振幅スペクトルとは？求め方をわかりやすく解説！（フーリエ変換：図示方法：単位：位相スペクトルとの違い：パワースペクトルとの違いなど）
信号処理や音響学を学ぶうえで、「振幅スペクトル」という言葉は避けて通れません。
しかし、振幅スペクトルの意味・求め方・グラフの読み方、さらに位相スペクトルやパワースペクトルとの違いまで正確に理解している方は意外と少ないのではないでしょうか。
振幅スペクトルを正しく理解することで、音楽制作・通信工学・機械診断・地震解析など幅広い分野で応用できる力が身につきます。
この記事では、振幅スペクトルとは何かについて、フーリエ変換との関係・求め方・図示方法・単位・位相スペクトルおよびパワースペクトルとの違いまで、わかりやすく丁寧に解説していきます。
信号処理に興味がある方も、これから学ぼうとしている方も、ぜひ最後までお読みください。
振幅スペクトルとは「信号に含まれる各周波数成分の振幅の大きさを表したもの」
それではまず、振幅スペクトルの定義と基本的な意味について解説していきます。
振幅スペクトルとは、時間領域の信号をフーリエ変換することで得られる「各周波数成分の振幅の大きさ」を周波数の関数として表したものです。
音楽で例えると、ピアノの「ラ」の音には基本周波数（440 Hz）と、その整数倍の倍音（880 Hz、1320 Hz…）が含まれています。
振幅スペクトルを見れば、これら各周波数成分がどれだけの振幅（強さ）を持っているかが一目でわかります。
振幅スペクトルのポイントまとめ：
・時間領域の信号（x(t)）→ フーリエ変換 → 複素スペクトル（X(f)）
・振幅スペクトル：|X(f)|（複素スペクトルの絶対値）
・横軸：周波数 f（単位：Hz）
・縦軸：振幅の大きさ（信号の単位、またはdB）
・グラフのピーク（山）がある周波数 → その周波数成分が信号に含まれている
・ピークが高いほど → その周波数成分の振幅が大きい
振幅スペクトルを見ると「信号がどの周波数成分から構成されているか」が視覚的に把握できるという点が最大の利点です。
時間波形（x-t グラフ）では読み取りにくい周波数情報が、振幅スペクトルによって明確に可視化されます。
フーリエ変換と振幅スペクトルの数学的関係
振幅スペクトルはフーリエ変換という数学的操作を通じて得られます。
フーリエ変換とは、時間の関数 x(t) を周波数の関数 X(f) に変換する操作です。
連続フーリエ変換の定義：
X(f) = ∫₋∞^∞ x(t) e^(−j2πft) dt
ここで X(f) は複素数値の関数（複素フーリエスペクトル）
振幅スペクトル（振幅の大きさ）：|X(f)| = √(Re[X(f)]² + Im[X(f)]²)
位相スペクトル（位相角）：φ(f) = arctan(Im[X(f)] / Re[X(f)])
複素スペクトルは振幅スペクトルと位相スペクトルの2つの情報を合わせ持っています。
複素スペクトル X(f) には振幅情報と位相情報の両方が含まれており、振幅スペクトルはその「大きさ」の部分だけを取り出したものです。
逆に、振幅スペクトルだけでは元の時間波形を完全に復元することはできず、位相スペクトルと組み合わせることで初めて元の信号に戻せます。
フーリエ変換の直感的な意味
フーリエ変換の数式は複雑に見えますが、直感的な意味は次のように理解できます。
フーリエ変換の直感的な意味：
X(f) = ∫₋∞^∞ x(t) e^(−j2πft) dt
これは「信号 x(t) と周波数 f の正弦波（複素指数関数）の内積（相関）を求めている」操作です。
信号が周波数 f の成分を多く含む → |X(f)| が大きくなる
信号が周波数 f の成分をほとんど含まない → |X(f)| ≈ 0
こうして各周波数における「成分の強さ」が振幅スペクトルとして可視化されます。
フーリエ変換は「信号がどの周波数の正弦波とどれだけ似ているか」を周波数ごとに計算する操作と理解すると、振幅スペクトルの意味が直感的につかみやすくなります。
振幅スペクトルの求め方と手順
続いては、振幅スペクトルの具体的な求め方と手順を確認していきます。
理論式の導出から、実際のコンピュータによる計算手順まで段階的に解説します。
単純な正弦波の振幅スペクトルを手計算で求める
最もシンプルな例として、単一周波数の正弦波の振幅スペクトルを求めてみましょう。
例：x(t) = A sin(2πf₀t) の振幅スペクトル
オイラーの公式より、sin(2πf₀t) = (e^(j2πf₀t) − e^(−j2πf₀t)) / (2j)
フーリエ変換すると、
X(f) = A/2j × [δ(f − f₀) − δ(f + f₀)]
振幅スペクトル：|X(f)| = A/2 × δ(f − f₀)（片側スペクトルで表示する場合）
→ 周波数 f₀ の位置にだけ、高さ A/2（または正規化すると A）の縦線が現れる
これを片側スペクトルで表示する際は A/2 × 2 = A として表示するのが一般的です。
このように、純粋な正弦波の振幅スペクトルは1本の縦線（デルタ関数）として現れ、その高さが振幅 A に対応します。
離散フーリエ変換（DFT）と FFT を使った求め方
実際の計算では、コンピュータで扱いやすいように離散化されたデータに対して DFT（離散フーリエ変換）または FFT（高速フーリエ変換）を適用します。
DFT による振幅スペクトルの計算手順：
①信号を一定のサンプリング周波数 fs でサンプリングし、N 点のデータ x[0], x
, …, x[N-1] を取得する
②DFT を計算：X[k] = Σ_{n=0}^{N-1} x[n] e^(−j2πkn/N)（k = 0〜N-1）
③振幅スペクトルを求める：|X[k]| = √(Re[X[k]]² + Im[X[k]]²)
④正規化（必要に応じて）：振幅を正確に得るには |X[k]| × 2/N（k ≥ 1 の場合）
⑤周波数軸の計算：f_k = k × (fs/N)（k = 0〜N/2）
⑥片側スペクトル（0〜fs/2）をグラフに描く
FFT は DFT の計算を高速化したアルゴリズムであり、N 点の DFT を O(N²) から O(N log N) の計算量で実行できるため、実用的な信号解析では必ず FFT が使われます。
Python（NumPy）では numpy.fft.fft() 関数、MATLAB では fft() 関数で簡単に計算できます。
振幅スペクトルの計算で注意すべきポイント
振幅スペクトルを正確に求めるためには、いくつかの技術的な注意点があります。
| 注意ポイント | 内容 | 対策 |
|---|---|---|
| サンプリング周波数 | ナイキスト周波数（fs/2）以上の成分はエイリアシングが発生 | 解析したい最高周波数の2倍以上で fs を設定 |
| 窓関数（ウィンドウ） | 信号を有限区間で切り取るとスペクトル漏れが発生 | ハン窓・ハミング窓・ブラックマン窓などを適用 |
| データ点数 N | N が小さいと周波数分解能（Δf = fs/N）が粗くなる | N を大きくする（測定時間を長くする） |
| ゼロパディング | データの末尾にゼロを付加することでスペクトルを補間 | N を2の冪乗に揃えて FFT 効率も上げる |
窓関数の適用はスペクトル漏れを抑制するために非常に重要であり、使用目的に応じた窓関数の選択が振幅スペクトルの精度に大きく影響します。
振幅スペクトルの図示方法と単位
続いては、振幅スペクトルの具体的な図示方法と使用する単位を確認していきます。
グラフを正しく描き・読み取るためには、軸の設定と単位の選択が非常に重要です。
振幅スペクトルのグラフ描画の基本
振幅スペクトルのグラフを描く際の基本的なルールを整理しておきましょう。
振幅スペクトルグラフの基本設定：
横軸：周波数 f（単位：Hz、kHz など）
→ 線形スケール：特定の周波数帯を詳しく見るとき
→ 対数スケール（log）：広い周波数範囲を見るとき（音響解析では標準的）
縦軸：振幅の大きさ
→ 線形スケール：絶対値で振幅を表示（単位：信号の単位 × 時間）
→ 対数スケール（dB）：広いダイナミックレンジを扱うとき（音響・通信では標準）
グラフの種類：
→ 周期信号（調和波形）：棒グラフ（スペクトル線）で描く
→ 非周期信号・ランダム信号：連続スペクトルとして折れ線や曲線で描く
音響や通信では横軸を対数スケール、縦軸を dB スケールにすることが多く、これは人間の聴覚特性（対数的な感度）や、広いダイナミックレンジを扱いやすくするためです。
振幅スペクトルの単位の選び方
振幅スペクトルに使う単位は、信号の種類と目的によって選び方が異なります。
| 信号の種類 | 振幅スペクトルの単位 | 備考 |
|---|---|---|
| 音圧信号 | Pa または dBSPL | 基準：20 μPa |
| 電圧信号 | V または dBV、dBu | 基準：1 V または 0.775 V |
| 加速度（振動） | m/s² または dB（re 1 m/s²） | 振動診断でよく使用 |
| デジタル音声 | dBFS（Full Scale） | 最大値 0 dBFS を基準 |
| 正規化スペクトル | 無次元（0〜1 に正規化） | 相対的な比較に便利 |
dB スケールを使うと、非常に小さい振幅成分と非常に大きい振幅成分を同じグラフ上で表示できるという大きなメリットがあります。
線形スケールでは小さなピークが見えにくくなりますが、dB スケールなら細部まで読み取れます。
片側スペクトルと両側スペクトルの図示の違い
実信号のフーリエ変換では、正の周波数成分と負の周波数成分が現れますが、実用上は片側スペクトルが一般的に使われます。
片側スペクトルと両側スペクトルの図示の違い：
両側スペクトル：横軸 −fs/2 〜 +fs/2、各成分の振幅をそのまま表示
片側スペクトル：横軸 0 〜 fs/2、f > 0 の成分振幅を2倍して表示
→ 実信号は負の周波数成分が正の共役複素数なので、正の側だけ見れば十分
→ 振幅の総エネルギーが両者で等しくなるよう、片側では2倍に補正する
直流成分（f = 0）は2倍にしない（対称でないため）
実用的な振幅スペクトルのグラフは片側スペクトルで表示されることが圧倒的に多く、特に断りがない場合は片側スペクトルと考えて差し支えありません。
振幅スペクトル・位相スペクトル・パワースペクトルの違い
続いては、振幅スペクトル・位相スペクトル・パワースペクトルの違いを確認していきます。
これらはフーリエ変換から得られる異なる情報を表しており、それぞれの役割を正確に区別することが重要です。
振幅スペクトルと位相スペクトルの違い
複素フーリエスペクトル X(f) は「大きさ」と「角度（位相）」という2つの情報を持っており、振幅スペクトルはその「大きさ」、位相スペクトルはその「角度」に相当します。
振幅スペクトルと位相スペクトルの定義：
複素スペクトル：X(f) = |X(f)| × e^(jφ(f))
振幅スペクトル：|X(f)|（絶対値、非負の実数）
位相スペクトル：φ(f) = ∠X(f)（偏角、単位：ラジアンまたは度）
フーリエ逆変換で元の信号を復元するには：X(f) = |X(f)| e^(jφ(f)) の両方が必要
振幅スペクトルだけを変えて位相スペクトルを保存すると「音量を変えながら音色・音質を保つ」操作に相当し、逆に位相だけを変えると音量はそのままで波形の形が変わるという直感的な理解が参考になります。
音声合成・音楽制作の分野では、振幅スペクトルと位相スペクトルを個別に操作することで様々なエフェクトが実現されています。
振幅スペクトルとパワースペクトルの違い
パワースペクトル（パワースペクトル密度：PSD）は振幅スペクトルの二乗に比例する量であり、信号のエネルギー分布を表します。
| スペクトルの種類 | 定義 | 単位（電圧信号の場合） | 特徴 |
|---|---|---|---|
| 振幅スペクトル | |X(f)| | V（または V・s） | 振幅の大きさを直接表す |
| パワースペクトル | |X(f)|² | V²（またはV²・s） | エネルギーの分布を表す |
| パワースペクトル密度（PSD） | |X(f)|² / Δf | V²/Hz | 単位周波数あたりのエネルギー |
パワースペクトルは振幅スペクトルの二乗であるため、dB 表示では振幅スペクトルより 2 倍のダイナミックレンジで表現されるという点に注意が必要です。
振幅比 10 倍が振幅スペクトルで +20 dB であるのに対し、パワースペクトルでは +20 dB が電力比 100 倍に相当します。
どのスペクトルを使うべきか
目的に応じた適切なスペクトルの選び方を整理しましょう。
スペクトルの使い分け：
振幅スペクトルを使う場面：
→ 信号の振幅の大きさを直接確認したいとき
→ 音楽・音声のピッチ（周波数成分）分析
→ フィルタの振幅特性（ゲイン特性）の表示
位相スペクトルを使う場面：
→ 信号間の時間的ずれ（遅延）を確認したいとき
→ フィルタの群遅延特性の分析
パワースペクトル（PSD）を使う場面：
→ ランダム信号・ノイズのエネルギー分布を解析するとき
→ 統計的な信号特性の評価
→ 振動診断・地震波解析
ランダムな信号（ノイズや環境振動など）の場合、毎回の振幅スペクトルがばらつくため、複数の振幅スペクトルの二乗を平均化したパワースペクトル密度（PSD）を使って安定した解析を行うことが一般的です。
振幅スペクトルの実用的な読み取り方と応用例
続いては、振幅スペクトルを実際の場面でどのように読み取り・活用するかを確認していきます。
理論を理解したうえで実際のグラフを読み解く力を身につけることが、振幅スペクトルを使いこなすための最終ステップです。
音響解析での振幅スペクトルの読み取り
音楽や音声の振幅スペクトルを読み取る際のポイントを整理しましょう。
音楽の振幅スペクトルの読み取り例：
ピアノの「ラ（A4、440 Hz）」の振幅スペクトル：
→ 440 Hz（基本音）に最も高いピーク
→ 880 Hz（2倍音）、1320 Hz（3倍音）、1760 Hz（4倍音）にも順に低いピーク
→ 倍音の高次になるほどピークが低くなっていく（一般的なパターン）
バイオリンの同じ音の振幅スペクトル：
→ 基本波と倍音の周波数位置は同じ
→ 各倍音の振幅の比率がピアノと異なる（音色の違い）
→ 2〜4倍音が比較的強い（バイオリン特有の倍音構造）
ピアノとバイオリンで音色が異なる理由は、振幅スペクトルで各倍音の振幅比が異なるためであることが、スペクトル比較から直感的に確認できます。
振動診断での振幅スペクトルの活用
工場の機械設備の振動診断では、振幅スペクトルが故障検出の強力なツールとなっています。
| 故障の種類 | 振幅スペクトルに現れるパターン |
|---|---|
| 回転体のアンバランス | 回転周波数（1X）に高いピーク |
| 軸の曲がり | 1X および 2X（2倍）にピーク |
| ベアリング内輪の損傷 | BPFI（内輪通過周波数）にピーク |
| 歯車の歯欠け | 歯面噛み合い周波数（GMF）とその倍音にピーク |
| キャビテーション | 広帯域のランダムなスペクトル上昇 |
正常時と異常時の振幅スペクトルを比較することで、故障の種類とその進行度を定量的に評価できるという点が振動診断における振幅スペクトルの最大の価値です。
通信工学での振幅スペクトルの活用
通信分野では、送受信信号の振幅スペクトルを確認することが品質管理の基本です。
スペクトルアナライザーという測定器を使えばリアルタイムで振幅スペクトルを観測でき、送信電波の占有帯域・隣接チャンネルへの漏れ（スプリアス）・変調品質などを一目で確認できます。
AM・FM・デジタル変調の各方式でスペクトルの形が特徴的に異なるため、スペクトルを見るだけで変調方式の種類を判断することも可能です。
まとめ
この記事では、振幅スペクトルについて定義・求め方・図示方法・単位・位相スペクトルおよびパワースペクトルとの違いまで幅広く解説しました。
振幅スペクトルとは「信号に含まれる各周波数成分の振幅の大きさ」を周波数の関数として表したものであり、フーリエ変換で得られる複素スペクトルの絶対値として定義されます。
求め方は FFT を使った数値計算が一般的であり、窓関数の適用・データ点数の設定・片側スペクトルへの変換などに注意が必要です。
位相スペクトルは複素スペクトルの偏角（位相角）を表し、パワースペクトルは振幅スペクトルの二乗でエネルギー分布を示す量です。
音響解析・振動診断・通信工学など多くの分野で振幅スペクトルが実用的に活用されており、信号処理の基礎として確実に身につけておきたい重要な概念でしょう。
