音声信号の「エイリアシング」は、アナログ音声をデジタル化する際に生じる根本的な歪みの原因であり、映画で車輪が逆回転に見える現象や、低品質な録音が不快な金属音になる理由の正体です。エイリアシングとは、サンプリング周波数が低すぎて、元の信号の高周波成分を正しく捉えられず、その情報が「偽の低周波数」として再現される現象です。たとえば、15,000 Hzの高音が20,000 Hzのサンプリングで記録されると、実際には存在しない5,000 Hzの音として再生され、シャンパンのような明るい音がぼんやりした低音に変質します。 この現象の本質は「サンプリング定理（ニクイスト・シャノン定理）」にあります。この定理によれば、信号に含まれる最高周波数をf_maxとするとき、サンプリング周波数f_sは2×f_maxより大きくなければなりません。つまり、人間の耳が聞き取れる20,000 Hzまでの音を正確にデジタル化するには、少なくとも44,100 Hz以上のサンプリングが必要です（CD品質）。この限界周波数を「ニクイスト周波数」と呼び、これ以上は周波数が「折り返されて」低周波として現れます。 視覚的に理解するには「車輪効果」が役立ちます。24フレーム/秒の映像で高速に回る車輪を撮影すると、1フレームごとの位置がわずかに前進するように見えますが、脳は「最も短い移動距離」として逆回転と認識します。これと同じように、高周波音もサンプリング間隔が粗すぎると、正しい波形を再現できず、低周波の「偽の音」として現れます。 実際の音声は単一の周波数ではなく、複数の周波数が重なり合った複雑な波形です。例えばバイオリンの音は1,000 Hzの基本周波数に加え、18,000 Hzまでの高調波が含まれます。この場合、サンプリング周波数は36,000 Hz以上でなければ、高調波がエイリアシングを起こし、音が歪んで聞こえます。 特に機械学習分野では、エイリアシングの影響が深刻です。MFCC（メル周波数ケプストラム係数）などの特徴量抽出では、FFT（高速フーリエ変換）の前にエイリアシングを防ぐ「アンチエイリアシングフィルタ」を適用する必要があります。フィルタをかけずに48kHzから16kHzにダウンサンプリングすると、誤った周波数成分がMFCCに混入し、音声認識や音声と映像の同期モデル（例：SyncNet）の精度を著しく低下させます。 また、DFT（離散フーリエ変換）の出力では、ニクイスト周波数を超える領域は実際の周波数情報ではなく、鏡像の「ゴースト」です。そのため、実際の処理では右半分を無視し、rfft（実数FFT）を使って効率的に計算します。 結論として、エイリアシングは「サンプリングが足りない」ことで発生する不可逆な情報損失であり、音質やAIモデルの性能に深刻な影響を与えます。音声処理や機械学習のパイプラインでは、適切なサンプリング周波数とフィルタリングの設計が不可欠です。