1 DTFTの基本概念
1.1 離散時間信号と周波数表現
1.1.1 周波数成分の意味
離散時間信号は、整数時刻 n における値 x[n] を並べたものとして扱われる。DTFTでは、この信号を複素指数関数 e^{-j\omega n} の重ね合わせとして捉え、各周波数 ω にどれほどの寄与があるかを表す量としてスペクトル X(e^{j\omega}) が定義される。ここで「周波数成分」とは、特定の角周波数 ω に対応する複素正弦波（離散時間の基底関数）への展開係数に相当する。
1.1.2 周波数領域での見え方
時間領域で定義された系列は、周波数領域では連続変数 ω に対する関数として現れる。これにより、振幅・位相の両方を含むスペクトル分布を通じて、成分の強さ、位相の進み／遅れ、周波数ごとの相対的な寄与が読み取れる。特に、定常的な周期性や帯域構造は、スペクトルの形状として現れるため、信号解析や系の評価に直結する。
1.2 定義と数式
1.2.1 DTFTの定義（直接形）
離散時間信号 x[n] に対する DTFT は、周波数変数 ω（角周波数）を用いて次で与えられる。 X(e^{j\omega}) = \sum_{n=-\infty}^{\infty} x[n] e^{-j\omega n}
ここで e^{j\omega} は単位円上の複素数であり、DTFTは ω を実数として連続的に走査したときのスペクトル値を定める。X の表記には X(e^{j\omega}) が用いられることがあるが、実質的には ω による関数を意味する。
1.2.2 逆変換と再構成の考え方
DTFTが与えるのは、周波数での連続表現である。逆方向の再構成は、基本的に次の形で行われる。 x[n] = \frac{1}{2\pi}\int_{-\pi}^{\pi} X(e^{j\omega}) e^{j\omega n}\, d\omega
この式は、周波数領域の情報を積分によって時間領域へ戻す操作である。有限の観測点しかない場合は厳密な逆変換が難しくなるが、「理論上は周波数全体の情報があれば元の系列を復元できる」という意味で再構成の考え方を支える。
1.3 収束条件と成立範囲
1.3.1 絶対可積分性に関する条件
| 無限和で定義されるため、DTFTは常に存在するわけではない。代表的な十分条件として、\sum_{n=-\infty}^{\infty} | x[n] | が有限である（絶対可積分性）ことが挙げられる。この条件が満たされると、DTFTの和が収束し、周波数での関数として意味を持つ。 |
|---|
1.3.2 よくある例と成立しない例
| 例えば x[n] が指数減衰する形（ | r | <1 で r^n 型）や、有限長の信号であれば DTFT は確実に定義される。逆に、一定値が無限に続くような信号は絶対和が発散し、通常の意味では DTFT が有限の関数として得られない場合がある。その場合でも分布的な扱い（デルタ関数的な表現）へ拡張すれば状況を説明できるが、「通常の関数としての DTFT」という観点からは成立条件が重要になる。 |
|---|
2 DTFTの性質
2.1 周波数特性
2.1.1 周波数の周期性
DTFTのスペクトルは周波数 ω に対して 2\pi 周期を持つ。理由は、基底 e^{-j\omega n} が ω → ω+2\pi のとき e^{-j(\omega+2\pi)n} = e^{-j\omega n} に戻るためである。この周期性により、通常は -\pi から \pi の範囲だけを見れば本質的な情報が重複なく得られる。
2.1.2 実信号と複素スペクトルの関係
時間領域で x[n] が実数なら、スペクトルは複素数一般として存在しても、実部と虚部に対して対称関係が現れる。具体的には、X(e^{j\omega}) の値は ω の符号反転により複素共役になる形で制約されることが多い。これにより、スペクトルの形を観察すると実信号であるかどうかの特徴が読み取れる場合がある。
2.2 線形性とシフト則
2.2.1 線形性
DTFTは線形である。x[n] と y[n] に対して、それぞれの DTFT が存在し、定数 a,b が任意であれば a x[n] + b y[n] の DTFT = a X(e^{j\omega}) + b Y(e^{j\omega}) となる。これは解析や設計で、信号を部品に分解して周波数成分の寄与を合成できることを意味する。
2.2.2 時間シフトと位相因子
時間シフト x[n-n_0] は、周波数領域では位相因子によって表される。具体的には、時間を n_0 だけ遅らせ（または進め）ると、スペクトルは e^{-j\omega n_0} などの複素指数で位相が回る。振幅の形は変わらず、位相だけが系統的に変化する点が重要である。
2.3 スケーリングと変調
2.3.1 周波数スケーリングの見方
離散時間では、周波数スケーリングに対応する操作は連続時間より注意を要する。一般に、時間領域での指数関数の係数（正弦波の周波数）を変えると、スペクトルは対応する周波数位置へ移動や圧縮・伸長のような効果を受ける。ただし離散時間特有の 2\pi 周期性のため、重なり（エイリアシング）も同時に起こり得る。結果として、見かけ上はスペクトルが別の周波数帯へ折り返されたように配置されることがある。
2.3.2 周波数変調（時間変調）との対応
時間領域で信号に e^{j\omega_0 n} を掛ける（複素指数で変調する）操作は、周波数領域でスペクトルの周波数シフトとして現れる。すなわち、スペクトルの内容が ω_0 だけ移動するように振る舞う。この対応関係は、搬送波による変調・復調の理解や、周波数帯域の位置関係を直感的に追うときに有効である。
2.4 畳み込みと乗算の対応
2.4.1 畳み込み定理
離散時間での畳み込み（z[n] = \sum_k x[k] y[n-k]）は、周波数領域では積として表される。同様に、時間領域での点ごとの積は周波数領域での畳み込みに対応する。DTFTはこの対応を明確にする枠組みであり、演算の順序を切り替えることで計算や理解を簡潔にできる。
2.4.2 積の周波数領域での意味
時間領域で x[n] と y[n] を掛けると、スペクトルは帯域同士の相互作用として現れる。直感的には、周波数成分の混合が起こり、新たな成分が生成される様子を「畳み込み」という数学的形で表現している。これはフィルタリングや変調の効果を定式化する際の基礎になる。
2.5 微分・差分に対応する性質
2.5.1 差分がスペクトルに与える効果
離散時間では微分に相当する操作として差分が扱われることが多い。例えば x[n] に対する差分 Δx[n]=x[n]-x[n-1] のような操作は、周波数領域では (1-e^{-j\omega}) などの因子を掛ける効果として現れる。結果として、低周波成分の抑制や高周波成分の強調といった性質が、スペクトルの振る舞いから説明できる。
2.5.2 極性（位相）への影響の解釈
差分や類似の差分演算は、振幅だけでなく位相にも系統的な変化を導く。周波数ごとに付与される位相因子は、波形の形状（立ち上がりの鋭さや符号の変化）に影響する。したがって、差分演算を設計・解析に用いる場合には、周波数応答の大きさに加えて位相の挙動を同時に考慮する必要がある。
3 DTFTと信号・システム
3.1 LTI系の周波数応答
3.1.1 周波数応答関数の導出
線形時不変（LTI）系では、入出力の関係が畳み込みで表される。y[n] = \sum_k h[k] x[n-k] のとき、DTFTを適用すると y のスペクトルは H(e^{j\omega}) X(e^{j\omega}) の形に整理される。ここで H(e^{j\omega}) はインパルス応答 h[n] の DTFTであり、系が周波数ごとにどのような倍率と位相回転を与えるかをまとめた関数として位置づけられる。
3.1.2 入出力関係の周波数領域表現
周波数領域では、畳み込みが積に変わるため、解析が簡潔になる。具体的には Y(e^{j\omega}) = H(e^{j\omega}) X(e^{j\omega})
| となり、スペクトルの振幅は | H | によって、位相は arg(H) によって変換される。したがって、任意の入力に対しても「系の特性」が明確に切り出せる点が利点である。 |
|---|
3.2 フィルタ解析への適用
3.2.1 周波数選択性の読み取り
| フィルタは H(e^{j\omega}) の大きさの挙動によって分類・評価される。例えば通過帯域では | H | が比較的大きく、阻止帯域では小さい、という設計思想がある。DTFTは連続的な周波数概念を保つため、どの ω でゲインが変化するかを細かく追える。さらに、2\pi 周期性のために通過帯がどの領域に折り返されるかも同時に把握できる。 |
|---|
3.2.2 ゲインと位相の理解
| フィルタ設計では振幅応答だけでなく位相応答も重要になる。位相は信号波形の時間的位置関係に関与し、特定の波形特徴（パルスの形や群遅延に関係する指標）を変える。したがって、DTFTに基づく見取り図としては、 | H | と位相の両方を併記して評価するのが一般的である。 |
|---|
3.3 スペクトルに基づく設計の考え方
3.3.1 代表的な設計方針
スペクトル設計の基本は、目的とする周波数領域で H(e^{j\omega}) が望ましい形になるように h[n] を決めることにある。たとえば所望の帯域でゲインを一定以上に保ち、不要な帯域で抑圧する形が典型である。理論的には、理想的な目標応答に近づけるために、有限長近似や窓関数などの手段を使うことが多い。
3.3.2 トレードオフの直観
一般に、周波数選択性（急峻な遮断）を強めるほど、時間領域では応答が長くなったり、リップルが増えたりする傾向がある。DTFTの観点では、周波数の局所的な制約が時間側の性質を同時に決めるため、設計上の両立条件が現れる。このため、仕様（許容リップル、遷移幅、遅延許容など）を整理し、どこを優先するかが意思決定になる。
4 DTFTからDFT・数値計算へ
4.1 関連する変換との位置づけ
4.1.1 DFTとの違い（連続周波数と離散周波数）
DTFTは周波数変数を連続で扱う。一方、DFTは有限長信号に対して周波数を離散点で評価し、結果としてスペクトルが周期列として表現される。両者は互いに関連するが、DTFTが「理想的な連続表現」を与えるのに対し、DFTは「計算可能な有限点でのサンプル」に焦点がある。この違いにより、観測データの長さや解像度がスペクトルの見え方に影響する。
4.1.2 周期化とサンプリングの関係
有限長データをDFTで扱う場合、時間領域では切り出しにより周期化された信号として解釈されることがある。結果として周波数領域にも周期的な性質が反映され、成分が折り返されるような効果（周波数の重なり）が生じ得る。DTFTを基準に考えると、DFTは周波数方向のサンプリングと時間方向の周期化を同時に含む手続きとして理解できる。
4.2 推定・計算の基本
4.2.1 有限長データに対する扱い
実務では無限長系列は扱えないため、観測できる区間だけを使ってスペクトルを推定する。有限長の切り出しは、理想的なDTFTの値からずれを生みやすく、そのずれは解析対象の信号が持つスペクトルの位置関係やデータ長に依存する。したがって、「真のDTFTを直接計算した結果」ではなく、「近似としてのスペクトル」という位置づけを保つことが重要である。
4.2.2 ウィンドウとスペクトル漏れの考え方
有限長の切り出しでは、急にゼロへ落とす効果が混入し、周波数成分が広がって見えることがある。これはスペクトル漏れとして知られ、窓関数を掛けて切り出し境界をなだらかにすると抑制できる場合がある。窓の選び方は、主ローブの幅（周波数分解能）とサイドローブの高さ（漏れの抑え）との間で折り合いをつける問題になる。
4.3 FFTへの橋渡し
4.3.1 FFTが計算を高速化する理由
FFT（高速フーリエ変換）はDFT計算を効率化するアルゴリズムであり、計算量を大幅に削減する。根本的な考え方は、DFTを何度も同じ部分計算に分解し、再利用することで無駄を減らす点にある。DTFTの連続理論から見れば、DFTは周波数点を有限個にしたものなので、FFTはその離散点計算を現実的な計算時間に落とし込む手段と位置づけられる。
4.3.2 実務での注意点
FFTで得られるスペクトルは、入力の長さ、サンプリング周期、窓の有無、周波数軸の取り方（正規化）に依存する。さらに、周波数成分が解析点に一致しない場合は漏れが増え、ピークが広がることがある。したがって、スペクトルの解釈は「どの操作（切り出し・窓・点数）をしたか」を前提に行う必要がある。目的に応じて、ゼロパディングや窓選択などの調整を行うのが一般的である。