Simular Aliasing

 


1. O Experimento

Amostrar uma senóide de 1 KHz, mas com diferentes taxas (frequências) de amostragem e observar o que ocorre. Observar o efeito de aliasing.

Onda senoidal:

x(t)=sin⁡(2π1000t)

A frequência de Nyquist exige:

fs≥2f0=2000 Hz

Podemos experimentar as seguintes taxas:

Frequência de amostragemResultado esperado
800 HzAliasing: 200 Hz
1.000 HzAmostragem degenerada: zero, para fase inicial zero
1.500 HzAliasing: 500 Hz
2.000 HzFrequência de Nyquist: sequência alternada, dependendo da fase
4.000 HzReprodução correta: 1 kHz
10.000 HzReprodução correta: 1 kHz

 

Observação:

Um detalhe interessante: exatamente na frequência de Nyquist, uma senoide com fase inicial zero (sem defasagem) pode produzir somente zeros, pois:

x[n]=sin⁡(π n)=0

Isso não significa que a amostragem de Nyquist seja necessariamente incapaz de representar o sinal: a fase da senoide determina o que pode ser recuperado deste sinal.

 

A idéia é mostrar os gráficos temporais, o espectro do sinal amostrado e tentar ouvir o sinal amostrado.

Para ouvir o sinal gerado no Matlab/Octave, podemos usar o comando:

onde y é o vetor de entrada. Se possuir 2 dimensões o Matlab/Octave o sinal como sendo estéreo. Nós só vamos gerat um vetor de 1 dimensão de n Pontos (sinal mono). Fs= frequência de amostragem à ser usada. Se não especificada o Matlab considera que é de 8192 Hz. E nBits corresponde à quantidade de bits (resolução) a ser usada. É um parâmetro opcional.

Neste caso, vamos fixar a taxa de amostragem do comando sound em 44100 Hz que a taxa usda normalmente em sinal de aúdio, qualidade de CD.

O detalhe é que tanto o Matlab quanto o Octave possuem restrições para a menor frequência de amostragem que pode ser usada com o comando sound. Para ao Matlab é 8192 e para o Octave é 8000 Hz.

Então nõa podemos simplesmente repassar o vetor amostrado para o comando sound.

A solução proposta é simular o que faz o conversor D/A de um sistema deigital real. Ele retêm (“sustenta”) valores amostrados durante o periodo de tempo em que novas amostras não seriam geradas, simulando o que se conhece como Sustentador de ordem zero (Zero-Order Hold – ZOH).

O código que será repassado para testar o efeito de diferentes taxas de amostragem da senóide já está organizado de forma a realizar esta sustentação.

A ideia então é:

  1. Gerar a senoide original de 1 kHz.
  2. Amostrá-la na frequência desejada (800 Hz, 1,5 kHz, 2 kHz etc.).
  3. Manter cada amostra constante até a chegada da próxima.
  4. Criar uma sequência de áudio equivalente, agora com 44,1 kHz.
  5. Reproduzir essa sequência usando sound().

Assim, mantemos a duração temporal original do experimento, mas conseguimos ouvir a frequência aparente produzida pelo processo de amostragem.

 

2. Código completo para MATLAB / Octave

O código abaixo não exige Signal Processing Toolbox nem pacotes adicionais.

Script: sim_aliasing.m:

A parte que sustenta o sinal durante certos intervalos corresponde ao trecho:

Ele é o responsável por reproduzir a sustentação de ordem zero.

Por exemplo, se a frequência de amostragem for 800 Hz, cada amostra será mantida durante:

Ts=1800=1,25 ms

O sinal resultante parece uma “escadaria”, mas sua componente fundamental vai variar conforme a taxa de amostragem sendo testada.

 

Observações referentes ao código anterior:

  1. Foi introduzida uma defasagem na onda senoidal para evitar a amostragem os pontos em que a senóide passa por zero se a mesma for amostrada à 1 KHz ou 2 KHz. Nestes casos, o sinal amostrado seria nulo (nível DC nulo). Você pode alterar este valor para comprovar este efeito. Ver linha fase = deg2rad(45); que estipula uma defasagem de 45o. A função deg2rad() simplesmente converte de graus para radianos, necessário posteriormente na função sin().
  1. A função ceil presente no código anterior arredonda cada elemento de um array para o inteiro mais próximo que é maior ou igual ao elemento original, arredondando em direção ao infinito positivo. Para valores positivos, isso significa arredondar para cima; para valores negativos, o arredondamento ocorre em direção a zero (por exemplo, ceil(-2.7) resulta −2).
  2. A função floor arredonda os elementos de um array para o inteiro mais próximo menor ou igual ao valor original, efetivamente arredondando em direção ao infinito negativo (−∞). A sintaxe básica é Y = floor(X), onde X é a entrada escalar, vetorial ou matricial. Para números positivos, o comportamento é semelhante à truncagem (ex: floor(3.7) retorna 3), mas para números negativos, ela arredonda para um valor mais negativo (ex: floor(-3.2) retorna -4).

 

3. O que você vai ouvir?

Resultados esperados com o código anterior

AmostragemFrequência aparente
(o que será ouvido)
O que será ouvido
800 Hz200 HzTom grave
1.000 Hz0 HzPraticamente silêncio (DC)
1.500 Hz500 HzTom intermediário
2.000 Hz1.000 HzTom original, mas com forma reconstruída diferente
4.000 Hz1.000 HzTom original
10.000 Hz1.000 HzTom original, reconstrução mais suave

Observe especialmente os casos de 800 e 1500 Hz. Embora a senoide original seja sempre de 1 kHz, a reprodução apresenta frequências de 200 e 500 Hz, respectivamente.

Uma ressalva: o sinal reproduzido por ZOH não é uma senoide perfeita. É uma forma de onda com “degraus”, que contém harmônicas adicionais. Isso é interessante didaticamente, pois também permite discutir a reconstrução do sinal.

Observação:

Pode ser mais interessante: manter a senoide de 1 kHz e variar continuamente a frequência de amostragem, mas iniciando de uma frequência mais alta para uma mais baixa.

Por exemplo:

Será mais fácil perceber que a frequência aparente começa a se comportar de maneira diferente quando atravessamos a frequência de Nyquist.

Há também uma boa oportunidade para discutir uma questão conceitual: o aliasing não é simplesmente uma distorção da forma de onda; é uma ambiguidade na representação das frequências do sinal amostrado.

Para complementar, vale mostrar a documentação oficial:

5. Resultados da simulação

E é gerada a janela gráfica:

sim_aliasing.png

Note que frequência aparente, quando a taxa de amostragem está abaixo da frequência de Nyquist, pode ser calculada por:

falias=|f0−k fs|

Escolhemos o inteiro k que resulta em uma frequência entre zero e fs/2.

 

Problema Proposto: verificar como fica o espectro do sinal amostrado para cada taxa diferente de amostragem.

 

6. Sistema de Aquisição de Dados

Note que um sistema digital real de aquisição de dados processa um sinal analógico da seguinte forma:

Sinal analógico originalx(t)=∑k=13Aksin⁡(2πfkt+ϕk)↓Filtro analógico anti-aliasingPassa-baixas Butterworthfc=Fs/2↓Conversor A/DAmostragem em Fs↓Sistema digitalGanho unitárioy[n]=x[n]↓Conversor D/ASustentador de ordem zero (ZOH)↓Filtro analógico de reconstruçãoPassa-baixas Butterworthfc=Fs/2↓Sinal analógico reconstruídoy(t)

Onde:

 


Fernando Passold, 18/11/2026