푸리에 변환 (Fourier transform)

한 줄 정의: 복잡하게 뒤섞인 신호를 여러 개의 단순한 사인파(주기적으로 반복되는 파동)의 합으로 분해해 주는 수학적 방법입니다.

쉽게 풀면

오케스트라가 연주하는 화음을 마이크로 녹음하면 파형은 매우 복잡하게 뒤엉켜 보입니다. 하지만 그 소리는 사실 바이올린의 높은 음, 첼로의 낮은 음 등 여러 개의 단순한 순수음(사인파)이 동시에 섞인 것입니다.

푸리에 변환은 이렇게 복잡해 보이는 신호를 "어떤 높낮이(주파수)의 순수음들이, 각각 얼마만큼 섞여 있는지"로 분해해서 보여주는 도구입니다. 시간에 따라 출렁이는 파형만 보고는 알기 어려웠던 "이 신호 안에 어떤 리듬이 숨어 있는가"를 한눈에 파악할 수 있게 해줍니다.

왜 중요한가

시간에 따라 변하는 신호를 그대로 들여다보면 규칙성을 찾기 어렵지만, 주파수 성분으로 바꾸어 보면 신호 안에 숨어 있던 패턴이 뚜렷하게 드러납니다.

이 때문에 푸리에 변환은 신경과학의 뇌파·근전도 분석, 통신공학의 신호 변조·복조, 영상처리의 압축과 필터링, 양자역학의 파동함수 해석 등 서로 매우 다른 분야에서 공통적으로 등장하는 핵심 수학 도구입니다.

어떤 데이터든 "시간(또는 공간) 영역"과 "주파수 영역"이라는 두 가지 관점으로 오갈 수 있게 해준다는 점에서, 데이터를 분석하는 가장 근본적인 변환 방법 중 하나로 다뤄집니다.

핵심 정리

푸리에 변환은 시간(또는 공간)의 함수 f(t)를 주파수의 함수 F(ν)로 바꿉니다. F(ν) = ∫ f(t) e^−i2πνt dt. F의 크기는 그 주파수 성분이 얼마나 들어 있는지를, 위상은 그 성분의 시작 위치를 나타냅니다(Bracewell, 2000).
변환은 되돌릴 수 있어서, 같은 정보를 시간 영역과 주파수 영역 양쪽에서 볼 수 있습니다.
컴퓨터에서는 유한 개의 표본에 대한 이산 푸리에 변환(DFT)을 쓰며, 이를 빠르게 계산하는 알고리즘이 고속 푸리에 변환(FFT)입니다(Cooley & Tukey, 1965).
주파수 해상도는 관측 시간의 역수입니다. 1초 동안 관측하면 해상도는 1 Hz입니다.

예시로 보기

가상의 신호로 확인해 보겠습니다. 5 Hz에서 진폭 2, 12 Hz에서 진폭 0.5인 두 사인파를 더한 신호를 초당 100번(100 Hz) 표본화해 1초 분량의 FFT를 코드로 계산했습니다.

FFT에서 나온 큰 성분	주파수 (Hz)	진폭
1번째	5	2.0
2번째	12	0.5
그 밖의 성분	—	0

시간 파형만 보면 두 파가 섞여 구분이 어렵지만 주파수 영역에서는 두 개의 뚜렷한 봉우리로 나타납니다. 실제 자료에서는 잡음과 표본화로 인해 봉우리가 퍼지고 다른 주파수 성분이 조금씩 생깁니다.

이 도구는 분광(FT-IR), X선 결정 구조 해석, 영상 필터링, 임피던스 측정 등 서로 다른 분야에서 같은 원리로 쓰입니다.

자주 하는 오해

오해	바로잡기
푸리에 변환은 “언제 그 주파수가 나타났는지”도 알려준다.	전체 구간의 성분만 알려 줍니다. 시간에 따라 주파수가 바뀌면 단시간 푸리에 변환(STFT)이나 웨이블릿 변환을 씁니다.
FFT는 푸리에 변환과 다른 방법이다.	FFT는 이산 푸리에 변환을 빠르게 계산하는 알고리즘일 뿐 같은 결과를 줍니다.
고주파 성분은 모두 잡음이다.	날카로운 모서리나 짧은 펄스도 고주파 성분을 가집니다. 제거하면 신호 자체가 변형됩니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

“고속 푸리에 변환을 적용하여 임피던스와 위상각을 측정하는 방법을 개선할 수 있으며, 얻어진 C-V 곡선은 시판되는 LCR 미터와 필적하는 결과를 보였다.”
전기 용량 측정 프로그램 개발 및 SiC MOSFET 측정을 통한 성능 평가, 새물리, 2025 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"뇌파 신호에 푸리에 변환을 적용하여 시간 영역 데이터를 주파수 영역으로 변환한 뒤, 알파파와 베타파 대역의 에너지를 비교하였다."

이 문장은 시간에 따라 오르내리는 뇌파 신호를 그대로 보는 대신, 푸리에 변환을 이용해 "이 신호에 어떤 주파수 성분이 얼마나 들어 있는지"로 바꿔서 분석했다는 뜻입니다. 이렇게 신호를 주파수 성분으로 나누어 보는 방식은 신경과학의 뇌파 분석뿐 아니라 음성·이미지 처리, 진동 분석, 통신공학 등 신호를 다루는 거의 모든 분야의 논문에서 기본적으로 사용됩니다.

"결정 시료의 X선 회절 패턴을 푸리에 변환하여 실공간에서의 전자밀도 분포를 재구성하였다."

이 문장은 결정에 X선을 쬐어 얻은 회절무늬(주파수 영역에 해당하는 정보)를 푸리에 변환으로 되돌려서, 실제 원자와 전자가 어떻게 배열되어 있는지(실공간 정보)를 계산해냈다는 뜻입니다.

"디지털 이미지에 2차원 푸리에 변환을 적용하여 고주파 성분을 제거함으로써 노이즈를 억제하였다."

이 문장은 이미지를 주파수 성분으로 분해한 뒤, 잡음에 해당하는 세밀하고 급격한 변화(고주파 성분)만 골라 없애서 이미지를 매끄럽게 만들었다는 뜻입니다.

조금 더 깊게 보면

실제 데이터 처리에서는 연속적인 이론적 푸리에 변환 대신, 컴퓨터로 계산 가능한 이산 푸리에 변환(DFT)과 이를 빠르게 계산하는 고속 푸리에 변환(FFT) 알고리즘이 널리 쓰입니다.

또한 신호가 시간에 따라 주파수 구성이 바뀌는 경우에는 단시간 푸리에 변환(STFT)이나 웨이블릿 변환처럼 시간 정보와 주파수 정보를 함께 담을 수 있는 확장된 기법이 사용됩니다. 이런 변환들은 모두 "신호를 다른 기저(basis) 함수들의 조합으로 표현한다"는 공통된 아이디어를 공유합니다.

주의할 점

푸리에 변환은 신호 전체에 걸친 주파수 성분을 알려줄 뿐, "그 주파수 성분이 정확히 언제 나타났는지"에 대한 시간 정보는 잘 담아내지 못합니다. 시간과 주파수 정보를 동시에 보고 싶을 때는 시간-주파수 분석 기법을 함께 사용하기도 합니다.

헷갈리기 쉬운 용어

푸리에 계열 용어는 대상에 따라 구분됩니다.

용어	대상	결과
푸리에 급수	주기함수	이산 주파수의 계수
푸리에 변환	비주기 포함 일반 함수	연속 스펙트럼
DFT / FFT	유한 개의 표본	이산 스펙트럼(FFT는 빠른 계산법)
FT-IR 분광법	적외선 분광 측정 기법	간섭 신호를 푸리에 변환해 스펙트럼 획득

참고 문헌

Bracewell, R. N. (2000). The Fourier Transform and Its Applications (3rd ed.). McGraw-Hill.
Cooley, J. W., & Tukey, J. W. (1965). An algorithm for the machine calculation of complex Fourier series. Mathematics of Computation, 19(90), 297–301.
Oppenheim, A. V., Willsky, A. S., & Nawab, S. H. (1997). Signals and Systems (2nd ed.). Prentice Hall.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.