指定も式を日本語で可視化する

Google Colab での可視化

Colab には日本語フォントが標準で入っていないため、まず Noto Sans JP をインストールします。

スクリプト例

# フォントをインストール
!apt-get -y install fonts-noto-cjk

import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

# フォント指定
jp_font = fm.FontProperties(fname="/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc")

plt.figure(figsize=(9,8))

# 数式 (LaTeX)
walden = r"$\mathrm{FoM_W} = \dfrac{P}{\min(2 \times BW_{\mathrm{eff}}, F_s) \cdot 2^{ENOB}}$"
walden_alt = r"$\mathrm{FoM_W} = \dfrac{E_{\mathrm{conversion}}}{2^{ENOB}}, \quad E_{\mathrm{conversion}} = \dfrac{P}{F_s}$"
schreier = r"$\mathrm{FoM_S} = \mathrm{SNDR} + 10 \cdot \log_{10}\!\left(\dfrac{BW_{\mathrm{eff}}}{P}\right)$"

# タイトルと数式
plt.text(0.05, 0.92, "ADC の Figure of Merit (FoM)", fontsize=16, weight="bold", fontproperties=jp_font)
plt.text(0.05, 0.80, walden, fontsize=18)
plt.text(0.05, 0.70, walden_alt, fontsize=14)
plt.text(0.05, 0.55, schreier, fontsize=18)

# パラメータ説明
params = """
P : 消費電力 [W]
BW_eff : 実効帯域幅 [Hz]
Fs : サンプリング周波数 [Hz]
ENOB : 有効ビット数 [bit]
E_conversion : 変換ステップあたりの消費エネルギー [J] (E_conversion = P / Fs)
SNDR : 信号対雑音歪比 [dB]
min(2×BW_eff, Fs) : 実効帯域幅とサンプリング周波数のうち小さい方
"""
plt.text(0.05, 0.35, params, fontsize=12, fontproperties=jp_font, va="top")

plt.axis("off")
plt.show()

---

実行結果

• 上部に Walden FoM と Schreier FoM の数式が LaTeX で綺麗に表示
• 下部に 日本語でのパラメータ説明がメイリオ風フォントで表示

---

# Program Name: adc_fom_comparison.py
# Creation Date: 20250905
# Overview: Compare Walden FoM and Schreier FoM with equations and explanations
# Usage: Run in Google Colab (requires Noto Sans JP font)

# --- Install Japanese font ---
!apt-get -y install fonts-noto-cjk

# --- Python code ---
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

# Noto Sans JP フォント指定
jp_font = fm.FontProperties(fname="/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc")

plt.figure(figsize=(14,7))

# --- Walden FoM ---
walden_eq = r"$FoM_W = \dfrac{P}{F_s \times 2^{ENOB}}$"
walden_text = """定義:
- P : 消費電力 [W]
- Fs : サンプリング周波数 [Hz]
- ENOB : 有効ビット数 [bit]

意味:
- 1ステップの変換あたりに必要なエネルギーを表す
- 値が小さいほど「低電力・高効率ADC」

特徴:
- 消費電力基準の総合性能指標
- Fs と ENOB を同時に考慮できる
- 方式やプロセス間の比較に広く利用"""

# --- Schreier FoM ---
schreier_eq = r"$FoM_S = SNDR + 10 \cdot \log_{10}\!\left(\dfrac{BW}{P}\right)$"
schreier_text = """定義:
- SNDR : 信号対雑音ひずみ比 [dB]
- BW : 実効帯域幅 [Hz]
- P : 消費電力 [W]

意味:
- SNDR と帯域幅を消費電力で正規化
- 値が大きいほど「高分解能・高性能ADC」

特徴:
- 精度を重視した性能指標
- 歪みや分解能に重点
- 高分解能ADCの設計評価に適する"""

# --- 配置 ---
plt.subplot(1,2,1)
plt.text(0.05, 0.9, "Walden FoM", fontsize=16, weight="bold", fontproperties=jp_font)
plt.text(0.05, 0.75, walden_eq, fontsize=20)
plt.text(0.05, 0.65, walden_text, fontsize=12, fontproperties=jp_font, va="top")
plt.axis("off")

plt.subplot(1,2,2)
plt.text(0.05, 0.9, "Schreier FoM", fontsize=16, weight="bold", fontproperties=jp_font)
plt.text(0.05, 0.75, schreier_eq, fontsize=20)
plt.text(0.05, 0.65, schreier_text, fontsize=12, fontproperties=jp_font, va="top")
plt.axis("off")

plt.suptitle("ADC FoM の比較: Walden vs Schreier", fontsize=18, fontproperties=jp_font, weight="bold")
plt.tight_layout()
plt.show()