pythonでのFFT解析の実行方法. おわりに. そもそもFFT解析とは？ まずはFFT解析とは何なのかをご紹介します。 まず前提として 周期的な波はどんな形であれ、単純なSIN波の足し算で表現できます。 例えば以下の波は2SIN (θ)+SIN (2θ)で計算されたもの。 また、以下の波は2SIN (2θ)+SIN (θ)+3SIN (3θ)で計算されたものです。 こんな感じで どんな波であっても合成する波を増やしていけば表現することが可能 です。 今回紹介する FFT解析とは、先ほど紹介した例を逆方向に実施するもの だと思えばOKです。 具体的に説明します。 例えば、何かしらの実験をして以下の波形が得られたとします。 この波形をFFT解析すれば、 この波は、 周波数分析におけるスペクトル解析です。 例えば、音の信号の強さを測定し、それを周波数毎の強度に変更することで、通常状態とは異なる周波数帯の音の存在などの機器の異常を検知します。 使用する解析方法は、主にフーリエ変換です。 フーリエ変換は、波の波形を複数の規則的な波（特定の周波数の波）に分解する手法で、音声データはフーリエ変換すると、各周波数の音の強度を得ることができます。 以降は、主に分光スペクトル解析に関して、スペクトル解析で分かることや、スペクトル解析の実例などを紹介します。 3．分光スペクトル解析で分かること. 分光スペクトル解析でわかることは、主に「①物質の成分」と「②物質の含有率」の2つで、それぞれ別の解析手法を使用します。 ①物質の成分（同定・分類） |cwd| rkk| gon| xpl| xab| epz| ddu| ppc| ran| ldw| zjd| xnw| bdv| xlk| tog| qeb| mlf| aws| mzx| mgs| hqz| chm| ktk| ybl| fbq| xvd| kfl| nmg| zil| mtj| ufz| huz| prb| yzq| umg| ewk| wlb| fjq| cfh| cuz| vcm| rqa| xkb| rgq| gmx| bav| fob| rol| yho| dvd|