웨이블릿 변환(Wavelet Transform)이란? 푸리에 변환의 한계를 뛰어넘은 신호 분석 기술 | 정보통신기술사 정보이론 완벽 정리

안녕하세요, 정보통신전문교육기관 비앤피랩입니다.

 

신호처리나 통신이론을 공부하다 보면 한 번쯤 마주하게 되는 이름이 있습니다.

바로 웨이블릿 변환(Wavelet Transform) 입니다.

수학 기호와 복잡한 적분식 때문에 처음 보면 상당히 어렵게 느껴지지만, 개념 자체는 생각보다 직관적입니다.

오늘은 복잡한 수식을 최대한 배제하고,

"왜 웨이블릿 변환이 등장했는가?"
그리고
"어디에 활용되는가?"

를 중심으로 쉽게 알아보겠습니다.

 

신호 분석의 시작, 푸리에 변환

웨이블릿을 이해하려면 먼저 푸리에 변환(Fourier Transform)을 알아야 합니다.

19세기 초 프랑스 수학자

Joseph Fourier 는 놀라운 아이디어를 제시했습니다.

아무리 복잡한 신호라도 여러 개의 사인파(Sine Wave)를 합쳐 표현할 수 있다.

 

즉,

• 음악
• 음성
• 전파
• 진동 신호

등의 복잡한 데이터를 여러 주파수 성분으로 분해할 수 있다는 것입니다.

덕분에 우리는 신호 속에 어떤 주파수들이 포함되어 있는지 쉽게 확인할 수 있게 되었습니다.

예를 들어 오디오 분석 프로그램을 보면,

• 100Hz 저주파 성분
• 1kHz 중주파 성분
• 5kHz 고주파 성분

등이 그래프로 표시되는 것을 볼 수 있습니다.

이것이 바로 푸리에 변환의 힘입니다.

---

푸리에 변환의 치명적인 한계

문제는 현실 세계의 신호가 항상 일정하지 않다는 점입니다.

예를 들어 음악을 듣다가 갑자기 박수가 터지거나,

통신 신호에 순간적인 잡음이 발생할 수 있습니다.

푸리에 변환은 이런 질문에는 답하지 못합니다.

"어떤 주파수가 존재하는지는 알겠는데,
그 주파수가 언제 나타났는가?"

푸리에 변환은 시간 정보를 잃어버리기 때문입니다.

 

즉,

• 어떤 주파수가 있는지는 알 수 있음
• 언제 발생했는지는 알 수 없음

이라는 한계를 가집니다.

---

시간 정보까지 보고 싶다

이를 해결하기 위해 등장한 방법이 바로

STFT(Short-Time Fourier Transform, 단시간 푸리에 변환) 입니다.

STFT는 신호를 작은 구간으로 나누어 각 구간마다 푸리에 변환을 수행합니다.

덕분에 시간에 따른 주파수 변화를 어느 정도 확인할 수 있습니다.

하지만 새로운 문제가 생겼습니다.

창(Window) 크기의 딜레마

창을 작게 잡으면

• 시간 해상도 ↑
• 주파수 해상도 ↓

창을 크게 잡으면

• 시간 해상도 ↓
• 주파수 해상도 ↑

가 됩니다.

즉 둘 다 완벽하게 얻을 수 없는 것입니다.

---

그래서 등장한 웨이블릿 변환

1980년대에 들어서면서 웨이블릿 이론이 본격적으로 발전합니다.

웨이블릿(Wavelet)은 말 그대로

작은 파동(Little Wave)

이라는 뜻입니다.

푸리에 변환이 무한히 반복되는 사인파를 사용했다면,

웨이블릿은 짧은 구간에서만 존재하는 작은 파동을 사용합니다.

이 차이가 엄청난 변화를 만들어 냅니다.

---

웨이블릿 변환의 핵심 원리

웨이블릿 변환은 하나의 작은 파동을 가지고 두 가지 작업을 반복합니다.

1. 이동(Translation)

웨이블릿을 시간축 위에서 좌우로 움직입니다.

마치 확대경을 들고 그림을 훑어보듯이 말이죠.

신호와 웨이블릿의 모양이 비슷해지는 순간,

해당 위치에 특정 패턴이 존재한다는 것을 알 수 있습니다.

즉,

"언제 발생했는가?"

를 찾아낼 수 있습니다.

 

2. 스케일(Scale)

이번에는 웨이블릿의 크기를 늘리거나 줄입니다.

크게 늘리면

저주파 신호 분석

작게 압축하면

고주파 신호 분석

이 가능해집니다.

즉,

• 언제 발생했는지
• 어떤 주파수 특성을 가지는지

를 동시에 관찰할 수 있게 됩니다.

---

웨이블릿이 강력한 이유

웨이블릿의 가장 큰 장점은

다중 해상도 분석(Multi-Resolution Analysis)

입니다.

고주파 영역에서는

순간적인 변화를 정밀하게 관찰하고,

저주파 영역에서는

전체적인 흐름을 정확하게 분석합니다.

쉽게 말하면

카메라 줌 기능을 자동으로 조절하면서 대상을 관찰하는 것과 비슷합니다.

그래서 STFT보다 훨씬 유연하게 시간-주파수 분석을 수행할 수 있습니다.

---

이미지 압축에도 사용된다

웨이블릿은 이미지 처리 분야에서도 큰 역할을 합니다.

대표적인 예가

JPEG 2000
입니다.

기존 JPEG 방식은 이미지를 작은 블록 단위로 압축하기 때문에 압축률이 높아지면 블록 경계가 보이는 현상이 발생합니다.

반면 웨이블릿 기반 압축은 이미지 전체를 여러 해상도로 분석하기 때문에

• 블록 현상이 적고
• 자연스러운 화질을 유지하며
• 높은 압축 효율을 제공

합니다.

 

의료 분야에서는 어떻게 활용될까?

웨이블릿은 의료 데이터 분석에서도 매우 중요합니다.

대표적인 예가 심전도(ECG) 신호 분석입니다.

심전도 데이터에는 다양한 잡음이 섞여 있습니다.

그런데 심장 이상을 나타내는 중요한 신호는 매우 짧고 순간적으로 나타나는 경우가 많습니다.

일반적인 필터를 사용하면

잡음과 함께 중요한 신호까지 제거될 수 있습니다.

하지만 웨이블릿 변환은 특정 형태의 신호를 효과적으로 찾아낼 수 있기 때문에

• 심전도 분석
• 뇌파 분석(EEG)
• MRI 영상 처리

등에서 널리 사용됩니다.

 

지진파 분석에도 활용된다

웨이블릿은 지진 연구 분야에서도 중요한 도구입니다.

지진파는 매우 복잡한 주파수 특성을 가지며 시간에 따라 계속 변화합니다.

웨이블릿 변환을 사용하면

• 지진 발생 시점
• 에너지 분포
• 진동 특성 변화

등을 더욱 정밀하게 분석할 수 있습니다.

---

 

푸리에 변환이 신호 속에 "무엇이 들어 있는가?" 를 알려주는 도구라면,

웨이블릿 변환은

"무엇이 언제 나타나는가?"

까지 보여주는 강력한 분석 도구입니다.

 

처음에는 복잡한 수식 때문에 어렵게 느껴질 수 있지만, 본질은 의외로 단순합니다.

 

작은 파동을 늘리고 줄이며 이동시켜 신호를 관찰하는 것.

바로 그 아이디어 하나가 오늘날의

• 통신 시스템
• 의료 영상
• 음성 처리
• 지진 분석
• 이미지 압축

기술을 가능하게 만들고 있습니다.

복잡한 데이터를 이해해야 하는 시대일수록, 웨이블릿 변환은 세상을 바라보는 또 하나의 강력한 렌즈가 되어주고 있습니다.