27. 백색 잡음 / 가우스 잡음 (White Noise / Gaussian Noise)

핵심 인사이트 (3줄 요약)

본질: 백색 잡음(White Noise)은 모든 주파수 대역에서 균일한 전력 스펙트럼 밀도(PSD, Power Spectral Density)를 가지는 랜덤 신호이고, 가우스 잡음(Gaussian Noise, AWGN)은 진폭 분포가 정규 분포(Gaussian Distribution)를 따르는 잡음이다. 실제 통신 채널 모델링에서는 두 특성을 합친 AWGN(Additive White Gaussian Noise)을 표준 잡음 모델로 사용한다.

가치: AWGN 채널 모델은 이론적으로 채널 용량(Shannon Capacity)을 계산하고 변조 방식·오류 정정 코드의 성능을 평가하는 기준이 된다. 섀넌 정리 C = B·log₂(1 + SNR)는 AWGN 채널 가정하에 도출된다.

판단 포인트: AWGN 모델은 열 잡음(Thermal Noise)을 잘 모델링하지만, 실제 무선 채널에는 다중 경로(Multipath), 페이딩(Fading), 간섭(Interference)이 추가로 존재하여 Rayleigh/Rician 채널 모델로 확장된다.

Ⅰ. 개요 및 필요성

┌─────────────────────────────────────────────────────────┐
│            백색 잡음 PSD (Power Spectral Density)        │
├─────────────────────────────────────────────────────────┤
│ 전력 ↑                                                  │
│      │  ─────────────────────────── N₀/2 (균일)         │
│      │                                                   │
│      └──────────────────────────────► 주파수             │
│                                                         │
│ 특징: 모든 주파수에서 동일 전력 → 빛 스펙트럼과 유사       │
│       ('White'는 흰색 빛의 균일 스펙트럼에서 유래)         │
└─────────────────────────────────────────────────────────┘

📢 섹션 요약 비유: 백색 잡음은 FM 라디오 수신이 안 될 때 들리는 "쉬이이이" 소리다. 모든 주파수의 소리가 동시에 균일하게 들리는 것이 바로 백색 잡음의 특성이다.

Ⅱ. 아키텍처 및 핵심 원리

가우스 잡음의 진폭 분포

확률  ↑
      │     ****
      │   **    **
      │  *        *
      │ *          *
      └──────────────► 진폭 (전압)
           μ (평균=0)

특성: 평균=0, 분산=σ² (잡음 전력)
      진폭의 99.7%가 ±3σ 이내

SNR (Signal-to-Noise Ratio, 신호 대 잡음비)

SNR = 신호 전력 / 잡음 전력 = P_signal / P_noise
SNR_dB = 10·log₁₀(SNR)

예: SNR = 100 → SNR_dB = 20dB
    SNR = 10  → SNR_dB = 10dB (신호가 잡음보다 10배)

📢 섹션 요약 비유: SNR은 시끄러운 카페에서 대화 품질이다. 내 목소리(신호)가 배경 소음(잡음)보다 20dB 크면 대화가 명확하다. SNR이 낮으면 "뭐라고요?"를 반복해야 한다.

Ⅲ. 비교 및 연결

비교	AWGN 채널	Rayleigh 채널	Rician 채널
대상	유선/기본 무선	다중 경로 무선	직시 경로 있는 무선
잡음 모델	가우스 분포	레일리 분포	라이시안 분포
활용	이론 성능 한계	도심 무선 채널	LOS 위성 통신

📢 섹션 요약 비유: AWGN은 완벽한 환경에서 전화하는 것, Rayleigh는 건물 사이 골목에서 전화하는 것, Rician은 탁 트인 광장에서 전화하는 것이다. 실제 세계는 항상 Rayleigh/Rician에 가깝다.

Ⅳ. 실무 적용 및 기술사 판단

BER(비트 오류율) 성능 평가

AWGN 채널에서 BPSK의 BER = Q(√(2·Eb/N₀)).
Eb/N₀(비트 당 SNR)이 높을수록 BER 감소.
5G NR에서 PDSCH 목표 BER: ≤ 10⁻³ (BLER 기준).

채널 코딩과 AWGN

터보 코드, LDPC 코드: AWGN 채널에서 이론 한계(섀넌 리밋)에 근접.
5G NR: LDPC(데이터 채널) + 폴라 코드(제어 채널) → AWGN 성능 최적화.
📢 섹션 요약 비유: 채널 코딩은 편지에 오타 수정 코드를 포함하는 것이다. 소음이 많은 채널(AWGN)에서도 수신자가 올바른 내용을 복구할 수 있도록 미리 오류 정정 정보를 추가한다.

Ⅴ. 기대효과 및 결론

기대효과	내용
채널 성능 분석	AWGN 기준 BER 이론값 도출
변조 방식 선택	SNR 대비 최적 변조 방식 결정
코덱 설계	섀넌 한계 근접 오류 정정 코드 설계

AI 기반 채널 추정(Deep Learning Channel Estimation)은 실측 채널 응답을 학습하여 AWGN 가정 없이도 실제 채널에 최적화된 복조를 수행하는 방향으로 발전하고 있다.

📢 섹션 요약 비유: AI 채널 추정은 경험 많은 통역사다. 교과서(AWGN 모델) 없이 실제 사투리(실제 채널)를 직접 학습해서 더 정확하게 내용을 복원한다.

📌 관련 개념 맵

개념	연결 포인트
SNR	잡음 대비 신호 강도, 통신 품질의 핵심 지표
섀넌 정리	AWGN 채널 용량 이론 한계
BER	AWGN 채널에서 변조 방식 성능 비교 기준
열 잡음	가우스 잡음의 물리적 원인
LDPC/터보 코드	AWGN 채널 섀넌 한계 근접 코드

📈 관련 키워드 및 발전 흐름도

[열 잡음 — 저항의 열 운동에 의한 기본 잡음]
    │
    ▼
[AWGN 채널 모델 — 가우스+백색 표준 잡음 모델]
    │
    ▼
[섀넌 채널 용량 — AWGN 기반 이론 한계]
    │
    ▼
[고급 채널 모델 — Rayleigh/Rician 페이딩]
    │
    ▼
[AI 채널 추정 — 딥러닝 기반 실채널 최적화]

👶 어린이를 위한 3줄 비유 설명

백색 잡음은 모든 주파수의 소리가 동시에 들리는 "쉬이이이" 소음이에요 — 흰 빛이 모든 색을 담고 있는 것처럼요!
가우스 잡음은 소음의 크기가 0 근처에 가장 많이 모여있는 종 모양(정규분포) 잡음이에요.
SNR이 높을수록 소음 속에서 말소리(신호)가 잘 들려요 — 휴대폰 통화 품질이 좋다는 뜻이에요!