エレガントなSciPy ―Pythonによる科学技術計算

109

4.7　実世界の応用例：レーダデータの解析

上のプロットでは、見えるダイナミックレンジがかなり改善されました。例えば、実測された

レーダ信号では、レーダのノイズフロア（レーダの標的検出能力が制限され始めるシステムの電子

ノイズレベル）が可視化されました。

4.7.2

　窓を掛ける：応用編

ゴールは目前ですが、シミュレートした信号のスペクトルにおいて

154 m

と

159 m

のピークが

識別できません。これでは実際の信号で何を見落とすかわかりませんね。ピークを明瞭にするた

め、我々のソフトウェアツールボックスに戻って窓関数を利用しましょう。

これまで使用してきた信号にβ＝

6.1

のカイザー窓を掛けると、以下の結果が得られました。

f, axes = plt.subplots(3, 1, sharex=True, figsize=(4.8, 2.8))

t_ms = t * 1000 # Sample times in milli-second

サンプリング時間、単位は

ms

。

w = np.kaiser(N, 6.1) # Kaiser window with beta = 6.1 beta = 6.1

のカイザー窓。

for n, (signal, label) in enumerate([(v_single, r'$v_0 [V]$'),

(v_sim, r'$v_5 [V]$'),

(v_actual, r'$v_{\mathrm{actual}} [V]$')]):

with plt.style.context('style/thinner.mplstyle'): ...