적응형 해상도를 갖는 푸리에 변환

초록

본 논문은 전통적인 푸리에 변환이 고정된 시간·주파수 해상도라는 한계를 갖는다는 통념을 깨고, 해상도를 동적으로 조절할 수 있는 일반화된 푸리에 변환을 제안한다. 제안 기법은 기존 푸리에 분석과 완전한 호환성을 유지하면서도 계산 비용을 최소화한다.

상세 분석

논문은 먼저 고전적인 푸리에 변환(FT)이 시간과 주파수 축에서 동일한 해상도를 제공한다는 점, 즉 윈도우 길이가 고정되어 있어 신호의 비정상적 특성을 포착하기 어렵다는 문제점을 짚는다. 기존 대안으로는 웨이브릿 변환, 고해상도 스펙트럼 분석, 멀티톤 기법 등이 있으나, 이들은 구현 복잡성, 파라미터 튜닝 어려움, 혹은 역변환 시 손실 등의 단점을 가진다. 저자들은 이러한 한계를 극복하기 위해 “Adaptive Resolution Fourier Transform”(ARFT)라는 개념을 도입한다. 핵심 아이디어는 신호를 여러 스케일의 서브샘플링 블록으로 분할하고, 각 블록마다 최적의 윈도우 길이와 오버랩 비율을 자동으로 결정하는 것이다. 이를 위해 먼저 신호의 순간적 주파수 변동성을 측정하는 지표(예: 순간 스펙트럴 엔트로피)를 정의하고, 이 지표가 높은 구간에서는 짧은 윈도우를, 낮은 구간에서는 긴 윈도우를 적용한다. 이렇게 얻어진 가변 윈도우 시퀀스는 기존 FFT 알고리즘에 그대로 입력될 수 있도록 재구성되며, 각 블록의 FFT 결과는 시간축에 맞춰 보간·합성되어 연속적인 스펙트럼을 만든다. 중요한 점은 이 과정이 선형 연산의 연속으로 표현될 수 있어, 기존 FFT 라이브러리를 그대로 활용하면서도 추가 연산량은 윈도우 길이 선택 로직과 보간 단계에 국한된다. 실험에서는 합성 신호와 실제 음성·심전도 데이터를 대상으로 고정 해상도 FT, 멀티톤 기법, 웨이브릿 변환과 비교했을 때, ARFT가 시간-주파수 트레이드오프를 유연하게 조정함으로써 급격한 주파수 변동을 정확히 포착하고, 잡음에 대한 강인성도 유지함을 확인했다. 또한, 연산 복잡도는 기존 FFT 대비 약 10~15%만 증가했으며, 메모리 사용량은 거의 변동이 없었다. 논문은 이와 같은 특성을 바탕으로 ARFT가 실시간 신호 처리, 의료 모니터링, 음향 분석 등 해상도 가변이 요구되는 분야에 바로 적용 가능함을 주장한다.