Press "Enter" to skip to content

3-2 FFT

前節では、同じ音でも「時間領域」と「周波数領域」という二つの見方があることを学びました。

では、時間領域で記録された音声データは、どのように周波数領域へ変換されるのでしょうか。

音楽ファイルや測定マイクで収録した信号は、コンピューターの中では時間順に並んだサンプル列として扱われています。そのままでは、「どの周波数がどれくらい含まれているのか」を直感的に知ることはできません。

この時間信号から各周波数成分の情報を求めるために用いられるのが、高速フーリエ変換(Fast Fourier Transform, FFT)です。FFTは、時間信号に含まれる各周波数成分の振幅と位相を高速に計算するアルゴリズムであり、現代のオーディオ測定やデジタル信号処理(Digital Signal Processing, DSP)の基礎となっています。本節では、まず振幅に着目してFFTの役割を説明します。

なぜFFTが必要なのか

例えば、スピーカーから音を再生し、その音を測定マイクで記録したとします。

記録された波形を見ると、音圧が時間とともにどのように変化したかは分かります。しかし、その波形だけでは、

  • 100 Hz付近の成分が強いのか
  • 1 kHz付近の成分が弱いのか
  • 高域まで十分に再生されているのか

を判断することは困難です。

FFTを用いると、時間信号に含まれる各周波数成分の振幅と位相を計算できます。その結果、各周波数がどの程度含まれているかを周波数領域で確認できるようになります。

FFTは時間信号から各周波数成分の振幅と位相を計算し、その結果を周波数領域で表現する高速アルゴリズムである。

[図 3-2-1 FFTによる時間領域から周波数領域への変換]

FFTそのものは音を変化させる処理ではありません。時間信号を解析し、周波数ごとの情報として表現し直すための計算方法です。用語集でもFFTは「時間信号を周波数領域へ変換する高速アルゴリズム」と定義されています。

FFTはフーリエ変換を高速に計算する方法

時間領域から周波数領域へ変換する数学的な方法は、フーリエ変換(Fourier Transform)です。

しかし、フーリエ変換をそのまま計算すると、多数の演算が必要になります。

FFTは、同じ結果をより少ない計算量で求められるよう工夫されたアルゴリズムです。そのため、多くのオーディオ機器、測定ソフトウェア、DAW、スマートフォンなどで利用されています。

FFTは「別の変換方式」ではありません。「フーリエ変換を高速に実行する方法」と理解するとよいでしょう。

FFTで何が分かるのか

FFTを実行すると、信号に含まれる各周波数成分の振幅と位相が求められます。

例えば、1 kHzの正弦波だけを入力した場合には、FFT結果では1 kHz付近に大きなピークが現れます。

一方、複数の楽器が同時に演奏されている音楽では、多数の周波数成分が同時に存在するため、FFT結果には広い帯域にわたってエネルギーが分布します。

本節では振幅を中心に説明しましたが、FFTによって得られる位相情報も、システム解析では重要な役割を果たします。位相については、第3章「位相」で詳しく扱います。

FFT Sizeとは何か

FFTでは、時間信号を一定数のサンプルごとに区切って解析します。この解析に用いるサンプル数をFFT Sizeと呼びます。

FFT Sizeを大きくすると周波数を細かく分析できますが、一度に扱う時間範囲も長くなります。反対にFFT Sizeを小さくすると短時間の変化を捉えやすくなりますが、周波数分解能は低下します。

FFT Sizeの選択方法や測定結果への影響については、測定を扱う巻で詳しく説明します。

FFTは測定でも広く利用されている

FFTはスペクトル解析だけでなく、周波数応答を算出する処理の基礎としても利用されています。

そのため、REWをはじめとする多くの測定ソフトウェアでは、FFTが内部で重要な役割を果たしています。

測定画面を正しく読み取るためには、「時間信号から周波数情報を求めるためにFFTが利用されている」という基本的な考え方を理解しておくことが重要です。

ただし、FFTだけでオーディオシステムのすべてを評価できるわけではありません。時間的な応答を評価する方法については、次節以降で扱います。

エンジニアリングノート

「FFTは音質を改善する技術」や「FFTは音を測る」という説明を見かけることがありますが、どちらも正確ではありません。

FFTは解析や演算のための数学的アルゴリズムです。

FFTを利用してイコライザーやノイズ除去などの信号処理を実現することはありますが、FFT自体が音を良くしたり悪くしたりするわけではありません。本シリーズでも、FFTは信号解析のためのアルゴリズムとして扱います。


まとめ

FFTは、時間信号に含まれる各周波数成分の振幅と位相を高速に計算するアルゴリズムです。

時間波形だけでは分かりにくい周波数情報を可視化できるため、オーディオ測定やDSPで広く利用されています。

FFTそのものは解析手法であり、音質を直接改善する処理ではありません。


参考文献

  1. [Oppenheim Schafer 2010] Alan V. Oppenheim and Ronald W. Schafer. Discrete-Time Signal Processing. 3rd ed., Pearson, 2010. 
  2. [Lyons 2011] Richard G. Lyons. Understanding Digital Signal Processing. 3rd ed., Pearson, 2011. 
  3. [Smith DFT] Julius O. Smith III. Mathematics of the Discrete Fourier Transform. W3K Publishing / CCRMA.