FIR 필터 (유한임펄스응답 필터)
쉽게 풀면
주식 차트의 "5일 이동평균선"을 떠올려보면 이해가 쉽습니다. 오늘 값을 구할 때 최근 5일치 데이터에 각각 가중치를 곱해서 더하면 하나의 매끄러운 값이 나옵니다. FIR 필터도 원리가 비슷합니다. 지금 들어온 신호와 바로 직전 몇 개의 신호 값들에 미리 정해둔 숫자(계수)를 곱해서 다 더하는 방식으로 새로운 출력을 만듭니다. "유한(Finite)"이라는 이름처럼 딱 정해진 개수의 과거 값만 사용하고 그 이전 출력값을 다시 사용하지 않기 때문에, 옛날 입력이 아무리 시간이 지나도 출력에 계속 영향을 주는 일이 없어 항상 안정적으로 동작합니다.
왜 중요한가
실제 측정 신호에는 항상 잡음이나 원치 않는 주파수 성분이 섞여 들어오기 때문에, 신호처리·통신·생체신호·음향 등 데이터를 다루는 거의 모든 공학 분야 논문에서 전처리 단계로 필터링이 필요합니다. FIR 필터는 위상 왜곡이 없고 항상 안정적이라는 장점 때문에 정밀한 파형 보존이 중요한 연구(예: 생체신호 분석, 오디오 처리)에서 특히 선호되며, 필터 설계 자체가 하나의 연구 주제가 되기도 합니다.
논문에서는 이렇게 쓰입니다
이 문장은 "뇌파를 측정할 때 섞여 들어온 특정 주파수(60Hz)의 잡음을, 최근 128개의 신호 값을 가중합하는 방식의 디지털 필터로 걸러냈다"는 뜻입니다. 필터의 "차수"가 높을수록 원하는 주파수 성분만 더 정밀하게 걸러낼 수 있지만, 그만큼 계산량도 늘어납니다.
무선통신 분야 논문에서 흔히 볼 수 있는 표현으로, 특정 주파수 대역만 통과시켜 인접 채널로 신호가 새어나가거나 간섭이 발생하는 것을 막기 위해 FIR 필터를 사용했다는 의미입니다.
음향 및 음성처리 분야 예문으로, 필터를 거치면서 파형의 시간축 형태가 흐트러지지 않도록 선형 위상 특성을 갖는 FIR 필터를 선택했다는 설명입니다.
조금 더 깊게 보면
FIR 필터를 논문에서 접할 때는 "계수(coefficient)"를 어떻게 설계했는지도 함께 살펴보는 것이 좋습니다. 대표적으로 창(window) 기법, Parks-McClellan(equiripple) 알고리즘 등이 계수를 구하는 방법으로 흔히 언급되며, 어떤 방법을 썼는지에 따라 통과대역의 평탄함과 저지대역의 감쇠 특성이 달라집니다. 또한 FIR 필터는 계수가 좌우 대칭이 되도록 설계하면 선형 위상 특성을 가질 수 있어, 신호의 파형 형태를 그대로 유지해야 하는 응용에서 자주 선택됩니다.
주의할 점
FIR 필터는 과거 출력을 되먹임하지 않기 때문에 항상 안정적이지만, 같은 성능을 내려면 과거 출력까지 재사용하는 IIR(무한임펄스응답) 필터보다 더 많은 계수(더 높은 차수)가 필요해 계산 비용이 커지는 경우가 많습니다. 이는 시간에 따라 변하는 신호를 부드럽게 다듬는 일반적인 신호 필터 개념 중 디지털 영역에서 안정성을 우선하는 구현 방식이라고 이해하면 됩니다.