KR20040032947A - 데이터 세트를 고대역 필터링하는 방법 - Google Patents

Abstract

본 발명은 데이터 세트를 고대역 필터링하는 향상된 방법에 관한 것으로서, 이 방법은 이 데이터 세트를 평탄화하는 단계와, 적응 필터로 이 평탄화된 데이터 세트를 필터링하는 단계를 포함한다. 이 데이터 세트는 기결정된 함수에 적합시키고, 본래 데이터 세트와 적합된 데이터 세트 간의 차이를 획득함으로써 평탄화된다. 장점으로, 이 기결정된 함수는 다항식이다. 이 적응 필터는 이 본래 데이터 세트의 경계들과, 이 본래 데이터 세트의 경계 밖에 있는 제로의 값 내의 상수인 비제로 값(예를 들면, 1)을 지닌 마스킹 함수를 포함한다.

Description

데이터 세트를 고대역 필터링하는 방법{METHOD OF HIGH PASS FILTERING A DATA SET}

데이터 필터링은 원하는 데이터만을 나타내거나 전송하기 위해 잡음 및/또는 다른 원하지 않은 신호 성분들을 억제시키며 데이터 세트를 처리하기 위해 널리 사용하는 방법이다. 신호 처리에 관한 다수의 문헌에 개시된 데이터 필터링 방법은 무수히 많이 존재한다. 디지털 신호 처리는 디지털 신호 처리기(Digital Signal Processors: DSPs)와 소형 고속 컴퓨터의 활용으로 인하여 단기간 내에 많은 발전을 이루었다. 이러한 디지털 신호의 사용은 오디오 콤팩트 디스크에서 많이 사용되고 있다.

현실에서의 데이터 필터링은 항상 유한 데이터 세트를 다루고 세트 경계에 인접한 데이터 세트로부터의 신호의 추출이 문제되고 있다. 컨벌루션 기술이나 변환 기술을 사용하든지, 만약 이 데이터가 갑자기 종료되면, 이러한 불연속성은 원하는 신호들을 왜곡시킬 수 있는 방해물의 형성을 야기할 것이다. 일반적으로 이러한 신호 레벨들이 상수값으로 감소되거나 주기적이거나 또는 데이터가 아포다이제이션(apodization) 방법에 의해 윈도 처리되기에(windowed) 충분한 정도의 간격에 걸쳐 이러한 데이터가 수집된다.

불행하게도, 이러한 획득 또는 윈도 기술들이 적용될 수 없는 경우들이 존재한다.

이러한 경우의 일예는 액정 표시 장치(LCD)의 유리 기판, 반도체 웨이퍼 등과 같은 기판의 나노토포그래피 측정이다. 이 경우에서, 데이터 세트는 2차원이고 상대적으로 큰 불연속성이 존재하고 회피될 수 없는 고정된 경계를 지닌다. 이 데이터 세트는 웨이퍼 표면에 걸쳐 웨이퍼 에지에 이르기까지의 높이, 또는 높이 편차이다. 소정의 신호는 약 1mm내지 0.05mm의 범위 내의 공간 주파수로 이루어진 적은 나노미터의 소량의 크기 편차를 일반적으로 포함한다. 알려진 바와 같이, 주파수와 파장은 역수 관계이다. 여기에 제시된 작업이 시간 영역 신호가 아닌 공간 영역 신호의 필터링에 적용됨으로써 동기 부여된 것과 같이, 파장은 본 명세서에 걸쳐 사용된다. 즉, 관심 대상인 신호들은 1 내지 22mm의 순서로 공간 파장을 포함한다. 이 웨이퍼들은 수백 마이크로미터의 두께를 지니고, 따라서 이 웨이퍼의 에지는 소정의 신호와 비교되어 상당한 불연속성을 나타낸다. 이 경우를 더 악화시키는 것으로, 이 소정의 신호가 20mm 이상의 파장을 지닌 더 큰 크기(수십 마이크로미터)의 신호에 실려가는 것이다. (이러한 신호들은 웨이퍼 제조 공정으로 인하여 이 웨이퍼의 전체 표면에서 대규모의 "파(waves)"를 반영한다).

상술된 필터링 과정의 방해물을 유도함이 없이, 소정의 나노토포그래피 데이터를 검색하기 위해 측정된 크기 데이터를 필터링하는 방법이 시도된다.

종래 필터 기술은 필터링 방해물로 인하여 웨이퍼 에지 부근에서 정확하게 필터링된 데이터를 산출하는데 실패한다. 도 1은 실리콘 웨이퍼에 대한 높이-편차 그래프를 도시하고, 여기서 z=0은 표면의 평균 높이로 정의된다. 평균 높이에 대한 정규화는 수백 마이크로미터로부터의 불연속성을 감소시키나, 일반적인 웨이퍼에 대해서 수 마이크로미터의 불연속성이 존재한다.

도 2는 도 1의 데이터에 종래의 고대역 필터를 적용하였을 때의 결과를 도시하며, 이 필터는 σ=5mm인 가우시안 커널과 20mm의 제곱 지원(support)으로 2차원 컨벌루션을 포함한다. 이 웨이퍼의 중앙부는 보다 큰 크기 편차를 지닌 장파장 데이터에 의해 이전에 마스크된 소정의 나노토포그래피 데이터를 나타내고, 남은 에지의 불연속성은 이 웨이퍼 에지 부근에서 이 데이터를 왜곡시킨다. 도면의 색상 영역은 필터링된 높이가 -100 내지 +100nm의 범위를 초과하는 영역을 나타낸다. 이 웨이퍼 에지의 결과는 웨이퍼 에지의 약 10mm 내의 필터링된 데이터를 왜곡시키기 시작한다.

종래 방법의 실패 이유는, 데이터 경계 부근에서 필터링된 결과를 산출하기 위해 데이터 경계 밖의 데이터를 요구하기 때문이다. 이 데이터는 상술된 바와 같이, 편의를 위해 삽입된 제로들(zeros)이다. 또한, 이 데이터 경계 내로부터 데이터를 보외하려하거나, 이 데이터를 생성하기 위해 거쉬버그(Gershberg)형 알고리즘을 사용하려고 시도한다. 어느 경우에든, 본래 데이터 밖의 데이터가 생성되나 실제가 아니다.

예를 들면, 이 데이터가 본래 경계 밖에서 제로 패드(zero-padded)된다고 가정한다. 표준 고대역 컨벌루션 필터는 이 본래 데이터와, 저대역 필터링된 데이터 간의 차이를 얻음으로써 획득된다. 실리콘 웨이퍼의 나노토포그래피의 영역에서, 적용되는 일반 저대역 필터는 예를 들면 가우시안 커널과 같은 고정된 커널을 지닌 컨벌루션이다. 이 컨벌루션은 하기의 수학식1과 같이 정의된다:

여기서, f는 웨이퍼 표면 데이터를 나타내고, g는 필터 커널을 나타낸다.

이 컨벌루션이 f 및 g에서 대칭적이다. g는 하기의 수학식2와 같이 종종 1로 정규화되는 고정된 함수이다:

상기의 등식들은 일차원에서의 컨벌루션을 나타내지만, 2차원으로의 확장이 가능하다. 이상적으로 이 적분의 경계들은 모든 공간에 걸치나, 실제적으로 이 경계들은 유한하고 커널의 폭과 데이터 세트에 의해 결정된다. 이 함수를 본래 데이터 경계 부근에서 적용하는 것은 이 본래 데이터 경계 밖의 포인트들을 포함하는 것을 의미한다. 이 데이터가 제로 패드된 때, 이 동작의 결과는 이 경계들 내의 데이터가 0보다 크거나 작은 평균이었는지에 의존하여, 이 데이터 경계들 내의 데이터보다 체계적으로 더 낮거나 높을 수 있는 값이다. 만약 이 데이터 경계에서의 불연속성이 관심되는 특성들과 비교된다면, 이 체계적인 경향은 원하는 데이터를 왜곡시킬 수 있을 것이다.

본 발명은 디지털 신호 처리에 관한 것으로서, 특히 디지털 데이터 세트를 고대역 필터링하는 방법에 관한 것이다.

도 1은 실리콘 웨이퍼의 높이 편차 그래프를 도시하고;

도 2는 도 1의 데이터에 종래의 고대역 필터를 적용한 결과를 도시하고;

도 3은 도 1에 도시된 측정된 데이터를 평탄화한 결과를 도시하고;

도 4는 도 1에 도시된 측정된 데이터에 적응 필터를 적용한 결과를 도시하고;

도 5는 도 1에 도시된 측정된 데이터를 평탄화하고 적응 필터링한 결과를 도시하고;

도 6은 데이터 세트를 고대역 필터링하는 방법(600)을 나타내는 순서도이다.

따라서, 데이터 세트를 고대역 필터링하는 방법을 제공하는 것이 이롭다. 또한, 이 데이터 세트 경계에서의 불연속성을 감소된 방해물로 처리하는 향상된 방법을 제공하는 것이 이롭다. 다른 목적 및 이점이 하기에서 개시된다.

본 발명은 유한 데이터 세트를 고대역 필터링하는 방법을 포함한다. 이 방법은 많은 응용 분야를 지니나, 특히 반도체 또는 유리 기판과 같은 기판의 이미지 처리 및 나노토포그래피 측정에 응용될 수 있다.

본 발명의 일 특징에서, 입력 데이터 세트를 고대역 필터링하는 방법은 이 입력 데이터 세트를 평탄화하는 단계 및; 이 평탄화된 데이터 세트를 적응 필터링하는 단계를 포함한다.

또한, 본 발명의 다른 특징에서, 입력 데이터 세트를 고대역 필터링하는 방법은 적합된 데이터 세트를 산출하기 위해 프리셋 함수에 상기 입력 데이터 세트를적합시키는 단계와; 평탄화된 데이터 세트를 산출하기 위해 상기 입력 데이터 세트와 적합된 데이터 세트 간의 차이를 획득하는 단계와; 상기 평탄화된 데이터 세트를 적응 필터링하는 단계 및; 상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 내의 위치에 대응하는 때 고정된 비제로값이고, 상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 외의 위치에 대응하는 때 제로인 마스킹 함수로 상기 적응 필터링된 데이터 세트를 마스크하는 단계를 포함한다.

또한, 본 발명의 또 다른 특징에서, 기판에 대한 나노토포그래피 데이터를 획득하는 방법은 측정된 데이터를 획득하기 위해 상기 기판의 전체 표면에 걸친 높이 프로파일을 측정하는 단계와; 상기 측정된 데이터 세트를 고대역 필터링하는 단계를 포함하고, 상기 고대역 필터링하는 단계는, 상기 측정된 데이터 세트를 프리셋 함수에 적합시키는 단계와 상기 측정된 데이터 세트와 상기 적합된 데이터 세트 간의 차이를 얻음으로써 평탄화된 데이터 세트를 산출하는 단계와, 적응 필터링된 데이터 세트를 산출하기 위해 상기 평탄화된 데이터 세트를 적응 필터링하는 단계 및, 상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 내의 위치에 대응하는 때 고정된 비제로값이고, 상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 외의 위치에 대응하는 때 제로인 마스킹 함수로 상기 적응 필터링된 데이터 세트를 곱하는 단계를 포함한다.

도 6은 데이터 세트를 고대역 필터링하는 방법(600)을 나타내는 순서도이다. 이 방법(600)은 2단계 프로세스로 이루어진다.

단계(610)에서, 이 데이터 세트는 "평탄화된다(flattened)". 첫째로, 서서히 변화하는 함수가 이 측정된 데이터 세트에 적합된다. 그리고, 이 적합된 데이터 세트(이 함수로부터 획득된 데이터 포인트들)는 평탄화된 데이터 세트를 산출하기 위해 이 측정된 데이터 세트로부터 제하여진다(또는 그 역으로). 이 서서히 변화하는 함수는 최소 제곱 적합(least squares fit) 알고리즘을 채용함으로써 이 측정된 데이터에 적합된다. 이 "평탄화하는" 단계(610)는 이 데이터 에지에서의 불연속성을 감소시키면서 고주파수 내용(content)을 그대로 남겨둔다. 이 측정된 데이터와 "적합 함수" 간의 차이는 본래 데이터 경계 밖에서 0으로 설정된다.

다음으로, 제2단계(620)에서, 단계(610)로부터의 결과인 평탄화된 데이터 세트는 적응 정규화 컨벌루션 필터를 사용하여 필터링된다.

평탄화.

단계(610)에서, 이 측정된 데이터 세트는 기정의된 서서히 변화하는 함수에 적합된다. 이 개념은 후속하는 단계에서 감소될 주파수에 의해 주파수 내용이 제어되는 함수에 이 데이터를 적합시키는 것이다.

상술된 반도체 또는 유리 웨이퍼의 나노토포그래피 측정의 경우, 7 내지 11의 차수의 다항식이 채용되는 것이 이롭다. 9차수의 다항식은 웨이퍼에 의해 지원되는 가장 낮은 주파수의 약 9배에, 즉 직경 D인 웨이퍼에 대해서 9/D에 이르는 주파수들을 포함할 것이다. 이 본래 데이터 경계 밖의 데이터 값들에 대한 가정 없이, 가능한 측정된 데이터가 이 다항식에 적합된다. 따라서, 이 적합 함수는 이 웨이퍼의 에지까지 이르는 웨이퍼 형상의 저주파수 내용을 나타낸다.

200mm 반도체 웨이퍼로부터 획득된 데이터를 필터링하는 때, 1차수의 다항식이 채용된다. 이 다항식 차수의 선택은 원하는 장파장 특성의 억제 정도에 따라 이루어진다. 사실, 적합될 다항식의 차수와 차원은 이 평탄화기(flattener)의 차단 파장을 결정한다. 이 다항식 차수의 결정의 주요 규칙은 하기의 수학식 3과 같다:

여기서, N은 다항식 차수이고, D는 데이터의 영역이고, λ는 고대역 필터의 원하는 차단 파장이다.

이 선택은 평탄화 단계(610)가 λ보다 짧은 파장으로 이루어진 피처(feature)를 억제하기 않으나, λ보다 긴 파장들로 이루어진 피처를 억제한다.

도 3은 상술된 과정을 사용하여 도 1에 도시된 측정된 데이터를 평탄화한 결과를 도시한다. 이 평탄화된 데이터는 나노토포그래피 피처들을 나타내기 시작하나 웨이퍼 에지에서의 훨씬 더 작은 불연속성과 불명확한 왜곡을 나타낸다. 이 예에서 사용된 다항식은 9차수 다항식이다.

적응 필터링.

단계(620)에서, 이 평탄화된 데이터 세트는 적응 컨벌루션 필터를 통과한다. 이 필터는 웨이퍼 에지에 접근함에 따라 g를 적응시키도록 된다. 적응 필터 커널들은 필터링 분야에서 새로운 것이 아니나, 종종 이미지 처리에 적용된다. 이러한 경우에, 이 커널은 피처에 접근함에 따라 마스킹에 의해 적응된다.

그러나, 개시된 방법은 이 데이터 경계들 밖에 있는 데이터에 대한 가정이 요구되지 않는 점에서 종래 방법보다 우월하다. 여기서, 이 커널이 웨이퍼 에지에 접근할 때 이 웨이퍼 경계 밖에 있는 제로로 가도록 된다.

만약 이 데이터가 이미 제로 패드되었다면, 상수 커널이 정확하게 동일한 결과를 성취하기 위해 채용될 수 있다. 이 단순한 방법에서의 문제는 이 커널은 상수가 아니고, 이 커널이 정규화된 것이라는 가정이 컨벌루션의 모든 결과들에서 유효하지 않다는 것이다. 따라서, 만약 데이터가 제로 패드되면, g 밑의 유효 영역은실제적으로 감소하고 되고, 따라서 획득될 컨벌루션 값은 많이 적다.

이 문제는 하기의 수학식 4와 같은 정규화된 컨벌루션에 의해 해결된다:

여기서, M은 적응 필터링된 데이터가 본래 측정된 데이터 세트 내의 위치에 대응할 때 고정된 비제로 값(예를 들면, 1)이고, 이 적응 필터링된 데이터가 본래 측정된 데이터 밖의 위치에 대응할 때 0인 마스킹 함수이다.

이러한 정의는 본래 데이터 세트의 데이터 경계 내의 모든 포인트들에 대한 종래의 컨벌루션 필터와 동일하나, 이 데이터 경계 부근에서 상이하다. 사실적으로, 만약 데이터가 초기에 제로 패드되었다면, 분자는 이전에 개시된 종래 컨벌루션과 동일하다. 이 차이는 정규화에 있다. 정의 내의 배수 M은 특이점(singularities)을 방해하는 점이 인식되어야 한다.

이 방법을 사용하는 경우의 하나의 결점은 이 필터의 차단 주파수가 이 데이터 세트에서의 위치에 종속적이라는 점이다. 이것은 이 커널 지원(kernel support)이 종속적인 위치이고 이 차단 주파수가 이 커널 지원에 약하게 종속적이기 때문이다. 나노토포그래피에 대한 데이터를 필터링하는 경우, 저주파수 차단은 인자 2만큼 증가한다. 나노토포그래피 응용분야에서, 저주파수에서의 증가된 전송은 고주파수 데이터를 추출하는 것만큼 중요한 것은 아니다.

이 적응 필터는 진정한 고대역 필터로써, 또는 이 평탄화된 데이터를 저대역 필터링한 이후에 저대역 필터링된 데이터 세트를 이 적응 필터로 입력된 이 평탄화된 데이터 세트로부터 제함으로써 구현될 수 있다.

도 4는 도 1에 도시된 비평탄화된 측정된 데이터에 적응 필터를 적용한 결과를 도시한다. 종래 필터에 대해서 향상점이 보이나, 에지 부근의 데이터는 불연속성에 의해 영향을 여전히 받는다.

도 5는 도 1에 도시된 측정된 데이터에 2단계 프로세스(600)(적응 필터링에 선행하는 9차수 다항식으로 평탄화하는 단계)를 적용한 결과를 나타낸다. 이 결과는 이 웨이퍼 에지의 모든 부분에서 원하는 고주파수를 나타낸다. 정말로, 이 데이터를 평탄화하는 단계는 이 웨이퍼의 내부의 장파장 특성들을 향상시킨다.

개시된 필터링 방법은 사용가능한 데이터가 본래적으로 0에 대한 경향이 없을 때 종래 필터링 방법보다 우수하다. 데이터의 윈도잉이 요구되지 않고 데이터 경향에 대한 가정이 요구되지 않는다. 사용가능한 모든 데이터가 사용되고 데이터가 만들어지지 않는다. 개시된 방법은 데이터 자체에 대한 가정없이 이 데이터 경계 부근의 데이터를 최적으로 처리할 때 표준 컨벌루션 및 퓨리에 기술을 향상시킨다. 이 필터를 최적화할 때 요구되는 것은 원하는 차단 파장의 선택이다. 이 선택에서, 평탄화 단계에서 사용되는 다항식의 차수와 적응 필터 커널의 차단 파장이 결정된다. 이 필터링 방법은 데이터 경계 부근에서의 데이터의 향상된 처리로 인하여 종래 방법보다 우수한 특징을 지닌다.

상술된 방법은 현재의 전자기학의 향상된 연산 능력을 사용하고 향상된 디지털 신호 처리에 대한 경향에 함께 한다. 이 기술은 상술된 웨이퍼 토포그래피 및 이미지 처리에 적용가능하고, 예를 들면 레이더, 동기 LIDAR 및 오디오 신호들과 같은 1차원 데이터의 분석에 널리 적용될 수 있다.

Claims (17)

1. 기판에 대한 나노토포그래피 데이터를 획득하는 방법에 있어서, 상기 방법은:

   측정된 데이터를 획득하기 위해 상기 기판의 전체 표면에 걸친 높이 프로파일을 측정하는 단계와;

   상기 측정된 데이터 세트를 고대역 필터링하는 단계를 포함하고, 상기 고대역 필터링하는 단계는,

   상기 측정된 데이터 세트를 프리셋 함수에 적합시키는 단계와 상기 측정된 데이터 세트와 상기 적합된 데이터 세트 간의 차이를 얻음으로써 평탄화된 데이터 세트를 산출하는 단계와,

   적응 필터링된 데이터 세트를 산출하기 위해 상기 평탄화된 데이터 세트를 적응 필터링하는 단계 및,

   상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 내의 위치에 대응하는 때 고정된 비제로값이고, 상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 외의 위치에 대응하는 때 제로인 마스킹 함수로 상기 적응 필터링된 데이터 세트를 곱하는 단계를 포함하는 것을 특징으로 하는 기판에 대한 나노토포그래피 데이터를 획득하는 방법.
2. 제1항에 있어서, 상기 기판은 반도체 기판 및 유리 기판 중의 하나인 것을 특징으로 하는 기판에 대한 나노토포그래피 데이터를 획득하는 방법.
3. 제1항에 있어서, 상기 프리셋 함수는 다항식 함수인 것을 특징으로 하는 기판에 대한 나노토포그래피 데이터를 획득하는 방법.
4. 제3항에 있어서, 상기 다항식 함수는 9 내지 11의 다항식 차수를 지닌 것을 특징으로 하는 기판에 대한 나노토포그래피 데이터를 획득하는 방법.
5. 제1항에 있어서, 상기 평탄화된 데이터 세트를 적응 필터링하는 단계는 상기 평탄화된 데이터 세트를 고대역 필터링하는 단계를 포함하는 것을 특징으로 하는 기판에 대한 나노토포그래피 데이터를 획득하는 방법.
6. 제1항에 있어서, 상기 측정된 데이터 세트는 최소 제곱 적합 알고리즘으로 상기 프리셋 함수에 적합된 것을 특징으로 하는 기판에 대한 나노토포그래피 데이터를 획득하는 방법.
7. 제1항에 있어서, 상기 평탄화된 데이터 세트를 적응 필터링하는 단계는 상기 평탄화된 데이터 세트를 저대역 필터링하는 단계와 상기 평탄화된 데이터 세트로부터 상기 저대역 필터링된 데이터 세트를 제하는 단계를 포함하는 것을 특징으로 하는 기판에 대한 나노토포그래피 데이터를 획득하는 방법.
8. 입력 데이터 세트를 고대역 필터링하는 방법에 있어서, 상기 방법은:

   적합된 데이터 세트를 산출하기 위해 프리셋 함수에 상기 입력 데이터 세트를 적합시키는 단계와;

   평탄화된 데이터 세트를 산출하기 위해 상기 입력 데이터 세트와 적합된 데이터 세트 간의 차이를 획득하는 단계와;

   상기 평탄화된 데이터 세트를 적응 필터링하는 단계 및;

   상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 내의 위치에 대응하는 때 고정된 비제로값이고, 상기 적응 필터링된 데이터가 상기 측정된 데이터 세트 외의 위치에 대응하는 때 제로인 마스킹 함수로 상기 적응 필터링된 데이터 세트를 마스크하는 단계를 포함하는 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
9. 제8항에 있어서, 상기 프리셋 함수는 다항식 함수인 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
10. 제8항에 있어서, 상기 다항식 함수는 9 내지 11의 다항식 차수를 지닌 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
11. 제8항에 있어서, 상기 측정된 데이터 세트는 최소 제곱 적합 알고리즘으로 상기 프리셋 함수에 적합된 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
12. 제8항에 있어서, 상기 평탄화된 데이터 세트를 적응 필터링하는 단계는 상기 평탄화된 데이터 세트를 고대역 필터링하는 단계를 포함하는 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
13. 제8항에 있어서, 상기 평탄화된 데이터 세트를 적응 필터링하는 단계는 상기평탄화된 데이터 세트를 저대역 필터링하는 단계와 상기 평탄화된 데이터 세트로부터 상기 저대역 필터링된 데이터 세트를 제하는 단계를 포함하는 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
14. 입력 데이터 세트를 고대역 필터링하는 방법에 있어서, 상기 방법은:

    상기 입력 데이터 세트를 평탄화하는 단계 및;

    상기 평탄화된 데이터 세트를 적응 필터링하는 단계를 포함하는 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
15. 제14항에 있어서, 상기 입력 데이터 세트를 평탄화하는 단계는:

    적합된 데이터 세트를 산출하기 위해 상기 입력 데이트 세트를 프리셋 함수에 적합시키는 단계와;

    상기 평탄화된 데이터 세트를 산출하기 위해 상기 입력 데이터 세트와 상기 적합된 데이터 세트 간의 차이를 획득하는 단계를 포함하는 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
16. 제15항에 있어서, 상기 프리셋 함수는 다항식 함수인 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.
17. 제16항에 있어서, 상기 다항식 함수는 9 내지 11의 다항식 차수를 지닌 것을 특징으로 하는 입력 데이터 세트를 고대역 필터링하는 방법.