푸리에 원리: 신호를 주파수 성분으로 해석하는 방법
푸리에 원리의 푸리에 급수와 변환, CFT·DFT·FFT·DCT의 차이와 신호처리·통신·영상 분야 활용을 정리한다.
2026-08-14 · 최초 발행 2025-08-10
시간 파형을 주파수 성분으로 읽는 관점
푸리에 원리는 복잡한 신호를 사인(sine)과 코사인(cosine) 함수의 합으로 나타낼 수 있다는 개념이다. 프랑스 수학자 장-바티스트 조제프 푸리에(Jean-Baptiste Joseph Fourier, 1768-1830)가 발견한 이 원리는 신호처리, 통신공학, 음향학, 광학, 양자역학 등 현대 과학기술의 여러 분야에서 기본 도구로 쓰인다.
시간 영역에서 관찰하던 신호를 주파수 영역으로 옮기면, 파형만으로는 구분하기 어려운 성분과 특성을 분석할 수 있다. 주기 신호는 여러 주파수의 사인파와 코사인파 합으로 표현할 수 있고, 비주기 신호 역시 푸리에 변환(Fourier Transform)을 통해 주파수 성분으로 분해할 수 있다. 이 변환은 가역적이므로 주파수 영역의 결과를 다시 시간 영역으로 역변환할 수 있다.
주기 신호와 비주기 신호의 수학적 표현
주기적 신호 f(t)는 푸리에 급수(Fourier Series)로 다음처럼 나타낸다.
f(t) = a₀/2 + Σ[aₙcos(nωt) + bₙsin(nωt)]
여기서 a₀/2는 신호의 DC 성분, 즉 평균값이다. aₙ과 bₙ은 각 주파수 성분의 크기를 의미하며, ω는 기본 각주파수, n은 고조파(harmonics) 차수다.
비주기적 신호 f(t)는 푸리에 변환으로 주파수 영역의 F(ω)를 구한다.
F(ω) = ∫f(t)e^(-jωt)dt
역푸리에 변환은 다음과 같다.
f(t) = (1/2π)∫F(ω)e^(jωt)dω
변환 방식은 신호의 형태와 계산 목적에 맞춘다
연속 푸리에 변환(CFT)은 연속적이고 비주기적인 신호에 적용한다. 이산 푸리에 변환(DFT)은 이산 신호를 대상으로 하며, 고속 푸리에 변환(FFT)은 DFT를 효율적으로 계산하기 위한 알고리즘이다. 이미지 압축 등에는 이산 코사인 변환(DCT)이 사용된다.
주파수 영역에서 가능한 처리
필터링에서는 원하지 않는 주파수 성분을 제거하거나 특정 대역을 강화한다. 노이즈 제거도 주파수 영역에서 노이즈 성분을 식별해 처리하는 방식으로 접근할 수 있다. 스펙트럼 분석은 신호가 가진 주파수 성분을 분석해 특성을 파악하는 작업이다.
통신 시스템에서는 변조와 복조에 활용되며, 여러 신호를 주파수 영역에서 나누어 하나의 채널로 전송하는 다중화에도 연결된다. 주파수 영역 분석은 대역폭 활용도를 평가하는 스펙트럼 효율성 분석의 기반이기도 하다.
음향과 오디오 처리에서는 음성 신호의 주파수 특성을 분석해 음성 인식에 사용하고, 이퀄라이징으로 특정 주파수 대역을 강화하거나 감쇠한다. 악기 소리의 스펙트럼을 분석하는 음악 분석에도 같은 관점이 적용된다.
이미지와 비디오 처리에서는 JPEG, MPEG 등의 압축 과정에서 DCT를 사용한다. 특정 주파수 성분을 강화하거나 제거하는 이미지 필터링, 주파수 특성에 기반한 패턴 인식도 이 원리와 연결된다. MRI, CT 영상 재구성과 EEG, ECG 같은 생체 신호 분석 역시 적용 분야다.
오디오 이퀄라이저에서의 처리 흐름
오디오 이퀄라이저는 음향 신호를 주파수 성분으로 나눈 뒤, 대역별 크기를 조절해 음질을 개선한다.
JPEG 압축이 고주파 성분을 다루는 방식
JPEG 이미지 압축은 이산 코사인 변환(DCT)으로 이미지를 주파수 성분으로 바꾼 다음, 인간의 시각이 덜 민감한 고주파 성분을 더 많이 압축한다.
FDM이 하나의 채널에 신호를 싣는 구조
주파수 분할 다중화(FDM)는 여러 신호를 서로 다른 주파수 대역으로 변조한 뒤 하나의 통신 채널로 동시에 전송하는 기술이다.
분해가 주는 이점과 남는 제약
복잡한 신호를 단순한 주파수 성분으로 나누면 해석이 쉬워지고, 필터링은 시간 영역보다 주파수 영역에서 더 효율적으로 처리할 수 있다. 신호의 에너지나 전력 분포를 파악하기 좋으며, 노이즈와 신호의 주파수 특성 차이를 이용해 신호를 개선할 수 있다. 디지털 신호처리에서는 FFT 알고리즘이 계산 효율성을 크게 높인다.
다만 비선형 시스템에는 적용이 제한적이다. 시간에 따라 주파수 특성이 변하는 비정상(non-stationary) 신호도 푸리에 변환만으로 분석하기 어렵다. 푸리에 변환은 주파수 정보는 제공하지만 시간 정보는 제공하지 않기 때문이다. 이런 한계를 다루기 위해 웨이블릿 변환(Wavelet Transform)과 같은 시간-주파수 분석 방법이 개발됐다.