라플라스 변환 vs. 푸리에 변환

라플라스 vs 푸리에 요약

엔지니어와 과학자들은 시스템을 설계하거나 실험 데이터를 분석할 때 잦은 빈도로 라플라스 변환과 푸리에 변환 중 하나를 선택합니다. 두 수학적 도구는 모두 신호를 시간 도메인에서 주파수 거동을 확인할 수 있는 도메인으로 변환하는 역할을 수행하지만, 그 범위, 정의, 그리고 근본적인 속성 면에서 근원적인 차이가 있습니다. 올바른 접근 방식을 선택하는 것은 특히 일정한 진동과 예측 불가능한 과도 현상이 혼재된 복잡한 실제 데이터 스트림을 다룰 때, 결과의 명확성에 큰 영향을 정하게 됩니다.

푸리에 변환은 주기적이거나 정상 상태(stationary)인 신호에서 주파수 성분을 분리하는 기능으로 널리 알려져 있습니다. 이는 순수 허수 주파수 매개변수에 의존하므로, 더 일반적인 라플라스 변환의 하위 집합(subset)이 됩니다.

푸리에 변환은 초기 조건이나 신호 증폭 인자를 배제하여 신호의 주라 주파수 스펙트럼 밀도를 포착하기 때문에 고전적인 주파수 분석의 핵심 기반 역할을 합니다. 반면, 라플라스 변환은 복소 주파수 매개변수를 사용하여 시스템 응답 내의 감쇠 및 성장하는 지수적 거동을 모두 포함시킬 수 있습니다.

이 두 기법 중 하나를 선택하려면 분석 대상 시스템의 안정성과 초기 상태를 평가해야 합니다. 연구자가 정상 상태의 조화 성분에만 초점을 맞추는 한 푸리에 분석이 표준으로 사용됩니다. 역으로, 이 피드백 시스템의 안정성을 평가하거나 과도 상태 기간을 반영해야 하는 경우 라플라스 변환이 훨씬 더 광범위한 수학적 분석 범위를 제공합니다. 이러한 요구사항들을 균형 있게 절충하여 분석가는 특정 데이터 세트를 효과적으로 해석하는 데 즉시 필수적인 정보를 도출하는 방법을 선택할 수 있습니다.

표면 라플라시안이 뇌 국소 활동에 대해 밝혀주는 것

표면 라플라시안(surface Laplacian)은 공간 필터입니다. 이는 신호의 시간적 측면에는 전혀 개입하지 않습니다.

대신에 두피 상의 전극 맵 전체에 작용하여 각 개별 센서에서 측정된 전압을 바로 인접한 전극들의 전압과 비교합니다. 어떤 전극의 측정값이 주변 전극의 평균값보다 의미 있게 높거나 낮은 경우, 라플라시안은 해당 위치를 국소적인 소스(source)일 가능성이 높은 곳으로 표시합니다. 해당 전극의 측정값이 이웃한 전극들과 거의 비슷하다면, 라플라시안은 이를 뚜렷하게 국소화된 신호가 아닌 광범위하고 확산된 활동으로 규정하고 출력에서 제외(억제)합니다.

이러한 필터링의 실제 결과는 번짐 현상이 훨씬 덜해진 지형도(topographic map)로 나타납니다. 두피의 넓은 영역 아래 어디서든 기인했을 수 있을 법한 뭉뚱그려지고 넓게 퍼진 활동 영역 대신, 라플라시안 변환을 거친 지형도는 더 정밀하고 압축된 원형의 활동 영역을 보여줍니다. 이는 단순히 전압이 어디서 가장 높게 나타나는지 보여주기보다, 전류가 실제로 두피 표면 내부로 흘러 들어가거나 나오는 위치를 추정하는 것을 목표로 설계된 유사 방법인 전류원밀도(current source density)와 개념적으로 일맥상통합니다.

푸리에 변환이 뇌 리듬에 대해 밝혀주는 것

공간적인 영역을 미뤄두면, 완전히 다른 질문이 포커스를 받습니다. 시간에 따른 전압 변화를 보여주는 다소 불규칙하고 쉴 새 없이 움직이는 단일 전극의 날것 상태인 오리지널 EEG 시계열 데이터는 육안으로 보면 그저 무작위한 혼돈 상태처럼 보입니다. 하지만 이 단순해 보이는 무질서 내부에는 여러 다양한 속도로 동시에 반복되는 미세한 진동들이 숨어 있습니다. 푸리에 변환은 신호를 이렇게 중첩된 개별 구성 성분의 리듬으로 분리하는 최상의 수학적 도구입니다.

라플라시안이 단일 시점에 전체 전극들을 가로질러 분석하는 것과 달리, 푸리에 변환은 단일 전극 신호 내부에서 시간에 따른 변화를 분석합니다. 지저분했던 파형을 하나의 스펙트럼으로 재구성하여, 기본적으로 신호 전체 에너지 중에서 얼마만큼이 각각의 주파수 대역에 속하는지를 리스트로 산출해 줍니다.

EEG 연구에서 이 주파수 대역들은 대개 델타, 세타, 알파, 베타, 감마 등의 이름으로 식별되며, 각각 다른 주파수(초당 진동수 기준)의 진동 영역에 할당됩니다. 느리고 커다란 파형이 주를 이루는 신호의 스펙트럼은 주로 저주파 대역으로 가중치가 기우는 모습을 보입니다. 반면에 빠르고 작게 변동하는 신호는 고주파 대역에 더 많은 에너지가 집중되는 형태로 나타납니다.

가장 핵심적으로 푸리에 변환은 공간적인 정보를 완전히 누락시킵니다. 전극이 머리의 앞쪽에 부착되었는지 혹은 뒤쪽에 부착되었는지의 상황을 신경 쓰지 않으며, 기록된 신호가 국소 영역에서 왔는지 광범위한 영역에 걸쳐 있는지 등은 분석하지 않습니다. 이 변형의 전체적인 목적은 절대적으로 시간 영역에 국한됩니다. 즉, 단일 채널의 시간에 따른 활성 신호에 대해 '뇌가 어떤 리듬 주파수로 진동하고 있는가'만을 판단합니다.

더 선명한 스펙트럼 처리를 위해 라플라시안과 푸리에 변환 활용하기

이 두 핵심 기법은 서로 다른 문제를 해결하므로, EEG 신호 분석에서 널리 적용되는 권장 방식은 둘 중 하나를 선택하는 대신 순차적으로 모두 적용하는 것입니다.

전형적인 프로세스는 먼저 전극 배열 전체에 표면 라플라시안 변환을 실행하여 공간적으로 정제된 파형 세트를 생성한 다음, 원본 미가공 신호 분석이 아닌 이미 공간 필터링 처리된 신호들을 대상으로 푸리에 변환을 적용하는 절차를 거치는 것입니다.

체적 전도(Volume conduction) 현상으로 인해 단일 전극에서 취합하는 미가공 정밀 측정 신호에는 다양한 위치에서 발생한 신호들이 혼재되게 됩니다. 즉, 미가공 시계열 데이터는 어느 단일 뇌파 리듬 하나만을 보여주는 단편적인 정보가 아닙니다. 이는 두피 상의 해당 측정 지점에서 모두 뒤섞인, 가깝거나 먼 여러 소스로부터 유입된 다중 리듬들이 복잡하게 얽혀 있는 결과물이기 때문입니다.

이 융합된 신호에 푸리에 변환을 다이렉트로 바로 적용한다면, 결과로서 출력되는 주파수 스펙트럼 역시 이 혼합 상태를 고스란히 반영하게 됩니다. 따라서 진정한 국소 주파수 리듬이 분석 대상 범위 외 영역들로부터 유입된 다소 명확하지 않고 둔탁한 잡음에 희석되어 나타날 수 있습니다.

표면 라플라시안을 선행적으로 실행하는 것은 주파수 분석 영역에 진입하기 전에 이러한 혼합 오염도를 미리 줄이는 목적을 가지고 있습니다. 넓고 불분명한 성분들을 억제하고 좁은 범위의 국소 영역을 돋보이게 함으로써, 라플라시안 필터링 단계는 해당 측정 전극 밑에서 직접적으로 생성된 고유의 시계열 파형에 가깝게 성질을 보정해 줍니다. 이렇게 정제 완료된 파형에 푸리에 변환을 속행하면, 논리적으로 먼 지역 소스들이 마구 혼재된 형태를 탈피해 관찰 전극 하부에 해당하는 특정 대뇌 피질 영역의 고유한 리듬 특성을 더 정확하게 검출해 낸 스펙트럼을 확보할 수 있게 됩니다.

이 결합 프로세스는 흔히