머신러닝을 활용한 프로펠러 날개끝 캐비테이션 소음원 위치 추정 연구

홍성훈 서울대학교 대학원 2022 국내석사

프로펠러에서 발생한 캐비테이션 소음은 선박 수중방사소음의 주요 원인으로 특히 군함의 경우 잠수함에 의한 피탐 성능에 영향을 미친다. 이러한 캐비테이션의 발생을 지연시키거나 최소화하기 위해 설계단계부터 프로펠러의 성능을 추정하고 공동터널에서 모형 프로펠러 시험을 수행하고 있다. 기존에 수행된 연구에서 프로펠러 상부 선체에 센서를 매립하여 수중음향 분야에서 음원의 위치 추정 또는 환경인자 역산에 사용되는 기법을 적용해 캐비테이션의 위치를 추정하였다. 실험에서 총 6개의 음향센서를 사용했으며 음향센서 수량 감소에 따른 위치 추정 영향 검토 결과 음향센서 4개까지는 비교적 정확한 위치 추정이 가능했으나 3개의 센서를 이용한 경우 정확도가 현저히 낮아지는 것을 확인할 수 있었다. 음향센서를 이용한 캐비테이션 위치 추정기법을 실선에 적용하기 위해서는 매립 과정 및 비용 등을 고려할 때 매립되는 센서 수량을 최소화하는 것이 필요하다. 따라서 본 연구에서는 기존의 연구에서 낮은 정확도를 나타낸 3개의 음향센서를 이용한 캐비테이션 위치 추정기법에 최근 다양한 분야에서 활용되고 있는 순방향 신경망 학습 기법을 적용하여 위치 추정 성능을 향상시키고자 하였다. 3개의 센서 데이터에 순환신경망 모델을 적용한 결과 기존의 정합장 역산 기법보다 정확한 위치를 추정할 수 있었다. The cavitation noise generated from propellers is a major cause of underwater radiated noise in ships, and especially in the case of naval ships, it is closely related to the possibility of detection by submarines. Therefore, from the design stage, the required performance of the propeller is estimated, and a model propeller test is performed in a common tunnel. In the previous study, the location of cavitation was estimated by embedding the sensor in the upper hull of the propeller and applying the matching field processing technique used for estimating the source localization in the underwater acoustic field or inverting environmental factors. In order to apply the cavitation localization technique using the acoustic sensor to real ships, it is necessary to minimize the number of sensors to be installed on the hull in consideration of the process and cost. Therefore, in this study, the localization performance is improved by applying the forward neural network learning technique used in various fields to the cavitation localization technique using three acoustic sensors, which showed low accuracy in previous studies.

선배열 센서의 군집 신호처리를 이용한 수중음향 탐지 기법에 관한 연구

이철원 서울대학교 대학원 2024 국내박사

선 배열 음향센서 신호의 군집 신호처리를 이용한 수중 음파탐지 기법에 관한 연구 항법용으로 원격운용 수중로봇(ROV)이나 자동항법 무인 수중로봇(AUV)에 이용되는 소나로서 전방주시 소나(Forward Looking Sonar)가 있다. 전방주시 소나는 설치 특성상 소형의 저중량, 저전력 작동이 필수이다. 전방주시 소나의 영상획득을 위한 일반적인 빔형성 기법은 다중 센서 기반의 Delay & Sum기법이 주로 이용되며 일부 개선된 형태가 주를 이룬다. 본 연구는 이러한 전방주시 소나의 소형화 저전력 사용을 목적으로 Delay & Sum 기법을 개량한 다중 소나 센서의 군집 신호 처리 기법을 제안한다. 제안 군집 신호처리 기법은 Delay & Sum 기법이 각 센서 별 ADC(Analog to Digital Conversion)를 필요로 하는 것과 달리 4개의 센서씩 그룹으로 묶인 신호의 합에 대하여 2개의 신호선에 대한 ADC만을 필요로 한다. 또한 기존 군집 신호 처리 기법은 각 센서 별 물리적 또는 전기적 위상 변화를 필요로 하였으나 본 연구 기법은 이러한 회로상 복잡성을 제거하였다. 개발 빔형성 기법은 기존의 군집 신호 처리 기법이 갖는 대칭 모호성을 각 그룹 별 위상 차를 통하여 제거하는 방법을 소개 하였으며 이를 적용한 실제 실험 영상을 제시 하였다. 또한 수치 시험을 통하여 같은 센서 조건에서 기존의 Delay & Sum 신호 처리 기법과 동일한 해상도를 갖음을 수치 시험으로 증명한다. 본 연구 결과는 기존 대비 저전력 소형화된 저중량의 전방주시 소나 개발에 이용 가능하다. 주요어 : 전방주시소나, 빔형성 기법, Delay&Sum, 군집신호처리 학 번 : 2018-38265 Forward Looking Sonar is a sonar mainly used in remotely operated underwater robots (ROV) or autonomous unmanned underwater robots (AUV) for navigation. Due to the installation condition of ROV or AUV, small size, low weight, and low-power operation are essential for forward looking sonar. The general beam forming technique for image acquisition of forward-looking sonar is the multi-sensor based Delay & Sum technique, mainly in some improved form. This study proposes a cluster signal processing technique for multiple sonar sensors that improves the Delay & Sum technique for the purpose of miniaturization and low-power use of forward-looking sonar. Unlike the Delay & Sum technique, which requires an ADC (Analog to Digital Conversion) for each sensor, the proposed cluster signal processing technique only requires ADC for two signal lines for the sum of signals grouped by four sensors. In addition, existing cluster signal processing techniques required physical or electrical phase changes for each sensor, but this research technique eliminated this circuit complexity. The developed beam forming technique introduced a method of removing the symmetric ambiguity of the existing cluster signal processing technique through phase difference for each group, and presented an actual experimental results applying this method. In addition, it is proven through numerical tests that it has the same resolution as existing signal processing techniques under the same sensor conditions. The results of this study can be used in the development of a forward-looking sonar that is low-power, compact, and light in weight compared to existing ones.

흡음재 배치 최적화에 따른 다층 흡음형 소음기의 음향성능 연구

강동헌 서울대학교 대학원 2024 국내석사

함정 내부에는 다수의 배관이 존재하며, 배관 내부에 물과 같은 유체가 흐르면서 소음이 발생하게 된다. 이와 같은 수중방사소음은 함정의 생존성과도 직결되는 문제이기 때문에 배관 소음을 줄일 수 있는 소음기의 설치 및 운용은 필수적이다. 하지만 함정 내부의 협소한 공간을 고려했을 때 소음기의 크기는 제한적일 수 밖에 없으며, 이러한 환경에서는 음향성능이 우수한 흡음형 소음기가 주로 사용된다. 본 연구에서는 다층 흡음형 소음기의 음향성능을 향상시키기 위해 흡음재 배치 순서를 최적화하였다. 소음기의 음향성능은 투과손실로 판단하였으며, 투과손실을 계산하기 위해 유한요소법 기반 수치해석 프로그램을 사용하였다. 흡음재는 흡음형 소음기에서 많이 사용되는 다공탄성 물질인 폴리우레탄을 사용하였으며, 내부에 공기가 흐르는 상황을 가정하여 Biot-Allard 모델을 적용하였다. 흡음재가 단층으로 구성되어 있을 때 음향성능에 영향을 주는 물성치를 확인하였으며, 표준 물성치를 바탕으로 단층 흡음형 소음기의 음향성능을 확인하였다. 이후 다층 흡음형 소음기에서 목적함수를 설정하고 흡음재 배치 순서를 최적화하였으며, 단층 흡음형 소음기에 비해 음향성능이 확연히 증가하는 것을 확인하였다. There are many pipes inside the ship, and the flow of fluid within these pipes generates noise. Because underwater radiated noise is a problem directly related to the survivability of ships, it is essential to install and operate a silencer that can reduce pipe noise. However, due to the confined space within the ship, the size of the silencer is limited. In such environments, absorptive silencers with excellent acoustic performance are commonly employed. In this study, the acoustic performance of a multi-layered absorptive silencer was enhanced by optimizing the arrangement of the absorbing materials. The acoustic performance of the silencer was evaluated through transmission loss, and finite element method-based numerical analysis program was employed to calculate the transmission loss. Polyurethane, a porous elastic material frequently used in absorptive silencers, was employed as the absorbing material. The Biot-Allard model was applied, assuming that air is filled inside the polyurethane. The acoustic performance affecting properties of the absorbing materials were investigated when it was composed as a single layer, and the acoustic performance of the single-layered absorptive silencer was examined based on standard material properties. Subsequently, an objective function was established for the multi-layered absorptive silencer, and the arrangement of the absorbing materials was optimized. The results demonstrated that the acoustic performance improved compared to the single-layered absorptive silencer.

Physics-Informed Neural Network-based Unmeasured Pressure Field Prediction for Ocean Acoustic Problems

윤승현 서울대학교 대학원 2024 국내박사

In underwater environments, acoustic waves can propagate longer distances compared to electromagnetic waves. Consequently, signal processing using acoustic waves, typically represented by SONAR (Sound navigation and ranging), predominates in ocean environments. The acoustic pressure field measured through hydrophones contains diverse information, which finds applications in various tasks such as sound source detection, localization, ocean acoustic tomography, and geoacosutic inversion. Forward modeling is essential to solve these inverse problems of estimating parameters from acoustic signals. In order to model the ocean acoustic wave field, accurate information about environmental parameters such as sound speed profiles, bathymetry, and sediment properties is required. However, the ocean is spatially vast and temporally variable, often resulting in situations with unknown or inaccurate environmental parameters. Geoacoustic parameters are notably difficult to measure directly, so inversion methods are commonly employed instead. However, these geoacoustic inversion methods rely on bottom models and require a certain level of prior knowledge about the seabed. Another challenge in solving inverse problems is a lack of experimental data due to expensive sea trials and limitations of small receiver sizes compared to vast oceans. In addition, the phase is significantly sensitive to even small range variation and is also influenced by the Doppler effect. Consequently, measuring precise phases in experiments is challenging, and degrades range-coherent processing. In order to overcome these limitations, this dissertation developed the method OceanPINN, which predicts an unmeasured acoustic pressure using a physics-informed neural network. OceanPINN utilizes a partially sampled pressure magnitude, with sound speed profile as prior information. OceanPINN does not require any prior knowledge of the bottom. The pressure field is transformed into a low-fluctuating envelope to facilitate the neural network training. OceanPINN is trained with this envelope and can generate the complex pressure field after training is completed. The validations against the simulation and experimental data verified the robustness of the proposed methods. OceanPINN can generate data at desired points with accurate phases, offering potential applications across various fields. In this dissertation, the generated data from OceanPINN is utilized for normal mode estimation. Range-coherent sparse Bayesian learning-based method estimates mode wavenumbers with OceanPINN-generated data. The accurate phase of generated data enhances range-coherent normal mode estimation, resulting in improved performance compared to the raw data. Though this dissertation addresses normal mode estimation as an example of application, the OceanPINN can be applied as a preprocessing method for various problems, such as geoacoustic inversion, direction of arrival estimation, and localization. 수중 환경에서는 음파가 전자기파보다 더 긴 거리까지 전파될 수 있습니다. 그 결과, 소나 (Sound navigation and ranging)로 대표되는 음파를 사용한 신호 처리가 해양 환경에서 주로 사용됩니다. 수중음향센서를 통해 측정된 음향 압력장에는 다양한 정보가 포함되어 있으며, 이는 음원 탐지, 위치 추정, 해양 음속 구조 역산, 지음향 인자 역산 등 다양한 작업에 활용됩니다. 음향 신호로부터 변수를 추정하는 역산문제를 해결하기 위해 모델링이 필수적입니다. 해양 음장을 모델링하기 위해서는 음속 프로파일, 해저 지형, 지음향 특성 등과 같은 정확한 환경 변수에 대한 정보가 필요합니다. 하지만 해양은 공간적으로 넓고 시간적으로 변화가 심해 환경 변수를 모르거나 부정확한 경우가 많습니다. 지음향 변수는 직접 측정하기 어려워 역산을 이용해 주로 추정됩니다. 그러나 이러한 지음향 인자 역산 방법은 해저면 모델에 의존하며 해저면에 대한 일정 수준의 사전 지식이 필요합니다. 역산 문제를 방해하는 또 다른 원인은 비싼 해상 실험과 넓은 해양에 비해 작은 수신기 크기로 인한 실험 데이터 부족입니다. 또한, 위상은 작은 거리 변화에도 상당히 민감하게 변화하며 도플러 효과의 영향을 받습니다. 그 결과, 실험에서 정확한 위상을 측정하는 것은 어렵고, 이로 인해 range-coherent prrocessing의 성능이 저하됩니다. 이러한 한계를 극복하기 위해, 이 논문에서는 물리 정보 신경망을 사용하여 측정되지 않은 음장을 예측하는 OceanPINN 방법을 개발하였습니다. OceanPINN은 음속 프로파일을 사전 정보로 사용하며 부분적으로 샘플링된 음장의 크기 (magnitude)를 사용합니다. OceanPINN은 해저면에 대한 사전 지식이 필요하지 않습니다. 음장은 인공 신경망의 학습을 용이하게 하기 위해 천천히 변화하는 envelope로 변환됩니다. OceanPINN은 이 envelope을 이용해 학습되며 학습이 끝나면 복소 음장 (complex pressure)을 생성할 수 있습니다. 시뮬레이션 및 실험 데이터에 대한 검증은 제안된 방법의 견고함 (robustness)을 확인하였습니다. OceanPINN은 원하는 지점에서 정확한 위상을 가진 데이터를 생성할 수 있으며, 이는 다양한 분야에서의 응용 가능성을 제공합니다. 이 논문에서는 OceanPINN에서 생성된 데이터를 정상 모드 추정에 사용합니다. 희소 베이지안 학습 (Sparse-Bayesian learning) 기반 방법은 OceanPINN에서 생성된 데이터를 이용하여 모드 파수를 추정합니다. 생성된 데이터의 정확한 위상은 range-coherent 정상 모드 추정 기법을 향상시켜 기존 데이터에 비해 성능을 향상시킵니다. 이 논문에서는 정상 모드 추정을 예시로 다루지만, OceanPINN은 지음향 인자 역산, 도래각 추정, 위치 추정 등 다양한 문제에 대한 전처리 방법으로 적용될 수 있습니다.

수동소나 시뮬레이터 소음원 모의 및 간섭패턴 분석

김병욱 서울대학교 대학원 2013 국내석사

잠수함에서 적 수상함이나 잠수함을 원거리에서 탐지하고 공격까지 수행하기 위한 장비로 수동소나를 들 수 있다. 수동소나에 수신되는 소음원은 적 수상함이나 잠수함의 방사소음과 해양환경의 변화에 따른 해양배경소음, 잠수함의 속력에 따라 잠수함 선체를 흐르면서 소나에 수신되는 자체소음 등이 있다. 국내의 기존 잠수함 시뮬레이터들은 이런 소음원들을 모의하기 위하여 아주 간단한 알고리듬을 사용하거나 실제원음을 불러오는 방식으로 모의를 하였다. 그러나 이러한 방식은 실제 해양에서 환경과 기동시나리오에 따라 수신음의 레벨과 패턴이 다르게 나타날 수 있는 점을 간과하고 있다. 본 논문에서는 각 소음원들을 실제와 가깝게 모의할 수 있도록 알고리듬을 제시하며, 그러한 소음원들이 전달모델을 통해 잠수함에 전달되는 과정을 모의하여 실제와 가까운 소음원을 모의하는데 중점을 두었다. 이렇게 함으로써 잠수함 수동소나에 소음원 알고리듬을 적용하여 잠수함 승조원들이 평시에 시뮬레이터를 통하여 실제와 가까운 해양환경에서 잠수함 시뮬레이션이 가능하게 함으로써 잠수함 승조원들의 훈련효과를 극대화하는데 도움이 되리라 본다.

배관용 소음기의 흡음재 물성치에 다른 음향성능 연구

이용범 서울대학교 대학원 2021 국내석사

함정에 탑재되는 장비의 대형화로 탑재되는 냉각계통이 증가하게되고, 그로 인해 배관소음이 증가함에 따라 함내소음 및 수중방사소음이 증가하게 된다. 본 연구에서는 이런 배관소음을 줄이기 위해 크기 대비 성능이 우수한 흡음형 소음기의 음향성능을 수치해석 방법을 이용하여 예측 및 분석하였다. 이를 위해 단일확장형 소음기의 성능을 실험 및 수치해석 방법을 이용하여 검증하였다. 또한 기존 실험 방법의 문제점을 파악하여 새로운 실험 방법을 제안하였다. 소음기의 음향성능은 자체 성능을 나타내는 지표인 투과손실(Transmission loss)을 이용하여 나타내었고, 실험은 배관 끝단 임피던스를 바꿔서 측정하는 Two-load 방법을 사용하여 결과를 도출하였다. 수치해석 방법은 범용 유한요소해석 프로그램을 사용하였고, 흡음재의 흐름저항성(Flow resistivity)을 입력 매개변수로 하는 Delany-Bazley-Miki 모델을 적용하였다. 최종적으로, 단순확장형 및 흡음형 소음기 음향성능 각각에 대해 실험·모의 결과를 비교하여 결과의 일치성을 확인하였고, 흡음재 물성치에 따른 4가지 분류에 대한 모의결과를 예측 및 분석하였다. As the size of equipment mounted on the ship is enlarged, the cooling system to be mounted increases. So as the pipe noise increases, the noise inside the ship and underwater radiation noise(URN) increase. In this study, the acoustic performance of a dissipative silencer with excellent performace for size was predicted and analyzed using a numerical analysis method to reduce the pipe noise. To this end, the performance of the single expansion chamber silencer was verified using experimental and numerical analysis methods. In addition, a new experimental method was proposed by identifying the problems of the existing experimental method. The acoustic performance of the silencer was expressed using the transmission loss(TL), an indicator of its own performance, and the result was derived using the two-load method, which measured by changing the impedance at the end of the pipe. For the numerical analysis method, a general-purpose finite element analysis program was used, and the Delany-Bazley-Miki model with the flow resistivity of the sound absorbing material as an input parameter was applied. Finally, we compared the experimental and simulated results for each of the acoustic performances of the simple expansion type and the dissipative silencer to confirm the consistency of the results, and predicted and analyzed the simulation results for four classifications according to the properties of the sound absorbing material.

A Study on Underwater Acoustic Source Localization using Compressive Sensing-Based Approach

박민석 서울대학교 대학원 2021 국내박사

삼차원 음향 소음원의 위치추정은 잠수체, 산란체, 캐비테이션 소음원의 분석을 위해 필수적인 과정이다. 전통적인 빔형성 기법은 강인한 위치 추정 결과를 제공하나, 하나의 소음원의 위치만을 구분할 수 있는 저해상도의 결과를 보인다. 고해상도의 위치 추정 결과를 얻기 위해 최근 압축센싱 기반의 위치 추정 기법들이 사용되어 지고 있다. 압축센싱 기법은 희소성을 가진 신호의 획득,처리,복원에 효과적인 방법이며 영상처리, 수중음향, 최적화 문제 등에서 널리 활용되어지고 있다. 수중 소음원의 위치 추정을 위하여 압축센싱 기밥의 기법들이 적용되어 왔으며 전통적인 빔형성 기법에 비하여 해상도 측면에서 더 나은 성능을 보여주었다. 하지만 이러한 해상도 측면의 성능 향상에도 불구하고 압축센싱 기반의 방법은 여전히 문제점들을 가지고 있다. 첫번째, 압축센싱 기법은 전통적인 빔형성 기법에 비해 수치 연산 과정이 불안전성을 가진다. 비록 고해상도의 성능을 보여주나 압축센싱 기법은 수치해석 과정에서 불안정한 모습을 보여주며, 안정적인 복원을 저해한다. 두번째, 기저불일치로 인한 오차가 정확한 소음원의 위치 추정을 저해한다. 게다가 3차원 소음원의 위치 추정 문제는 이러한 기저 불일치를 해결할 수 있는 기법이 아직까지 개발되지 못하였다. 본 논문은 기존의 압축센싱 기반의 위치 추정 기법이 가지는 문제점을 파악하고 3차원 위치 추정 문제를 다룰 수 있는 향상된 압축센싱 기법을 소개한다. 탐색 공간 사이의 높은 상관관계로 인하여 발생하는 해의 불안정성을 해결아기 위하여 ``다중주파수 상관 처리기법"을 소개하고, 3차원 위치 추정문제에서 기저불일치 문제를 해결할 수 있는 ``유동 탐색 격자 기법"을 소개한다. 제안된 기법은 전통적인 빔형성 기법에 비하여 정확한 위치 추정 결과를 제공하며 실험 데이터를 통한 위치 추정결과를 이용하여 이러한 주장을 뒷받침하였다. 본 연구에서는 수중음향 소음원의 3차원 위치 추정 문제를 중점적으로 다루었으나, 제안된 기법은 소나 및 레이더, 음향 소음원 위치 추정 문제에도 효과적으로 적용될 수 있을 것으로 기대된다. Three-dimensional acoustic localization is an essential process to analyze the underwater sound sources such as submarine, scatterer, marine cavitation. Traditional beamforming processors provide robust localization results, however, the results show a low-resolution result which only reveals one dominant source location. In order to obtain the high resolution localization results, compressive sensing(CS) based approaches have been used recently. CS technique is an effective way for acquiring, processing, reconstructing the sparse signal and has wide applicability to many research fields such as image processing, underwater acoustics and optimization problems. For localizing the underwater acoustic sources, CS-based approaches have been adopted in many research fields and have shown better localization performance compared to the traditional beamforming processors in terms of resolution. Despite the performance improvement in resolution, there are still problems that need to be resolved when using the CS-based method. First, the CS-based method does not appear to be robust compared with the traditional beamforming processors. CS-based method provides high-resolution results, however, it suffers from computational instability which hinders the stable reconstruction. Second, basis mismatch error hindrances estimating the exact source locations. Moreover, there is no basis mismatch estimation technique applicable to 3D source localization problem. This dissertation points out the limitation of conventional CS-based localization method and introduces the advanced CS-based localization method which deals with 3D source localization problem. The ``coherent multiple-frequency processing" is introduced to overcome the instability of solution induced by high correlation of spatial grids and ``flexible searching-grid technique" is introduced to solve the basis mismatch problem which is developed for 3D source localization problem. The suggested techniques provide more accurate localization results compared to traditional beamforming processors or conventional CS-based beamforming processors and the arguments are backed with actual experimental data which was conducted in a cavitation tunnel. Though underwater acoustic source localization problems are presented in this dissertation, the proposed technique can be extended to many research fields, such as radar detection, sonar detection, ultrasound imaging.

Data-Driven Type Classification and Localization of Acoustic Noises in Multi-story Reinforced Concrete Buildings using a Single Sensor

최휘용 서울대학교 대학원 2021 국내박사

The construction of multi-story residential buildings triggers indoor noise. Indoor noise in residential areas has been investigated to ascertain the effect of noise on occupants and to improve their quality of life. In buildings, indoor acoustic noise transmitted from various sources travels through these structures and exerts an unpleasant effect on occupants. Inter-floor noise is identified as a severe type of indoor noise in residential areas. The identification of noise is considered a fundamental step that is essential for studying the challenges of noise pollution. By harnessing a sound level meter, long-term measurement, and site surveying, previous studies have been conducted on the identification of noise in residential areas to estimate the level, type, and position of generated noise. However, it is challenging to identify the source type and position of noise travelling through multi-story residential buildings owing to the difficulty of the human ear in intercepting these sounds. Recent studies on the identification of indoor noise are limited to noise sources and receivers on a single level of the floor, and they require multiple sensor channels to determine the time difference of arrival. Residential buildings, which are usually reinforced concrete structures, are considered to be concrete, steel, and fluid-mixed media with high structural complexity and occupants that have insufficient knowledge of the details of their properties. In this study, we propose a data-driven identification of noise in reinforced concrete buildings via the learning-based localization method using a single sensor. Actual experiments were conducted in a campus building, as well as two apartment buildings. Performance was analyzed according to several source types and positions that apply the deep convolutional neural network (CNN)-based supervised learning. The validations against the datasets obtained in three buildings verified the generalizability of the proposed method. In addition, noise identification data transferred within different floor sections in a single building and between similar buildings were presented in this study. Although indoor noise identification is emphasized in this work, the proposed method can be beneficial for other noise identification methods that employ a single sensor. 공동주택의 증가로 건물 내 이웃 간의 소음 문제가 사회적으로 대두되고 있다. 거주자에게 노출된 소음은 거주자의 건강 문제에 직결될 수도 있으므로 건물 내 소음에 관한 여러 연구가 진행되어 왔다. 다층 건물 내에서 발생한 소음은 건물의 구조를 따라 다른 층으로 전달되며 이러한 층간소음은 주변 이웃에게 고통으로 다가올 수 있다. 소음원의 규명은 소음을 다룰 때 선행되어야 하는 바 건물 내 소음의 준위, 종류, 위치 파악에 관련된 연구들이 진행되어 왔다. 소음의 준위는 소음측정기를 사용하여 측정이 가능하나 건물의 구조를 따라 전달된 소음의 종류와 위치를 판별하는 것은 추정이 필요한 문제이며 사람의 청력에 의존하여서 풀기도 어렵다. 최근 연구된 관련 연구를 살펴보면 건물 내 소음의 종류를 분류하는 연구는 거의 다뤄지지 않았고, 소음원 위치 추정 연구의 경우 동일 층에 소음원과 여러 채널의 수신기가 위치한 경우를 다중측량 (multilateration) 을 통하여 제한적으로 다뤘다. 일반적으로 현대 거주용 건축물의 대부분은 철근 콘크리트 구조이며 층간의 소음 전달 환경은 콘크리트, 철근, 유체가 혼재하는 복잡한 환경이다. 일반인 거주자가 이러한 환경에서의 소음 전달 환경을 파악하고 소음의 전달 모델을 세워 소음을 규명하는 것은 어렵다. 본 논문은 모바일 장치 (mobile device) 의 단일 음향 센서로 측정한 소음과 합성곱 신경망을 활용하여 데이터 기반 (data-driven) 의 건물 내 소음 규명 방법을 제안하고 한 개의 캠퍼스 건물과 두 아파트 건물에서 진행한 실험을 통하여 이 기법의 유용성과 보편성을 보였다. 또한 한 층간에서 학습한 소음 규명 지식을 동일 건물의 다른 층간에서의 소음 규명에, 한 건물에서 학습한 소음 규명 지식을 다른 건물 내 소음 규명에 활용 할 수 있음을 보였다. 제안하는 기법은 소음 전달 환경 파악 및 모델을 얻기 어려운 분야에서의 적용에도 유용할 것으로 기대한다.

음향 기반의 조립 결함 감지 시스템

이한수 서울대학교 대학원 2022 국내석사

글로벌 제조업체들은 제품의 품질을 확보하기 위한 많은 노력에도 불구하고, 다양한 원인에 의한 생산 불량은 지속해서 발생한다. 생산 불량 제품이 소비자에게 전달될 경우 이것은 직접적인 비용 이외에도 브랜드 이미지를 일순간에 실추 시켜 기업경영에 타격을 줄 수 있는 중요한 문제이다. 최근 딥러닝 기술의 발전으로 제조 현장에서 이상 탐지(anomaly detection)기반의 많은 연구가 이루어지고 있다. 그러나 최근 연구된 관련 연구를 살펴보면 주로 비전(vision)검사를 통한 제품의 표면 결함을 다루거나 진동 데이터를 이용해 생산 설비의 상태 검사에 관한 연구가 대부분이다. 그러나 이러한 방식은 소리를 다루는 오디오 제품에 적용하기에는 적합하지 않다. 또한 하루에 수백, 수천 개를 생산하는 제조업에서 제품의 품질검사에 센서를 부착하기 위해서는 많은 시간과 비용이 소요된다. 본 연구는 단일 음향 센서로 측정한 스피커 출력데이터와 합성 곱 신경망을 활용하여 원시 오디오 신호에서 직접 표현을 학습하는 소리 분류에 대한 종단 간 접근 방법을 제시한다. 조립 결함의 분류 작업과 관련된 다양한 필터를 학습하기 위해 7개의 컨볼루션 레이어가 사용된다. 데이터셋은 여러 대의 스피커에서 출력데이터를 통해 수집되었으며, 일부 스피커 출력에서 학습한 지식이 다른 스피커 결함 여부를 판단 할 수 있음을 보였고, 평균 정확도 99\%를 달성하는 것으로 나타났다. 제안하는 조립결함 감지 기법은 기존의 2D 표현을 입력으로 사용하는 대부분의 방식보다 높은 성능을 보인다. 또한, 다른 아키텍처에 비해 적은 수의 매개변수를 가지고 있어, 실시간 제품 품질 검사에 효율적이다. 본 연구를 통해 제조 현장에서 TV, 차량용 AVN과 같이 스피커가 탑재된 제품에 대한 조립 공정 불량률을 감소시켜줄 것으로 기대한다. Despite many efforts by global manufacturers to secure product quality, production defects due to various causes continue to occur. If defective products are delivered to consumers, this is an important problem that can damage corporate management by instantly destroying brand image in addition to direct cost. Recently, with the development of deep learning technology, many studies based on anomaly detection are being conducted in manufacturing sites. However, if you look at the related studies that have been recently studied, most of them deal with the surface defects of products through vision inspection or the state inspection of production facilities using vibration data. However, these methods are not suitable for application to audio products that deal with sound. In addition, it takes a lot of time and money to attach a sensor to apply it to quality inspection of products in a manufacturing industry that produces hundreds or thousands of units per day. In this paper, we present an end-to-end approach to sound classification that learns representations directly from raw audio signals using speaker output data measured by a single acoustic sensor and a synthetic product neural network. Seven convolutional layers are used to learn various filters related to the classification task of assembly defects. The dataset was collected through output data from multiple speakers, and it was shown that the knowledge learned from the output of some speakers can determine whether other speakers are defective, with 99% accuracy. The proposed assembly defect detection method shows higher performance than most methods that use the existing 2D representation as input. In addition, it has fewer parameters compared to other architectures, making it efficient for real-time product quality inspection. Through this study, it is expected that the assembly process defect rate will be reduced for product groups with speakers installed inside the product, such as TVs and AVNs for vehicles.

동해 해역에서 양상태 잔향음 통계적 특징 분석

염수현 서울대학교 대학원 2023 국내석사

최근 해군 내에서는 음원과 수신기가 동일한 단상태(Monostatics) 소나의 표적탐지에 대한 한계를 고려하여 음원과 수신기가 분리된 양상태(Bistatics) 소나를 활발히 사용하고 있다. 양상태 소나의 수신신호는 표적신호, 주변소음, 해양 잔향음 등으로 구성되며 해양 잔향음은 능동소나를 운용함에 있어 가장 방해되는 요소로 여겨진다. 잔향음의 확률분포와 주변소음의 준위를 분석하여 적절한 탐지문턱(Threshold)을 설정하므로 소나 운용체계의 표적 탐지성능을 저하시키거나 오탐지 확률(PFA, Probability of False Alarm)을 증가시킬 수 있기 때문이다. 또한 소나 시스템의 성능향상에 따라 잔향음의 확률분포가 전통적으로 가정해온 레일리 분포에서 벗어나 K-분포가 나타나는 경우가 관측되어 이에 대한 연구가 다방면으로 이루어 지고 있다. 본 연구에서는 두 가지 환경의 동해 해상 실험(천해, 심해환경)에서 수행된 양상태 소나 잔향음에 대해 분석하였다. 잔향음 센서 데이터는 LFM(Linear Frequency Modulated) 음원을 예인하는 연구선과 이와 분리된 수신기를 통해 수집되었으며 신호처리를 거친 후 다양한 방법으로 분석되었다. Geo-plot 분석을 통해 음원에서 산란체를 거쳐 수신기로 반향되는 각도가 잔향음의 분포에 지배적인 영향을 미친다는 점을 확인할 수 있었다. 또한, 모멘트 추정 기법(Method of Moment Estimator)과 K-S test(Kolmogorov -Smirnov test)을 이용하여 데이터가 어느 확률분포를 따르는지 분석하였다. 결과적으로 양상태 소나는 빔별로 잔향음 확률분포가 달라진다는 특징을 확인할 수 있었다. 또한, 잔향음의 확률분포가 지역에 따라 다양하게 나타난다는 것을 확인하였고 이는 잔향음 대 주변소음 비(Reveration to Noise Ratio, RNR)의 차이와 표적과 같은 해저지형 산란체의 존재 유무에 따른 영향임을 추정하였다. Recently, in the Navy, bistatics sonar is actively used in consideration of the limitations of target detection of monostatics sonar. The reception signal of bistatics sonar consists of reverberation, ambient noise, target signal, etc. In particular, reverberation is considered to be the most disturbing factor in operating active sonar. This is because the probability distribution of the reverberation sound and the level of ambient noise are analyzed to set an appropriate detection threshold, which can reduce the detection performance of the target or increase the probability of false alarm (PFA). In addition, as sonar systems develop into high-resolution performance, cases in which the probability distribution of reverberation deviates from the traditionally assumed Rayleigh distribution and show a K-distribution have been observed, and research on this is being actively conducted. In this study, the bistatics sonar reverberation performed in the East Sea marine experiment (shallow sea and deep sea environment) in two environments was analyzed. Reverberation sensor data was collected through a research vessel towing a LFM (Linear Frequency Modulated) sound source and a separate receiver, and analyzed in various ways after signal processing. Through geo-plot analysis, it was confirmed that the angle reflected from the sound source through the scatter to the receiver has a dominant effect on the distribution of the reverberation sound. In addition, using the Method of Moment Estimator and the K-S test (Kolmogorov-Smirnov test), we analyzed which probability distribution the data matched. As a result, it was possible to confirm the characteristics of bistatics sonar reverberation that the probability distribution of reverberation sound varies for each beam. In addition, it was observed that the probability distribution of the reverberation sound varied depending on the region. It was estimated that the reason was due to the difference in the RNR (Reveration to Noise Ratio) and the presence or absence of a scatterers similar to the targets.