ALIASING

Aliasing (erro de atribuio) um risco casual inerente s anlises espectrais de dados discretos. Este risco
acontece por causa dos limites impostos pelo intervalo de amostragem, ou o tempo entre pares de pontos de dados.
Uma vez que um mnimo de 2 pontos requerido mesmo para pensar em desenhar uma onda co-seno ou seja, um
ponto para o pico e outro para o cavado a mais alta freqncia que podemos representar a freqncia de
Nyquist, com n/2 = , ou fn/2 = 0.5. Uma onda desta freqncia executa um ciclo a cada dois pontos, e assim um
conjunto de dados discreto no pode representar explicitamente variaes que ocorram com maior freqncia.
Podemos imaginar o que acontece para o espectro de uma srie de dados se ela inclui importantes processos fsicos
que variam mais rpido que a freqncia de Nyquist. Se assim o for, a srie de dados dita sub-amostrada
(undersampled), o que significa que os pontos na srie so muito espaados para representarem apropriadamente
estas variaes rpidas. Contudo, variaes que ocorrem em freqncias maiores que a freqncia de Nyquist no
desaparecem. Ao invs, suas contribuies so espuriamente atribudas a algumas baixas mas representativas
freqncias, entre 1e n/2. Estas variaes de alta-frequncia so ditas como sendo aliased (i.e., parece ocorrer
em um outro lugar).

Fig. 1. Suponha que os tringulos representem seus dados yt e que a curva preta represente um harmnico ajustado a esses dados.
Contudo, se os dados da srie tivessem na realidade sido produzidos pelo processo indicado pela curva vermelha tracejada, a curva
ajustada estaria dando a impresso errnea de que a fonte de dados esteve na realidade flutuando na freqncia mais baixa. Notem que,
embora o eixo dos tempos seja seqencial de 1 a 14, a curva preta indica que os dados foram amostrados em maiores intervalos. Variaes
na freqncia em vermelho so ditas como sendo aliased na freqncia da curva em preto.

A Fig. 1 ilustra o significado de aliasing. Imagine que o processo fsico que gerou seus dados seja representado
pelos dados da curva tracejada. A srie de dados yt produzida pela amostragem deste processo em intervalos de
tempo t resultando nos pontos indicados com X na curva. Suponha, assim, que voc tenha apenas 5 dados no (ou
n=5). Se assim for, a freqncia da curva tracejada maior do que a freqncia de Nyquist, (veja que f=4/5 maior
do que f=1/2), significando que a srie real oscila muito rpido para ser adequadamente amostrada na resoluo dos
pontos da curva preta. Ao contrrio, se apenas a informao dos pontos discretos no tempo est disponvel, estes
dados apareceriam como uma funo co-seno, freqncia f=1/5, ou =2/5, o que mais baixa que a freqncia
de Nyquist. Note que porque as funes co-seno so ortogonais, este mesmo efeito ir ocorrer independentemente
se variaes de diferentes freqncias tambm esto presentes nos dados.
Assim, o efeito do aliasing na anlise espectral que qualquer energia (quadrado das amplitudes) atribudas aos
processos variando em freqncias maiores que a freqncia de Nyquist sero erroneamente adicionados a algumas
daquelas n/2 freqncias que esto representadas pelo espectro. A freqncia f A > ser aliased em uma das
freqncias representveis f(com 0 < f <= 1/2) se esta difere de um mltiplo inteiro de 1 tempo-1, isto ,
1

fA = j f, j = qualquer inteiro positivo

2.46

Em termos de freqncia angular, variaes a uma freqncia aliased A parece ocorrer freqncia
representvel se:
A = 2j ,

j= qualquer inteiro positivo.

2.47

fA=19/16 parece ocorrer

(aliased) em f=3/16
fA=5/8 parece
ocorrer em f=3/8

f=1/2
=

f=1
=2

Fig. 2. Ilustrao do efeito de aliasing em um espectro hipottico. O espectro verdadeiro (linha fraca) que exibe um pico em f=5/8, e um
espectro amplo em f=19/16. Sendo ambas freqncias mais altas que Nyquist (f=1/2), estas so erroneamente atribudas s freqncias
indicadas.

Estas equaes implicam que o quadrado das amplitudes para freqncias maiores que a freqncia de
Nyquist ser adicionada quelas representveis num padro como o de um acordeom, com cada dobra do
acordem ocorrendo a um inteiro mltiplo da freqncia de Nyquist. Assim, decorrem as seguintes observaes:
Uma freqncia aliased fA que apenas ligeiramente maior que a freqncia de Nyquist fn/2=1/2 est
aliased (parece ocorrer) a uma freqncia ligeiramente mais baixa que .

Freqncias ligeiramente mais baixas que 2 vezes a freqncia de Nyquist esto aliased (parecem
ocorrer) em freqncias apenas ligeiramente maiores que zero.
O padro ento reverte para 2fn/2 < fA <3fn/2 . Isto , freqncias apenas maiores que 2f n/2 parecem ocorrer a
freqncias muito baixas
freqncias quase to altas quanto 3fn/2 parecem ocorrer em freqncias prximas a fn/2.
A Fig. 2 ilustra os efeitos de aliasing num espectro hipottico. A linha mais clara representa o espectro
verdadeiro, que exibe uma concentrao de densidade em baixas freqncias, mas tambm tem um pico
pronunciado em f=5/8 e um pico mais largo em f=19/16. Note que esses dois picos ocorrem em freqncias mais
altas que a freqncia de Nyquist (f=1/2), o que significa que os dados no foram suficientemente amostrados para
resolverem explicitamente os processos fsicos que geraram os dados. As variaes ocorrendo na realidade na
freqncia f=5/8 parecem ocorrer (so aliased) freqncia 3/8. Notem que esse pico ligeiramente maior que a
freqncia de Nyquist e, nesse caso, o aliasing mais prximo dessa freqncia tambm. De acordo com a Eq.
2.46, fA = 1 f = 1 3/8 = 5/8. No espectro, o quadrado da amplitude para fA = 5/8 est adicionado ao (genuno)
quadrado da amplitude para f = 3/8 no espectro verdadeiro. Similarmente, as variaes representadas pela rampa
2

centrada em 19/16 no espectro verdadeiro esto erroneamente atribudas s freqncias em torno de f=3/16 (f A = 1
+ f = 1 + 3/16 = 19/16).
Infelizmente, uma vez que a srie de dados foi coletada, no existe qualquer jeito de reverter o que foi
erroneamente atribudo ao espectro (desaliasing). Isto , no possvel descobrir a partir dos valores dos dados
apenas se contribuies apreciveis para o espectro foram feitas por freqncias maiores que fn/2, ou quo grandes
estas contribuies podem ser. Na prtica, desejvel ter um bom entendimento da base do processo fsico que
gerou as sries de dados que trabalhamos, tal que se possa antecipadamente que a taxa de amostragem adequada.
Claro que na maioria das vezes esse conhecimento impossvel e exatamente o que se quer obter da anlise dos
dados.
De qualquer forma, uma boa dica olhar para o espectro prximo da freqncia de Nyquist. Se o espectro no est
indo para zero (como o caso do espectro mostrado na figura 2), significa que existem chances de que o espectro
verdadeiro possa ter contribuies em freqncias mais altas que a de Nyquist.