Filtragem de Series Temporais

Considere uma serie temporal Xt, t=1,N. Como visto em aulas anteriores, a serie Xt pode ser representada como uma serie de
Fourier:
[ ]
k
N kt
N
k
k
C X
t
X

+

) / 2 ( cos
2 /
1
(1)
O processo de filtragem consiste em transformar a serie Xt de tal modo que as amplitudes de certas componentes de Fourier,
previamente selecionadas, seam alteradas. !uando reali"ada no dom#nio de tempo, a opera$%o de filtragem consiste em:
k t
n
n k
k t
X W Y

(&)
onde '(, (=)n,...*,...n, e+ a funo filtro (ou peso).
No caso de media m,vel de dimens%o -, a fun$%o peso cont.m - pesos iguais tal que '(=1/-, (=1,-.
Resposta de Freqncia e+ interpretada como:
) (
) (
'
) (
k
C
k
C
k
R

(0)
onde ) (
'
k
C e+ a amplitude de uma onda de freq12ncia ( compondo a serie 3t e
) (
k
C
e+ a amplitude da onda de
freq12ncia ( compondo a serie original Xt.
4ara a maioria das aplica$5es, imp5e)se a condi$%o de que a fun$%o peso '( sea sim.trica afim de n%o 6aver modifica$%o de fase
das componentes de Fourier compondo a serie original Xt. 7eve)se tomar muito cuidado com c8lculos estat#sticos feitos em e9cel.
:m e9emplo claro onde 68 mudan$a de fase e+ visto aqui (link).
;ais genericamente, a resposta de freq12ncia de uma fun$%o filtro '( e+ dada pela <ransformada de Fourier da Fun$%o 4eso, que
em forma discreta fica:
) 2 sin( ) 2 cos( ) ( fk
n
n k
k
W i fk
n
n k
k
W
k
R


+

(=)
onde f e+ freq12ncia (ciclos por unidade de dados).
4ara uma media mvel de dimenso L pode)se mostrar que a resposta de freq12ncia e+ dada por:
;edia ;,vel de dimens%o -:
L/2 t 0
L/2 t 1/L
>

) (
) (
t W
t W
(>)
) 2 sin( )
1
( ) 2 cos(
2 /
0
1
2 ) ( fk
fL
dt ft
L
L
k
R

(?)
4ara m sucessivas aplica$5es de uma media m,vel de dimens%o -, a resposta de freq12ncia e+:
m
t f L
f
f R
1
]
1

) sin(
) (

t) sin(L
(@)
Outro filtro Aastante utili"ado e+ o Filtro Triangular ou Filtro 1-2-1, onde a fun$%o peso consiste de tr2s pesos B1 = *.&>, B& = *.>*
(peso central) e B0 = *.&>. 4ara m repeti$5es do filtro 1)&)1, a Cesposta de Freq12ncia e+ dada por:
t)
2
f
(
2m
cos ) ( f R (D)
onde t e+ o intervalo de amostragem da serie temporal. 4ara m E >, o formato da resposta de freq12ncia do filtro 1)&)1 se
apro9ima ao formato de uma curva Faussiana.
Filtro de Lanczos
1) Filtro Passa-baixa
G fun$%o peso e+ dada por:
n k
n k
k
k
c
f
k
W
/ ) (
/
) (

) sin( ) sin(2

(H)
) 2 cos(
1
2
0
) (

+

fk
n
k
k
W W f R
(1*)
(=)n,...*,...n , f e+ freq12ncia, e I o intervalo de amostragem e fc e+ a freq12ncia de corte.
&) Filtro Passa-alta
Jupon6a que a freq12ncia de corte deseada sea fc. 4rimeiro constru#mos um filtro passa)Aai9a dado acima de tal modo que a
serie filtrada ser8+:
t
X
n
n k
k
W
t
Y

(11)
sendo que 3t ser8 a serie temporal contendo flutua$5es de Aai9a freq12ncia. Calculando)se ent%o:
t
Y
t
X
t
Z
(1&)
o que resulta na serie Kt contendo flutua$5es de alta freq12ncia.
G resposta de freq12ncia do filtro passa)alta e+ ent%o dado por:
) 2 cos(
1
2
0
1 ) (

fk
n
k
k
W W f
pa
R
(10)
0) Filtro Passa-banda
G fun$%o peso e+ definida por:
n k
n k
k
k
c
f
k
k
c
f
k
W
/ ) (
/
) (
1
) (
2

) sin( ) sin(2 ) sin(2

,
_

(1=)
onde fc1 e fc2 s%o as freq12ncias de corte da Aanda deseada.
G resposta de freq12ncia do filtro passa)Aanda e+ ent%o dada por:
R(!passa-banda " R(!passa-baixa # R(!passa-alta (1>)
O filtro -anc"os e+ um filtro Aastante poderoso e utili"ado. L+ poss#vel se oAter respostas de freq12ncias Aastante Aoas quando o
numero de pesos e+ grande. <odavia, quanto maior o numero de pesos, maior ser8 o numero de pontos indefinidos nas
e9tremidades da serie filtrada (vea Lq. &). Msto n%o representa um proAlema quando o comprimento da serie temporal do proAlema
em quest%o e+ grande. !uando o comprimento da serie temporal e+ pequeno, a aplica$%o do filtro -anc"os torna)se dif#cil e uma
alternativa e+ a utili"a$%o de uma outra classe de filtros.
Os filtros discutidos ate+ este momentos s%o considerados iltros no recursivos, pois a fun$%o peso necessita tanto de
oAserva$5es anteriores como posteriores N uma dada oAserva$%o Xt (vea equa$%o &). :ma outra classe de filtros, denominada de
Filtros Recursivos$ pode ser constru#da de tal forma que a fun$%o peso necessita um numero menor de pesos e utili"a somente
oAserva$5es anteriores a Xt.
O iltro passa-banda de %urakami e+ um e9emplo de filtro recursivo. 7ado o proAlema em quest%o, escol6e)se duas freq12ncias
de corte c& e c' e as formulas para o filtro s%o dadas por:
(1?)
(1@)
Considerando)se a serie original Xt, a filtrada e+ dada por:
(1D)
L a resposta de freq12ncia por:
(1H)
L Z e+ numero comple9o. Note que este filtro recursivo utili"a somente duas oAserva$5es no passado. L+ muito importante notar
tamA.m que para n%o 6aver mudan$a de fase, o filtro e+ passado em dois passos. 4rimeiro aplica)se na serie Xt (sem media e
tend2ncia linear). G serie resultante e+ ent%o revertida no tempo. Gplica)se o filtro nesta serie e reverte)se novamente no tempo
para se oAter a serie filtrada final (ver detal6es adicionais em ;ura(ami 1H@H).
G figura a seguir compara as respostas de freq12ncia de filtros passa)Aanda -anc"os com 1>1 pesos e o filtro de ;ura(ami. G
Aanda de freq12ncias escol6ida e+ na fai9a de varia$5es intrasa"onais ou &*)1** dias.
G aplica$%o do processo de filtragem discutida ate+ este momento e+ denominada de aplica$%o no domnio do tempo, pois a
fun$%o peso e+ aplicada diretamente na s.rie temporal X(t). Note que a equa$%o & e+ na verdade a convoluo entre a fun$%o
peso e a s.rie temporal X(t).
O processo de filtragem pode ser analogamente desenvolvido no domnio de frequncia. Consideremos ent%o primeiramente
algumas defini$5es anal#ticas.
Transormada de Fourier

dt ift t X f H ) 2 exp( ) ( ) (
(&*)
Transormada de Fourier
(nversa

df ift f H t X ) 2 exp( ) ( ) (
(&1)
)onvolu*o

d t X g X G ) ( ) ( *
(&&)
L e9press5es an8logas s%o desenvolvidas para o caso discreto.
4ara se aplicar a filtragem no dom#nio de freq12ncia, desenvolvemos os seguintes passos.
1) consideremos a s.rie temporal X(t), cua m.dia e tend2ncia linear foram previamente removidas.
&) aplicamos a transformada de Fourier em X(t), o que resulta em uma s.rie O(f) transformada para o dom#nio de freq12ncia.
0) a seguir aplicamos a convolu$%o entre a resposta de freq12ncia C() e O(f), de tal forma que C() e+ constru#da de forma a
reter as freq12ncias deseadas, ou sea, passa)Aai9a, passa)alta ou passa)Aanda. Lsta opera$%o resulta, portanto, em uma nova
fun$%o O+(f), cuas amplitudes correspondentes Ns freq12ncias a serem retidas s%o preservadas e as demais eliminadas ou
atenuadas.
=) por fim, aplicamos a transformada de Fourier inversa em O+(f) para voltar ao dom#nio de tempo, o que resulta na s.rie filtrada
3(t).
G figura a seguir ilustra as filtragens nos dom#nios de tempo e de freq12ncia. Notamos uma alta correla$%o entre as s.ries
temporais oAtidas com amAos os m.todos. Nota)se tamA.m que n%o 68+ diferen$as de fase entre as duas s.ries temporais.
4equenas diferen$as de amplitudes s%o oAservadas e estas s%o devidas principalmente ao fato de termos escol6ido as fun$5es
'( e C() ligeiramente diferentes (Aem como pequenos erros de arredondamento).
Como mencionado anteriormente, a filtragem no dom#nio de tempo (eq. &) resulta em pontos indefinidos nas e9tremidades da s.rie
temporal. Msto e+ ilustrado na s.rie temporal com valores iguais a "ero para os pontos no ei9o das aAscissas entre t = * e
apro9imadamente @>. Notamos tamA.m que a s.rie temporal filtrada no dom#nio de freq12ncia apresenta pontos definidos entre
t=* e @>. <odavia, . e9tremamente importante notar que estes valores cont2m erros, pois a transformada de Fourier . aplicada em
uma s.rie finita de dados. Lm suma, como regra A8sica quando a filtragem . feita em dom#nio de freq12ncia, . dese8vel evitar em
incluir os valores filtrados perto das e9tremidades da s.rie temporal nas an8lises posteriores.
4ara finali"ar, notamos que todas as formula$5es discutidas neste cap#tulo podem ser aplicadas para a filtragem espacial. Neste
caso, o proAlema em quest%o e+ preservar determinados comprimentos de onda e filtrar os demais.
Reerencias
C6ristop6, ;. et al., 1HH>: Faster determination of t6e intraseasonal variaAilitP of storm trac(s using ;ura(ami+s recursive filter.
Mon. Wea. Rev., &'+, >@D)>D1.
7uc6on, C. L., 1H@H: -anc"os filter in one and tBo dimensions. J. Appl. Meteor., &,$ 1*1?Q1*&&.
R. -. OolloBaP, 1H>D: Jmoot6ing and filtering of time series and space fields. Advances in eop!"sics.
;ura(ami, ;., 1H@H: -arge)scale aspects of deep convective activitP over t6e FG<L area. Mon. Wea. Rev., &-., HH=)1*1&.
'6eeler, ;., and F. N. Siladis, 1HHH: ConvectivelP coupled equatorial Baves: GnalPsis of clouds and temperature in t6e
BavenumAer)frequencP domain. Journal of t!e Atmosp!eric #ciences, /0$ 0@=)0HH.
-in( e9terno: notas de aulas prof. 7ennis Oartmann, :niversitP of 'as6ington: 6ttp://BBB.atmos.Bas6ington.edu/Tdennis/