……Zoomオンライン受講
★実測データに含まれるノイズを「どのように見極め、どのフィルタを選び、どう除去するか」を基礎から実践的に解説！
★FIR/IIRの設計・使い分けから、音響・振動・生体信号、さらにAIのための信号前処理までを体系的に学びます。
講師
埼玉大学 大学院理工学研究科 教授 工学博士島村 徹也 氏
講師紹介
■主経歴等
埼玉大学にて、ディジタル信号処理、音声・音響信号処理、画像信号処理、生体信号処理、AI・機械学習を中心とした教育・研究に従事。
特に、雑音除去、特徴抽出、適応信号処理等の信号処理技術と、機械学習・深層学習を融合した解析技術について幅広く研究を行っている。
■専門および得意な分野・研究
・ディジタル信号処理、適応信号処理、雑音除去・信号強調
・脳波（EEG）等の生体信号処理・解析
・機械学習・深層学習を用いた時系列信号解析、異常検知・状態推定
・音声・音響信号処理、画像信号処理、AIによる品質評価
■本テーマ関連の公的委員及び専門学協会等での委員会活動（歴含む）
1986年慶應義塾大学理工学部電気工学科卒、1988年同修士課程修了、1991年同博士課程修了、工学博士。同年、埼玉大学工学部助手、現在、同大学学術院(大学院理工学研究科)教授。この間、1995年ラフバラ大学(英国)客員研究員、1996年ベルファースト・クイーンズ大学(英国)客員研究員。2026年より、アイルランガ大学(インドネシア)のAdjunct Professorに就任し、EEG信号を利用するリハビリテーションロボットの開発に取り組んでいる。また同年から、埼玉県立大学との共同研究がスタートし、EEG信号に含まれるアーチファクトの除去に取り組んでいる。さらに、本年より、慈恵医科大学とEEG関連の共同研究に取り組む予定である。現在、IEEE Senior Memberであり、IEEE Trans. Consumer ElectronicsのAssociate Editorを務めている。
＜その他関連商品＞
エレクトロニクス・デバイス技術 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2026年12月22日(火) 13:00-16:30 ＊途中、小休憩を挟みます。
●受講料：
【オンライン受講】：1名 45,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき34,100円
各種割引について
＊5名以上でのお申込の場合、更なる割引制度もございます。
ご希望の方は、以下より別途お問い合わせ・お申込みください。
req@*********（*********にはjohokiko.co.jpを入れてください）
＊学校法人割引：学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認ください。
お申込みはこちらから
商品コード：AG2612L6
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomで音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
セミナーポイント
■講座のポイント
音響・振動、生体信号、各種センサなどの実測データには、測定環境やセンサ、電源、周辺機器などに起因するさまざまなノイズや不要成分が含まれます。これらを適切に除去し、必要な信号成分を抽出するためには、デジタルフィルタの基本原理を理解するとともに、目的に応じてFIRフィルタとIIRフィルタを適切に選択・設計することが重要です。
本セミナーでは、デジタルフィルタの基本から、FIR/IIRフィルタの特徴、設計法、使い分けをできるだけ直感的に解説します。さらに、実測データに含まれるノイズをどのように分析し、フィルタ仕様を決定してノイズ除去につなげるかを具体例を通して説明します。
また、近年広く利用されている機械学習・深層学習においても、入力信号の前処理は重要です。そこで、AIに入力する前のフィルタリングや時間周波数解析などについても取り上げ、従来のデジタル信号処理とAIをどのように組み合わせるかについて解説します。
■受講後、習得できること
・デジタルフィルタの基本原理と、周波数特性・位相特性・フィルタ次数の考え方
・FIRフィルタとIIRフィルタの特徴、代表的な設計法、および目的に応じた使い分け
・FFT・スペクトル解析を用いた実測データ中のノイズ成分の把握と、適切なフィルタ仕様の決定方法
・低周波ドリフト、50/60 Hz電源雑音、高周波雑音など、実測データに含まれる代表的なノイズの除去方法
・音響・振動・生体信号等の実測データ、および機械学習・深層学習における信号前処理へのデジタルフィルタの活用方法
セミナー内容
■講演プログラム
1.実測データとデジタルフィルタの基礎
1.1 実測データにはどのようなノイズが含まれるか
1.2 デジタルフィルタとは
1.3 LPF、HPF、BPF、BSF
1.4 周波数応答と振幅特性
1.5 位相特性と信号波形への影響
1.6 フィルタ次数とフィルタ特性
1.7 FIRフィルタとIIRフィルタの違い
2.FIRフィルタの原理・設計と使い方
2.1 FIRフィルタの原理
2.2 インパルス応答と畳み込み
2.3 FIRフィルタと線形位相特性
2.4 窓関数法による設計
2.5 ハミング窓、ハニング窓、ブラックマン窓
2.6 最小自乗法による設計
2.7 等リップル特性とRemez法
2.8 FIRフィルタの長所と短所
2.9 FIRフィルタを選択すべき場合
3.IIRフィルタの原理・設計と使い方
3.1 IIRフィルタの原理
3.2 FIRフィルタとの違い
3.3 IIRフィルタの安定性
3.4 双一次変換による設計
3.5 Butterworthフィルタ
3.6 Chebyshevフィルタ
3.7 楕円フィルタ
3.8 フィルタ次数と計算量
3.9 FIRとIIRをどのように使い分けるか
4.実測データのノイズ除去とフィルタ設計
4.1 実測データのノイズをどのように調べるか
4.2 FFT・スペクトルによるノイズ成分の確認
4.3 カットオフ周波数をどう決めるか
4.4 フィルタ次数をどう決めるか
4.5 低周波ドリフトの除去
4.6 50/60 Hz電源雑音の除去とノッチフィルタ
4.7 高周波雑音の除去
4.8 音響・振動信号への適用例
4.9 EEG・ECG等の生体信号への適用例
4.10 フィルタリングによる波形歪みへの注意
4.11 実測データではFIR/IIRをどう選ぶか
5.AI・機械学習のための信号前処理
5.1 AI時代にも信号前処理は必要か
5.2 生データをそのままAIへ入力する場合の問題
5.3 フィルタリングと正規化
5.4 時間領域・周波数領域・時間周波数領域の前処理
5.5 特徴抽出と機械学習
5.6 深層学習における前処理の考え方
5.7 過度なフィルタリングによる情報損失
5.8 デジタル信号処理とAIを組み合わせる実践的な処理フロー
6.まとめ：実務におけるフィルタ選択のポイント
6.1 FIR/IIR選択のチェックポイント
6.2 位相・次数・計算量・安定性から考える
6.3 ノイズの種類からフィルタを選ぶ
6.4 AI前処理まで含めた信号処理フロー
（質疑応答）
お申込みはこちらから
