327. FFT画像を用いたノイズ測定の手法比較

先月、TS-990 のバンドスコープ（FFT画像）を用いてノイズ低減効果を評価する際、マルチモーダルAIで画像の“見た目の変化”を観測した。

その後、同じ画像をプログラム言語の Python を用いて解析したところ、算定した数値（px/dB）に差異があり、また、ノイズの変化量自体が小さいため目視との比較でどの程度の変動があったのか判り難かった。

そこで今回は、肉眼でも明確に差が見える画像を用いて、

①目視、②AI視覚推定、③Python解析

の三手法でどの程度一致するのか（変化を捉えられるのか）を検証した。

■使用画像

使用した画像は、TS-990 で 50.350 MHz を受信した際の FFT 表示で、 上段がダミーロード終端、下段がアンテナ（CL6DXZ）接続時のもの。

ダミーロード接続時は無線機の内部ノイズ（スパイク成分）のみであり、 アンテナ接続時は内部ノイズに外来ノイズが加算され、ノイズ床全体が持ち上がっていることが肉眼で確認できる。

測定条件は以下のとおり。
・測定時間帯：深夜 1 時（信号の入感がなく伝搬状態が安定している）
・TS-990：AGC Off / P.AMP On / NB・NR Off / Filter 2.4 kHz

・SCP：Grid 10 dB / Span 20 kHz / Averaging 2 / REF LEVEL 固定
・アンテナ系：コモンモードフィルタ、フェライトコア装着

■目視による観測

撮影した2枚の画像を拡大して凝視すると、 ダミーロード時のノイズは最下段の基準グリッドから 1 グリッド（10 dB）以内に収まっており、全帯域（2,000Hz）の面積でみるとノイズが占める割合は2 割程度。

アンテナ接続時は同じ領域でノイズが 8～9 割を占め、 さらに 1 グリッドラインを超えるノイズ成分もある。感覚的には 7～9 dB 程度ノイズレベルが上昇しているように見える。

■AI による視覚推定

AIはFFT画像のノイズ帯を画像認識で検出し、横方向の各位置ごとにノイズの“上端”を読み取って、その高さを線として可視化する。AIの推定結果にはわずかな揺らぎが生じるため、同じ条件で2回観測し、そのばらつきの範囲を確認した。

・FFT下端を基準（0 px）として評価
・青色ノイズ帯＋白色波形線・白色ピーク線をノイズ成分として扱う
・10 dB/div（1グリッド=30px）を基準とし、1 px = 0.33 dB として換算
・「中央値包絡線」「90%包絡線」「高レベル側包絡線」の3軸で比較
　※包絡線＝各列のノイズ上端を統計的に代表させた線

■Python による解析

AIによる視覚推定と同じ基準となるよう算定条件を定め、FFT表示領域（ROI）からノイズ成分の上端位置を抽出して統計処理を行った。

包絡線の定義や換算条件はAI側と同一で、各列の上端位置から中央値や上位側の代表値を求め、複数の指標で比較した。

■算定結果

AI/Pythonの両者によるノイズ差分（DL→ANT接続時）測定結果は以下のとおり。



どの指標軸を用いるかにより結果が異なるが、AI/Pythonともノイズ差分は5〜9 dB前後となった。これは、ノイズ帯のどの部分を“代表的な高さ”として読むか（中央値・上側の高さなど）の違いによって数値が変動するためで想定内といえる。

■まとめ

AI視覚推定およびPython解析とも、肉眼で感じられたノイズ増加傾向と概ね整合する結果となった。

この範囲内で更に精緻な値を求める場合は、ノイズレベル（dBm）を直接測定できる安価なスペクトラムアナライザ （例：TinySA Ultra）を使用するのが妥当であろう。

今回の主な目的は、AI による画像分析手法と Python解析に慣れることであった。学術的な研究ではないにせよ、AIを用いて定量的な評価を行う場合、AIは過去の算定結果やこちらが目指そうとしている方向性を会話から敏感に読み取り、アンカリングやハルシネーションを起こす可能性が高い。これはAIが“学習”しているわけではなく、あくまで会話の流れに引きずられる傾向が構造的にあるということ。

そのため、先入観を排除する指示を冒頭に必ず入れることが不可欠であり、検出した結果の再現性を確認（複数回、同じ条件で実施）したり、結果を他のAIで検証するなど二重三重の安全策が必要あった。

因みに今回使ったAIは Chat GPT Plus （GPT-5.4 Thinking 標準）である。最新の推論モデルでコーディング・数学・資料作成に強いとのこと。

前回試した他のマルチモーダルAI（無償版）では、AIが作成したPythonコードをPC側のPython環境（事前インストール・パス設定・コマンド操作が必要）で動かす必要であったが、ChatGPT PlusではAI側にPython実行環境（サンドボックス）があり、プロンプトだけで解析が完結した。

326. ローバンド用アンテナチューナーの導入

1.9MHz帯（160m）の運用を始めるにあたり、アンテナチューナー（MFJ-989D）を改めて導入したので纏めておく。

■経緯

昨年末、80m用 Inv-Vee の高SWR（2.0前後）対策としてMFJ-986 を導入したが、奥行き45cmという大きな筐体は現行のラックからはみ出し、使用頻度の少ない常設機材として置いておくのがためらわれたので一旦手放している。

4月に160m用の短縮型 Inv‑Vee を新設するにあたり、低地上高による低インピーダンス化が予想されたため、より広い整合範囲を備えかつ筐体の奥行が短い同機種を探していたところ、状態の良い中古品を入手できた。

■特長

既に無線機材の製造を終了しているMFJ社がネット上で公開している 986 と 989D のマニュアルをAIを用いて比較検証。その結果、ローバンド運用における 989D の特長としては以下の点が挙げられる。

① 広範なインピーダンス整合範囲

両者のインピーダンス整合範囲（公称値 / 抵抗成分R）は次のとおり。

・MFJ‑986 ：35〜500Ω（1,500W PEP時）
・MFJ‑989D：6.5〜3,200Ω（1,500W 定格時）

160m短縮型 Inv-Vee のSWR、インピーダンスを改めて測定した結果は下表のとおり。

この実測値は、以前使用していた986の整合範囲にも収まっているものの、160m帯の短縮アンテナは、抵抗成分とリアクタンス成分が同時に現れる負荷になりやすく、より広い整合範囲を持つ 989D の方がマージンが大きい。

② 回路構成と整合能力の差異

989Dは、大型エアバリコン（12cm×9cm）二基と高Qローラーインダクタ（10cm×5.5cm）を組み合わせた、オーソドックスなTネットワーク構成を採用している。

一方、986は一つのノブで操作可能な「差動コンデンサ（Differential Capacitor）」を用いる独自のディファレンシャル・T回路であり、調整の容易さが特長だが、構造上、両方の容量を同時に最大化することができない。そのため、160mの低インピーダンス負荷に対しては、追い込みの幅に限界が生じる。

対して989Dは、二基のバリコンが独立しているため調整には慣れを要するが、各々の容量を最大限に活用して、今回のような負荷に対しても、最適なマッチングポイントを追い込める自由度がある。

160m/80mのようなローバンドでは、整合のために大きな容量（C）と損失の少ないインダクタンス（L）が求められるが、989D の重厚なパーツ構成はこの帯域で真価を発揮する。特に80mでハイパワー運用する場合、この物理的な「大きさ」がそのまま耐圧性能と運用上の安心感に直結する。

③ 高耐圧・高信頼性のバラン内蔵

989D は 1:1 電流バランを内蔵しており、今後、ロングワイヤ系や不平衡アンテナを使う際にも外付けバランを追加せずに運用できる。

④運用性と設置性

・内蔵ダミーロード

989D は300W の非誘導ダミーロードを内蔵しているため、送信機のプリチューンや出力確認が単体で行える。

・ピーク/平均パワーメーター

989D のメーターはピーク電力（PEP）と平均電力を切り替えて測定できる。なお、メーター駆動には外部電源（12V）が必須である。一方、986 は外部電源なしでもメーターが動作するため、この点は989D のデメリットと言える。

・適正な筐体サイズ

989D の筐体は奥行きが35cmであり、986 よりも10cm短い。縦/横幅は986よりも4.5cm大きくなったが、ガラスキャビネットの上に設置しているFRG-7の上に乗せたところバランス良く収まった。

■マッチング状況・総評

各バンドにおける整合時（VSWR:1.1）のダイヤルポジションは以下のとおり。

160mの短縮型 Inv-Vee はインダクタンスが「37」（カウンター値）と少ない値で整合しており、アンテナ側が1.840MHz付近で良好に動作していることを示している。

実運用ではチューナー側で軽く補正するだけで整合が取れており、回路内の損失も最小限に抑えられていると考える。

80mの Inv-Vee においても妥当なインダクタンス値「71」で整合しており、バリコン側にも十分な操作上の余力を残している。

実際の調整では、ローラーインダクタのハンドルを回してゲージをマニュアルに記載されているプリセット値に持っていったところ、その周辺でストンとSWRが落ちて、あとは二基のバリコンを微調整するだけで完了した。いわゆる「追い込み」操作は不要であり、極めて素直な挙動であった。

以上により、MFJ-989D がどちらのアンテナに対しても無理なく動作しており、広い整合範囲と低損失なTマッチの特性が実測値からも裏付けられた。

また、整合時の各ダイヤルポジションは、今回の実測インピーダンスから想定される調整位置と一致しており、測定値とチューナーの動作が矛盾なく対応していることを確認できた。

325. 3/4月のレビュー

■サマリー

QSO数は162となり前年同期（167 QSO）とほぼ同水準。QSOの中心は相変わらずDXペディション局で全体の7割弱にあたる110 QSOを占めている。4月には DXCC Challenge AwardがWkdベースで2,300を超えたものの、LoTWベースでは2,257に留まっている。

■エリア別/バンド別状況

エリア別ではDXペディション局のXX9WとS21WDをオールバンド/オールモードで追いかけたことでQSO数が増え、アジアが3割強を占めた。バンド別では特筆すべき偏りは見られなかった。

■エンティティ別状況

3Y0KをはじめとするDXペディションによりBand Newの積み上げに注力し、16エンティティを追加した。内訳は以下のとおり。

■50MHz DXing

春シーズンのF2伝搬による南米方面からの入感は確認できなかった。また、近隣アジアを除いて未QSO局が入感した際は基本的にコールしているものの、QSO数は12に留まった。

一方、4/5に T31TTT と FO5QB の2つの Band New を得られたのは幸運だった。特にタヒチ（FO）は、高校生の頃にCWでアクティブだった FO8DR を連日コールした思い出が鮮明に残っており、今回ようやくQSOできたことは感慨深い。

■WAZ Award

28MHzで Z81D をCfmできたことで、5 Band WAZ まで残すところは 3.5MHz の5ゾーンとなった。いずれもこれまで一度も入感を確認したことがない難関ゾーンであり、達成にはまだ時間を要しそうである。

参考までに50MHzを確認すると、こちらは7ゾーンが残っている。このうち3つは過去に入感実績があるが、残る4ゾーンは伝搬的にもかなりハードルが高い。それでも何が起こるか分からない ”Magic Band” であり、サイクル25のピークを過ぎた今、今後数年間は夏季シーズンでのマルチホップEsによる入感に期待したい。