웨이블릿 변환(Wavelet Transform)

웨이블릿의 이해는 단순히 '복잡한 적분 수식'이 아니라, "고정된 배율의 돋보기(푸리에)로 세상을 보는 한계를 버리고, 대상의 크기에 따라 배율을 자유자재로 조절하는 가변 돋보기(Wavelet)로 신호의 진실을 포착하는 것"에서 출발해야 합니다.

---

1. 웨이블릿의 최상위 원리: "해상도의 트레이드오프 극복"

이 토픽의 출발점은 "신호에서 '무엇(주파수)'이 '언제(시간)' 일어났는지 동시에 정확히 알 수는 없는가?"라는 하이젠베르크의 불확정성 원리에 대한 도전입니다.

• 기본 상황: 기존 푸리에 변환($FT$)은 시간 정보를 완전히 잃어버리고, 창 함수($STFT$)는 창의 크기가 고정되어 있어 고주파와 저주파를 동시에 정밀하게 분석하지 못합니다.
• 본질 (Multi-resolution): 짧고 빠르게 변하는 신호(고주파)는 좁은 창으로 '시간'을 정확히 보고, 길고 천천히 변하는 신호(저주파)는 넓은 창으로 '주파수'를 정확히 보는 다해상도 분석이 핵심입니다.
• 통찰: 웨이블릿은 '적응형 분석의 레버리지'입니다. 신호의 특성에 맞춰 스스로 분석의 자를 늘리고 줄임으로써, 정보의 손실 없이 데이터의 특징을 가장 효율적으로 추출하는 전략입니다.

---

2. 어디서부터 이해를 시작해야 할까? (3단계 핵심 논리)

'작은 파동'이 어떻게 '큰 흐름'을 분석하는지 집중하십시오.

① 모 웨이블릿 ($\psi$): "분석의 자(Ruler)"

• 기본: 크기가 제한된 작은 파동(Wavelet)입니다. 푸리에의 무한한 사인파와 대조됩니다.
• 이해: 이 작은 파동을 옆으로 밀고($Translation$), 위아래로 늘리거나 줄여서($Scaling$) 원본 신호와 얼마나 닮았는지 비교합니다.

② 척도(Scale)와 이동(Shift): "돋보기의 조절"

• 기본: 척도가 작으면(압축) 고주파 성분을, 척도가 크면(확장) 저주파 성분을 찾아냅니다.
• 이해:여기서 $a$는 돋보기의 배율(Scale), $b$는 돋보기를 움직이는 위치(Shift)입니다. 이 두 변수를 통해 신호의 시공간 지도를 그립니다.
• $$ \psi_{a,b}(t)=\frac{1}{\sqrt{a}}\psi(\frac{t-b}{a})$$

③ 필터 뱅크와 MRA: "반복적인 거름망"

• 기본: 신호를 저주파(Approximation)와 고주파(Detail)로 계속 나눕니다.
• 이해: 굵은 모래와 고운 모래를 체로 치듯, 신호를 계층적으로 분해하면 중요한 특징(저주파)은 남기고 노이즈(고주파)는 쉽게 제거하거나 압축할 수 있습니다. 이것이 JPEG 2000 압축의 본질입니다.

---

3. 사고 기반 답안 매칭

질문	답안 목차	핵심 서술 내용
Why	1. 개요	비정상 상태 신호의 시간-주파수 동시 분석 및 다해상도 확보
What	2. 핵심 개념	가변 창($Variable$ $Window$), 다해상도 분석($MRA$)
How	3. 메커니즘	모 웨이블릿의 이동($b$) 및 척도($a$) 변환을 통한 특징 추출
Feature	4. 주요 장점	$STFT$의 해상도 한계 극복, 에너지 집중화(압축 효율)
So what	5. 응용 분야	$JPEG$ $2000$ 영상 압축, $ECG$ 생체 신호 분석, 노이즈 제거

---

💡 정리를 위한 한 줄 정리

• 토픽: 웨이블릿 변환 ($WT$)
• 개요: 가변적인 창 함수를 사용하여 신호를 시간-주파수 영역에서 다해상도로 분석하는 신호처리 기법.
• 키워드: 가.다.시.주.압.제 (가변 창, 다해상도, 시간-주파수 동시, 주파수 해상도, 압축, 잡음 제거).

"고정된 틀로 신호를 재단하는 비효율(Why)을 버리고, 파동의 신축성(What)이라는 레버리지를 활용해 신호의 본질적 계층(How)을 찾아내는 것"이 웨이블릿의 본질입니다.