高分解能のリアルタイム・オーディオスペクトルアナライザー

FFT スペクトルアナライザーには、周波数に関する2つの独立した軸と、時間に関する3つ目の軸があります。これらは混同しやすいのですが、それぞれ異なる役割を果たします。

周波数分解能（ビン幅）は、近接した2つの周波数をアナライザーがどれだけ細かく区別できるかを表します。これはサンプリングレートを FFT サイズで割った値に等しくなります。ビン数が真価を発揮するのはこの軸です。同じサンプリングレートでビン数を増やすとビン幅が狭くなり、本来なら1つのピークにまとまってしまう部分音を分離できます。ただし、ビン数だけで分解能が決まるわけではありません。分解能は常にサンプリングレートにも依存します。

周波数範囲（測定可能な最大周波数）は、アナライザーが表示できる最も高い周波数です。これはナイキスト限界、つまりサンプリングレートの半分です。これを決めるのはサンプリングレートだけで、ビン数とは関係ありません。実際には、この範囲はさらにマイクによって制限され、通常はそれが本当の限界になります（後述）。

時間分解能は3つ目の軸で、スペクトルがどれくらいの頻度で更新されるか、そして FFT がどれだけの長さの分析ウィンドウを見るかを表します。周波数分解能と時間分解能はトレードオフの関係にある（ビン幅を狭くするには、より長い時間ウィンドウが必要）ため、VoceVista では両方を独立したコントロールとして用意しており、作業に合ったバランスを選べます。

まとめると、分解能はビン数とサンプリングレートで決まり、範囲はサンプリングレートだけで決まり、その分解能を時間に対してどう配分するかは分析ウィンドウで決まります。Pro エディションの最大値である約100万ビンの場合、一般的なサンプリングレートでの分解能と範囲は次のとおりです。

サンプリングレートを 44.1 kHz（声の分析や CD 品質のオーディオで一般的なレート）に固定した場合、利用可能な各 FFT サイズでのビン幅は次のとおりです。8,192 pts（8 kpts、2¹³）までのサイズはすべてのエディションで利用でき、16,384 pts（16 kpts、2¹⁴）から 1,048,576 pts（1 Mpts、2²⁰）までのサイズには Pro エディションが必要です。

範囲についての補足。実際の上限を決めるのは、アナライザーではなくマイクです。一般的なマイクは 20 kHz 付近で感度が落ちますが、この範囲は 44.1 kHz または 48 kHz のサンプリングレートで十分にカバーできます。プロ用の測定用マイクは、およそ 30 kHz または 50 kHz まで対応します。それを超える領域には、研究室レベルの計測機器や超音波トランスデューサーが必要です。つまり、適切なオーディオインターフェースがあればソフトウェアは 192 kHz でも問題なく動作しますが、たいていは先にマイクが限界になります。価格帯ごとの具体的な製品については、おすすめのマイクをご覧ください。

分解能についての補足。比較のために言うと、歌声分析のデフォルト設定は 44.1 kHz で 8,192 pts（8 kpts、2¹³）で、これは VoceVista Basic と VoceVista Video の最大値でもあります。この場合は1ビンあたり約 5.4 Hz となり、倍音どうしが 100 Hz 以上離れている声楽教育には十分ですが、ボウルやゴングの低音域にある間隔の狭い非調和な部分音を分離するには足りません。同じサンプリングレートで、Pro エディションの 1,048,576 pts（1 Mpts、2²⁰）なら1ビンあたり約 0.042 Hz、つまり128倍細かくなります。

ダイナミックレンジ、つまりアナライザーが区別できる最も大きな信号と最も小さな信号の幅には、オーディオチェーンに沿って積み重なるいくつかの側面があります。VoceVista は内部で最大 32 ビット浮動小数点で録音するため、録音段階そのものが実用上の制約になることはありません。また、読み込んだ FLAC ファイルは 24 ビットと 32 ビット（公称 144 dB 以上）に対応しています。分析側では、FFT そのものの実用的なダイナミックレンジは約 100 dB で、これはウィンドウ関数のサイドローブ減衰によって決まります。仕様表に挙げた12種類のウィンドウ関数は、このダイナミックレンジとメインローブ幅をトレードオフします。ライブ信号では、通常それよりずっと手前で限界に達します。優れたオーディオインターフェースのダイナミックレンジは 100～120 dB で、マイクと室内ノイズがさらに 20 dB ほどを奪うのが一般的です。したがって、実際に目にするダイナミックレンジ全体はこれらの段階のうち最も小さい値となり、実際に上限を決めるのはアナライザーではなくハードウェアです。