真空管アンプと音とFFT

■ 結論

真空管アンプは、非線形歪が滑らかかつ耳に心地よい形で現れ、高調波の構成が自然に感じられるため、「音がよい」とされる。

---

■ 理由

① 非線形特性の違い（真空管 vs トランジスタ）

特性	真空管（バルブ）	トランジスタ（BJT, FET）
入出力関係	曲線的（なめらかなカーブ）	急峻なスイッチ的カーブ
増幅特性	3/2乗則（Child's law）	指数関数（BJT）またはリニア（FET）
飽和領域	ソフトに入る	シャープにクリップする

→ 真空管はクリッピング時にも滑らかに信号が歪む（“ソフトクリップ”）、トランジスタは急激に波形を切る（“ハードクリップ”）

---

② 高調波スペクトルの構成（フーリエ級数的観点）

波形の歪みはフーリエ展開すると**高調波成分（harmonics）**として現れる。

• 真空管：**偶数次高調波（2次, 4次…）**が多く、耳に心地よい
• トランジスタ：**奇数次高調波（3次, 5次…）**が多く、耳に鋭く感じる

例：
原音：正弦波
ソフトクリップ：高調波が滑らかに減衰
ハードクリップ：矩形波に近く、強い奇数次高調波を含む

---

③ フーリエ級数での説明

矩形波：

$$
f(t) = \frac{4A}{\pi} \sum_{n=1,3,5,\dots}^{\infty} \frac{1}{n} \sin(n \omega t)
$$

• 奇数次成分のみ → トランジスタのハードクリップに近い → “ざらついた音”

ソフトな歪み：

• 波形のなめらかさが残る
• 偶数次成分を含む、波形もなだらか
• → 人間の耳は“暖かみ・太さ”と感じる

---

④ 過渡応答・サチュレーションの違い

• 真空管は過渡応答がゆるやかで、ピークでも破綻しにくい
• トランジスタは一定以上で急にリニア性を失い、バチッと切れる

---

⑤ 心理音響効果（人間の感覚）

• 偶数次高調波は基本波と整合性があり「倍音」として自然に感じられる
• 奇数次高調波は不協和に近く「汚れた音」に感じる場合がある

---

■ まとめ（再主張）

真空管アンプの「音のよさ」は、

• 非線形性が穏やかで自然
• 偶数次高調波が豊かで心地よい
• クリッピングがなめらか
• 心理的に“温かく滑らか”と認識される

というフーリエ級数・物理特性・人間の感性すべてにまたがる総合的な要因によるものです。

# Program Name: tube_vs_transistor_waveform_with_audio.py
# Creation Date: 20250801
# Overview: Simulate and compare tube-like (soft clip) and transistor-like (hard clip) distortion, analyze spectrum, and export audio
# Usage: Run to generate waveforms, perform FFT, plot, and download sound of each waveform

# 必要なライブラリのインストール / Install required libraries
!pip install -q numpy matplotlib scipy

# ライブラリのインポート / Import libraries
import numpy as np
import matplotlib.pyplot as plt
from scipy.fft import fft, fftfreq
from scipy.io.wavfile import write
from IPython.display import Audio, display

# -----------------------------
# パラメータ設定 / Parameters
# -----------------------------
fs = 44100              # サンプリング周波数 / Sampling rate [Hz]
T = 1.0                 # 信号時間 / Duration [sec]
f0 = 440                # 入力周波数 / Input frequency [Hz]
A = 1.0                 # 振幅 / Amplitude
N = int(fs * T)         # サンプル数 / Number of samples
t = np.linspace(0, T, N, endpoint=False)  # 時間軸 / Time axis

# -----------------------------
# 入力波形（正弦波） / Input sine wave
# -----------------------------
x = A * np.sin(2 * np.pi * f0 * t)

# -----------------------------
# ソフトクリップ（真空管風）/ Soft clip: tube-like
# -----------------------------
def soft_clip(x):
    return np.tanh(2 * x)  # なだらかな非線形 / smooth nonlinearity

# -----------------------------
# ハードクリップ（トランジスタ風）/ Hard clip: transistor-like
# -----------------------------
def hard_clip(x, threshold=0.6):
    return np.clip(x, -threshold, threshold)  # 急峻なクリッピング / hard clipping

# 日本語：波形生成 / 英語：Generate clipped waveforms
y_soft = soft_clip(x)
y_hard = hard_clip(x)

# -----------------------------
# FFT解析関数 / FFT function
# -----------------------------
def compute_fft(signal):
    spectrum = fft(signal)                         # FFTの実行 / Perform FFT
    freq = fftfreq(len(signal), 1/fs)              # 周波数軸の生成 / Generate frequency axis
    amp = 2.0 / len(signal) * np.abs(spectrum)     # 振幅スペクトルに変換 / Convert to amplitude spectrum
    return freq[:N//2], amp[:N//2]                 # 正の周波数成分のみを返す / Return positive frequencies only

# 日本語：各波形のスペクトル取得 / 英語：Get FFT for each waveform
f_soft, a_soft = compute_fft(y_soft)
f_hard, a_hard = compute_fft(y_hard)

# -----------------------------
# 波形とスペクトルの可視化 / Visualization
# -----------------------------
plt.figure(figsize=(14, 8))

plt.subplot(2, 2, 1)
plt.plot(t[:1000], y_soft[:1000])
plt.title("Soft Clipping (Tube-like)")
plt.xlabel("Time [s]")
plt.ylabel("Amplitude")
plt.grid(True)

plt.subplot(2, 2, 2)
plt.plot(t[:1000], y_hard[:1000])
plt.title("Hard Clipping (Transistor-like)")
plt.xlabel("Time [s]")
plt.ylabel("Amplitude")
plt.grid(True)

plt.subplot(2, 2, 3)
plt.stem(f_soft, a_soft, basefmt=" ")
plt.title("FFT Spectrum: Soft Clipping")
plt.xlabel("Frequency [Hz]")
plt.ylabel("Amplitude")
plt.xlim(0, 5000)
plt.grid(True)

plt.subplot(2, 2, 4)
plt.stem(f_hard, a_hard, basefmt=" ")
plt.title("FFT Spectrum: Hard Clipping")
plt.xlabel("Frequency [Hz]")
plt.ylabel("Amplitude")
plt.xlim(0, 5000)
plt.grid(True)

plt.tight_layout()
plt.show()

# -----------------------------
# 音の保存と再生 / Save and play audio
# -----------------------------
y_soft_int16 = np.int16(y_soft / np.max(np.abs(y_soft)) * 32767)
y_hard_int16 = np.int16(y_hard / np.max(np.abs(y_hard)) * 32767)

write("soft_clip.wav", fs, y_soft_int16)
write("hard_clip.wav", fs, y_hard_int16)

print("Playing soft clipping sound (tube-like)...")
display(Audio("soft_clip.wav"))

print("Playing hard clipping sound (transistor-like)...")
display(Audio("hard_clip.wav"))