tecktom.com

Fourier 変換の性質

2026年10月15日3分で読めますAI生成教科書『基礎理論』第3章 Fourier 変換 — 非周期信号のスペクトル

AI 生成・木下が未勉強

信号処理論入門 第3章 §3.3 ★★★ シフト・変調・畳み込み定理は組み合わせて使う

以下の性質は、新しい変換対を「一から積分せずに」導くための武器である。変換対を覚えておけば、これらの性質との組み合わせで大半の変換が求まる。x(t)↔X(ω)x(t)\leftrightarrow X(\omega) とする。

要点

性質時間領域周波数領域
線形性ax(t)+by(t)a x(t)+b y(t)aX(ω)+bY(ω)a X(\omega)+b Y(\omega)
時間シフトx(t−t0)x(t-t_0)e−jωt0X(ω)\mathrm{e}^{-\mathrm{j}\omega t_0}X(\omega)
周波数シフト(変調)ejω0tx(t)\mathrm{e}^{\mathrm{j}\omega_0 t}x(t)X(ω−ω0)X(\omega-\omega_0)
スケール変換x(at)x(at)1∣a∣X ⁣(ωa)\dfrac{1}{\left\vert a\right\vert }X\!\left(\dfrac{\omega}{a}\right)
時間反転x(−t)x(-t)X(−ω)X(-\omega)
複素共役x(t)‾\overline{x(t)}X(−ω)‾\overline{X(-\omega)}
微分 ⁣dx ⁣dt\dfrac{\mathop{}\!\mathrm{d} x}{\mathop{}\!\mathrm{d} t}jωX(ω)\mathrm{j}\omega X(\omega)
時間畳み込み(x∗y)(t)(x* y)(t)X(ω)Y(ω)X(\omega)Y(\omega)
時間積x(t)y(t)x(t)y(t)12π(X∗Y)(ω)\dfrac{1}{2\pi}(X* Y)(\omega)
双対性X(t)X(t)2πx(−ω)2\pi x(-\omega)

とくに重要なのは次の三つである。(1) 時間シフトは振幅を変えず位相だけを e−jωt0\mathrm{e}^{-\mathrm{j}\omega t_0} 回す(§\S複素数で見た「乗算=回転」がここで効く)。(2) スケール変換は「時間を縮めると周波数が広がる」ことを表し、∣a∣\left\vert a\right\vert の因子は面積(エネルギー)の帳尻合わせである—時間・周波数の不確定性関係の数学的な芯である。(3) 畳み込み定理—時間領域の畳み込みが周波数領域では単なる積になる—は、LTIシステムの出力 y=x∗hy=x* h のスペクトルが Y(ω)=X(ω)H(ω)Y(\omega)=X(\omega)H(\omega) となることを意味し、H(ω)H(\omega)(周波数応答)を掛けるだけでフィルタリングを記述できる根拠である。

木下の勉強ステータス

木下はまだこの記事を勉強していません。

AI(Claude)が書いた教材を、木下が勉強しながら公開しています。式と数値は検算していますが、誤りが残っているかもしれません。誤りのご指摘・削除のご依頼をいただければ直します。 連絡先:support@tecktom.com

← AI生成教科書『基礎理論』の記事一覧へ