[신호처리] 내가 보려고 만든 신호처리 키워드 정리 (+ 딥러닝 용어 포함)

1. 진폭 (Amplitude)

신호의 강도를 나타내는 물리적 양, 소리의 크기와 관련이 있음

 

• 아날로그 신호(Analog Signal)의 진폭 : 파형의 높이를 나타냄
• 디지털 신호(Digital Signal)의 진폭 : 샘플링된 값의 크기로 표현됨

 

 

2. 크기 (Magnitude)

주파수 영역에서 진폭의 절댓값

 

 

 

 

3. dB 스케일

신호의 크기나 전력을 로그 스케일(log scale)로 표현하는 단위

 

➡️ 신호의 진폭, 전력, 에너지 차이를 인간이 더 쉽게 인식할 수 있도록 변환하는 데 사용

 

 

✅ 진폭을 dB로 변환하는 공식

 

$A_{dB} = 20\log_{10}\frac{A}{A_{ref}}$

 

• $A$ : 측정된 진폭
• $A_{ref}$ : 기준 진폭 

✅ 전력을  dB로 변환하는 공식

 

$P_{dB} = 10\log_{10}\frac{P}{P_{ref}}$ 

 

진폭 변환보다 10배 작은 계수(10 log) 를 사용함

👉 왜냐하면 전력은 진폭의 제곱이기 때문에 $\log(x^2) = 2\log(x)$가 되어 20 log 대신 10 log 를 사용

 

 

 

 

4. Energy

신호의 전체적인 크기를 나타내는 값

 

진폭의 제곱을 적분해서 구함

 

 

 

 

5. Power

신호의 에너지가 얼마나 분포되어 있는지를 나타내는 값

 

magnitude의 제곱해서 구함

 

 

 

6. 대역폭 (Bandwidth)

신호가 차지하는 주파수 범위

1. 절대 대역폭 (Absolute Bandwidth): 신호의 전체 주파수 범위
2. 유효 대역폭 (Effective Bandwidth): 신호 에너지가 특정 비율 이상 포함된 주파수 범위

넓은 대역폭 → 고품질 신호 (고음질 음성, 고해상도 데이터)

좁은 대역폭 → 제한된 품질 (저음질 음성, 제한된 데이터 전송 속도)

 

 

 

 

7. 강인성(Robustness)

신호나 시스템이 잡음, 외부 환경 변화, 변형에 대해 얼마나 견고한지를 나타내는 개념

 

 

 

8. Redundancy

원래는 중복된 데이터를 의미

 

모델에서 불필요하게 동일한 정보나 연산이 중복될 때 발생

모델의 파라미터 수가 많거나 연산이 중복될 경우 redundancy가 높아짐