ノイズ除去（８／１０）
◆　ノイズの除去は画像処理などに於いて有効に働く。画像は連続したデータでデータ群として相関が高いので関連性を抽出することによって効率的にノイズの除去が出来る。また画像を見るのが人間であるとすれば、人間が見た時にノイズとして感じにくいような処理を行うことも出来る。

◆　以前に書いたことがあるがFM変調による無線通信に於いて、人間が聞き分ける事の出来ないS/N比の信号でも、ディジタル処理によってデータを抽出することが出来る。

◆　アナログ的というか信号処理的には狭帯域フィルタを通せばS/N比は上がる。例えばノイズの中に1KHzの信号があったとする。信号のレベルとノイズのレベルが同じだと、信号はノイズに埋もれている。そこに500Hzから1.5KHzまでを通すバンドパスフィルタを入れる。そうするとノイズの成分がそのバンドパスフィルタの通過帯域に制限されるのでノイズが減り、結果として信号を検出出来るようになる。

◆　更にフィルタを狭帯域にしていくことでS/N比を向上させることが出来る。アマチュア無線用無線機でCW(電信)用に狭帯域フィルタを用いると、混信除去とS/N向上が期待出来る。無線機の理論感度n0=10log10(kTB/1E-3)(kはボルツマン定数(1.38E-23)、Tは温度(ケルビン絶対温度)、Bは帯域幅)だからだ。

◆　では1KHz±1Hzの急峻な、つまりシェープファクターがものすごく大きなフィルタを通すとどうなるか。フィルタによってノイズの成分は1KHz±1Hzだけになるので、常に1KHz±1Hzの信号が出てくる。勿論そこに有意な1KHzの信号があれば、その分だけ1KHzのレベルが高くなる。ただし狭帯域フィルタは遅延が大きいので、急激に変化する、例えば1KHzの有意信号が50msのバースト波だったとしても、バースト成分はフィルタを通過出来ないので、(ほぼ)連続波になってしまう。

◆　狭帯域のCW用フィルタを用いると、モールス信号の"ピッ・ピッ"が、"ぴーーぴーん"みたいに聞こえるはずだ。従って信号の処理には限界があり、無限に感度を上げられる訳ではない。

◆　モールス信号の場合は符号の相関を見るのは少し難しいが、もっと連続的なディジタルデータならばベースバンドでの処理が出来る。自動運転における画像認識だとか、車車間レーダによる障害物検出など、目的外の画像はいわばノイズである。様々な映像の中から目的の画像のみを抽出したり、トラッキングするための情報を得たりするのに様々な信号処理が行われる。

◆　画像処理や音声処理などのモデル化が可能な信号の処理ではパラメトリック法などが使われる。他にも(今ならば)AI的な手法だとか学習(深層学習)、それらを組み合わせるなどでS/N比の向上が行われる。このあたりは符号化理論だとか誤り訂正理論のような数学的というか、いわゆる電気屋さんの知識の範囲とは少し違ったところだと思う。

◆　使う人と作る人の違いと言ってしまえばそれまでなのだが、現代のディジタル処理技術、例えばPCにしてもスマートフォンにしても、回路にしても処理にしても、それを開発する多くの人たちの技術に支えられている。