본 논문은 생리 신호 분석을 위한 새로운 wavelet 기반 접근법을 제시합니다. 생리 신호의 움직임 인공물, 기준선 드리프트 및 저 SNR 잡음 문제를 해결하기 위해, 다양한 생리 신호의 다중 스케일 시계열-주파수 특징을 포착하는 wavelet 변환을 활용합니다. EMG와 ECG에 특화된 대규모 사전 학습 모델을 최초로 제시하여 기존 성능을 능가하는 결과를 보였으며, EEG 모델을 통합한 통합 다중 모달 프레임워크를 구축하여 저 SNR, 높은 개인 간 변동성, 장치 불일치 문제를 효과적으로 해결하고 다중 모달 작업에서 기존 방법보다 우수한 성능을 달성했습니다. 웨이블릿 기반 아키텍처는 다양한 생리 신호 분석의 기반을 마련하고, 다중 모달 설계는 웨어러블 건강 모니터링, 임상 진단 및 광범위한 생의학 응용 분야에 영향을 미칠 차세대 생리 신호 처리를 제시합니다.
