신호 (전자공학)

신호(信號, 영어: signal)는 시간 또는 공간에 따라 변화하는 물리량으로, 특정 현상이나 정보의 내용을 전달하는 데 사용되는 개념이다. 신호는 전자공학, 통신 공학, 신호 처리, 정보 이론, 물리학, 생물학 등 여러 학문 분야에서 핵심적인 역할을 한다. 일반적으로 신호는 시간적 혹은 공간적 변화를 가진 데이터의 표현이며, 음성, 영상, 전기적 파형, 전자기파, 생체 신호 등 다양한 형태를 포함한다.^[1][2]

전기 신호를 통한 신호 전달

신호는 물리적 매체(전압·전류·음압·전파 등)를 통해 전달될 수도 있으며, 정보의 전달 여부와 관계없이 관찰 가능한 양의 변화를 뜻하기도 한다. 자연계에서도 광범위하게 나타나며, 예를 들어 생물의 화학 신호, 동물의 의사소통, 세포 간 신호 전달 등도 넓은 의미의 신호에 포함된다.

정의

신호는 보통 다음 두 가지 방식으로 표현된다.

• 연속시간 신호(continuous-time signal): 시간 변수 t가 연속적인 함수로 표현되는 신호로, 대표적으로 전압 파형 x(t)이 있다.
• 이산시간 신호(discrete-time signal): 일정한 시간 간격으로 샘플링된 신호로, x[n]과 같이 이산 지표 n으로 표현된다.^[3]

신호는 스칼라 형태 또는 벡터·행렬 형태(예: 영상)로도 표현될 수 있으며, 아날로그·디지털 방식 등 다양한 분류 기준에 따라 정의된다.

신호의 분류

아날로그 신호와 디지털 신호

아날로그 신호

시간과 진폭이 모두 연속적인 형태의 신호로, 음성 파형이나 센서 출력 전압 등이 이에 속한다.

디지털 신호

시간 또는 진폭이 이산적인 신호로, 주로 컴퓨터·마이크로컨트롤러 시스템에서 사용된다. 이진수(0·1) 기반으로 표현되며 잡음에 강하고 처리·저장에 용이하다.

연속 신호와 이산 신호

• 연속 신호 x(t): 모든 실수 시간에 대해 정의되는 신호
• 이산 신호 x[n]: 샘플링된 시간 지점에서만 정의됨

연속 신호는 아날로그 신호와 동일한 개념은 아니며, 이산 신호 또한 항상 디지털 신호와 동일하지 않다.

실수 신호와 복소 신호

실수 신호

함수값이 실수(real number)인 신호로, 대부분의 물리 신호는 실수 신호이다.

복소 신호

함수값이 복소수(complex number)로 구성되며, 주로 변조 신호나 푸리에 해석에서 사용된다.

주기 신호와 비주기 신호

주기 신호

어떤 주기 T에 대해 x(t + T) = x(t)를 만족하는 신호이며, 사인파·정현파 등이 대표적이다.

비주기 신호

특정 반복 구조 없이 시간에 따라 변하는 일반적인 신호이다.

신호의 수학적 표현

신호는 일반적으로 아래와 같은 함수 형태로 표현된다.

• 연속 신호

x(t) - t는 연속적인 시간 변수

• 이산 신호

x[n] — n은 이산 시간 인덱스

영상 신호의 경우 2차원 함수 x(m, n), 영상의 시간 변화는 3차원 함수 x(m, n, t) 으로 표현된다.

신호 변환

신호는 분석을 쉽게 하기 위해 시간 영역에서 변환 영역으로 변환할 수 있다.

푸리에 변환 (Fourier Transform)

연속 신호의 주파수 스펙트럼을 얻기 위한 변환으로, 신호를 사인파 성분들의 합으로 표현한다.

라플라스 변환 (Laplace Transform)

시스템 안정성, 제어공학, 회로 해석에서 사용되며 복소 평면 상에서 신호의 거동을 분석한다.

Z-변환 (Z-Transform)

이산 신호 및 디지털 필터 분석에 사용된다.

웨이블릿 변환 (Wavelet Transform)

비정상 신호 분석에 적합하며 시간–주파수 해상도를 동시에 제공한다.

기타 변환

• 단기 푸리에 변환(STFT)
• 힐버트 변환
• 멜-주파수 켑스트럼 계수(MFCC) – 음성 신호 분석 등에서 사용

신호의 예

IEEE 신호 처리 트랜잭션에서 정의된 주요 신호 유형은 다음과 같다.

• 오디오 신호(음성, 음악)
• 영상 및 이미지 신호
• 레이더 및 소나 신호
• 전기·전자 회로의 전압·전류 파형
• 생체 신호(ECG, EEG, EMG 등)
• 센서 기반 물리량(압력, 온도, 가속도)

전기 신호와 생물학적 신호

전기 신호

전압·전류 등 전기적 물리량의 변화로 표현되는 신호로, 회로 시스템·통신 장비에서 주로 다루어진다.

생물학적 신호

생체 기관의 전기적·화학적 활동을 통해 발생하며, ECG(심전도), EEG(뇌전도), 근전도 등이 대표적이다.^[4]

자연계에서는 식물의 화학 신호, 동물의 소리·냄새·동작 또한 넓은 의미의 신호로 간주된다.

신호 처리의 응용

신호 처리는 신호의 획득, 분석, 변환, 압축, 복원 등을 다루며 다양한 분야에서 사용된다.

• 통신 시스템 (변조, 잡음 제거, 채널 추정)
• 오디오·음성 처리 (음성 인식, 노이즈 제거)
• 영상 처리 (압축, 에지 검출, 패턴 인식)
• 레이더·소나 처리
• 의학 신호 분석 (심전도 분석, 뇌파 감지)
• 산업 자동화·센서 융합
• 모터 제어, 로봇공학

최신 신호 처리

최근 신호 처리 분야에서는 딥러닝·기계학습 기반 접근법이 널리 쓰이고 있다.^[5]

• 합성곱 신경망(CNN)을 통한 영상 신호 처리
• 순환 신경망(RNN, LSTM)을 통한 음성·시계열 예측
• 자동인코더 기반 노이즈 제거
• Transformer 구조 기반의 음성 인식
• 고해상도 레이더 신호 분석에 딥러닝 적용

딥러닝 기반 신호 처리는 기존의 통계 기반 방법에 비해 높은 정확도와 적응성을 제공하지만, 대규모 데이터 요구와 모델 해석 어려움이라는 한계도 존재한다.

같이 보기

• 의사소통의 수학적 이론
• 신호 대 잡음비
• 푸리에 변환
• 신호 처리
• 정보 이론