OpenTest による FFT 解析

音響および振動試験では、FFT 解析(高速フーリエ変換)は、ほとんどすべてのエンジニアが遅かれ早かれ使用するツールです:

• スピーカーの周波数特性
• ヘッドホンの歪み
• NVH 診断
• 構造共振のトラブルシューティング
• 量産時の騒音や「謎のトーン」の追跡

多くの実務的な質問は、実は同じようなことを尋ねています:

• 周波数のどこにエネルギーが集中しているか?
• 単一のトーンが支配的なのか、それとも複数の高調波が支配しているのか?
• ノイズフロアはどのくらい高いか?
• 共振ピークは存在するか?

FFT は、これらの疑問に答えるための最も汎用的な入口となる手法です.

本記事では、エンジニアリングの観点から次の点を明確にします:

• FFT 解析とは何か
• FFT が概念的にどのように動作するか
• FFT を実務で正しく効率的に使う方法

FFT とは?

時間領域では、信号は時間とともに変化する波形そのものであり、すべての成分が 1 本の波形の中に「重なって」います. 見ることはできますが、その中にどんな周波数成分が含まれているのかを判断するのは難しいものです.

FFT(高速フーリエ変換)は、時間領域の信号を、さまざまな周波数の正弦波の和に分解します. 周波数領域では、信号は周波数＋振幅＋位相で表現されます. 平たく言えば、次のようなイメージです:

• 時間領域:信号が時間とともにどのように変化するか
• 周波数領域:どのような周波数成分を含み、どれが強いか、それらが互いにどう関係しているか

歴史的には、フーリエの重要な発想(19 世紀初頭)は、複雑な周期関数はサイン波とコサイン波の和として表せるというものでした. そこから発展して、信号を連続な周波数軸に写像する連続時間フーリエ変換が生まれました.

コンピュータ時代になると状況は変わり、エンジニアはサンプリングされたデータを扱い、通常は長さ N の有限個のサンプル列しか持ちません. その結果として生まれたのがDFT(離散フーリエ変換)で、N 個の時間サンプルを N 個の離散周波数ビンに対応付けます.

FFT(高速フーリエ変換)は別の変換ではありません. 同じ DFT をはるかに効率よく計算するアルゴリズム群です:

• 直接 DFT:計算量はおおよそ O(N²)
• FFT:計算量はおおよそ O(N log N)

出力 X[k] は DFT の結果と完全に同一であり、FFT は対称性や分割統治を利用して、そこに到達するまでを大幅に高速化しているだけです.

FFT が得意なことと不得意なこと

FFT が特に得意とするのは次のようなことです:

• 決定論的なナローバンド成分の検出
  • 基本波、高調波、スイッチング周波数、ホイッスル音、回転速度に依存したラインなど
• 広帯域分布の観察
  • ノイズフロア、1/f 特性、帯域内電力、SNR など
• システム挙動の特性評価
  • 伝達関数、共振／反共振、コヒーレンス、遅延推定 など
• 時間-周波数解析の基盤としての利用
  • STFT、スペクトログラムなど.

FFT が不得意なもの(または単独では不十分なもの):

• 強く非定常な信号と「瞬時周波数」の扱い
  • チャープや急速に内容が変化する信号には、長いレコード全体に対して 1 回だけ FFT を行うのではなく、STFT やウェーブレットなどの時間-周波数手法が必要です
• 周波数分解能よりも極端に近接したトーンを分離すること
  • トーン間隔がビン分解能(N によって決まる)より小さい場合、それらを魔法のように分離できるアルゴリズムは存在しません
• 短いデータを「長い測定」に変えること
  • ゼロ詰めは見た目としてスペクトルを補間しているだけであり、新しい情報を追加しません

FFT を使う前に押さえるべき重要概念

FFT をうまく使うには、いくつかの基本事項を自信を持って理解しておく必要があります:

1. サンプリングレート
2. DFT とその解釈
3. 実際にプロットしているもの(マグニチュード、振幅、電力、PSD)
4. 窓関数とスペクトルリーケージ
5. アベレージング

サンプリングレート:観測できる最高周波数

FFT を行う前に、すでに重要な決定――サンプリング――を行っています. 連続時間信号 x(t) は、離散系列 x[n] = x(n/fs) に変換されます. サンプリングレート fs は、エイリアシングなしに観測できる最高周波数、すなわち ナイキスト周波数 fs/2 を決めます.

アナログ信号に fs/2 を超える成分が含まれていても消えるわけではなく、エイリアシングとしてナイキスト以下の帯域内に折り返されます. いったんエイリアシングが発生すると、FFT でそれを「元に戻す」ことはできず、情報は不可逆的に混ざってしまいます.

実務では、ADC(やリサンプリング)の前に、ナイキストを超える成分を抑圧するためのアンチエイリアスフィルタを必ず使用しなければなりません.

例:900 Hz のサイン波を fs = 1 kHz でサンプリングすると、離散スペクトル上では 100 Hz に現れます.これは典型的なエイリアシングのアーティファクトです.

DFT の計算と解釈

N 個のサンプル x[0]..x[N−1] が与えられたとき、DFT は次のように定義されます:

逆変換(IDFT)は時間信号を再構成します:

直感的には、X[k] はそのビンの周波数の複素指数関数と信号がどの程度相関しているかを表します.

• マグニチュード X[k] は、その周波数成分が「どれだけ」含まれているかを示します
• 位相は、他の成分に対する時間的なそろい方を表します

何をプロットしているのか? マグニチュード、振幅、電力、PSD

FFT 結果 X[k] の 1 組から、見た目は似ていても物理的に意味する量が異なるさまざまな「スペクトル」を作ることができます. ツールやプラットフォーム間で混乱が生じやすいのは、この部分です.

代表的なバリエーションには次のようなものがあります:

• マグニチュードスペクトル |X[k]|
  • 単位は正規化方法に依存します(例:「V·samples」など)
  • ピークや高調波の位置、スペクトルの大まかな形状を把握するのに有用です
• 振幅スペクトル
  • 適切にスケーリングされたマグニチュードで、物理単位(例:V)で表されます
  • 正弦波の振幅を読み取ったり、キャリブレーションされた測定を行うのに適しています
• 電力スペクトル |X[k]|²
  • こちらもスケーリングに依存しますが、規約が固定されている場合の電力・エネルギー比較によく使われます
• パワースペクトル密度(PSD) Sxx(f)
  • 単位は V²/Hz や Pa²/Hz などです
  • ノイズ解析、帯域電力、異なる FFT 長にまたがる比較などに用いられます

異なる FFT サイズ、窓、ツール間でノイズレベルを比較したい場合は、PSD(または振幅スペクトル密度)を使いましょう. 生の |X| や |X|² の値は、直接比較できることはほとんどありません.

具体例:トーン 2 つの時間領域と周波数領域

異なる周波数の 2 つの正弦波からなる信号を考えてみましょう.

• 時間領域では、その和は「ふらついた」波形のように見えるかもしれません.
• 周波数領域(FFT/PSD)では、対応する周波数に細く鋭い 2 つのピークが現れます.

OpenTest の FFT 解析では、スペクトルと PSD/ASD を横に並べて可視化できるため、次のことが容易になります:

• トーナル成分の特定
• ノイズ分布の確認
• 同じ周波数グリッド上で異なる動作条件を比較

ぜひお試しください:OpenTest 無料版をダウンロードし、シンプルな 2 トーン信号に対して FFT を実行して、ピークが 2 つとも明確に分離されて表示される様子を確認してください.

窓関数とスペクトルリーケージ:スペクトルをクリーンにする

理論的には、FFT はサンプリングしたブロックに整数個の周期が含まれており、そのブロックが周期的に繰り返されると仮定します. 実際には、記録が整数個の周期とぴったり一致することはほとんどありません. そのブロックを繰り返すと、境界で不連続が生じ、その結果エネルギーが隣接ビンに広がります.これがスペクトルリーケージです.

リーケージを抑えるため、通常は FFT を行う前に時間波形に窓関数を適用します. 窓関数は同時に次の要素に影響します:

1. メインローブ幅
   • メインローブが広いほどピークが太くなり、近接したトーンを分離するのが難しくなります
2. サイドローブ高
   • サイドローブが低いほど、大きなピークの近くにある小さなピークが見やすくなり(ダイナミックレンジが向上し)ます
3. 振幅／エネルギーのスケーリング
   • 窓によって純音の真の振幅と観測されるピーク値の関係が変化し、同時にノイズフロアのレベルも変わります

いくつかの実務的な指針を挙げます:

• 矩形窓
  • 記録内に整数個の周期が含まれる「コヒーレントサンプリング」(coherent sampling)を確保でき、かつ可能な限り狭いメインローブが欲しい場合にのみ使用します
• ハニング(Hann)窓
  • 一般的な音響・振動用途に対して非常に堅牢なデフォルト選択肢です
  • Welch 法／PSD 解析と組み合わせて広く用いられています
• ハミング
  • Hann 窓とよく似ていますが、サイドローブ特性がやや異なり、通信分野で一般的です
• Blackman／Blackman-Harris
  • サイドローブが低く、大きなピークのすぐそばにある小さなピークを見たいときに有用ですが、その代償としてメインローブが広くなります

OpenTest では、FFT 解析モジュール内でさまざまな窓関数を切り替え、その場でピーク幅やサイドローブ、ノイズフロアへの影響を確認できます.

アベレージング:スペクトルを安定させる

ノイズが多い、あるいは非定常な信号では、単回の FFT だけだとスペクトルが非常に「ギザギザ」して不安定に見えることがあります. 複数のスペクトルを平均することで、より平滑で再現性の高い結果が得られます. 代表的なアベレージングの種類は次のとおりです:

• 線形アベレージング
  • 複数の FFT 結果の単純な算術平均です
• 指数アベレージング
  • 最新のデータにより大きな重みを与える方式で、スペクトルが反応しつつも激しく飛び跳ねないようにしたいリアルタイム監視に適しています
• エネルギー(電力)アベレージング
  • 電力に基づいて平均を行う方式で、電力関連の量が一貫したままになるようにします

良いアベレージング設定とは、ランダムなゆらぎを抑えつつ、信号の実際の変化をきちんと残すというバランスをとったものです.

FFT は実務でどこで使われているか?

音響・オーディオ

典型的な用途には次のようなものがあります:

• ハウリングフィードバック周波数、高調波歪み、機器のノイズフロアの特定
• 周波数応答(伝達関数)測定
• 室のモード／共振解析
• 音声・音楽・機器騒音のスペクトログラム表示

音響／オーディオでは、単位と慣習を明確にしておく必要があります:

• dB SPL、A-weighting、1/3 オクターブバンドなど.
• FFT はあくまでエンジンであり、レポートの規約(基準レベル、重み付け、帯域幅)を明確に定義しておくことが重要です.

振動・回転機械

• 回転速度に関連したピーク(1X、2X、歯車かみあい周波数など)の特定
• さまざまな運転条件下における構造共振やモード挙動の評価
• 軸受診断、ギヤホイーン、不つり合い、ミスアライメントなどの診断

軸受やギヤボックスの解析では、エンベロープ検出／復調がよく使われます:

• 信号にバンドパスフィルタをかける
• エンベロープを復調し、そのエンベロープに対して FFT を行うことで、故障周波数を明らかにします

回転速度が変化している場合、単純な FFT ではピークが「にじんで」しまいます. そのような場合には、軸を「周波数」から「次数」に変換するオーダートラッキングや同期リサンプリングの方が適しています.

パワーエレクトロニクスと電力品質

• 商用電源周波数の高調波(50/60 Hz とその倍数)、THD、リップル、スイッチングスパイクの解析
• 予備的な EMI チェック:スペクトルライン、ノイズフロア、帯域内電力の確認

電力システムでは非コヒーレントサンプリングがよく問題になります.すなわち、記録長が商用電源周期の整数倍でないと、リーケージが高調波の精度に影響します. 対策として、同期サンプリング、整数周期のウィンドウ、専用の高調波アナライザなどが用いられます.

RF・通信(ベースバンド視点)

• 変調信号のスペクトルおよびスペクトルマスクとの適合評価
• OFDM やマルチキャリアのスペクトル解析、隣接チャネル漏洩の評価

ここでは、一貫性が最重要です:

• 同じ単位
• 同じ帯域幅(RBW)
• 同じ窓関数、検波方式、アベレージング方法

FFT 自体は単純ですが、それを比較可能な電力測定にするには、設定を厳密に定義する必要があります.

画像処理と 2D フィルタリング

2D FFT は、同じ考え方を画像に拡張したものです:

• エッジは高い空間周波数に、なだらかな部分は低い空間周波数に対応します
• ローパス／ハイパスフィルタリング、周期ノイズの除去、周波数領域での畳み込み高速化などに利用されます

ここでも、2D で周期延長を仮定するため、画像の境界での不連続が周波数領域で強いアーティファクトを生じます. これを軽減する一般的な方法として、パディング、鏡面対称の境界、2D 窓関数の適用などがあります.

FFT を日常的なエンジニアリングツールへ

数学的に見ると、FFT は必ずしも「軽い」話題ではありません. しかしエンジニアリング用途では、目的は実はシンプルです:

信号の内部に隠れているものを、より明確かつ高速に可視化することです.

次のことを理解できれば:

• FFT が実際に何を計算しているのか
• サンプリング、窓関数、スケーリング、アベレージングが結果にどう影響するか
• スペクトルと PSD をいつ使い分けるか、および自分の用途でどの設定が重要か

...FFT は抽象的な数学の話題ではなく、音響や振動の業務――R&D や検証から量産試験に至るまで――に使える実践的で日常的なツールになります.

今すぐダウンロードして始めましょう ->または、下記のフォームに入力してライブデモの日程をリクエストしてください.

www.opentest.com で、さらに多くの機能やアプリケーション事例をご覧ください.