RFrftools.io

FFT ビン分解能およびスペクトル解析計算ツール

FFT 周波数ビンの解像度、ナイキスト範囲、時間レコード長、ノイズフロア処理ゲイン、およびウィンドウスキャロップ損失の計算

Loading calculator...

公式

Δf = f_s / N

ΔfFrequency bin resolution (Hz)
f_sSample rate (Hz)
NFFT size (number of points)
TTime record length (N/f_s) (s)

仕組み

高速フーリエ変換 (FFT) のビン分解能は、周波数分解能とスペクトル解析の精度を決定するデジタル信号処理の基本概念です。FFT を実行すると、入力された時間領域信号は離散的な周波数ビンに分割され、これらのビンの幅はサンプリングレートとサンプル数に直接関係します。ビンの分解能は、周波数スペクトルで区別できる最小の周波数間隔を表し、サンプリング周波数をサンプルの総数で割った値です。

計算例

サンプリング周波数が 10,000 Hz、合計サンプル数が 1024 の場合、FFT ビンの分解能は次のように計算されます。
1.ビンの解像度 = サンプリング周波数/サンプル数
2.ビンの解像度 = 10,000 Hz/1024
3.ビンの解像度約 9.76 ヘルツ
つまり、各周波数ビンはスペクトルの約 9.76 Hz を占め、分解可能な最大周波数 (ナイキスト周波数) はサンプリングレートの半分になります。

実践的なヒント

  • サンプル数を増やして周波数分解能を向上させる
  • ゼロパディング手法を使用して既存の周波数ビン間を補間する
  • 時間領域と周波数領域の分解能のトレードオフを考えてみましょう
  • サンプリングレートが対象とする最高周波数の少なくとも2倍であることを常に確認してください

よくある間違い

  • ビンの解像度とサンプリング周波数のわかりにくい
  • サンプル数と周波数精度の関係がわからない
  • スペクトル全体で均一な解像度を想定

よくある質問

サンプル数を増やすとビンの幅が狭くなり、周波数分解能が高くなります。サンプル数が多いほど、周波数解析の精度が向上します。
ナイキスト周波数はサンプリングレートの半分で、デジタル信号で正確に表現できる最大周波数を表します。
ゼロパディングは既存のビン間の補間に役立ちますが、新しいスペクトル情報は作成されません。真の解像度の向上には、より多くのサンプルが必要です。

Shop Components

Affiliate links — we may earn a commission at no cost to you.

Op-Amps

General-purpose and precision operational amplifiers

Active Filter ICs

Dedicated filter ICs for low-pass, high-pass, and bandpass designs

Related Calculators