웨이블릿 변환 계수의 물리적 해석

시간-주파수 해석에서의 계수 의미

연속 웨이블릿 변환에서 계수는 신호와 모함수 사이의 상관도를 나타내는 값으로 볼 수다. 시간축에서 $b$만큼 이동시키고 스케일 축에서 $a$배 축소 혹은 확장된 모함수 $\psi\bigl(\tfrac{t - b}{a}\bigr)$와 실제 신호 $f(t)$를 적분하는 과정

$$W_f(a,b) = \int_{-\infty}^{\infty} f(t)\,\psi\Bigl(\frac{t - b}{a}\Bigr)\,dt$$

으로 정의될 때, 계수 $W_f(a,b)$는 특정 구간(시간 위치 $b$)과 특정 해상도(스케일 $a$)에서의 신호 에너지 분포가 얼마나 강하게 나타나는지를 반영한다. 스케일 $a$가 작은 계수는 고주파 성분, 스케일 $a$가 큰 계수는 저주파 성분을 강조한다. 이러한 계수는 푸리에 변환의 스펙트럼 계수와 달리 특정 시간 구간을 명확히 반영하므로, 시간-주파수 해석에서 매우 중요한 정보를 제공한다.

스케일과 공간 해석

스케일 $a$가 변할 때 모함수의 폭이 달라지며, 이는 물리적으로 진동 패턴의 주기가 달라지는 것과 대응된다. 예를 들어 작은 스케일은 진동이 빠르고 국소화된 영역을 포착하고, 큰 스케일은 느린 진동 혹은 전체적 추세를 포착한다. 이때 웨이블릿 계수의 크기가 큰 지점은 해당 스케일에서 신호가 모함수와 닮은 형태(진동 패턴)를 보이는 구간임을 뜻한다.

국소적 특성의 물리적 해석

웨이블릿 모함수는 시간축 상 국소화가 이루어지므로, 계수의 순간적인 변화는 실제 신호의 불연속점, 급격한 스펙트럼 변화, 에지(edge), 이상치 등을 직접적으로 반영한다. 따라서 웨이블릿 변환 계수를 통해 신호의 특정 지점에서 어떠한 급격한 이벤트나 구조적 변화가 발생했는지를 파악할 수 있다.

계수의 부호와 위상

계수 값의 부호는 신호가 모함수와 얼마나 같은 위상을 지니는지 혹은 반대 위상을 지니는지를 보여준다. 예를 들어 계수가 양수이면 신호와 모함수가 같은 방향(위상)으로 변화하고 있다고 해석할 수다. 계수가 음수이면 반대 방향(위상)으로 변화한다는 것을 의미한다. 이는 단순 에너지 크기 외에 신호의 국소적 위상 정보까지 고려하게 해 주므로, 측정 데이터의 동적 거동 등을 파악할 때 유용하다.

이산 웨이블릿 변환(DWT) 계수의 물리적 해석

연속 웨이블릿 변환이 적분 형태로 계수를 구하는 반면, 이산 웨이블릿 변환에서는 신호를 필터 뱅크와 다운샘플링 과정을 통해 다단계로 분해하여 계수를 산출한다. 이때 고주파 필터는 신호의 세밀한 변화를 추출하고, 저주파 필터는 전체적인 윤곽을 남긴다. 이러한 과정을 $J$단계 반복하여 얻은 계수는 크게 두 종류로 나뉜다.

하나는 축소된 해상도의 “근사 계수”(approximation coefficient)이며 다른 하나는 세밀한 변화를 담고 있는 “세부 계수”(detail coefficient)다. 일반적으로 $j$단계에서 나온 세부 계수는 대역폭이 대략 $[\tfrac{f_s}{2^{j+1}}, \tfrac{f_s}{2^j}]$ 범위에 대응하므로, 주파수 대역을 단계적으로 쪼개 나간 결과로 해석할 수 있다. 주파수 대역이 달라질수록 분석할 수 있는 물리적인 특성도 변화하게 된다.

멀티해상도(MRA) 관점에서의 계수 해석

멀티해상도 해석(Multiresolution Analysis)은 신호에 대한 다양한 해상도(스케일)를 동시에 관찰하기 위해 웨이블릿 변환을 활용하는 접근 방식이다. 작은 스케일(고주파 대역) 계수는 공간적으로 국소화된 빠른 진동이나 급격한 신호 변화를 추적하는 데 사용되며, 큰 스케일(저주파 대역) 계수는 신호의 전반적인 추세나 장기 성분을 나타내는 데 사용된다. 이를 통해 물리적으로 미세 구조와 거시 구조를 동시에 파악할 수 있게 된다.

필터 뱅크 관점에서의 계수 해석

이산 웨이블릿 변환은 디지털 필터뱅크 구조를 통해 구현 가능하다. 필터뱅크는 저주파 통과 필터와 고주파 통과 필터로 구성되며, 이후 다운샘플링 과정을 거쳐 최종 계수를 생성한다. 이를 물리적 관점에서 해석하면, 신호가 여러 개의 주파수 대역을 통과하며 점진적으로 분할되는 과정이다. 신호가 특정 주파수 대역에서 에너지가 크면 해당 대역의 계수가 상대적으로 크게 나타난다. 이는 필터를 거치면서 유지되는 신호 정보가 많다는 뜻이며, 현장에서의 물리 측정 데이터에서는 그 주파수 대역에서 특징적인 패턴(진동, 이벤트 등)이 뚜렷함을 시사한다.

재구성(Reconstruction) 관점에서의 계수 해석

웨이블릿 변환 계수는 신호를 완전하게 재구성(reconstruction)하는 데 사용된다. 연속 웨이블릿 변환의 경우

$$f(t) = \frac{1}{C_\psi}\,\int_{0}^{\infty}\int_{-\infty}^{\infty} W_f(a,b)\,\psi\Bigl(\frac{t-b}{a}\Bigr)\,\frac{db\,da}{a^2}$$

와 같은 공식으로부터, 변환 계수 $W_f(a,b)$가 신호의 전 구간과 모든 스케일에 걸쳐 필요한 정보를 담고 있음이 드러난다. 이때 $C_\psi$는 모함수 $\psi$의 특정 정규화 상수다.

이산 웨이블릿 변환에 대해서도 필터뱅크와 업샘플링 과정을 통해 근사 계수와 세부 계수 모두를 합쳐 원 신호를 복원한다. 이 과정을 물리적으로 해석하면, 신호가 다단계로 분해되어 국소 영역의 미세 특징(고주파)부터 전체적인 추세(저주파)까지 계수로 구체화되고, 이를 역순으로 합쳐 나갈 때 본래의 신호가 다시 살아난다는 것을 의미한다. 따라서 웨이블릿 변환 계수는 “저주파와 고주파를 분해·추출·저장해 놓은 저장고”이며, 이를 합쳐서 다시 신호 전체를 구성할 수 있음을 보여 준다.

파워 스펙트럼 관점에서의 계수 해석

웨이블릿 변환 계수를 제곱해 적분(연속)하거나 합산(이산)한 값은 신호의 에너지 분포와 밀접한 관련이 있다. 예를 들어 연속 웨이블릿 변환에서

$$\int_{0}^{\infty}\int_{-\infty}^{\infty} \bigl\lvert W_f(a,b)\bigr\rvert^2 \,\frac{db\,da}{a^2}$$

의 형태로 계수들을 다룰 때, 이는 일종의 웨이블릿 파워 스펙트럼으로 간주할 수 있다. 고주파 영역(작은 $a$)에서 계수의 크기가 유의미하게 크면, 해당 스케일 구간에 신호 에너지가 집중되어 있음을 나타낸다. 같은 원리로 이산 웨이블릿 변환 계수를 통해도 각 단계별 에너지의 분포를 도출할 수 있다. 이러한 파워 스펙트럼 해석은 물리계에서 특정 주파수 성분이 신호 에너지에서 차지하는 비중을 파악하거나, 어떤 시점에서 어떤 스케일의 현상이 발생하는지를 이해하는 중요한 수단이다.

계수의 에너지 분포

특정 구간이나 스케일에서 웨이블릿 계수가 커진다는 것은 그 구간·스케일에서 나타나는 물리적 현상이 두드러진다는 뜻이다. 이러한 국소적인 에너지가 나타나는 지점을 찾으면, 물리적으로는 파동이나 구조적 결함, 시스템 진동 모드 등 다양한 실체를 추적할 수 있다. 웨이블릿 계수는 단순히 신호 크기뿐 아니라, 그 신호가 어느 주파수 대역에서 얼마나 강한 에너지를 갖고 있는지, 그리고 시간축에서 언제 그러한 현상이 벌어지는지를 동시에 알려 주는 지표다.

경계(boundary) 효과의 물리적 해석

웨이블릿 변환은 유한 길이 신호나 경계 조건이 존재하는 상황에서, 변환 창이 신호 밖으로 벗어나는 구간에서 계수가 왜곡되거나 인위적으로 작게(혹은 크게) 나타나는 현상이 발생한다. 연속 웨이블릿 변환이라면

$$W_f(a,b) = \int_{-\infty}^{\infty} f(t)\,\psi\Bigl(\frac{t - b}{a}\Bigr)\,dt$$

에서 $t$의 적분 구간이 실제 신호의 길이보다 작으면, 모함수의 일부분만 신호와 겹치게 된다. 이로 인해 경계 부근의 웨이블릿 계수는 신호 내부 구간과 달리 불완전하게 계산될 수 있다.

이산 웨이블릿 변환에서도 고정된 필터 길이나 신호 확장(제로 패딩, 대칭 패딩 등) 방식에 따라 경계 부근 계수가 본래 신호 특성을 제대로 반영하지 못할 위험이 있다. 물리적으로는, 측정 장비가 일정 구간만 스캔할 때 가장 자리 부분에서 진동이나 충격파가 왜곡되어 기록되는 상황과 유사하다. 따라서 경계 부근 웨이블릿 계수를 해석할 때는 연산 과정에서 발생한 인위적 영향(패딩, 필터 연산의 누락 등)을 주의 깊게 살펴야 한다.