高速フーリエ変換（FFT：Fast Fourier Transform）は、信号処理・音響解析・通信工学・画像処理など現代のデジタル技術を支える最も重要なアルゴリズムの一つです。
FFTはデジタル信号の周波数成分を高速・高効率に抽出する手法であり、スマートフォン・Bluetooth・Wi-Fi・MP3圧縮・MRIなどの日常的な技術の根幹に組み込まれています。
本記事では、FFTの基本原理・DFTとの違い・計算手順・代表的な応用例についてわかりやすく解説していきます。
目次
高速フーリエ変換（FFT）とは何か？DFTとの関係
それではまず、FFTの定義とDFT（離散フーリエ変換）との関係について解説していきます。
FFTとは、離散フーリエ変換（DFT）を効率的に計算するための高速アルゴリズムの総称です。
DFTの定義とFFTとの違い
DFT（離散フーリエ変換）の定義
X[k] = Σ(n=0〜N-1) x[n] × e^(-j2πkn/N)
x[n]：時間領域のN点サンプルデータ
X[k]：周波数領域の出力（k番目の周波数成分）
DFTの計算量：O(N²)（N点のとき N²回の複素乗算が必要）
FFTの計算量：O(N log₂N)（DFTより大幅に高速）
例：N=1024の場合：DFT→約100万回、FFT→約1万回
FFTはDFTと同一の計算結果を得ますが、計算量がN²からN×log₂Nに劇的に削減されます。
N=1024の場合、FFTはDFTの約100分の1の計算量で同一結果を得られるという圧倒的な効率改善が最大の特徴です。
クーリー・テューキーアルゴリズムの基本原理
最も広く使われるFFTアルゴリズムはクーリー・テューキー（Cooley-Tukey）アルゴリズムであり、1965年に発表されました。
基本原理は「N点のDFTを2つのN/2点のDFTに分割（分割統治法）」であり、この分割を再帰的に繰り返すことで計算量をO(N log₂N)に削減します。
このアルゴリズムはNが2の冪乗（2・4・8・16・…・1024・2048・4096…）のとき最も効率的に機能します。
FFTの計算手順と実用的な使い方
続いては、FFTの計算手順と実用的な使い方について確認していきます。
FFTを使った周波数解析の基本手順
FFTによる信号の周波数解析手順
①信号をサンプリングする（サンプリング周波数fs、N点収集）
②必要に応じて窓関数（ハニング窓・ハミング窓など）を適用
③FFTを実行してX[k]を得る
④振幅スペクトル|X[k]|を計算する
⑤横軸を周波数に変換：f[k] = k × fs / N
⑥スペクトルをプロットして周波数成分を解析する
窓関数の役割と種類
FFT解析では、有限データ長によるスペクトルリーク（周波数の滲み）を抑制するために窓関数を適用します。
| 窓関数の種類 | 特徴 | 主な用途 |
|---|---|---|
| 矩形窓（窓なし） | リークが大きい | 周期信号で整数周期のデータ取得時 |
| ハニング窓 | バランスが良い汎用窓 | 一般的な振動・音響解析 |
| ハミング窓 | サイドローブが低い | 音声処理・通信 |
| フラットトップ窓 | 振幅精度が高い | 正確な振幅測定 |
窓関数の選択は解析精度に直接影響するため、目的に応じた適切な窓関数を選ぶことが重要です。
FFTの代表的な応用分野
続いては、FFTが実際に活用されている代表的な応用分野について確認していきます。
音響解析・騒音診断への応用
機械振動の周波数解析・騒音源の特定・音声認識・楽器の音色解析など、音響分野でFFTは不可欠なツールです。
回転機械（モーター・ポンプ・歯車）の異常検知では、振動信号のFFT解析によって特定周波数の異常な振動成分を早期発見できます。
通信・無線技術への応用
Wi-Fi・LTE・5GなどのOFDM（直交周波数分割多重）方式の無線通信では、FFT・逆FFT（IFFT）が送受信の核心処理として使われています。
デジタル放送・ADSLなどのブロードバンド通信も同様にFFTを基盤技術として採用しています。
画像処理・医療技術への応用
画像の空間周波数解析・フィルタリング・圧縮（JPEG圧縮の基礎であるDCT変換はFFTの亜種）に2次元FFTが使われています。
MRI（磁気共鳴画像法）では、測定データ（k空間データ）を逆FFTして人体の断層画像を再構成するプロセスにFFTが必須です。
まとめ
本記事では、高速フーリエ変換（FFT）の定義・DFTとの違い・クーリー・テューキーアルゴリズムの原理・計算手順・応用分野について詳しく解説しました。
FFTはDFTを効率的に計算するアルゴリズムであり、計算量をO(N²)からO(N log₂N)に大幅削減することで現代のデジタル信号処理を実用的なものにしました。
音響解析・無線通信・画像処理・医療技術など多岐にわたる分野でFFTが核心技術として使われており、その基本原理を理解することで信号処理・工学全般の理解が格段に深まるでしょう。
