工業数学シリーズ 第19回：フーリエ変換と周波数領域

フーリエ級数が周期関数を扱うツールであったなら、フーリエ変換はより一般的な信号を周波数の観点から解析するツールです。信号処理、通信、画像処理でほぼ基本言語と見なせます。

時間領域と周波数領域

時間領域では信号がいつどのように変わるかを見ます。周波数領域ではその信号がどのような振動成分の組み合わせで構成されているかを見ます。同じ信号を異なる観点から見ることです。

フーリエ変換は通常

$F(\omega) = \int_{-\infty}^{\infty} f(t)e^{-i\omega t}\,dt$

と定義します。

この式は「信号$f(t)$が周波数$\omega$の複素振動とどれだけ似ているか」を測定する過程と見ることができます。

直観

ある信号に特定の周波数成分が強く含まれていれば、その周波数に対応する変換値が大きく出ます。逆にほとんど含まれていなければ小さく出ます。

つまりフーリエ変換は関数全体を一度に見る代わりに、周波数ごとに分解して眺めるレンズです。

代表的な例題

ガウス関数のフーリエ変換が再びガウス関数になるという事実は非常に有名です。詳細な計算は長いですが、核心メッセージは「時間領域で広く広がった関数は周波数領域で比較的狭く、逆に時間領域で非常に短いパルスは周波数領域で広く広がる」ということです。

入門段階では矩形パルスがsinc形態のスペクトルを持つ例をよく見ます。つまり時間領域できっちり切られた信号は周波数領域で複雑な裾を持ちます。

微分と畳み込み

フーリエ変換の最も重要な性質の一つは、微分が乗算に変わる点です。

$\mathcal{F}\{f'(t)\} = i\omega F(\omega)$

この性質のおかげで微分方程式を周波数領域で扱いやすくなります。

もう一つ重要なのは畳み込みが乗算に変わる点です。

$\mathcal{F}\{f*g\} = F(\omega)G(\omega)$

そのためフィルタを通過した信号の解析が大幅に単純化されます。

工学応用

オーディオと音声

音を周波数成分で分析すればピッチ、ノイズ、倍音構造を理解しやすくなります。

通信

チャネル帯域幅、変調、スペクトル効率などの概念は周波数領域の解析と切り離せません。

画像処理

画像も2次元フーリエの観点で見ると低周波成分と高周波成分に分かれ、ブラーやシャープニングが周波数フィルタとして解釈されます。

よくある間違い

時間領域と周波数領域を互いに異なる問題と見る

両者は同じ信号を見る2つの観点です。一方で難しい問題がもう一方では簡単になることがあります。

周波数軸の意味を抽象的にだけ見る

周波数は実際にどれだけ速く振動しているかを表します。物理的意味を常に結びつける必要があります。

公式だけ暗記して性質を見失う

実戦では定義よりも微分、移動、スケーリング、畳み込みなどの性質の方がよく使われます。

一行まとめ

フーリエ変換は非周期信号を周波数成分に分解して解析するツールです。

次回予告

次の記事ではフーリエの視点を土台に、偏微分方程式とは何か、なぜ種類を分けるのかを入門レベルで整理します。

参考資料

• Erwin Kreyszig, Advanced Engineering Mathematics, 10th Edition
• Ronald N. Bracewell, The Fourier Transform and Its Applications
• Alan V. Oppenheim, Ronald W. Schafer, Discrete-Time Signal Processing