웨이블릿 선택 기준

일반적 고려 요소

웨이블릿은 $\psi(t)$라는 형태로 정의되며 다양한 조건에 따라 여러 종류가 존재한다. 선택 시에는 목적에 부합하는 특성을 만족하는지 엄밀히 평가해야 한다. 대표적으로 직교(orthogonality), 소멸모멘트(vanishing moments), 지지영역(compact support), 매끄러움(smoothness) 등이 검토 대상이 된다. 특정 응용 분야나 신호의 특성에 따라 최적의 웨이블릿이 달라지므로 여러 후보를 비교하고 실험적으로 검증해야 한다.

직교성

직교 웨이블릿을 사용할 경우, 변환 후 계수가 상호 독립적이 되어 잡음 환경에서 유리하며 역변환 시에도 정보 손실이 최소화된다. 직교성을 수학적으로 표현하면 다음 적분이 $\delta_{k}$(디랙 델타 함수와 유사한 크로네커 델타)에 해당해야 한다.

$$\int_{-\infty}^{\infty} \psi(t) \, \psi(t + k) \, dt = 0 \quad (k \neq 0)$$

또한 다중 해상도 해석에서 스케일링 함수 $\phi(t)$와 웨이블릿 함수 $\psi(t)$가 정교하게 결합되어야 하므로, 다음처럼 스케일링 계수와 웨이블릿 계수가 완전 직교 기반을 이루는지도 확인한다.

$$\int_{-\infty}^{\infty} \phi(t)\phi(t + m) dt = \delta_{m}, \\ \int_{-\infty}^{\infty} \psi(t)\psi(t + n) \, dt = \delta_{n} \\ \int_{-\infty}^{\infty} \phi(t)\psi(t + n) \, dt = 0$$

이런 성질 덕분에 직교 웨이블릿을 적용할 경우, 변환된 결과가 반복적인 투영이나 역변환 과정에서도 왜곡 없이 깔끔하게 복원되는 이점이 있다.

소멸모멘트

소멸모멘트는 웨이블릿 함수가 저차 다항함수에 대하여 무조건적으로 직교하는 정도를 말한다. 즉, 웨이블릿 함수에 대해 다음 적분이 0이 되는 최대 차수를 소멸모멘트의 개수라고 한다.

$$\int_{-\infty}^{\infty} t^{n} \, \psi(t) \, dt = 0 \quad (0 \leq n < N)$$

$N$이 클수록 신호의 저주파 성분을 보다 정확히 분리할 수 있고, 분석 대상의 미분 특성이나 부드러움을 보다 정교하게 반영할 수 있다. 예를 들어 다베치(Daubechies) 웨이블릿 중 DB4, DB6, DB8 등은 소멸모멘트 개수에 따라 서로 다른 특성을 보인다. 다만 소멸모멘트가 많아질수록 필터 계수의 길이가 길어지고 계산 복잡도가 커지는 단점이 있으므로, 신호 특성이나 연산 자원 등을 균형 있게 고려해야 한다.

지지영역

지지영역이란 웨이블릿 함수가 0이 아닌 값이 존재하는 구간을 의미한다. 컴팩트 지지(compact support)를 갖는다는 것은 유한 구간 외부에서는 웨이블릿 함수가 0이라는 뜻이다. 컴팩트 지지를 가지는 웨이블릿은 필터뱅크 구현 시 유한 임펄스 응답(FIR) 필터로 구성할 수 있으므로, 연산이 비교적 단순해지고 물리적 해석도 수월해진다. 예컨대 Haar, Daubechies 계열의 웨이블릿이 대표적인 컴팩트 지지 웨이블릿이다.

컴팩트 지지가 아닌 경우에도, 특정 응용분야에서는 오히려 부드러운 감쇠(smooth decay)나 특정 주파수대역에서의 독특한 거동이 필요할 때 비컴팩트 지지 웨이블릿을 택하기도 한다. 이처럼 지지영역의 유무와 특성은 시간 영역에서의 파형 길이, 처리가능한 신호 범위 등을 직접적으로 결정짓는다.

매끄러움과 정칙성

웨이블릿 함수의 매끄러움(smoothness) 혹은 정칙성(regularity)은 분석 및 복원 시 잡음 안정성에 영향을 미친다. 일반적으로 매끄러운 웨이블릿일수록 고차 미분이 연속적이어서, 분해된 계수에서 노이즈가 상승하는 폭이 상대적으로 작다. 정칙성을 수치로 측정하기 위해 Hölder 지수나 Sobolev 지수 같은 척도를 활용하기도 한다.

소멸모멘트가 많아질수록 웨이블릿이 지니는 매끄러움도 증가하는 경향이 있다. 예를 들어 Daubechies 웨이블릿이 차수가 올라감에 따라 점차 매끄러운 형태를 띠는 것은 다항식 직교 조건과 밀접히 연관되어 있다.

대칭성과 위상 왜곡

대칭성 혹은 선대칭(Linear Phase)을 갖는 웨이블릿은 변환 과정에서 위상 왜곡을 최소화하기에, 신호 해석이나 필터링 후에도 원 신호의 특성을 비교적 자연스럽게 유지한다. 이를 위해 바이오정규(biorthogonal) 웨이블릿 계열 등 대칭성 조건을 만족하는 필터를 활용하는 경우가 많다. 대칭성을 정량적으로 점검하기 위해서는 필터 계수 벡터 $\mathbf{h}$가 시간축에 대해 반전된 $\mathbf{h}_{r}$와 유사하거나 완전히 동일한지를 살펴본다. 대칭 웨이블릿이 항상 최적은 아니며, 특정 응용에서 고차 소멸모멘트나 다른 성질이 더 중요하다면 대칭성을 희생하기도 한다. 다만 위상 왜곡이 민감하게 작용하는 음성 처리나 세밀한 시계열 분석의 경우에는 대칭성을 우선적으로 고려해야 한다.

계산 복잡도와 필터 길이

웨이블릿 계수의 길이가 길어지면 필터뱅크 구현 시 연산량이 증가하고, 실시간 처리에서 지연(latency)이 커질 수 있다. 필터 계수가 $\mathbf{h}$라면, 이산 웨이블릿 변환에서 컨볼루션(합성곱) 횟수가 필터 길이에 비례한다. 필터 길이가 짧으면 신호 경계부 처리나 실시간 구현에서 유리하지만, 소멸모멘트 확보나 매끄러움 향상이 제한될 수 있다. 반면 길이가 긴 웨이블릿은 보다 높은 분해능을 얻을 수 있지만, 계산 리소스가 많아야 한다. 이러한 상반된 요구를 균형 있게 고려하여 응용 분야에 적합한 필터 길이를 선정해야 한다.

시간-주파수 해상도

웨이블릿은 시간영역과 주파수영역을 동시에 관찰할 수 있는 도구이다. 특정 웨이블릿이 갖는 주파수 응답 특성이 신호의 급격한 변화를 효과적으로 포착할 수 있는지, 혹은 저주파 대역을 얼마나 세밀하게 분해할 수 있는지 등을 종합적으로 분석해야 한다. 일부 웨이블릿은 짧은 시간영역 지지로 인해 시간 분해능이 뛰어나지만, 저주파 대역에서의 해상도가 제한될 수 있다. 반대로 넓은 지지 영역을 갖는 웨이블릿은 저주파 해상도가 우수하나 짧은 순간 변화 포착이 어려울 수 있다. 이처럼 응용 목적에 따라, 원하는 시간-주파수 분해능 비중에 맞춰 웨이블릿을 선택하게 된다.

에너지 집중도와 축약 특성

웨이블릿 변환 계수들이 신호의 중요한 정보를 얼마나 밀도 높게 담고 있는지도 살펴봐야 한다. 특정 웨이블릿으로 변환 시 에너지가 소수의 계수에 집중되어 있으면, 신호 처리나 압축, 이상징후 탐지 등의 과정에서 이점을 얻을 수 있다. 에너지 집중도가 높아지려면 웨이블릿이 신호의 전형적 스펙트럼 분포와 부합해야 한다. 예컨대 순간 변화가 잦고 대역폭이 넓은 신호에서는 짧은 지지와 다수 소멸모멘트를 갖는 웨이블릿이 유리하고, 부드러운 장기 추세가 우세한 신호에서는 비교적 긴 지지와 적절한 매끄러움을 갖는 웨이블릿이 유리할 수 있다.