Aliasing, anti-aliasing – o que é isso, afinal?
Todos os produtos de entrada analógica da Dataforth têm um filtro de entrada (front end). Esta nota explica um dos motivos.
Em eletrônica, não se trata de mudar de nome (alias), mas sim das distorções muito grosseiras que podem ocorrer no processamento de sinais amostrados. Para simplificar, considere um conversor analógico-digital (ADC) e um processador amostrando uma onda senoidal pura. Varie a frequência da senoide de muito baixa até um pouco acima da taxa de amostragem do sistema. Em frequências muitas vezes menores que a taxa de amostragem, o sinal será amostrado muitas vezes por ciclo. Qualquer interpretação dos dados amostrados dará uma boa aproximação do sinal real. À medida que a frequência da senoide pura se aproxima da taxa de amostragem, qualquer interpretação dos dados certamente será uma representação muito pobre do sinal senoidal. Lembre-se de que formas de onda complexas de baixa frequência são compostas por harmônicas senoidais de frequência mais alta.
Considere a forma de onda do topo da figura. A senoide é amostrada duas vezes por período. A frequência de amostragem é o dobro da do sinal. As amostras de dados representam uma interpretação muito pobre do sinal, mas contêm uma informação verdadeira: representam corretamente o período do sinal. Isso representa, ainda que de forma rudimentar, o famoso teorema de Nyquist-Shannon. Se uma forma de onda complexa não tem frequências maiores que fmax(Hz), ela deve ser amostrada pelo menos a cada 1/(2fmax) segundos.
Agora amostre um pouco mais devagar. O sinal do meio é amostrado aproximadamente a cada 3/2 do período do sinal. Qualquer interpretação dessas amostras certamente não é o sinal. Poderíamos inferir um período, mas claramente seria um período muito maior que o do sinal real. Pode-se dizer que perdemos informação sobre o sinal. O sinal sofreu aliasing para uma frequência mais baixa, uma frequência falsa.
O sinal amostrado inferior é amostrado menos de uma vez por período, e qualquer período inferido é deslocado para um valor ainda mais longo do que o do sinal do meio.
Se lidamos com formas de onda complexas, e não com senoides puras, a coisa se complica. Sabemos, pela teoria da Transformada de Fourier, que formas de onda complexas são compostas por uma série de senoides de frequência crescente, harmônica.
A prática comum é colocar um filtro passa-baixas na frente do sistema de dados amostrados. Isso impede a entrada de frequências maiores que a metade da taxa de amostragem. Daí o nome anti-aliasing. O filtro é chamado de filtro anti-aliasing. Quem diria?
Na verdade, como os filtros passa-baixas apenas atenuam as frequências mais altas, sem zerá-las, a prática usual é amostrar a mais do que o dobro da frequência do maior componente de frequência do sinal. Às vezes um pouco mais ou, dependendo da aplicação e da qualidade do filtro passa-baixas, muitas vezes mais. Muito mais sobre isso pode ser encontrado na nota de aplicação AN115 da Dataforth, Data Acquisition and Control Sampling Law.
Para uma leitura mais ampla e aprofundada, pesquise na Wikipedia por "Anti-aliasing filter." Nesse artigo e nas referências dele, você encontrará mais do que talvez queira saber, inclusive matemática pesada. Outra boa busca é "Nyquist-Shannon sampling theorem." Coisa de nível Prêmio Nobel. Shannon recebeu o prêmio Alfred Noble. Não, não é o mesmo prêmio. Claude Shannon se baseou no trabalho anterior de Harry Nyquist.
Outra armadilha em sistemas práticos é o clipping (ceifamento) do sinal. Se o nível do sinal for alto demais, ele pode ser ceifado em um ponto do fluxo de sinal posterior ao filtro. Não só o sinal é ceifado, como também são introduzidas harmônicas de alta frequência que causam aliasing.
Não caia no alias!
Artigo da Dataforth Corporation, traduzido pela LRI. Valores e desenhos são os do original; confirme no datasheet antes do projeto.