result gets from the trial and error process. 2D FFT is act like Upward Continuation or Polynomial Fitting in the gravity method with the simple process. In this paper, the process fully done in Python. Python is an effective and simple language programming because it has many modules to support the processing and covering the big data. It also gives the flexibility to the researcher to determine the specific location that will be enhanced

Download Full-text

Metode High-Pass Filter Dan Fast Fourier Transform Untuk Perbaikan Citra Telapak Tangan

Techno Com ◽

10.33633/tc.v20i4.5262 ◽

2021 ◽

Vol 20 (4) ◽

pp. 601-612

Author(s):

Mhd Furqan ◽

- Sriani ◽

Muhammad Akbar Ramadhan Tanjung

Keyword(s):

Fourier Transform ◽

Fast Fourier Transform ◽

Mean Square Error ◽

Signal To Noise Ratio ◽

Mean Square ◽

Signal To Noise ◽

Pass Filter ◽

High Pass Filter ◽

Noise Ratio ◽

High Pass

Telapak tangan sering digunakan sebagai sumber penelitian dibidang sistem biometrik karena mempunyai karakteristik seperti sidik jari. Selain itu, telapak tangan juga mudah didapatkan dan dapat diperoleh dari citra yang memiliki resolusi rendah. Namun, selain itu juga sebuah citra telapak tangan akan dapat mengalami penurunan terhadap kualitasnya. Untuk itu dilakukanlah sebuah tahap yang dikenal dengan perbaikan kualitas citra, dimana bidang ini merupakan tahap awal dari pengolahan citra digital. Dalam penelitian ini penggunaan metode dalam perbaikan citra difokuskan untuk menajamkan citra telapak tangan dengan menggunakan high pass filter dan filter fast fourier transform, dimana sebelumnya citra tersebut telah diolah dengan menggunakan histogram ekualisasi untuk meningkatkan kontras citra telapak tangan. Setelah dilakukan pengujian terhadap 30 sampel citra. Dengan menilai error pada MSE (Mean Square Error) dan PSNR (Peak Signal to Noise Ratio) dari citra hasil rekonstruksi, hasil pengujian menunjukkan bahwa penggunaan high pass filter dengan koefisien=1 menghasilkan citra yang lebih baik dimana nilai rata-rata MSE=7,064544(dB) dan PSNR=40,01314(dB) daripada menggunakan high-pass filter dengan koefisien=0. Sedangkan pada fast fourier transform dengan menggunakan Ideal High-Pass Filter (IHPF) mampu menghasilkan citra rekonstruksi yang lebih baik dengan rerata MSE=9,354056(dB) dan PSNR=38,537046(dB) dari pada menggunakan butterworth high-pass filter (BHPF) dan gaussian high-pass filter (GHPF)

Download Full-text

PENGEMBANGAN SISTEM DETEKSI KELELAHAN PADA PENGEMUDI MOBIL BERBASIS SINYAL ELECTROMYOGRAPHY (EMG)

ELEMEN : JURNAL TEKNIK MESIN ◽

10.34128/je.v3i1.11 ◽

2016 ◽

Vol 3 (1) ◽

pp. 18

Author(s):

Sukma Firdaus ◽

Marlia Adriana

Keyword(s):

Fourier Transform ◽

Fast Fourier Transform ◽

Surface Emg ◽

Mean Power ◽

Mean Power Frequency ◽

Pass Filter ◽

Low Pass Filter ◽

Low Pass ◽

Power Frequency ◽

High Pass

Peningkatan alat trasportasi khususnya kendaraan roda empat (mobil) mengakibatkan peningkatan volume kendaraan di jalan. Hal ini berdampak pada meningkatnya kemacetan. Selain kemacetan, peningkatan volume kendaraan berdampak juga pada peningkatan kecelakan lalu lintas. Salah satu penyebab kecelakan lalu lintas adalah faktor pengendaranya, yaitu kelelahan. Penelitian ini, merancang sistem pendeteksi kelelahan pengemudi, berdasarkan sinyal biologis pengemudi yaitu sinyal biologis kondisi otot lengan. Sinyal tersebut direkam dengan menggunakan metode surface EMG. Elektroda yang ditempelkan disebelah kanan lengan dihubungkan dengan penguat instrumentasi dan digitalisasi melalui unit pemproses sinyal untuk dapat disimpan kedalam komputer. Kegiatan pengambilan data dilakukan sebanyak 8 kali dengan jarak tempuh pengemudi sebesar 80 km dari Kota Banjarmasin menuju Kota Pelaihari. Akuisisi data menggunakan frekuensi sampling sebesar 4 KHz dan diproses secara filter analog untuk High Pass Filter sebesar 2 KHz dan Low Pass Filter sebesar 500 Hz. Setelah data direkam, sinyal dilakukan proses downsampling menjadi 1 KHz. Pada proess digital, dilakukan lagi proses pemfilteran secara Low Pass Filter sebesar 500 Hz. Proses digital selanjutnya adalah melakukan analisis pada domain frekuensi menggunakan transformasi fourier dengan memakai algoritma fast fourier transform (fft). Hasil dari transformasi fourier diidentifikasi berdasarkan nilai Mean Power Frequency (MPF). Berdasarkan hasil perhitungan MPF yang telah dilakukan, diperoleh saat awal berkendara nilai rata-rata MPF nya adalah sebesar 25,2 Hz sedangkan pada akhir berkendara bernilai sebesar 33,3 Hz. Dengan hasil ini dapat tergambarkan kondisi pengemudi pada awal mengemudi dan tidak terjadi kelelahan maka nilai frekuensi yang dominan cenderung lebih rendah jika dibandingkan dengan setelah berkendara atau saat kelelahan.

Download Full-text