周波数スペクトル (G検定)

1. 定義と概要

周波数スペクトルとは、音や電波などの信号をフーリエ変換によって周波数の成分に分解し、それぞれの周波数がどれだけの強さ（振幅）で含まれているかを、横軸に周波数、縦軸に振幅（またはパワー）をとって表したグラフです。

単一の高さの音（純音）であれば1本の周波数だけにピークが立ち、楽器の音や人の声のような複合音では、音の高さや音色に応じて複数の周波数にピークが立ちます。ピークの位置と高さを読み取ることで、その音がどんな周波数成分の組み合わせでできているかを把握できます。

元の音は、横軸を時間、縦軸を振幅にとった波の形である時間波形として観測されます。しかし時間波形を眺めるだけでは、その音にどの高さの成分がどれだけ混ざっているかを読み取りにくいものです。波形の形そのものは複雑に入り組んでおり、目視で高さの構成を判断するのは容易ではありません。

そこで、時間の経過にそった波形を周波数ごとの成分に分解するフーリエ変換を施すことで、時間波形は周波数スペクトルへと姿を変え、音の高さ成分の構成を目で確かめられるようになります。フーリエ変換そのものの仕組みは、フーリエ解析と呼ばれる領域が扱う範囲です。

2. 試験対策ポイント

音声処理を理解するうえで重要になるのは、周波数スペクトルの軸の取り方です。周波数スペクトルは横軸に周波数、縦軸に振幅をとりますが、これは横軸に時間、縦軸に振幅をとる時間波形とは軸の意味が異なります。同じ信号を扱っていても、どちらの軸で見るかによって着目する情報が変わるため、この軸の違いは対になる知識として押さえておきたい点です。

音声の周波数スペクトルを見ると、声帯の振動に対応する基本周波数（音に含まれる周波数成分のうち最も低いもので、音の高さを決める要素）にまず山が立ち、その整数倍の位置に倍音（基本周波数の整数倍にあたる周波数成分）の山が等間隔で並びます。倍音の混ざり方の違いは、同じ高さの音でも楽器ごとに音色が異なって聞こえる理由の一つです。この見え方もあわせて押さえておきたい知識です。

スペクトルに現れる山々の全体的な輪郭を緩やかになぞった曲線は、スペクトル包絡と呼ばれ、音色の違いに対応する別の概念として区別されます。スペクトル包絡の詳しい求め方や関連する分析手法との関係は、別の解説が扱う範囲です。

周波数スペクトルを計算する具体的な手法としては、高速フーリエ変換（FFT。周波数スペクトルを高速に計算するための計算手法）の名前が挙がりますが、計算量やアルゴリズムの中身は別記事の範囲にあたり、ここでは周波数スペクトルを高速に求める手法という位置づけにとどめます。

3. 関連概念との比較・相違点

周波数スペクトルは、時間波形やスペクトログラムと同じ信号を扱いながら、軸のとり方と表す情報が異なります。三つの表現の対応関係を並べると、次のように整理できます。

表現	軸のとり方	表す情報
時間波形	横軸＝時間、縦軸＝振幅	信号の時間的な変化
周波数スペクトル	横軸＝周波数、縦軸＝振幅（またはパワー）	ある一時点、あるいは短い区間における周波数成分の内訳
スペクトログラム	周波数スペクトルを時間方向に並べる	周波数成分の分布が時間とともに移り変わる様子

時間波形との最大の違いは、横軸に何をとるかです。時間波形は横軸が時間、縦軸が振幅で信号の時間的な変化を表すのに対し、周波数スペクトルは横軸が周波数、縦軸が振幅で、信号を構成する周波数成分の内訳を表します。同じ1つの信号でも、時間軸で切り取るか周波数軸で切り取るかによって、見えてくる情報はまったく異なります。

スペクトログラムとの最大の違いは、表現する情報の次元です。周波数スペクトルはある一時点、あるいは短い区間における周波数成分の分布を示す表現であるのに対し、スペクトログラム（周波数スペクトルを時間方向に並べて、時間の経過に伴う変化を示した図）は、その分布が時間とともにどう移り変わるかまでを示します。

これは短時間フーリエ変換（信号を短い時間ごとに区切りながら周波数スペクトルを求めていく処理）によって作られ、周波数スペクトルを時間の順に並べていく作業の積み重ねと言えます。周波数スペクトルが一断面の内訳を示す表現であるのに対し、スペクトログラムはその断面をつなげて動きを示す表現だという関係にあります。

4. ビジネス・実務での活用シナリオ

音声認識・音声アシスタントの分野では、録音した発話を周波数スペクトルに変換し、そこから特徴量（分析の手がかりとなる数値の情報）を取り出して認識モデルへの入力とします。同じ言葉でも話者や録音環境によって波形は微妙に異なりますが、周波数成分の分布に着目すると、声の高さや音色の違いに左右されにくい安定した特徴を取り出せるため、発話内容の識別精度を高められます。

設備保全や異音検知の現場では、機械音や心音を周波数スペクトルに変換して解析します。正常に稼働している機器の音は決まった周波数の成分で構成されている一方、部品の摩耗や故障の予兆があると、通常は現れない周波数の成分が混ざり込みます。人の耳では聞き分けにくいわずかな変化も、周波数スペクトル上では新しい山として現れるため、異常の兆候を早期にとらえられます。日々の点検を音の記録として蓄積すれば、変化の推移を後から見比べることもできます。

音楽・音響機器の分野では、楽器や再生機器から出る音の周波数スペクトルを測定し、特定の帯域を強調したり抑えたりするイコライジングの調整に役立てます。どの周波数がどれだけ強く出ているかを数値やグラフで確認できるため、聴感だけに頼らず音作りの根拠を示せる点が、周波数スペクトルが現場で使われる理由です。再生環境が変わっても同じ調整を再現しやすくなるという利点にもつながります。

5. 要点まとめ

• 周波数スペクトルは、信号をフーリエ変換して得られる、横軸=周波数・縦軸=振幅のグラフで、周波数成分の内訳を示します。
• 音声のスペクトルでは基本周波数とその整数倍にあたる倍音がピークとして現れ、山の概形（スペクトル包絡）が音色に対応します。
• 横軸が時間の時間波形、時間変化まで表すスペクトログラムとは、表現する情報の軸・次元が異なります。

6. 確認問題