전체 스토리 목록신호처리 · 음향 · 영상

푸리에 변환 완전 해부: 세상의 모든 파동을 순수 정현파의 합으로 분해하는 마법

열전도 방정식을 풀던 조제프 푸리에의 통찰이 어떻게 JPEG 이미지 압축, 노이즈 캔슬링 이어폰, 음성 인식 AI의 스펙트로그램이 되었는지 추적합니다.

f^(ω)=∫−∞∞f(t)e−iωt dt  ⟺  f(t)=12π∫−∞∞f^(ω)eiωt dω\hat{f}(\omega) = \int_{-\infty}^{\infty} f(t)e^{-i\omega t}\,dt \iff f(t) = \frac{1}{2\pi}\int_{-\infty}^{\infty} \hat{f}(\omega)e^{i\omega t}\,d\omega
푸리에 변환은 무한차원 함수 공간에서 입력 신호 f(t)와 주파수 기저 함수 e^(iωt)의 '내적(Dot Product)'을 구하는 연산입니다.
시간 영역에서 복잡한 합성곱(Convolution) 연산이 주파수 영역에서는 단순 곱셈으로 바뀌어 연산량이 O(N²)에서 O(N log N)으로 급감합니다.
인간의 귀와 눈이 둔감한 고주파 성분을 0으로 버리는 양자화(Quantization)가 MP3와 JPEG 압축의 핵심 원리입니다.
⚡ 이 아티클에 등장하는 핵심 공식
#G04단위원 삼각함수와 피타고라스 항등식#C04미적분학의 기본정리와 정적분#C07오일러 공식과 세상에서 가장 아름다운 등식#C09푸리에 급수와 푸리에 변환 (시간 ↔ 주파수)#L02벡터의 내적(Dot Product)과 코사인 유사도

1. 직교성(Orthogonality)을 이용한 주파수 스캐너

∫−ππeinxe−imx dx=2π δnm\int_{-\pi}^{\pi} e^{inx} e^{-imx}\,dx = 2\pi\,\delta_{nm}

서로 다른 주파수 n과 m을 가진 복소 정현파를 곱해 한 주기 동안 적분하면 완벽히 상쇄되어 0이 되고, 오직 같은 주파수(n=m)일 때만 양수 에너지가 남습니다. 즉 푸리에 적분은 입력 신호 속에 특정 주파수 ω가 얼마나 섞여 있는지 걸러내는 수학적 공명 필터입니다.

2. 고속 푸리에 변환(FFT)과 현대 AI 오디오 파이프라인

Xk=∑n=0N−1xne−i2πkn/N(O(N2)→O(Nlog⁡N))X_k = \sum_{n=0}^{N-1} x_n e^{-i 2\pi k n / N} \quad (\mathcal{O}(N^2) \to \mathcal{O}(N\log N))

1965년 쿨리-튜키(Cooley-Tukey) FFT 알고리즘은 대칭성을 이용해 N²번의 연산을 N log₂ N으로 줄였습니다. OpenAI Whisper나 음성 합성 모델은 원본 오디오 파형을 짧은 구간의 FFT(STFT)로 쪼개 2차원 멜-스펙트로그램(Mel-Spectrogram) 이미지로 변환한 뒤 트랜스포머에 입력합니다.