1 基本定義と数学的表現
1.1 信号と雑音の定義
信号とは、情報を伝達するために意図的に生成・送信される電気的・電磁的・音響的な変動を指す。システムにおいて信号は、音声データ、映像情報、センサー測定値など、目的とする情報内容を担う。一方、雑音（ノイズ）は、信号に付加される不要な擾乱であり、熱雑音、量子雑音、環境雑音、回路内部のランダム変動など様々な起源を持つ。信号と雑音は、時間領域および周波数領域における統計的特性によって区別される。
1.2 SNRの基本式
信号対雑音比は、信号電力と雑音電力の比として定義される。数学的に、SNRは次式で表される：
\[ SNR = \frac{P_{signal}}{P_{noise}} \]
ここで \(P_{signal}\) は平均信号電力、\(P_{noise}\) は平均雑音電力を示す。理想的には信号と雑音が統計的に独立であることが前提となる。
1.3 デシベル換算と常用対数
実用的には、SNRはデシベル（dB）単位で表現されることが一般的である。デシベル値への変換式は：
\[ SNR_{dB} = 10 \log_{10} \left( \frac{P_{signal}}{P_{noise}} \right) \]
対数スケールを用いる理由は、人間の感覚特性が対数に比例することや、広範囲の電力比を扱いやすくすることにある。例えば、SNRが1000倍（30dB）の場合と2倍（3dB）の場合を、直感的に比較できる。
2 種類と分類
2.1 電力比としてのSNR
最も基本的なSNR定義であり、信号電力と雑音電力の直接的な比を指す。測定が容易で、物理的に明確な意味を持つ。熱雑音など白色雑音を想定したシステム性能評価に広く用いられる。
2.2 振幅比としてのSNR
信号振幅と雑音振幅の比で定義される場合がある。電力比との関係は、信号と雑音のインピーダンスが等しい場合、振幅比の二乗が電力比に相当する。振幅比SNRは、特に波形の可視化やオシロスコープでの観測時に用いられる。
2.3 ピーク信号対雑音比
ピーク信号対雑音比（PSNR）は、信号の最大振幅と雑音電力との比として定義される。画像・映像処理分野で広く使われ、原画像と処理画像の間の画質劣化評価に用いられる。PSNRは次式で計算される：
\[ PSNR = 10 \log_{10} \left( \frac{MAX_I^2}{MSE} \right) \]
ここで \(MAX_I\) は画素値の最大値、MSEは平均二乗誤差である。
2.4 搬送波対雑音比
搬送波対雑音比（CNR）は、変調されていない搬送波電力と雑音電力の比であり、主に無線通信やレーダーシステムで使用される。変調方式や信号帯域幅に依存せず、受信機の基本的な性能指標となる。
3 工学応用
3.1 音響工学
3.1.1 オーディオシステムのダイナミックレンジ評価
オーディオシステムにおいて、SNRは再生可能な最小音と最大音の間の幅を示すダイナミックレンジと密接に関連する。高品質なオーディオ機器は90dB以上のSNRを持ち、人間の聴覚が感知可能な微細な音の差異を再現できる。
3.1.2 ノイズキャンセリング技術
アクティブノイズキャンセリングでは、マイクロフォンで収音した環境雑音を分析し、逆位相の音波を生成することで雑音を打ち消す。この技術の効果は、雑音低減後のSNR改善量で評価される。特に航空機内や交通機関での使用が一般的である。
3.2 通信システム
3.2.1 無線通信のリンクバジェット
リンクバジェット設計では、送信電力、アンテナ利得、伝搬損失、受信機雑音指数を考慮し、受信端でのSNRを計算する。システムの通信可能距離やデータレートは、この受信SNRに強く依存する。
3.2.2 デジタル変調とビット誤り率との関係
デジタル通信では、SNRが高いほどビット誤り率（BER）が低下する。各変調方式（BPSK、QPSK、QAMなど）に対して、SNRとBERの理論的関係が確立されており、システム設計の基礎となる。
3.3 画像処理
3.3.1 画質評価の指標
画像のSNRは、原画像と雑音混入画像の差に基づいて計算される。PSNRやSSIM（構造類似性指標）などの客観的評価指標と併用され、圧縮アルゴリズムや画像復元技術の性能比較に用いられる。
3.3.2 ノイズ除去フィルタの性能測定
ノイズ除去処理前後のSNR改善量は、フィルタの有効性を定量化する。メディアンフィルタ、ウェーブレット変換、深層学習ベースの手法など、様々なノイズ除去技術がSNR向上を目標に開発されている。
3.4 センサー技術
3.4.1 検出限界の決定
センサーの検出限界は、最小検出可能信号が雑音と区別できるSNR閾値によって定義される。一般的にSNRが3dB（電力比2倍）以上であれば信号検出が可能とされる。
3.4.2 信号取得と増幅回路設計
センサーからの微弱信号は、低雑音増幅器（LNA）で増幅される。この際、回路自体の雑音指数がシステム全体のSNRを決定する要因となる。適切な増幅段数とフィルタ設計が必要である。
4 測定と解釈
4.1 測定方法
4.1.1 直接測定法
信号と雑音の電力を個別に測定する方法である。信号が存在する状態と存在しない状態の電力値を測定し、その比からSNRを求める。シンプルだが、信号存在時の雑音成分を分離できない場合がある。
4.1.2 スペクトル解析による推定
スペクトルアナライザを用いて周波数領域で信号成分と雑音成分を分離する。信号の帯域幅と雑音のスペクトル密度からSNRを推定する。変調信号や広帯域雑音を含むシステムに適している。
4.2 実用的な解釈
4.2.1 最低許容SNRの基準
応用分野ごとに、最低限必要なSNRの基準値が定められている。音声通信では約15dB、高精細画像では約30dB、科学計測では40dB以上が要求されることが多い。
4.2.2 人間の知覚特性との対応
人間の聴覚や視覚は非線形な感度を持ち、SNRと知覚品質は単純比例しない。例えば、音楽鑑賞では30dB以上のSNRがあれば、多くの人が雑音を意識しなくなる。環境条件や個人差により、知覚閾値は変動する。
5 改善技術
5.1 ハードウェア的改善
5.1.1 低雑音増幅器の使用
低雑音増幅器は、内部雑音を最小化するように設計された増幅器である。入力段に高電子移動度トランジスタ（HEMT）を用いるなど、雑音指数を低く抑える技術が採用される。これにより、微弱信号を雑音に埋もれずに増幅できる。
5.1.2 シールドとフィルタリング
電磁シールドにより外部からの電磁妨害を低減し、フィルタリング回路で不要な周波数成分を除去する。バンドパスフィルタは信号帯域のみを通過させ、帯域外雑音を減衰させる。適切なグラウンディングと配線レイアウトも重要である。
5.2 ソフトウェア的改善
5.2.1 アンサンブル平均法
同一信号を複数回測定し、各サンプルを加算平均する手法である。雑音がランダムで平均値がゼロの場合、測定回数Nに対してSNRが√N倍改善される。周期性のある信号の抽出に効果的である。
5.2.2 適応ノイズキャンセリング
適応フィルタを用いて、参照雑音信号から雑音成分を推定・除去する手法である。ウィーナーフィルタや最小二乗平均（LMS）アルゴリズムが代表的である。音声強調や心電図信号の処理など、非定常雑音環境で有効である。
6 限界と課題
6.1 理想と現実の乖離
理論モデルでは信号と雑音の統計的独立性を仮定するが、実際のシステムでは非線形歪みや干渉など、モデル化困難な要因が存在する。また、SNRが十分に高くても、位相雑音やジッターがシステム性能を制限する場合がある。
6.2 非線形システムにおけるSNRの扱い
非線形回路や強度変調システムでは、信号と雑音の相互作用により、SNRの定義自体が複雑化する。非線形効果による相互変調歪みは、従来のSNR評価では捉えきれない。インターセプトポイントやSFDR（スプリアスフリーダイナミックレンジ）など、補完的な指標が必要となる。
6.3 情報理論との関連（シャノン限界）
シャノンの定理は、通信路容量Cが信号帯域幅BとSNRによって決定されることを示す：
\[ C = B \log_2 (1 + SNR) \]
この関係は、有限のSNR下で達成可能な最大データレートに理論的上限を与える。実際のシステムはシャノン限界に近づくよう符号化方式が開発されているが、限界そのものを超えることはできない。SNR改善の物理的限界を理解する上で、この理論は重要な指針となる。