サンプリング
サンプリングとは、連続的に変化する対象（信号、製品群、母集団、確率分布など）から代表点や代表個体を取り出して離散化・評価・意思決定に用いる手法である。工学ではアナログ信号を一定周期で取り出してディジタル処理を可能にする操作を指し、品質管理や統計では母集団から部分集合を抽出して推定や検査を行う行為を指す。計測、制御、通信、画像処理、製造現場の抜取検査、機械学習のデータ収集まで広く用いられ、コスト・時間・精度のトレードオフ設計が本質である。
信号処理におけるサンプリングの基礎
アナログ信号x(t)を周期T（周波数fs＝1/T）で取り出すサンプリングにより、離散系列x[n]＝x(nT)を得る。ナイキスト周波数fs/2を超える成分が存在すると折り返し（エイリアシング）が発生し、復元不能な歪みとなる。理想的にはサンプリング前にローパスのアンチエイリアスフィルタで帯域Bに制限し、fs≧2Bとする。復元は理論上、sinc関数補間で可能であるが、実装では有限インパルス応答（FIR）などで近似する。
量子化・ホールドとの関係
サンプリングは時間軸の離散化であり、量子化は振幅軸の離散化である。実際のA/D変換ではサンプル・アンド・ホールド（S/H）で瞬時値を保持し、後段で量子化する。量子化ビット数はSN比と直結し、標準的な理論式ではSN比[dB]≒6.02N＋1.76（Nはビット数）で近似される。アパーチャジッタ（標本化タイミングのゆらぎ）は高周波信号で大きな誤差源となるため、クロック源の位相雑音も設計上の要点である。
オーバーサンプリングとデシメーション
ノイズ整形型ΔΣ（デルタシグマ）A/Dでは、帯域外にノイズを追い出すためにfsを帯域の数十～数百倍に高めてサンプリングし、デジタルでローパス後にデシメーション（間引き）して所望のfsへ落とす。これにより実効ビット数（ENOB）を稼ぎつつ、アナログ前段の負担を軽減できる。
非一様サンプリングと圧縮センシング
等間隔サンプリングが基本であるが、欠測や非一様間隔の観測からも、信号が疎である場合には圧縮センシングにより再構成が可能である。これは測定回数を大幅に削減する可能性を持つが、測定行列の設計、復元アルゴリズム（L1最小化など）、雑音耐性の評価が重要である。
離散時間システムとZ変換
サンプリングにより得た離散信号はZ変換で解析される。連続系から離散系への設計では、零次ホールド（ZOH）等価、Tustin法（双一次変換）などの離散化手法を用いて制御器を設計する。ZOHは制御入力を区間ごとに一定に保持するため、位相遅れの源となるが、実装容易性に優れる。
振動・回転機械の計測での留意点
回転体や構造物の振動解析では、FFTに適したサンプリング周波数（解析帯域の2倍以上）と、ウィンドウ選択（Hanning等）、記録時間（周波数分解能Δf＝1/観測時間）を整合させる。同期サンプリングやエンコーダ基準の位相同期は、回転次数解析（オーダートラッキング）に有効である。
統計・品質管理におけるサンプリング
母集団から標本を抽出して特性値を推定・検定する統計的サンプリングでは、単純無作為、層別、系統、クラスタなどの設計がある。製造現場の抜取検査ではAQLに基づく受入サンプリングを用い、ロット品質をコスト効率良く判定する。工程管理ではSPCにより連続データを定期サンプリングし、管理図で外れや傾向を検知する。
実験計画とデータ収集
パラメータ空間が広い場合、格子状の密サンプリングは費用が大きい。ラテンハイパーキューブサンプリング（LHS）などの空間充填法は、少ない点で一様に広く探索できる。感度解析や最適化の前処理として有効であり、計算機実験でも現場計測でも同様の思想が役立つ。
画像・信号の空間サンプリング
画像では画素ピッチが空間サンプリング間隔であり、光学MFTや被写体空間周波数との整合が重要である。モアレ抑制には光学ローパスや十分な解像度確保が有効で、撮像素子の読み出し方式（ローリング/グローバル）やデモザイク処理とも相関する。
データ同化・ベイズ推定との関係
限られたサンプリングから状態を推定する問題は、カルマンフィルタや粒子フィルタ等の枠組みによって解かれる。観測間引き（スパース観測）下でも、動的モデルと観測モデルの整合が取れていれば、推定誤差を抑制できる。
時間設計：エイリアシング回避の実務指標
- 解析対象の帯域Bを把握し、アンチエイリアス前置しつつfs≧2B（実務では2.5～5倍）でサンプリング
- ジッタ要求は信号最高周波fmaxとSNR目標から逆算
- イベント駆動現象には可変レートサンプリングやトリガ収集を併用
製造現場でのサンプリング設計の勘所
- ロットサイズ、欠点率の事前期待、検査コストから受入サンプリング計画を選定
- 層別サンプリングで工程・ライン・材料ロット差を可視化
- 測定系（MSA）の反復精度とバイアスを評価し、サンプル点数に反映
ソフトウェア・データサイエンスにおけるサンプリング
大規模データでは全件処理が現実的でないため、確率的勾配法（SGD）やブートストラップ、MCMCなどが用いられる。MCMCは事後分布からのサンプリングにより不確実性を評価し、SGDはミニバッチサンプリングで計算資源を節約しつつ学習を進める。
設計トレードオフと評価
サンプリング頻度・点数を増やせば情報量は増すが、コスト・メモリ・遅延が増加する。目的（監視、推定、制御、検査、推論）ごとに必要な分解能と精度を明確化し、信号帯域、雑音特性、現場制約から最適なサンプリング戦略を導くことが重要である。計測では前置フィルタとクロック品質、統計ではバイアス回避のための無作為化とサンプルサイズ設計が鍵となる。
コメント（β版）