「ノイズが限りなく小さいとき、その値の分布は、ポアソン分布に従う。」というのを聞きました。
逆にいうなら、これは、その値の分布がポアソン分布に従うのなら、ノイズが限りなく小さい状態であり、これが真に限りなく近い値であると証明することができると考えています。一応、ポアソン分布の勉強はしてみたのですが、どのようにしたらいいのか全然解らないのです。

ちなみにわたしは、化学でレーザーを用いた研究を行っていまして、溶質にレーザー光を照射することで溶質をイオン化させ、その上下に電極を配することで電極間に流れる溶質のイオン化電流値を測定しています。
(わからなかったら、ここは無視して頂いて結構です。)

すこし、マニアックな説明になりましたが、簡単にいいますと、電流値をいくつかとって、その電流値の分布がポアソン分布になるのかどうかを確かめ、ノイズの影響をうけているのかいないのかを確かめたいんです。

この電流値の分布をどうにかしてポアソンフィッティングできないでしょうか?
良い方法があればどうか教えてください。
また、ポアソン以外の方法があれば、教えていただければ嬉しく思います。

化学の分類に投稿していたのですが、「数学に聞いた方が・・」という意見がありましたので数学の世界にチャレンジです。
わたしは、化学専門ですのであまり難しい説明は、ちょっとついていけないかもしれないです。
あつかましいとは存じますが、数学専門の方々よろしくお願いします。

このQ&Aに関連する最新のQ&A

A 回答 (2件)

専門家じゃないのですが、



> 逆にいうなら、これは、その値の分布がポアソン分布に従うのなら、ノイズが限りなく小さ
> い状態であり、これが真に限りなく近い値であると証明することができると考えています。
そうは行きません。
「ノイズが小さいときポアソン分布に従う。」
というのは正しいとする。でも、だからといって
「ノイズが大きいときポアソン分布に従わない。」とか
「ポアソン分布に従うのなら、ノイズは小さい。」
とは言えません。
例えば普通の電球みたいな光源から出る、単位時間当たりの光子の数を数えると、ポアソン分布をしています。分散が平均と等しい分布です。でも、光子の数がうんと多い場合にはもう、正規分布で近似しちゃっても構わない。
ポアソン分布と正規分布の違いは、
 前者は確率変数が0未満の値を取らない。後者は±∞の範囲の値を取りうる。
 前者は確率変数が整数値しか取らない。後者は実数値を取る。
ということで、正確に言えば「光子の個数」を数えている以上、ポアソン分布を常に使うのが正しい。でも計算がめんどくさいから、正規分布で近似してしまう。個数がうんと多くなれば、それでも実用上間に合うことが多いです。

 さて、「電流値の分布をどうにかしてポアソンフィッティングする」という問題の方ですが、確率変数rが非負の整数であって、
P(λ;r) = (λ^r)exp(-λ)/r!
というのがポアソン分布でした。測定なさっているのは電流xであって、つまり
x = αr
というようなものを測っていらっしゃると思われます。ゆえにxの分布は
P(λ,α;x) = (λ^(x/α))exp(-λ)/(x/α)!
という形で表される筈。
rが或る程度大きいなら、r!はスターリングの公式で
r! ≒ (√(2rπ) )(r^r)exp(-r)
と近似でき、従ってxの確率密度φ(x)のモデルは
φ(x) = (λα/x)^(x/α))exp((x/α)-λ)/(√(2(x/α)π) )
ちゅうことになります。このモデルを実測したxの確率密度に、非線形最小二乗法などを使ってフィッティングしてαとλを決めてやれば良いようですね。(実験装置の構成によってはαは既知かもしれず、だとすると話は大分簡単になります。)
 そうやって求めた最尤のαとλで記述されるモデルと、実測した確率密度を比べて「両者が合っている」ようなら、このモデルは成功らしい。
 「両者が合っている」という事を統計的検定で証明するのは、残念ながら不可能です。そうではなく「両者が合っている」という帰無仮説を立てて、これを棄却する(合っていないと判定する)ことの危険率を求める。
例えば1%の危険率で棄却できるなら、「99%の確率で両者は合っていない」と言えます。でも、例えば0.1%の危険率では棄却できない、という場合に「99.9%の確率で両者は合っている」と言ったら、これは大間違いですね。
 帰無仮説は棄却出来る場合にだけ物が言える、というのが大原則ですから、「α,λのポアソン分布に合っている」を示すことはできない。しかし例えば非常に高い危険率でも棄却できない、という場合に「α,λのポアソン分布に似ている」とだけ言える。
    • good
    • 0

「ノイズが限りなく小さいとき、その値の分布は、ポアソン分布に従う。

」が正しくないかもしれません。ある観測時間内にある溶質分子(?)にノイズの原因となるイオン化が起こる確率が小さく、観測する溶質中の分子数が多い場合には、ある観測時間にノイズが発生する数(電流はそれに依存するかもしれません)がポアソン分布に従うのではないでしょうか。ノイズがこのモデルで説明できるかどうかは、ノイズデータの分布を調べて、分布の分散を確認したり、ポアソン分布との適合度を調べてみてはいかがでしょうか。また、ある観測時間内にある溶質分子(?)にノイズの原因となるイオン化が起こる確率が相対的に多い場合には、二項分布(ポアソン分布は二項分布の特殊型ですが)に近似して議論してはいかがでしょうか。
    • good
    • 0

このQ&Aに関連する人気のQ&A

お探しのQ&Aが見つからない時は、教えて!gooで質問しましょう!

このQ&Aを見た人はこんなQ&Aも見ています

このQ&Aを見た人が検索しているワード

このQ&Aと関連する良く見られている質問

Q光子のゆらぎ

検出器の量子効率について教えてください。

例えば、量子効率が40%と80%の光検出器を考えた場合、100個の
光子が入射すると、それぞれ単純に考えれば40個と80個とカウント
されますよね。そこで、40%の方にさらに100個(時間が2倍という
意味で)の光子を入射させると、合計で80個となります。ただし、この
場合、光子のゆらぎがポワソン分布として平方根できいてくるので、
それぞれゆらぎは√100(10)個、√200(10√2)個となり、
やはり量子効率の大きい検出器の方がよいということになる。
これってあってますか?

もしそうだとすると、検出器の量子効率の高さの利点は
 ・積算時間
 ・光子のゆらぎ
 ・ノイズ
ということになりますか?

Aベストアンサー

「検出器の量子効率」と言う言い方はあまり正しくありません。
入射光子とシンチレータの相互作用で発生した可視光(シンチレーション光)への(エネルギー)転換率が「シンチレーション効率」で、これが光電子増倍管の光電陰極に入射し、光電効果による光電子への転換率が「量子効率」と呼ばれるものです。

量子効率が直接効いて来るのはそのエネルギー分解能です。なんとなれば検出器への入射光子のエネルギー当たりどれだけの電荷キャリアが生成されるかというのがエネルギー分解能に関わってくるからです。従って荷電キャリアを生成する光電面においてその量子効率が低い事は分解能劣化を引き起こします。

単純に「いくつの光が検出器に入射したか」という測定ならば
 ・積算時間
 ・光子のゆらぎ
 ・ノイズ
は正しいとも言えますが、現実的には有り得ません。
検出器への入射光子1個につき転換光子が1個しか生成されないならば当然光電面に入射したものがそれぞれの量子効率によってカウント数が決まってくるでしょう。例えば100個入射→40個カウント、100個入射→80個カウント、と言う具合にです。同じ時間の計測ならば√2倍の相対誤差の改善が見られます。ノイズは関係ありません。しかし同じカウントだけ取れればいいと言うなら当然計測時間は1/2で済むのでノイズレベルも半分に減りますよね。
しかし現実には、数MeVのエネルギーを持った光子が入射すれば数万のシンチレーション光が生成し、それが光電陰極に達し、量子効率によって40%或いは80%の光電子に転換されます。「数万の入射光子が40%或いは80%の確率で光電子に変換される時、全てが変換されない確率」なんてのは数学的には存在しますが現実的には0ですね。二項分布P(0;数万,40% or 80%)です。数万=50000、p=0.4としても
P(0;50000,40%)=(0.6)^50000<10^(-11000)
と、もはや物理的には0です。従って、この目的の測定においては、量子効率による統計のゆらぎは全く存在しないと言っていいでしょう。

「検出器の量子効率」と言う言い方はあまり正しくありません。
入射光子とシンチレータの相互作用で発生した可視光(シンチレーション光)への(エネルギー)転換率が「シンチレーション効率」で、これが光電子増倍管の光電陰極に入射し、光電効果による光電子への転換率が「量子効率」と呼ばれるものです。

量子効率が直接効いて来るのはそのエネルギー分解能です。なんとなれば検出器への入射光子のエネルギー当たりどれだけの電荷キャリアが生成されるかというのがエネルギー分解能に関わってくるからです。従...続きを読む

Qガウスノイズについて

ガウスノイズについて教えてください!
実験などでデータにノイズを付加する際に、
ガウスノイズを加えることが多いようですが。

ガウスノイズとはそもそも何なのでしょうか?
予想ではノイズの発生頻度が正規分布であることではないかと思うのですが・・・
付加するノイズの値はどのように決めているのでしょうか?

ご存知の方教えてください。<(_ _)>

Aベストアンサー

ガウスノイズは、おっしゃるとおり、ノイズが入っていないときの値を平均として、適当な分散の正規分布にしたがうノイズのことです。

ノイズの値は、実験の際に信号をノイズ除去プログラムで除去できそうな大きさのノイズであったり、実際の環境で想定される大きさのものに設定すると思います。

Qジョンソンノイズ、ショットノイズ、フリッカノイズの導出法を教えて下さい。

ジョンソンノイズ、ショットノイズ、フリッカノイズというのはよく最終的な式はいろいろなところに載っているのですが、
これの具体的な導出法を見たことがありません。
どなたか導出法について書かれている本を教えて下さい。

Aベストアンサー

勉強熱心ですね。
ジョンソンノイズ(熱雑音)については、[1] が参考になるかと思います(英語です)。その13ページに出ているナイキストの有名な論文は [2] に出ています(これも英語です)。

[1] Thermal Noise http://www.engr.sjsu.edu/kghadiri/EE164/Lecture_Notes/EE164Lecture18.pdf
[2] H. Nyquist, "Thermal Agitation of Electric Charge in Conductors", Phys. Rev. 32 (1928) 110-113. http://www.physik.uni-augsburg.de/theo1/hanggi/History/Nyquist.pdf

QEXCELでX軸の値を設定したい。

OSはXPで、EXCELを使っているのですが、X軸の設定の仕方が分かりません。例えば、
Y軸 4.6 X軸 3.4
    4.0     3.5
   3.8     4.1
のように、Y軸の値が特定のX軸の値に対応しているグラフを作りたいのですが、数字を入力してグラフを作ると、横に書いてある数字がX軸になってしまいます。このようなグラフの書き方を教えてください。

Aベストアンサー

こんにちは

[グラフの種類]→[散布図]を選択して、
お好みの[形式]を選んでください。

一度作ったグラフの種類を変更すると上手くいかないようなので、新しいグラフを以上のやり方で作ってみてください。

Qエクセル STDEVとSTDEVPの違い

エクセルの統計関数で標準偏差を求める時、STDEVとSTDEVPがあります。両者の違いが良くわかりません。
宜しかったら、恐縮ですが、以下の具体例で、『噛み砕いて』教えて下さい。
(例)
セルA1~A13に1~13の数字を入力、平均値=7、STDEVでは3.89444、STDEVPでは3.741657となります。
また、平均値7と各数字の差を取り、それを2乗し、総和を取る(182)、これをデータの個数13で割る(14)、この平方根を取ると3.741657となります。
では、STDEVとSTDEVPの違いは何なのでしょうか?統計のことは疎く、お手数ですが、サルにもわかるようご教授頂きたく、お願い致します。

Aベストアンサー

データが母集団そのものからとったか、標本データかで違います。また母集団そのものだったとしても(例えばクラス全員というような)、その背景にさらならる母集団(例えば学年全体)を想定して比較するような時もありますので、その場合は標本となります。
で標本データの時はSTDEVを使って、母集団の時はSTDEVPをつかうことになります。
公式の違いは分母がn-1(STDEV)かn(STDEVP)かの違いしかありません。まぁ感覚的に理解するなら、分母がn-1になるということはそれだけ結果が大きくなるわけで、つまりそれだけのりしろを多くもって推測に当たるというようなことになります。
AとBの違いがあるかないかという推測をする時、通常は標本同士の検証になるわけですので、偏差を余裕をもってわざとちょっと大きめに見るということで、それだけ確証の度合いを上げるというわけです。

Qノイズスペクトルの計算について

http://media.maxim-ic.com/images/appnotes/3642/3642Fig01.gif

よくスペック表にノイズ電圧が書かれていますが、例えば
上記のようなノイズ密度スペクトルがあり、10Hz~200kHzまでのノイズ電圧を求めるにはどうするのでしょうか?

考えられるのは
・縦軸を二乗し、決められた周波数範囲で積分した上で平方根をとる
ということですが、以前ある素子に関して計算したときには計算が全くあいませんでした。
どなたか確かなことを知ってらっしゃったら教えて下さい。

Aベストアンサー

>Vn は正確にはショットノイズだけでなくブラウニアンノイズなど全てのホワイトノイズの足し合わせと考えて良いのでしょうか?
Vn は平坦部分のノイズ密度の値の意味ですが、これは確かに、いろいろなノイズ成分を足し合わせたものです。ただし、それが平坦になっているということは、周波数依存のあるノイズ成分が、その平坦領域では非常に小いために、周波数依存のない平坦なノイズだけが見えている状態になります。したがって、その平坦部分にはブラウニアンノイズも含まれますが、量としては非常に小さいといえます。

2番目の質問から推測すると、JAICAさんの測定したノイズスペクトルには平坦部分がないので Vn が求められないということだと思います。図1のようなスペクトルなら平坦部分が Vn ですが、図2のように平坦部分がない場合は Vn を求めることはできません。

 ↑
 │\       /
 |  \__/_ Vn
 |_______
     周波数      図1

 ↑    /\
 │\ /   \/
 |
 |_______
     周波数      図2

>数値積分する方法をとると思うのですが、その計算方法を教えて下さい。
例えば、図3のようなノイズ電圧密度スペクトル(単位がV/√Hz)があったとします。

ノイズ密度
[V/√Hz]
 ↑       ・ ・
 │    ・
 | ・ ・
 |_______
   f1 f2     f6     図3

このスペクトルが周波数 f の関数として
   V = g(f)
で表わされるとき、fmin~fmaxの範囲でのノイズ電圧の実効値 E [Vrms] は
   E = √{∫[fmin~fmaxx] g(f)^2 df }
となります。つまり、ノイズ密度電圧を2乗したスペクトル g(f)^2 を fmin~fmax の範囲で積分して√をとったのが E になります。実際には、g(f) が簡単な関数で表わされることはないので、以下のように数値的に積分すればいいでしょう。

周波数 f1 のときのノイズ密度が N1、f2 のとき N2 というふうになっていて、全体でn点あるとします。このとき、f1 ~ fn の周波数範囲でのノイズ電圧の実効値 E は
   E ≒ √[ { ( N1^2 + N2^2 )*( f2 - f1 ) + ( N2^2 + N3^2 )*( f3 - f2 ) + ・・・ + ( N(n-1)^2 + Nn^2 )*( fn - f(n-1) ) }/2 ]
と近似できます(台形公式)。例えば、以下のようなデータがあったとします。

周波数[Hz] ノイズ[nV/√Hz]
  1      1.1
  2      1.3
  5      1.5
 10      2
 20      3
 50      4
100      3
200      2
500      1.5
1000     1

周波数が Excel のA列、ノイズ密度[V/√Hz]がB列に書かれているとき、C列で ( N1^2 + N2^2 )*( f2 - f1 ) などを計算して、C10のセルでC列の和を計算します。

     A      B    C
1    1      1.1  =(B1^2+B2^2)*(A2-A1)
2    2      1.3  上式をC2~C9までコピー&ペースト
3    5      1.5
4   10      2
5   20      3
6   50      4
7  100      3
8  200      2
9  500      1.5  ここまでペースト
10 1000      1   =SQRT(SUM(C1:C9)/2) ← これが √(C列の和/2)=ノイズ電圧実効値
       
ちなみに上の計算結果は 59.059 でした。

>Vn は正確にはショットノイズだけでなくブラウニアンノイズなど全てのホワイトノイズの足し合わせと考えて良いのでしょうか?
Vn は平坦部分のノイズ密度の値の意味ですが、これは確かに、いろいろなノイズ成分を足し合わせたものです。ただし、それが平坦になっているということは、周波数依存のあるノイズ成分が、その平坦領域では非常に小いために、周波数依存のない平坦なノイズだけが見えている状態になります。したがって、その平坦部分にはブラウニアンノイズも含まれますが、量としては非常に小さいとい...続きを読む

Qホワイトノイズはガウス分布?

ホワイトノイズはガウス分布に従うというようなことがいろいろな文献に書かれているのですが、
これってどういうことなのでしょうか?
ホワイトノイズとは全周波数に渡って一様なノイズのはずです。
このノイズが平均値とか分散値をもつというのはどういうことなのでしょうか?

Aベストアンサー

#1です。
A#1の補足の質問の回答

> これはσ→∞のとき完全なホワイトノイズになると考えて良いのでしょうか?
もちろん一致します。でもσが無限大のガウスノイズは、現実には実現不可能です。

> この標準偏差が無限のときに、
狭い周波数帯では平坦に見えるということからホワイトノイズと呼ばれるという説明で合っていますでしょうか?
無限は思考的な理論の世界の表現で、現実には無限の周波数は作れませんし、その測定器も存在しません。もしσが無限大のガウス雑音が出来たとしたら、ホワイトノイズと区別できないでしょう(ガウスノイズはσ無限大の極限ではホワイトノイズは一致します)。

別に標準偏差が無限大でなくても、扱うスペクトルの周波数帯で平坦なスペクトル(と見えている)ならホワイトノイズとして扱って良い(見做して良い)でしょう。あくまでも擬似的なホワイトノイズであって、ホワイトノイズそのものではありません。
たとえば、音声などの可聴周波数帯(50Hz~20kHz位)の信号を扱う場合は標準偏差σが100kHz以上のガウス雑音を擬似的なホワイトノイズとして扱って良いでしょう。このσのガウス雑音のスペクトルの大きさ(振幅)は可聴周波数帯のf=0~20KHzの範囲ではほとんど平坦なので、σ=100kHzのガウス分布のガウス雑音は可聴周波数帯ではホワイトノイズの代用として使えるでしょう(この意味で擬似ホワイトノイズです)。同じホワイトノイズ発生器を、帯域100kHzの周波数計測器の雑音源としては全くホワイトノイズの役目をしません。あくまでガウスノイズに過ぎません。

フーリエ積分(変換)を学んで見えるなら、
振幅分布がガウス分布の信号(雑音)の周波数スペクトル(密度)はやはりガウス分布になります。

一方、振幅が無限大、幅ゼロのパルス(ディラックのデルタ関数δ(t))の)のフーリエ変換はフラットなスペクトルになります。しかし、現実には、振幅が無限大、幅ゼロのパルスは作れません。
デルタ関数と見做せる大きな振幅と幅の狭いパルスは作れます。これらのパルスを時間間隔を蜜に発生させた信号源(雑音源)が擬似的なホワイトノイズ発生器ということですね。

なお、真の意味のホワイトノイズ発生器は製作不能です。製作できてもそれがホワイトノイズ発生器であることを確認する測定器も作れないし存在しませんね。あくまで理念的な空想の産物ですね。

#1です。
A#1の補足の質問の回答

> これはσ→∞のとき完全なホワイトノイズになると考えて良いのでしょうか?
もちろん一致します。でもσが無限大のガウスノイズは、現実には実現不可能です。

> この標準偏差が無限のときに、
狭い周波数帯では平坦に見えるということからホワイトノイズと呼ばれるという説明で合っていますでしょうか?
無限は思考的な理論の世界の表現で、現実には無限の周波数は作れませんし、その測定器も存在しません。もしσが無限大のガウス雑音が出来たとしたら、ホワイトノイズと...続きを読む

Q配列の要素数に変数を入れたいときには

よろしくお願いします。
配列の要素数には定数しか入れられないのですが,どうしても変数を入れたいときは,それを引数として関数を呼び出すしか方法はないでしょうか。
具体的には,scanfで手に入れたint型の変数を要素数とする配列を宣言したいのですが,どうすれば良いでしょうか。
ご教授ください。

Aベストアンサー

c99と呼ばれる最近の規格では、配列の大きさに変数を使用できます。
bccはc99に対応していないようです。

それ以前の規格では、動的領域確保関数 malloc や callocを使って領域を確保するか、効率等を無視してバカデカい配列を用意しておくかです。
「それを引数として関数を呼び出す」っていうのは、malloc/callocのことですか?

QスペクトルからS/N比を求める方法

いつもお世話になります。信号処理・品質工学・統計処理に関して素人です。

圧電素子を用いて心拍を検出しており、そのスペクトルからS/N比を算出したいと思っております。
すなわち、心拍測定時の圧電素子からの電圧信号をフーリエ変換して得たスペクトルと、
無負荷時の信号を同様にして得たスペクトルから求めたいと思っておりますが、
ピーク強度の比で求めればよいのか、面積の比で求めればよいのか、悩んでおります。

ピーク強度で比較した例(1):下記リンク先 5ページ目下方
http://www.tij.co.jp/jp/lit/an/jaja016/jaja016.pdf

ピーク強度で比較した例(2):下記リンク先 中断付近「S/N比」の節
http://www.marumo.ne.jp/gvdvc/audio/ext_2.html

一方、S/N比の定義をみると、「信号の分散を雑音の分散で割った値である。」とあります。
また分散はスペクトルの面積に等しい(下記リンク先5ページ目 式(23))とのことから
http://www.jspf.or.jp/Journal/PDF_JSPF/jspf2009_09/jspf2009_09-620.pdf
面積比で比較するのが正しいように思え、
どちらが正しいのかわからなくなってしまいました。

面積比で比較する場合、どの範囲の周波数域に渡って積分するのか、という
疑問も生じてきます。

すみませんがご教示頂けるとありがたいです。
勘違いしている点があれば、ご指摘頂ければ幸いです。

いつもお世話になります。信号処理・品質工学・統計処理に関して素人です。

圧電素子を用いて心拍を検出しており、そのスペクトルからS/N比を算出したいと思っております。
すなわち、心拍測定時の圧電素子からの電圧信号をフーリエ変換して得たスペクトルと、
無負荷時の信号を同様にして得たスペクトルから求めたいと思っておりますが、
ピーク強度の比で求めればよいのか、面積の比で求めればよいのか、悩んでおります。

ピーク強度で比較した例(1):下記リンク先 5ページ目下方
http://www.tij.co.jp/j...続きを読む

Aベストアンサー

S/N比の定義は多様です。
当座は、ご自分の領域でどういうSNRが普通に用いられるか調べて、それに合わせるのが無難だろうと思います。圧電素子の場合について定着したものがないなら、心電図のSNRが普通どういう形で議論されるかなどがよろしいかと思います。

以下は個人的意見ですが、
ピーク強度というのは、あぶなっかしいなあと思います。雑音次第で偶発的に信号ピークも変わるし。雑音自体もピークでは議論できず統計的に扱うしかないだろうし。
『S/N比の定義をみると、「信号の分散を雑音の分散で割った値である。」』、これは(信号のパワースペクトルの積分値)÷(雑音のパワースペクトルの積分値)ということですよね?でしたら、比較的普通なのはこれだと思います
ただしこれは、S/N比ではなくてS/N比の自乗でしょう。

「面積比で比較する場合、どの範囲の周波数域に渡って積分するのか」は非常に的を射た疑問です。信号のスペクトルが全く存在しない領域まで積分してしまえば、信号検出に関係ない雑音スペクトルの寄与を過大に評価することになります。業界に基準がないなら、勝手に自分が妥当と思うように決めるしかないでしょう。

以下は高等編になるのですが、ご参考まで---------------------------------
もともと、信号とはどう定義されるのか、雑音とは、SNRの定義とはなんだ、というのが曖昧なまま、便宜優先で(つまり恣意的に)取り扱うことが普通なので、いろんな問題が起きるのです。
「SN比とは何だ?信号Sとは何だ?」ということを真剣に考える学生達に私が勧めていたのは、本質的なSNRとして、Matched Filter SNR(MFSNR)の使用です。
MFSNRにもいろいろありますが、そのひとつ、Non-Prewhitening Matched Filter SNRというのは下記です。
SNR^2=|信号パワースペクトルの積分|^2/(信号パワースペクトル×雑音パワースペクトルの積分)
これは、積分の周波数範囲をどう取っても殆ど結果に変わるところはありません。信号のない(あるいは殆ど無い)スペクトル域の雑音は信号検出能に(ほとんど)関係ないということを反映した計算になっていますから。
問題は、Matched Filter SNRの勉強をしないといけないことと、ちょっと専門的になりすぎる嫌いがあることです。

S/N比の定義は多様です。
当座は、ご自分の領域でどういうSNRが普通に用いられるか調べて、それに合わせるのが無難だろうと思います。圧電素子の場合について定着したものがないなら、心電図のSNRが普通どういう形で議論されるかなどがよろしいかと思います。

以下は個人的意見ですが、
ピーク強度というのは、あぶなっかしいなあと思います。雑音次第で偶発的に信号ピークも変わるし。雑音自体もピークでは議論できず統計的に扱うしかないだろうし。
『S/N比の定義をみると、「信号の分散を雑音の分散で割っ...続きを読む


人気Q&Aランキング

おすすめ情報