フーリエ変換とは｜定義・公式・応用例をわかりやすく解説

フーリエ変換の定義・公式を図解でやさしく解説。計算方法、逆変換、FFTや音響・機械学習などの応用例まで実例付きでわかる入門ガイド。

フーリエ変換は、時間的（あるいは空間的）に変化する信号を、含まれる基本的な周波数成分に分解して表す数学的な道具です。例えば、和音が演奏されている音波をフーリエ変換すると、その和音を構成する各音（周波数）とそれぞれの強さ（振幅）がわかります。フーリエ変換の結果は周波数スペクトルや周波数分布と呼ばれ、信号の周波数成分を直感的に示します。この考え方は、暗号学、海洋学、機械学習、放射線学、量子物理学のほか、サウンドデザインや可視化など、多くの分野で応用されています。

定義（連続フーリエ変換）

関数 f(x) のフーリエ変換 F(α) は、次のように定義されます（代表的な正準形の一つ）。下の数式画像を参照してください。

f ( x )のフーリエ変換は次のように与えられる。

F ( α ) = ∫ - ∞ + ∞ f (x ) e - 2 π i α x d x {displaystyle F(\alpha ) = ∫ - ∞ + ∞ f (x ) e - 2 π i α x d x {displaystyle F(\alpha ) = ™ ™ ™ ™ ™ F(x)e^{-2π i\alpha x}d x}

ここで、α は周波数（空間変数に対する空間周波数の場合もあります）を表します。式中の複素指数関数 e^{-2π i α x} はオイラーの公式により cos と sin の成分を持ち、入力関数 f(x) を異なる周波数の「基底関数（正弦・余弦）」に投影することを意味します。フーリエ変換 F(α) は、その周波数 α が元の信号中にどの程度含まれているか（振幅・位相情報）を与える複素関数です。

逆フーリエ変換

元の関数 f(x) は、フーリエ変換 F(α) から逆変換によって復元できます。代表的な逆変換の式は次の通りです（表示形式には正規化の違いが複数あります）。下の数式画像も参照してください。

f (x ) = ∫ - ∞ + ∞ F (α ) e + 2 π i x α d α {displaystyle f(x)=\infty }^{+\infty }F(α )e^{+2\i i xα }d\alpha }

注：フーリエ変換の定義にはいくつかの慣習（符号の向き、2π の分配、正規化定数の置き方）があり、それに応じて逆変換の形も変わります。特に解析や工学で使われる表記が異なるので、式を使う場面でどの定義を採用しているかを確認してください。

直感的な説明

直感的には、フーリエ変換は信号を多数の異なる周波数の正弦波・余弦波の重ね合わせとして表現する方法です。時間領域で複雑に見える信号でも、周波数領域で見るといくつかのはっきりしたピークに分かれることがあります。音声の例では、時間波形だけを見ると複数の音符が混ざってわかりにくくても、フーリエ変換のグラフ（横軸：周波数、縦軸：振幅）には各音符に対応するピークが現れます。

主要な性質（要点）

• 線形性：F{a f + b g} = a F{f} + b F{g}。
• 時間/周波数シフト：時間平行移動は位相の変化として現れ、周波数シフト（変調）は時間領域での乗算に対応します。
• スケーリング：時間軸を圧縮すると周波数軸が伸び、逆も同様です（時間と周波数は逆相関）。
• 畳み込み定理：時間領域での畳み込みは周波数領域での積に対応します（およびその逆）。これが信号処理でフィルタ設計を頻繁に周波数領域で行う理由です。
• エネルギー保存（パーセヴァルの定理／プランシェレルの定理）：時間領域での信号エネルギーは周波数領域でのエネルギーと等しくなります（定義に応じた定数因子の違いあり）。

存在条件と一般化

フーリエ変換が通常の意味で存在するためには、例えば f が可積分（L^1）であるなどの条件があります。ただし、デルタ関数や多項式成長する関数のような一般的でない対象については、分布（弱導関数）や「テンパード分布」による一般化されたフーリエ変換を使います。実用的には、データが有限長かつサンプリングされた離散信号の場合に用いるのが離散フーリエ変換（DFT）であり、これを効率よく計算するアルゴリズムが高速フーリエ変換（FFT）です。

数値計算とサンプリング（実用上の注意）

デジタル信号処理では連続フーリエ変換の代わりに DFT を用います。DFT を計算するには有限長のサンプル列が必要で、窓関数やゼロパディング、サンプリング周波数の設定（ナイキスト周波数）などに注意を払う必要があります。サンプリング周波数が不十分だとエイリアシング（周波数の折り返し）が生じます。計算効率の面では、FFT が大半の実用問題で用いられます（FFT により DFT を高速に計算）。

応用例（具体的）

• 音響・音楽解析：音声や楽器音のスペクトル解析、ピッチ検出、雑音除去など。和音の構成音を特定する典型例。
• 画像処理・医用画像（放射線学）：空間周波数でのフィルタリング、画像圧縮（JPEG のような変換）やノイズ除去に応用されます。例は 放射線学 の領域でも重要です。
• 機械学習：特徴抽出や畳み込みニューラルネットワークの設計、信号特徴量の周波数領域での解析（機械学習）に利用されます。
• 量子力学：波動関数の位置空間と運動量空間の関係はフーリエ変換によって表されます（量子物理学）。
• 海洋学・地震学：周期成分の抽出やスペクトル解析による波の解析（海洋学 など）。
• 暗号学や信号認識：周期性やパターンの検出に用いられることがあります（暗号学）。

学ぶための前提と次の一歩

フーリエ変換をきちんと理解するには、積分や複素数・複素指数関数の扱い（虚数の概念）を学ぶことが役立ちます。実践的には、簡単な信号を手で積分して周波数成分を求める演習や、FFT ライブラリ（Python の numpy.fft や MATLAB の fft）を使って実データを解析してみることをおすすめします。

図：下の図は、3ヘルツで発振する信号と、その周波数解析（3Hz と 5Hz の場合の積分器の実部・虚部）およびフーリエ変換の結果を示しています。

最後に一言：フーリエ変換は「時間（空間）と周波数という二つの見方をつなぐ道具」です。理論的にも実践的にも幅広く使えるため、まずは単純な正弦波や窓付き信号で試してみて、スペクトルの見方に慣れることをおすすめします。

質問と回答

Q:フーリエ変換とは何ですか?

Q:フーリエ変換にはどのような使い道があるのでしょうか?

Q:フーリエ変換はどのように計算するのですか?

Q:フーリエ変換の出力はどのようなものですか?

Q:コンピュータはどのようにして高速フーリエ変換を計算するのですか?

Q: 信号を時間軸で見ると、何がわからないのか?

文字で検索