스파이크를 ‘현상’으로 부르기 전에: 판정 대상과 원칙

센서 로그의 날카로운 한 점이나 큰 피크는 실제 충격·압력 변화 같은 transient일 수 있습니다. 하지만 단일 채널에서 한 번 관측된 모양만으로 실제 물리 현상이라고 바로 단정하기는 어렵습니다. 센서 신호는 센서 자체뿐 아니라 신호 조절부, 필터, ADC, timing, digital processing 등 전체 계측 경로의 영향을 받을 수 있습니다. [1]

따라서 목표는 필터로 데이터를 매끈하게 만들어 특정 결론을 내리는 것이 아닙니다. 먼저 후처리 전 raw data를 기준 기록으로 보존하고, 반복성·시간 관계·다른 채널·계측 체인·후처리 민감도를 차례로 비교해 다음 가능성을 구분하는 것입니다.

  • 실제 물리 현상일 가능성
  • acquisition chain에서 생긴 artifact일 가능성
  • post-processing 과정에서 강조되거나 만들어진 artifact일 가능성
  • 현재 증거만으로는 아직 판단하기 어려운 경우

Raw data는 후처리 결과를 비교하기 위한 중요한 기준 기록이지만, 그 자체가 물리적 ground truth라는 뜻은 아닙니다. Raw 신호 역시 센서와 계측 체인의 영향을 이미 포함할 수 있기 때문입니다.

1단계: raw plot을 기준으로 삼고 처리 이력을 남긴다

첫 화면은 처리된 곡선보다 raw plot이어야 합니다.

스파이크의 다음 특성을 먼저 확인합니다.

  • 발생 시점
  • 폭과 지속시간
  • 크기
  • 인접 표본과의 관계
  • 같은 구간의 원신호와 후처리 신호 차이

예를 들어 smoothing이나 다른 후처리 이후에만 피크가 두드러진다면, 원래 신호의 작은 변화가 처리 과정에서 강조됐을 가능성도 함께 검토해야 합니다.

실무적으로는 다음 정보를 같이 남기는 편이 좋습니다.

  • raw data 원본
  • sampling/time 정보
  • 적용한 처리 순서
  • filter 또는 계산 parameter
  • 처리 버전
  • 필요한 경우 처리 전·후 데이터를 재현할 수 있는 기록

핵심은 원본을 보존한 상태에서 후처리 결과를 비교할 수 있게 만드는 것입니다. 다만 파일 형식·보존 기간·metadata 표준에 하나의 보편적 정답이 있다는 뜻은 아닙니다. 실제 기록 규칙은 시험 목적과 품질 체계에 맞춰 정해야 합니다.

2단계: 채널·시간 정렬을 확인하고 반복성 및 상관을 비교한다

스파이크 감지 후 시간 정렬, 상관 채널, 하드웨어, 원시 데이터, 필터를 확인하는 흐름
한 번의 피크보다 채널 상관·반복성·계측 체인을 순서대로 확인하는 것이 중요하다.

여러 채널을 함께 계측했다면 먼저 시간축이 실제로 정렬돼 있는지 확인해야 합니다.

반복 측정 데이터가 있다면 다음 질문을 순서대로 확인하는 것이 좋습니다.

  • 같은 조건의 반복 run에서 비슷한 시점과 형태로 나타나는가?
  • 관련성이 예상되는 다른 채널에서도 시간적으로 연결된 변화가 나타나는가?
  • 정렬 전후에 스파이크의 시점이나 크기 해석이 크게 달라지는가?
  • 반복 데이터에서 해당 구간의 분산이나 형태가 유사한가?

반복 파형의 상대적인 시간 정렬이 필요한 경우 cross-correlation은 사용할 수 있는 한 가지 방법입니다. Sampled high-speed signal을 다룬 NIST 사례에서도 additive noise, timing jitter, time-shift error가 섞인 반복 파형의 상대적인 time shift를 추정하는 데 cross-correlation을 활용합니다. [2]

다만 cross-correlation 결과나 높은 상관만으로 두 채널 사이의 물리적 인과관계 또는 해당 스파이크의 실제 현상 여부를 확정할 수는 없습니다.

핵심은 단일 파형의 인상보다 반복성, 시간 관계, 채널 간 연관성을 추가 증거로 확보하는 것입니다.

3단계: 센서 하나가 아니라 acquisition chain 전체를 점검한다

원인을 센서 자체로만 한정하면 놓치는 부분이 생길 수 있습니다.

먼저 실제 시스템에서 신호가 어떤 경로를 거쳐 기록되는지 확인합니다. 예를 들면 다음과 같은 큰 단위의 측정 체인입니다.

  • 센서
  • 신호 조절부 또는 증폭기
  • analog filter
  • ADC
  • sampling 및 timing
  • digital processing
  • logger / storage

신호 경로의 noise와 filtering은 측정 결과에 영향을 줄 수 있으며, 실제로 필요한 bandwidth와 settling 조건은 시스템의 목적에 따라 달라질 수 있습니다. [1] [3]

여기서 중요한 것은 위 항목을 스파이크의 직접 원인 목록으로 단정하지 않는 것입니다.

실제 장비 구성에 따라 다음과 같은 항목도 추가 점검 대상으로 둘 수 있습니다.

  • 연결 상태
  • 전원·reference 상태
  • 포화 여부
  • timing 상태
  • 설정 변경 여부
  • 입력단 또는 filter의 settling

이 항목들은 추가 검증이 필요한 현장 점검 후보입니다. 특정 항목이 스파이크의 원인이라고 판단하려면 반복 시험, 설정 변경 전·후 비교, 추가 측정 등 별도의 근거가 필요합니다.

이 단계의 목적은 특정 파형 하나로 원인을 확정하는 것이 아니라, 재현 시험이나 추가 측정으로 확인할 후보를 좁히는 것입니다.

4단계: 미분 피크는 원 신호와 분리해 해석하지 않는다

같은 신호의 원시값, 필터 결과, 미분 결과에서 노이즈와 피크가 달라지는 비교 그래프
필터와 미분은 신호 표현을 바꾸므로 원 신호와 함께 비교해야 한다.

Position이나 pressure처럼 원 신호에서는 상대적으로 완만한 변화가, velocity·acceleration 또는 derivative 결과에서는 훨씬 큰 피크처럼 나타날 수 있습니다.

Finite-difference 기반 미분은 차분 과정에서 고주파 성분과 measurement noise에 더 민감해질 수 있습니다. 특히 미분 차수가 높아질수록 작은 표본 간 변화가 결과에서 크게 나타날 수 있으므로, 미분 결과를 독립적으로 해석하기보다 원 신호와 함께 비교해야 합니다. [4]

미분 피크를 볼 때는 다음을 같이 확인하는 것이 좋습니다.

  • 원 신호에도 같은 시점의 변화가 존재하는가?
  • 사용하는 sample interval이 무엇인가?
  • 미분 전 filtering 또는 smoothing이 적용됐는가?
  • 처리 방식이나 parameter를 바꾸면 결과가 얼마나 달라지는가?
  • 반복 데이터에서도 같은 위치에 나타나는가?

특정 sample interval을 사용하지 않으면 미분 결과의 단위와 크기가 달라질 수 있으므로, 미분을 사용할 때는 시간 간격과 계산 방법을 함께 기록하는 것이 중요합니다. [4]

5단계: 필터는 노이즈를 줄이지만 transient를 왜곡할 수도 있다

아날로그 또는 디지털 filter는 signal-chain noise를 줄이는 데 도움이 될 수 있습니다. 하지만 filter bandwidth, settling, latency, signal fidelity 사이에는 trade-off가 존재할 수 있습니다. [3]

따라서 filtered signal이 더 매끈하다는 이유만으로 원 신호보다 ‘더 진실하다’고 판단해서는 안 됩니다.

필터가 transient 해석에 어떤 영향을 주는지 확인하려면 다음을 함께 비교하는 것이 좋습니다.

  • raw signal
  • filtered signal
  • 필요하다면 derivative signal
  • filter cutoff 또는 주요 parameter
  • 동일 구간의 확대 view

Filter parameter를 바꿨을 때 파형의 형태나 transient 표현이 어떻게 달라지는지 비교하는 것은 필터 처리의 해석 영향을 확인하는 데 도움이 됩니다. Filter 설계에서는 bandwidth, settling, latency, signal fidelity 사이의 trade-off를 함께 고려해야 합니다. [3]

목표는 노이즈를 없애기 위해 transient까지 지워버리는 것도, 반대로 모든 spike를 실제 이벤트로 받아들이는 것도 아닙니다. 후처리가 해석을 얼마나 바꾸는지 확인하는 것이 중요합니다.

6단계: 미분·필터 parameter 민감도를 시험한다

Savitzky–Golay 같은 방식은 일정한 window 안에서 다항식을 적합해 smoothing 또는 derivative 계산에 사용할 수 있습니다. 결과는 설정값에 따라 달라질 수 있으므로 한 번의 parameter 조합만 보고 결론을 내리는 것은 피하는 편이 좋습니다. [5]

예를 들어 다음을 바꿔가며 결과를 비교할 수 있습니다.

  • window length
  • polynomial order
  • derivative order
  • sample spacing
  • edge mode

비교할 때는 다음을 확인합니다.

  • 스파이크의 시점이 유지되는가?
  • 피크의 크기와 폭이 얼마나 달라지는가?
  • 주변 신호의 형태는 유지되는가?
  • 결과가 특정 parameter에서만 나타나는가?
  • 데이터 양 끝에서 결과가 유난히 달라지는가?

Savitzky–Golay만이 정답이라는 뜻은 아닙니다. 어떤 filter나 smoothing 방법을 사용하든, 결과가 설정값에 얼마나 민감한지 확인하는 것이 중요합니다.

Parameter를 조금 바꾸는 것만으로 spike의 존재 여부나 형태가 크게 달라진다면, 해당 결과는 강한 물리적 증거라기보다 처리 조건에 민감한 결과일 가능성도 함께 고려해야 합니다.

결과 보고: 확인된 현상·artifact 의심·불확실성을 분리한다

최종 보고에서는 결과를 단순히 ‘실제’ 또는 ‘노이즈’ 두 가지로만 분류하지 않는 편이 좋습니다.

예를 들어 다음처럼 구분할 수 있습니다.

  1. 확인된 현상
    raw signal에서 관찰되고, 관련 채널·반복 측정에서도 일관된 근거가 확인된 경우

  2. artifact 의심
    특정 처리나 정렬 방법, filter parameter 등에 따라 결과가 크게 달라지거나 acquisition chain 또는 후처리 영향이 의심되는 경우

  3. 미해결 불확실성
    현재 데이터만으로 실제 transient와 artifact를 충분히 구분할 수 없는 경우

보고서에는 가능하면 다음 정보를 함께 남기는 것이 좋습니다.

  • raw data
  • 처리 방법
  • filter / derivative parameter
  • sampling 및 timing 정보
  • 반복 측정 비교
  • 관련 채널 비교
  • 판단 근거
  • 아직 남아 있는 불확실성

중요한 원칙은 단일 스파이크를 즉시 사건으로 선언하거나, 반대로 잡음으로 지워버리지 않는 것입니다.

확인 가능한 증거를 차례로 추가하면서 가설을 좁히고, 결론이 충분히 뒷받침되지 않는다면 불확실성을 그대로 남기는 편이 더 안전합니다.

자주 묻는 질문

단일 센서 채널에서 한 번만 나온 스파이크는 실제 현상인가요?

그 사실만으로는 판단하기 어렵습니다.

원 신호에서의 형태, 같은 조건의 반복성, 관련 채널과의 시간 관계, 계측 체인 상태, 처리 조건을 함께 확인해야 합니다.

한 번의 스파이크는 조사의 시작점이지, 실제 현상이나 노이즈라는 결론 자체는 아닙니다.

왜 원 신호보다 velocity·acceleration 같은 미분 결과에서 피크가 더 커 보일 수 있나요?

차분 기반 derivative는 표본 사이의 작은 변화와 measurement noise에 더 민감할 수 있습니다.

따라서 원 신호와 함께 보고, 사용한 sample interval과 미분 방법을 같이 확인해야 합니다. [4]

반복 측정과 채널 간 시간 정렬은 어떻게 쓰나요?

같은 조건의 반복 run과 관련 채널을 시간 기준에 맞춰 비교하면 spike가 특정 시점에서 반복되는지, 다른 신호와 함께 나타나는지 확인하는 데 도움이 됩니다.

Cross-correlation은 반복 파형의 상대적인 time shift를 추정할 때 사용할 수 있는 방법 중 하나지만, 높은 상관만으로 물리적 인과관계를 의미하지는 않습니다. [2]

필터링한 결과가 raw data보다 더 신뢰할 수 있나요?

자동으로 그렇지는 않습니다.

Filter는 noise를 줄이는 데 도움이 될 수 있지만 bandwidth, settling, latency, signal fidelity 사이의 trade-off 때문에 transient의 크기나 형태를 바꿀 수 있습니다. [3]

따라서 raw와 filtered 결과를 함께 보고, filter 설정을 바꿨을 때 해석이 얼마나 달라지는지도 확인하는 것이 좋습니다.

Savitzky–Golay 결과는 무엇을 바꿔 비교해야 하나요?

Window length, polynomial order, derivative order, sample spacing, edge mode 등을 바꿔 결과를 비교할 수 있습니다. [5]

특히 peak의 시점·크기·폭과 주변 신호의 형태가 parameter 변화에 따라 얼마나 민감하게 달라지는지를 확인하는 것이 중요합니다.

실제 현상과 artifact를 어떻게 구분하나요?

한 가지 기준으로 확정하기보다 여러 증거를 함께 봐야 합니다.

Raw signal의 형태, 반복성, 관련 채널과의 시간 관계, 계측 체인 상태, 처리 parameter 민감도를 차례로 비교합니다.

증거가 충분하면 실제 현상 가능성을 높일 수 있고, 처리 조건에 따라 결과가 크게 변하면 artifact 가능성을 더 의심할 수 있습니다. 그래도 구분이 어렵다면 현재 데이터만으로는 불확실하다고 남기는 것이 적절합니다.

References

  1. Analog Devices — Overview of Sensor Signal Paths — https://www.analog.com/en/resources/technical-articles/overview-of-sensor-signal-paths.html
  2. National Institute of Standards and Technology — Adaptive Characterization of Jitter Noise in Sampled High-Speed Signals — https://www.nist.gov/publications/adaptive-characterization-jitter-noise-sampled-high-speed-signals
  3. Analog Devices — Practical Filter Design Challenges and Considerations for Precision ADCs — https://www.analog.com/en/resources/analog-dialogue/articles/practical-filter-design-precision-adcs.html
  4. MathWorks — Take Derivatives of a Signal — https://www.mathworks.com/help/signal/ug/take-derivatives-of-a-signal.html
  5. SciPy — scipy.signal.savgol_filter — https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.savgol_filter.html