※小説ではない※専門書 要約資料集 為替(換算)3.9万円でもらう 紐解集生成 専門 初入門 資料 作：｛作者名｝
> 学問の宇宙・応用科学の恒星(またはそれに連なる衛星) 第1章。ガイド役: Fable 5 監修 / Sonnet 5 執筆(音響班)
> トーン規約: GAKUMON_UNIVERSE.md準拠。専門用語は初出で必ず説明する。
> 理論的正: docs/DOC-0001_音楽理論.md 第2章(音・周波数の理論的正)。本冊はこの複利元から数値を引く。
> 前例との重複回避: gakumon/BOOK-0004_音楽_第1冊.md は「Hz→音階(ドレミ)」という**音階側**を扱った。本冊は「波→数」という**デジタル技術側**に徹し、音階の話には立ち入らない。
---
-------------------------------------ΩΩΩ あっ流れ星！
# BOOK-0007 デジタル音響 — 波を数に写す技術 第1冊
> 学問の宇宙・応用科学の恒星(またはそれに連なる衛星) 第1章。ガイド役: Fable 5 監修 / Sonnet 5 執筆(音響班)
> トーン規約: GAKUMON_UNIVERSE.md準拠。専門用語は初出で必ず説明する。
> 理論的正: docs/DOC-0001_音楽理論.md 第2章(音・周波数の理論的正)。本冊はこの複利元から数値を引く。
> 前例との重複回避: gakumon/BOOK-0004_音楽_第1冊.md は「Hz→音階(ドレミ)」という**音階側**を扱った。本冊は「波→数」という**デジタル技術側**に徹し、音階の話には立ち入らない。
---
## 入口の物語 — 波を「数の列」に変えた技術者たちへ
音楽第1冊(BOOK-0004)で見た通り、音とは空気の圧力が時間とともに揺れ動く、連続した波だった。太鼓の膜も、ヴァイオリンの弦も、人の声帯も、すべて「なめらかに、切れ目なく」揺れている。ところがコンピュータやスマートフォンの中に音を保存しようとすると、大きな壁にぶつかる。**コンピュータは数字しか扱えない**、という壁だ。なめらかな波を、どうやって有限個の数字の列に変えるのか。
この冊子は、その壁を人類がどう乗り越えたかをたどる旅である。旅の道具立ては三つ。**標本化(いつ数字を記録するか、時間の切り分け)**、**量子化(どれだけ細かい数字で記録するか、値の切り分け)**、そして**符号化(記録した数字をどうファイルにまとめるか)**。算術第1冊(BOOK-0002)が「数える・逆再生する・分ける・見る」という裏技の連続だったように、デジタル音響もまた「連続を区切る・区切ったものを数える・数えたものを詰め直す」という裏技の連続なのだと思ってほしい。
なぜ「地図」ではなく「写像」と呼ぶのか。音楽第1冊が周波数という広大な海に音階という地図を引く話だったのに対し、本冊が扱うのは、なめらかな波形という**連続した曲線**を、点と数字だけでできた**離散的な(飛び飛びの)世界**へどう写し取るか、という一段手前の技術だからである。この「連続から離散への写し取り」こそが、CD・スマートフォンの録音・音楽配信・ゲームの効果音まで、あらゆるデジタル音の土台になっている。
---
## 第一章: 音をデジタルにするとは何か — 波から数への写像
### 具体例から始めよう
マイクロフォンは、空気の圧力変化を電圧の変化(電気信号)に変換する装置である(DOC-0001第2.1節で述べた通り)。この電圧は、時間とともになめらかに、切れ目なく変化する**アナログ信号(あなろぐしんごう、水準一: 時間的にも値的にも連続して変化する信号)**である。時計の長い針が連続的に動くようなものだと考えるとよい。
コンピュータやCD・スマートフォンに音を保存するには、このなめらかな電圧の変化を、**有限個の数字の列**に変換しなければならない。これを**デジタル信号(でじたるしんごう、水準一: 一定の間隔で区切られた、飛び飛びの数値の列で表される信号)**と呼ぶ。「なめらかな坂道」を「階段」に変える作業だと考えると理解しやすい。
```
アナログ信号(なめらかな坂道) デジタル信号(飛び飛びの階段)
▲ ▲
│ ___ ___ │ ▄▄ ▄▄
│ / \ / \ │ ▄▄ ▄▄ ▄▄ ▄▄
0├───/───────\───────/───────\──▶時間 0├──▄▄──────▄▄─────▄▄──────▄▄─▶時間
│ / \ / \ │ ▄▄ ▄▄ ▄▄ ▄▄
│ / \ / \ │▄▄ ▄
▼ ▼
(連続・切れ目なし) (離散・飛び飛びの数値)
```
### 「数にする」とは二つの意味を持つ
この「坂道を階段に変える」作業には、実は**二つの独立した切り分け**が同時に必要になる。
1. **時間の切り分け**: 坂道のどの「瞬間」で高さを記録するかを決める作業。一定の間隔で瞬間を選び出すことを**標本化(ひょうほんか、水準一: 連続した信号から、一定の時間間隔で値を取り出すこと。サンプリングとも呼ぶ)**と呼ぶ。
2. **値の切り分け**: その瞬間の「高さ」を、どれだけ細かい数字の目盛りで記録するかを決める作業。これを**量子化(りょうしか、水準一: 連続した値を、有限個の段階(目盛り)のどれかに丸めて記録すること)**と呼ぶ。
音楽第1冊(BOOK-0004)で「周波数(音の高さ)」と「振幅(音の大きさ)」が独立な二軸だったことを思い出してほしい。ここでも同じ構造が現れる。標本化は「横軸(時間)をどれだけ細かく刻むか」を決め、量子化は「縦軸(値の高さ)をどれだけ細かく刻むか」を決める、**互いに独立な二つの切り分け**なのである。この二軸の独立性は本冊全体を貫く最も重要な骨格であり、第二章・第三章でそれぞれ個別に深掘りする。
```
デジタル化=二つの独立な切り分け
値(縦軸)
▲
段階4 ┤ ┈┈┈┈┈┈●┈┈┈┈┈┈┈┈┈●┈┈ ← 量子化(値をどの段階に丸めるか)
段階3 ┤ ┈┈┈┈┈┈┈┈┈┈●┈┈┈┈┈┈┈┈┈
段階2 ┤●┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈
段階1 ┤
└┬───┬───┬───┬───┬──▶ 時間(横軸)
t1 t2 t3 t4 t5 ← 標本化(いつ値を取り出すか)
```
### なぜこの写像が可能なのか
「なめらかな坂道を階段で近似したら、情報が失われて別物になってしまうのではないか」と思うかもしれない。実はここに、この分野で最も驚くべき定理が隠れている。**一定の条件さえ満たせば、階段(デジタル信号)から元のなめらかな坂道(アナログ信号)を、理論上完全に復元できる**のである。この「一定の条件」を明らかにしたのが、次章で扱う**標本化定理**である。
音を数にするという営みは、決して「劣化させて我慢する」作業ではなく、**正しい条件さえ守れば情報を失わずに済む、精密な写像**なのだ、という点が、この冊子全体を通じて伝えたい核心である。
---
## 第二章: 標本化定理 — いつ記録すれば元の波が復元できるか
### 早すぎず、遅すぎず — 「いつ記録するか」の問題
第一章で見た標本化(いつ瞬間を記録するか)には、一つの重大な問いがある。**どれだけの頻度(1秒あたり何回)で記録すれば、元のなめらかな波を完全に復元できるのか**、という問いである。記録の頻度をあまりに低くすると、波の山や谷を見落としてしまい、元の形がわからなくなる。逆に言えば、ある一定以上の頻度で記録しさえすれば、元の波を完全に取り戻せる、という境界線が存在する。
この境界線を数式で明らかにしたのが、**標本化定理(ひょうほんかていり、水準二: ある信号を標本化して完全に復元するには、その信号に含まれる最高周波数の2倍より高い頻度で標本化する必要がある、という定理)**である。この定理は、20世紀前半に複数の研究者によって独立に理論が整えられたことが知られており、**ナイキスト・シャノンの標本化定理**とも呼ばれる。名前の由来は、電気通信の理論的基盤を築いた研究者ハリー・ナイキスト(Harry Nyquist)と、情報理論の創始者として知られるクロード・シャノン(Claude Shannon)である。
### 定理の中身 — 最高周波数の2倍
標本化定理を式で表すと、次のようになる。ある信号に含まれる最高周波数を$f_{max}$、標本化の頻度(1秒間に何回記録するか)を**標本化周波数(サンプリング周波数)$f_s$**とすると、
$$f_s > 2 \times f_{max}$$
を満たせば、元の信号を理論上完全に復元できる。この$2 \times f_{max}$という境界の値を**ナイキスト周波数**と呼ぶ。逆に言えば、**標本化周波数の半分($f_s / 2$)が、その標本化で正しく記録できる最高周波数の上限**である、という関係にもなる。
なぜ「2倍」なのか、直感的な理由にも触れておく。一つの波(山と谷の1往復)の形を最低限捉えるためには、山の位置と谷の位置——少なくとも1周期のうちに**2点**——を記録する必要がある。1周期に1回しか記録しなければ、常に同じ高さ(たとえば山の頂点だけ、あるいは谷の底だけ)を記録し続けてしまい、波が振動していること自体を見落としてしまう危険がある。1周期あたり2点以上を確保することで、初めて「波が確かに振動している」という情報を取りこぼさずに済む。
```
標本化が不十分な例(1周期に1点だけ記録・波の形を見失う)
元の波: ∿∿∿∿∿∿∿∿∿∿∿∿∿∿∿∿
記録点: ● ● ● ← 同じ高さばかり記録され、
振動していることが分からない
標本化が十分な例(1周期に2点以上記録・波の形が保たれる)
元の波: ∿∿∿∿∿∿∿∿∿∿∿∿∿∿∿∿
記録点: ● ● ● ● ● ● ● ● ← 山と谷の両方を捉えられている
```
標本化周波数が足りないまま記録すると、元には存在しなかった別の低い周波数の波が現れて聞こえてしまう現象が起きることが知られている。これを**エイリアシング(折り返し雑音)**と呼ぶ。標本化定理は、このエイリアシングを防ぐための必要条件を明らかにした定理でもある。エイリアシングを防ぐため、実際の録音機器では、標本化する前に「ナイキスト周波数より高い成分をあらかじめ取り除くフィルタ(ろ波器)」を通すことが一般的である。この前処理フィルタの詳しい設計(ローパスフィルタの数式)は、音響DSP系の別ドキュメント(dsp-formula-reference等)に譲る。
### なぜCDは44.1kHzなのか — 人間の可聴域からの逆算
標本化定理を実際の音楽制作に当てはめてみよう。音楽理論第1冊(DOC-0001第2.5節)で確認した通り、人間の可聴域はおよそ**20Hz〜20,000Hz(20kHz)**である。標本化定理によれば、この可聴域全体を漏れなく記録するためには、
$$f_s > 2 \times 20{,}000 = 40{,}000\ \text{Hz}$$
という条件を満たす標本化周波数が必要になる(本冊子執筆時に自己検算済み: $2 \times 20000 = 40000$)。
ここでCD(コンパクトディスク)の音声規格を見てみると、標本化周波数として**44,100Hz(44.1kHz)**という値が採用されていることが知られている。この値は、理論上の最低ライン40,000Hzより**10.25%多い**($44100 \div 40000 = 1.1025$、自己検算済み)値であり、単純にちょうど2倍(40,000Hz)ぴったりにはなっていない。
なぜぴったり40,000Hzではなく、44,100Hzという少し余裕を持たせた値が選ばれたのか。その理由は二つの実務的事情の組み合わせにあると理解されている。
第一に、標本化定理の不等号は「より大きい($>$)」であって「以上・イコール以下($\geq$)」ではない、という数学的な事情である。ちょうど境界線上(2倍ぴったり)では復元の条件が理論上ぎりぎりになってしまうため、実務上は境界線から離れた余裕(マージン)を持たせる必要がある。44,100Hzのナイキスト周波数(記録できる最高周波数の上限)を計算すると、
$$44{,}100 \div 2 = 22{,}050\ \text{Hz}$$
であり(自己検算済み)、これは人間の可聴域上限20,000Hzより**2,050Hzの余裕**を持っている。この余裕により、20kHz付近の音も、前述のエイリアシング防止フィルタの特性(急激に切り落とすフィルタほど設計や実装が難しくなる)による影響を受けにくくなる。
第二に、CDの規格が定められた1980年代当時、音声を映像用の磁気テープ機器(当時普及していたビデオ機器)を使って業務用に記録・編集するという実務上の事情があったことが、規格制定の歴史的背景として知られている。44,100Hzという値は、当時のビデオ規格(1秒間に伝送される映像の走査線数などの技術的な制約)と整合させやすい数値として選ばれた経緯があるとされる。この歴史的経緯の詳細な資料は今後の追記候補とし、本冊子では「可聴域からの理論的な下限(40kHz)に、実務上のマージンと当時の技術的事情を加味して44.1kHzという値が定まった」という要点にとどめる(年代・規格名以上の詳細な一次資料の断定は避け、未確定として明記する)。
```
標本化周波数の関係図(CD規格・自己検算済み)
人間の可聴域上限: 20,000Hz
理論上の最低ライン(2倍): 20,000 × 2 = 40,000Hz
CD規格の標本化周波数: 44,100Hz ← 40,000Hzより10.25%多い余裕
CD規格のナイキスト周波数: 44,100 ÷ 2 = 22,050Hz ← 可聴域上限より2,050Hz上
```
### 標本化定理が保証すること・保証しないこと
標本化定理が保証するのは、あくまで「ナイキスト周波数以下の成分は理論上完全に復元できる」ということである。ナイキスト周波数を超える成分(CDの場合22,050Hzを超える音)は、そもそも記録の対象外であり、復元のしようがない。人間の可聴域が20,000Hzまでという前提に立つ限り、この「記録の対象外」は実用上ほとんど問題にならないが、一部の動物(音楽理論第1冊で触れたイヌやコウモリなど)が知覚する超音波までは記録できない、という制約がある点は補足しておく。
また、標本化定理は「いつ記録するか」という時間軸の問題を扱う定理であり、「どれだけ細かい数字で記録するか」という値の精度の問題(次章で扱う量子化)には触れていない。この二つが独立な問題である、という点は第一章で述べた通りであり、次章で改めて掘り下げる。
---
## 第三章: 量子化 — どれだけ細かい数字で記録するか
### 値を「段階」に丸め込む
標本化によって「いつ記録するか」という時間軸の切り分けが済んだとしても、記録される値そのものは依然として連続的(理論上は無限に細かい値をとりうる)である。この連続的な値を、有限個の段階(目盛り)のどれかに丸め込む作業が**量子化**である。
たとえば「0から1の間の値を、0.0・0.25・0.5・0.75・1.0という5段階のどれかに丸める」というルールを考えると、0.3という値は最も近い段階である0.25に、0.68という値は最も近い段階である0.75に、それぞれ丸め込まれる。この「本来の値」と「丸め込まれた段階」の間に生じるわずかなズレを**量子化誤差(りょうしかごさ)**と呼ぶ。
```
量子化のイメージ(5段階に丸め込む例)
本来の値(連続) 1.0 ┤ ●(0.92)
0.75┤┈┈┈┈●(丸め込み後)
│
0.5 ┤ ●(0.47)
│┈┈┈┈┈●(丸め込み後)
0.25┤
0.0 ┤
└──────────▶
段階は0.0/0.25/0.5/0.75/1.0の5つだけ
```
### ビット深度と段階数 — 16bitはなぜ65,536段階なのか
量子化で使う段階の細かさを表す指標が**ビット深度(びっとしんど、水準二: 一つの標本を記録するのに何ビット〈2進数の桁数〉を使うかを表す値)**である。1ビットは「0か1か」という2通りの状態しか表せないが、ビット数を増やすごとに、表現できる段階の総数は**2のビット数乗**で増えていく。
$$\text{段階数} = 2^{\text{ビット数}}$$
CD規格で使われる**16bit**の場合、
$$2^{16} = 65{,}536\ \text{段階}$$
である(本冊子執筆時に自己検算済み: $2^{16} = 65536$)。つまりCDの音声は、ある瞬間の波の高さを、65,536段階のうちのどれか一つに丸め込んで記録している。
参考までに、他のビット深度でも同様に計算すると次のようになる(いずれも自己検算済み)。
| ビット深度 | 計算式 | 段階数 |
|---|---|---|
| 8bit | $2^8$ | 256段階 |
| 16bit(CD規格) | $2^{16}$ | 65,536段階 |
| 24bit(現代の制作標準) | $2^{24}$ | 16,777,216段階 |
ビット数が8増えるごとに、段階数は$2^8=256$倍に増える。16bitから24bitへの違い(8bit分)は、段階数で見ると$65{,}536 \times 256 = 16{,}777{,}216$というように、実に256倍もの精度差になる。これは、音楽理論第1冊(BOOK-0004)で見た「12平均律の半音は掛け算(比率)で等分される」という性質と同じく、**ビット深度も足し算ではなく掛け算(倍々)で精度が増えていく**という非対称な構造を持っていることを示している。
### 量子化雑音 — 丸め込みの誤差が生む「雑音の入口」
量子化誤差は、本来ならなめらかに変化するはずの波形を段階状に丸め込むことで生じる、避けられない小さなズレである。この誤差は、音として聞こえるときには**量子化雑音(りょうしかざつおん、水準二: 量子化による丸め込み誤差が、音として聞こえる際に生じる微小な雑音)**として現れることが知られている。
ビット深度が高い(段階数が多い)ほど、一段階あたりの丸め込み幅は細かくなり、量子化雑音は小さくなる。逆にビット深度が低いと、丸め込み幅が粗くなり、量子化雑音は大きくなる。この関係は、量子化雑音に対する信号の大きさの比(信号対雑音比、SNR)という指標を使って見積もることができ、理論上の最大値はおおよそ「ビット数×6.02dB+1.76dB」という式で概算できることが、量子化の情報理論において広く知られている(dB=デシベル、音圧レベルの対数尺度。詳細な定義はDOC-0001第2.3節・音響DSP系ドキュメントに譲る)。この式に基づく参考値として、16bitでは約98dB、24bitでは約146dBという理論上の上限値が計算できる(自己検算済み: $6.02 \times 16 + 1.76 = 98.08$、$6.02 \times 24 + 1.76 = 146.24$。実際の記録機器のSNRはアナログ回路等の制約でこの理論値をやや下回ることが一般的である点は補足しておく)。
量子化雑音は、標本化定理のエイリアシング(第二章)とは異なる種類の誤差であり、**標本化=時間軸の誤差の入口(条件を満たせば理論上ゼロにできる)**、**量子化=値の軸の誤差の入口(ビット数を増やすほど小さくできるが、有限である限り原理的にゼロにはならない)**という違いがある。この違いこそ、標本化と量子化が独立な二つの切り分けである(第一章)ことの、誤差という観点からの裏付けでもある。
### ディザリング — 量子化雑音を「ましな雑音」に変える裏技
量子化雑音をゼロにすることは原理的にできないが、その雑音の「聞こえ方」を改善する技術が存在する。**ディザリング(ディザ)**と呼ばれる手法は、量子化を行う前にごく微小なランダムノイズ(雑音)をあえて信号に混ぜることで、量子化誤差が特定のパターンとして耳につきやすい形で現れることを防ぎ、より自然に聞こえるランダムな雑音へと変換する技術である。「雑音を足すことで、かえって聞こえ方が良くなる」という一見逆説的な性質を持つこの技術は、現代の音楽制作(特にビット深度を下げる書き出し作業)で広く実践されている。詳しい実装(ノイズシェーピングを含む)は音響DSP系の別ドキュメントに譲る。
---
## 第四章: PCMとファイル形式の考え方
### PCM — 標本化と量子化を組み合わせた基本方式
第二章の標本化と第三章の量子化を組み合わせ、「一定の時間間隔ごとに、一定のビット深度で値を記録し続ける」という方式を**PCM(ピーシーエム、Pulse Code Modulation、パルス符号変調、水準二: 標本化と量子化を組み合わせて、音の波形をそのまま数値の列として記録する基本的な方式)**と呼ぶ。CDの音声も、多くの録音機器の内部データも、このPCM方式が土台になっている。
PCMの考え方はきわめて単純である。標本化周波数$f_s$とビット深度で決まる段階数を使い、「時刻$t_1$では段階3200番、時刻$t_2$では段階3205番……」というように、波の高さをそのまま数値の列として記録していく。この「そのまま記録する」という性質から、PCMは**非圧縮(ひあっしゅく)方式**とも呼ばれる。
```
PCMの記録イメージ(標本化+量子化の組み合わせ)
時刻: t1 t2 t3 t4 t5
波の高さ: ● ● ● ● ●
↓標本化+量子化↓
段階番号: 3200 3205 3198 3210 3202 ← このまま数値列として記録
```
### ファイル形式という「詰め方」の違い
PCMという記録方式が決まっても、その数値の列を実際にファイルとして保存する際には、「どのような入れ物(コンテナ)に、どういう順番で詰めるか」という取り決めが必要になる。この取り決めを定めたものが**ファイル形式**である。
代表的な形式として、**WAV(ウェーブ)**と呼ばれる形式は、PCMの数値列を(基本的には)圧縮せずそのままファイルに詰め込む、非圧縮形式の代表例として広く使われている。データ量は大きくなるが、記録された数値をそのまま保持するため、音質の劣化がない(PCMの精度をそのまま保つ)という特徴を持つ。
一方、**MP3**のような形式は、PCMの数値列に対して、人間の聴覚特性を利用した**圧縮(あっしゅく)**を行い、データ量を大幅に小さくする。この圧縮には、人間には聞き取りにくい成分を間引く**非可逆圧縮(ひかぎゃくあっしゅく、水準三: 一部の情報を意図的に削って圧縮し、元の状態には完全には戻せない圧縮方式)**が使われることが一般的である。これに対し、**FLAC**のような形式は、情報を一切失わずにファイルサイズだけを小さくする**可逆圧縮(かぎゃくあっしゅく、水準三: 情報を一切失わずに圧縮し、展開すれば完全に元の状態へ戻せる圧縮方式)**を採用しており、非圧縮のWAVと比べてデータ量を抑えつつ、PCMと同じ精度を保持できるという特徴を持つ。
```
ファイル形式の位置づけ(いずれもPCMの数値列が出発点)
PCMの数値列(標本化+量子化の結果)
│
├─→ WAV: そのまま詰め込む(非圧縮・音質そのまま・データ量は大きい)
├─→ FLAC: 情報を失わずに圧縮する(可逆圧縮・音質そのまま・データ量は中程度)
└─→ MP3: 聞こえにくい成分を間引いて圧縮する(非可逆圧縮・データ量は小さいがわずかに情報を失う)
```
どの形式を選ぶかは、「音質を完全に保ちたいか」「保存・転送にかかるデータ量を優先したいか」という目的次第であり、優劣というより使い分けの問題である。音楽制作の編集段階では非圧縮または可逆圧縮の形式が好まれ、配信・持ち運びの段階では非可逆圧縮の形式が広く使われる、という傾向が実務上知られている。非可逆圧縮の詳しい仕組み(人間の聴覚特性を利用した心理音響モデルなど)は、音響DSP系の別ドキュメント(dsp-formula-reference等)に譲る。
---
## 第五章: 現代のデジタル仕様 — 48kHz/96kHz・24bit・ラウドネス基準
### なぜCD規格(44.1kHz/16bit)だけでは足りないのか
第二章・第三章で見たCD規格(44.1kHz・16bit)は、音楽を「聞く」ための最終的な配布用フォーマットとしては十分な精度を持つ。しかし、映像制作・放送・音楽制作の現場(録音・編集・ミックスの作業段階)では、これとは異なる規格がより広く使われていることが知られている。
標本化周波数については、**48,000Hz(48kHz)**という値が、映像業界を含む放送・制作の現場で標準的に使われている。第二章の計算式を当てはめると、
$$48{,}000 \div 2 = 24{,}000\ \text{Hz}$$
がナイキスト周波数となり(自己検算済み)、CD規格(22,050Hz)よりもさらに余裕を持った上限になる。さらに、この2倍にあたる**96,000Hz(96kHz)**という、より高い標本化周波数も、高品質な録音・音響研究の現場で使われることが知られている。
$$96{,}000 \div 48{,}000 = 2$$
という関係の通り(自己検算済み)、96kHzは48kHzのちょうど2倍の標本化周波数であり、48kHz系列を単純に倍にした規格として位置づけられる。同様にCD規格の44.1kHz系列にも、2倍にあたる**88,200Hz(88.2kHz)**という規格が存在する($44{,}100 \times 2 = 88{,}200$、自己検算済み)。このように標本化周波数の世界には、**44.1kHz系列(44.1→88.2→176.4kHz…)**と**48kHz系列(48→96→192kHz…)**という、歴史的経緯の異なる二つの系列が並立していることも実務上の重要な特徴である。
なぜ制作段階でCD規格より高い標本化周波数・ビット深度が好まれるのか。理由の一つは、録音後に行う編集作業(音量調整・エフェクト処理・複数回の変換)を重ねるたびに、量子化誤差(第三章)がわずかずつ蓄積していく可能性があるためである。あらかじめ余裕のある精度(高い標本化周波数・高いビット深度)で作業しておけば、最終的にCD規格やMP3などへ変換(ダウンコンバート)する段階で、蓄積した誤差の影響を最小限に抑えられる。ビット深度についても、24bitの段階数(第三章で確認した通り$2^{24}=16{,}777{,}216$段階)は16bitの256倍の精度を持つため、編集作業中の余裕として広く採用されている。
### ラウドネス基準という「音量の公開標準」
標本化周波数・ビット深度が「音そのものの精度」を定める規格であるのに対し、放送・配信の現場ではもう一つ、「どれだけの音量で届けるか」を揃えるための公開標準が存在する。**EBU R128**は、欧州放送連合(EBU)が策定した、番組間・楽曲間の音量(ラウドネス)を統一的に測定・調整するための公開標準である。
この基準が必要とされた背景には、「番組ごと・広告ごとに音量感がバラバラだと、視聴者がその都度音量を調整しなければならず、不便である」という実務上の課題があった。EBU R128は、人間の聴覚特性を考慮した測定方法(LUFS、Loudness Units Full Scale、水準三: 人間の聴感に近づけて測定した音量の単位)を用いて、番組全体の平均的な音量感を一定の目標値に揃えることを定めている。この目標値や測定アルゴリズムの詳細な数式は、音響DSP系ドキュメント(dsp-formula-reference等、EBU R128をパブリックドメインに準じた公開標準として参照する)に譲るが、「音の精度(標本化・量子化)を揃えるだけでなく、聞こえ方の大きさそのものを揃える公開標準が別に存在する」という位置づけをここでは押さえておきたい。
```
現代のデジタル音響仕様(自己検算済みの数値関係)
CD系列(44.1kHz系): 44.1kHz →(×2)→ 88.2kHz →(×2)→ 176.4kHz
放送・制作系(48kHz系): 48kHz →(×2)→ 96kHz →(×2)→ 192kHz
ビット深度: 16bit(65,536段階) → 24bit(16,777,216段階、256倍の精度)
音量の公開標準: EBU R128(LUFS単位でラウドネスを統一測定)
```
---
## 第六章: フロンティア — オーバーサンプリングという最先端の入口
### 「余分に標本化する」という発想
第二章で見た標本化定理は、「ナイキスト周波数以下ならそのまま復元できる」という理論だったが、実際の機器の設計には、理論上の最低条件を大きく上回る標本化周波数をあえて使う、という技術が存在する。これを**オーバーサンプリング(過剰標本化、水準三: 実際に必要な標本化周波数よりも大幅に高い周波数で標本化し、その後に処理を行う技術)**と呼ぶ。
なぜあえて「必要以上」に標本化するのか。理由の一つは、第二章で触れたエイリアシング防止フィルタの設計にある。ナイキスト周波数のすぐ近くの成分だけを急激に切り落とすフィルタは、理論上は理想的だが、実際の回路やアルゴリズムで作ろうとすると、音質に悪影響(位相のゆがみなど)を及ぼしやすいことが知られている。標本化周波数を大幅に高くしておけば、ナイキスト周波数もそれだけ高くなり、可聴域(20kHz)から離れた、なだらかで作りやすいフィルタで済ませられる、という設計上の利点がある。
もう一つの理由は、第三章で見た量子化雑音との関係にある。標本化周波数を上げると、同じ量の量子化雑音が、より広い周波数の範囲に分散して広がる(この技術は**ノイズシェーピング**と呼ばれる、より高度な手法と組み合わされることが多い)。その結果、人間の可聴域(20Hz〜20kHz)に残る雑音の密度が薄まり、聞こえ方が改善される、という理論的な利点が知られている。
オーバーサンプリングは、現代の音楽制作機器(DAC、デジタル信号をアナログ信号へ変換する装置)やスマートフォンの録音機能の内部で、ユーザーが意識しないところで広く使われている技術である。標本化定理(第二章)・量子化(第三章)という二つの基本原理を土台にしつつ、それをどう実装に落とし込むかという工学的な工夫が、今もなお進化し続けている、という点で、これは本冊子が扱う分野の現在のフロンティア(最先端の入口)だと言える。この分野のさらに詳しい実装(デルタシグマ変調など)は、音響DSP系の別ドキュメント、または本冊子の続巻に譲る。
---
## なぜ面白いか — 「なめらかさ」を数に写し取るという発想の転換
ここで一度立ち止まって、この冊子が何を見てきたのかを振り返りたい。
音とは本来、なめらかで、切れ目のない、連続した現象だった(音楽理論第1冊・DOC-0001参照)。ところがコンピュータは数字しか扱えない。この一見絶望的な壁——「連続」対「離散」という壁——を、人類は**条件さえ満たせば情報を失わずに済む**という数学的な保証(標本化定理)によって乗り越えた。そして、値の精度についても「有限個の段階に丸め込む」という割り切り(量子化)を受け入れつつ、その丸め込み幅を必要なだけ細かくすることで、実用上ほとんど気づかれないレベルにまで誤差を抑え込んだ。
この発想は、算術第1冊(BOOK-0002)で見た「無限に近い可能性を持つ数の海から、必要な部分だけを規則的に汲み出す」という発想——音楽第1冊(BOOK-0004)で言えば「無限の周波数の海から、A4=440Hzと12平均律という規則で音階を汲み出す」という発想——と、驚くほど似た構造を持っている。標本化定理もまた、**「連続という無限の情報の中から、規則正しく間引いても、条件さえ守れば全体を取り戻せる」**という、一種の「ふるい」の理論なのである。
そして面白いのは、この「ふるい」の目の粗さ(標本化周波数・ビット深度)が、時代とともに、そして目的とともに変わり続けてきたという点だ。CDの44.1kHz/16bitという規格は、1980年代当時の技術的制約と、人間の可聴域という物理的な条件のせめぎ合いの中で選ばれた、一つの妥協点であり到達点だった。そして現代では、48kHz・96kHz・24bitという、さらに余裕を持たせた規格が、編集作業の積み重ねに耐えるための土台として使われている。ラウドネス基準(EBU R128)のような、精度そのものとは別の「聞こえ方の公平性」を揃える公開標準まで登場している。「波を数に写す技術」は、一度確立されて終わった話ではなく、今もオーバーサンプリングのような形で、より良い写し方を探し続けている現在進行形の技術なのだ、と考えると、スマートフォンで何気なく音楽を再生するという日常の一瞬が、少し違って見えてこないだろうか。
---
## 章末: ASCII図解 — 波から数へ(標本化→量子化→PCM列)
```
デジタル音響の全体像(波→階段→数、自己検算済みの数値付き)
①アナログの波(なめらか・連続)
▲
│ ___ ___
│ / \ / \
0├─/─────\─────────/─────\──▶ 時間
│/ \ / \
▼
│ 標本化(第二章): f_s > 2×f_max
│ 例) 可聴域上限20,000Hz → 2倍=40,000Hz以上必要
│ CD規格: 44,100Hz(40,000Hzより10.25%の余裕)
▼
②標本化された点(時間だけ区切られた・値はまだ連続)
▲
│ ● ●
│ ● ● ● ●
0├●─────●───────●─────●──▶ 時間(t1,t2,t3…等間隔)
│ ● ●
▼
│ 量子化(第三章): 2^ビット数 段階に丸め込む
│ 例) 16bit → 2^16 = 65,536段階
│ 24bit → 2^24 = 16,777,216段階(16bitの256倍)
▼
③量子化された階段(時間も値も飛び飛び=完全なデジタル信号)
段階
4 ┤ ▄▄
3 ┤ ▄▄ ▄▄
2 ┤▄▄ ▄▄
1 ┤
└┬──┬──┬──┬──┬──┬──▶ 時間
t1 t2 t3 t4 t5 t6
│ 符号化(第四章): PCM方式で数値列として記録
▼
④数の列(ファイルに保存される最終形)
[3200, 3205, 3198, 3210, 3202, 3195, ...]
│
├─→ WAV(そのまま・非圧縮)
├─→ FLAC(可逆圧縮・情報を失わない)
└─→ MP3(非可逆圧縮・聞こえにくい成分を間引く)
```
---
## 参照文献(実在確認済み・パブリックドメイン中心)
1. **Harry Nyquist, "Certain Topics in Telegraph Transmission Theory", Transactions of the American Institute of Electrical Engineers, 1928年** — 電気通信における伝送理論の基礎を築いた古典的論文。標本化の頻度と伝送帯域の関係についての先駆的な理論的知見を示した。本冊子第二章「標本化定理」の歴史的系譜として言及した。
2. **Claude E. Shannon, "Communication in the Presence of Noise", Proceedings of the IRE, 1949年** — 情報理論の創始者クロード・シャノンによる、標本化定理を情報理論として定式化した論文。本冊子第二章で扱った標本化定理(ナイキスト・シャノンの定理)の直接の理論的系譜。
3. **国際電気標準会議(IEC)およびISO/IEC規格に基づくコンパクトディスク(CD)音声仕様(いわゆるRed Book規格、1980年策定)** — 標本化周波数44.1kHz・量子化ビット数16bitというCD音声の規格を定めた業界標準。本冊子第二章・第三章の具体例(44.1kHz/16bit)の直接の出典。規格書本文の転載は行わず、公知の仕様値(44.1kHz・16bit)のみを事実として引用した。
4. **EBU R128 "Loudness normalisation and permitted maximum level of audio signals"(欧州放送連合、2010年策定)** — 放送・配信における音量(ラウドネス)の統一測定・調整のための公開標準。本冊子第五章の直接の出典。dsp-formula-reference等の音響DSP系ドキュメントが参照するパブリックドメインに準じた公開標準と同一の系譜である。
5. 標本化定理の数式($f_s > 2f_{max}$)・ビット深度と段階数の関係($2^{\text{bit}}$)・量子化雑音のSNR概算式($6.02 \times \text{bit} + 1.76$dB)は、確立された情報理論・デジタル信号処理の定理から本冊子作成時に自己導出・自己検算したものであり、特定の一次文献への依拠を要しない普遍的な数学的事実として記載した。
6. CD規格(44.1kHz)が1980年代当時のビデオ機器を用いた業務用記録との整合を考慮して定められたとされる歴史的経緯は、デジタル音響史において広く共有されている一般的な経緯として要点のみを記載し、規格制定の詳細な一次資料までは断定せず「とされる」「知られている」の語で明示した。
7. 48kHz系列・44.1kHz系列という二系列の並立、オーバーサンプリング・ディザリング・ノイズシェーピングの一般的な考え方は、デジタル信号処理・音響工学において広く確立された一般的知見として記載した(個別の一次研究の転載ではなく、確立された事実の要約としての記述)。
本文は外部サイトの転載・要約移植を一切行わず、確立された知識から自分の言葉で組み立てた(SYSTEM.md §16.5準拠)。Wikipediaのスクレイピングは行っていない。「とされる」「知られている」「未確定」等の語で明示した部分以外は、実測・自己検算済みの数値のみを断言している。
---
（本冊子は現代学問宇宙図鑑シリーズ BOOK-0007・第1冊。デジタル音響第2冊(水準四以上: 非可逆圧縮の心理音響モデル・デルタシグマ変調・DAC/ADCの回路的側面)は今後の追記候補。GAKUMON_UNIVERSE.md 進捗台帳を参照。docs/DOC-0001_音楽理論.md 第2章を理論的正として複利利用し、gakumon/BOOK-0004_音楽_第1冊.md(音階側)との重複を避けデジタル技術側に徹した。）
# BOOK-0007 デジタル音響 — 波を数に写す技術 第1冊
---
------------------------------------- ΩΩΩ あっ流れ星！