• 한국음향학회지
• /
• 제37권4호
• /
• pp.256-261
• /
• 2018

차량 내부에는 BSR(Buzz, Squeak, Rattle) 세 가지 유형의 소음이 발생한다. 본 논문에서는 심층 컨볼루션 신경망으로 추출한 소음 특징에 기반하여 자동으로 차량 내부의 BSR 소음을 분류하는 분류기를 제안한다. 차량 내부의 소음은 전처리 단계에서 STFT(Short-time Fourier Transform) 알고리즘을 사용하여 소음 맵으로 표현된다. 생성된 소음 맵 내부에서 실제 소음의 위치를 정확하게 파악하기 어려운 문제에 대처하기 위해서 슬라이딩 윈도우 방법으로 분할하였다. 본 논문에서는 t-SNE(t-Stochastic Neighbor Embedding) 알고리즘을 사용하여 심층 컨볼루션 신경망 내부 파라미터를 시각화하고 정성적인 방식으로 오분류데이터를 분석하였다. 분류된 데이터의 정량적인 분석을 위해 소음의 종류별 유사도를 SSIM(Structural Similarity Index) 수치에 기반하여 정량화하여 리트랙터의 떨림음이 정상주행음과 가장 유사하다는 것을 밝혔다. 제안하는 방법의 분류기는 기타 기계학습 알고리즘 대비 최고 분류 정확도를 달성하였다(99.15%).

• 한국음향학회지
• /
• 제37권6호
• /
• pp.469-474
• /
• 2018

도시 유동인구가 증가함에 따라 도시 환경 소음에 관한 연구의 중요성이 증가하고 있다. 본 연구에서는 교통상황에서 발생하는 이상 소음을 최근 환경 소음 분류 연구에서 높은 성능을 보이는 딥러닝 알고리즘을 이용하여 분류한다. 구체적으로는 타이어 제동 마찰음, 자동차 충돌음, 자동차 경적음, 정상 소음 네 개의 클래스에 대하여 합성곱 신경망을 이용하여 분류한다. 또한, 실제 교통 상황에서의 환경잡음에 강인한 분류 성능을 갖기 위해 빗소리, 바람 소리, 군중 소리의 세 가지 환경잡음을 설정하였고 이를 활용하여 분류 모델을 설계하였으며 3 dB SNR(Signal to Noise Ratio) 조건에서 88 % 이상의 분류 성능을 가진다. 제시한 교통 소음에 대하여 기존 선행연구 대비 높은 분류 성능을 보이고, 빗소리, 바람 소리, 군중 소리의 세 가지 환경잡음에 강인한 교통 소음 분류 모델을 제안한다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 1996년도 춘계학술대회논문집; 부산수산대학교, 10 May 1996
• /
• pp.246-252
• /
• 1996

본 연구는 아음속 충돌분류의 소음특성에 관한 연구로서 분류가 매끄러운 판(smooth plate)에 충돌 할 때 발생하는 충돌소음의 음압레벨, 지향성 그리고 음향파워 등을 구하기 위한 것이다. 연구방법은 Fig.1에서와 같이 노즐지름 d와 노즐과 평판과의 거리를 h라 할 때 노즐상류측에 있는 서지 탱크(surge tank)의 압력이 1.0atg에 도달한 상태에서 단계적으로 강하시키면서 h/d에 따른 충돌소음의 레벨을 측정하였다. 또한 탱크압력을 일정하게 유지시킨 상태에서 충돌소음의 지향성을 측정하고 음향파워를 계산하였다. 자유분류인 경우에도 같은 방법으로 측정하여 충돌음의 경우와 비교 고찰하였다.

• 방송공학회논문지
• /
• 제25권6호
• /
• pp.845-853
• /
• 2020

본 논문에서는 산업현장에서의 선택적 소음 제거를 위한 환경 사운드 분류 기술을 제안한다. 산업현장에서의 소음은 작업자의 청력 손실의 주요 원인이 되며, 소음 문제를 해결하기 위한 소음 제거 기술이 널리 연구되고 있다. 그러나 기존 소음 제거 기술은 모든 소리를 구분 없이 차단하는 문제를 가지며, 모든 소음에 공통된 제거 방법을 적용하여 각 소음에 최적화된 소음 제거 성능을 보장할 수 없다. 이러한 문제를 해결하기 위해 사운드 종류에 따라 선택적 동작을 하는 소음 제거가 필요하고, 본 논문에서는 이를 위해 딥 러닝 기반의 환경 사운드 분류 기술을 제안한다. 제안 방법은 기존 오디오 특성인 멜-스펙트로그램의 한계를 극복하기 위해 새로운 특성으로서 멜-스펙트로그램 기반의 시간 변화 특성과 통계적 주파수 특성을 사용하며, 합성곱 신경망을 이용하여 특성을 모델링 한다. 제안하는 분류기를 사용하여 3가지 소음과 2가지 비소음으로 구성된 총 5가지 클래스로 사운드를 분류하였고, 제안하는 오디오 특성을 사용하여 기존 멜-스펙트로그램 특성을 사용할 때에 비하여 분류 정확도가 6.6% 포인트 향상되는 것을 확인하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 1996년도 추계학술대회논문집; 한국과학기술회관, 8 Nov. 1996
• /
• pp.65-70
• /
• 1996

엔진소음을 소음특성에 따라 분류하면 공력소음(Aerodynamic Noise), 연소소음(Combustion Noise), 기계적인 소음(Mechanical Noise)으로 나눌 수 있으며 소음원의 종류에 따라 분류하면 배기계소음(Exhaust System Noise)으로 나눌 수 있으며 소음원의 종류에 따라 분류하면 배기계소음(Exhaust System Noise), 흡기계소음(Intake System Noise), 냉각계소음(Cooling System Noise), 엔진표면소음(Engine System Noise)등으로 분류할 수 있다. 이러한 여러소음중 엔진 내부의 유동에 의한 흡배기계통으로의 소음방출은 자동차 실 내외 소음의 중요한 문제로 대두되는데, 이를 줄이기 위해 그 동안 소음기 등의 서브시스템의 형태와 그 위치조정에 관한 연구가 수행되어 왔다. 그러나 이것이 비용 또는 성능에 영향을 미치므로 본질적인 소음원을 규명해 내는 것이 필요하게 되었다. 흡배기계의 소음은 엔진의 흡입, 배기행 정시 피스톤의 운동에 의해 팽창 및 압축파 형태의 압력파(pressure wave)로 발생하게 되고, 밸브근방에서는 유동의 박리(separation)에 의해 발생하게 된다. 소음기 등의 서브시스템에서도 유동의 박리에 의해 발생하게 되며 특히 배기행정시 발생하는 압력파는 비선형영역에 있게된다. 흡기소음은 배기에 비해 그 크기가 작아서 그동안 등한시 되어왔으나 이것이 소비자의 불평요인으로 작용하므로써 이에 대한 연구도 활발히 수행되어야 한다. Bender, Bramer[1]는 흡배기계 소음의 외부 방사에 관하여 전반적으로 기술하였고 Sierens등[2]은 흡기계에서 1차원 MOC(Method of Characteristics)방법으로 비정상 유동해석을 하고 실험결과와 비교하였다. J.S.Lamancusa 등[3]은 흡기 소음원을 실험을 통해 예측하였고, 흡기소음도 비선형 거동을 보인다고 밝혔다. Yositaka Nishio 등[4]은 새로운 흡기실험장치를 고안하여 공명기(resonator)의 위치 변화에 의한 저소음 흡기계를 설계 초기단계에서부터 적용하려 하였다. 일반적으로 흡배기계의 복잡한 형상 때문에 대부분 실험을 통해 문제를 해결하려 하였고, 수치해석은 피스톤의 운동을 배제한 단순화한 흡배기계의 정상상태 유동해석이 주를 이루어왔다. Taghaui and Dupont 등[5]은 KIVA코드를 사용하여 흡기포트와 연소실 그리고 밸브의 움직임을 동시에 고려한 수치해석을 도입하였다. 하지만 이들이 밸브의 운동을 고려하기 위해 사용한 이동격자는 격자점은 시간에 따라 변화하지만 그 격자의 수가 일정하게 유지되어 있어서 밸브의 완전개폐를 해석할 수가 없다. 강희정[6]은 단일 실린더와 단일 배기밸브를 갖는 문제로 단순화하여 피스톤과 밸브의 움직임을 고려하므로써 배기행정 후 소음이 어떻게 전파해 나가는가를 연구하였다. 본 연구에서도 최소밸브간격과 최대밸브간격 사이에서만 계산이 가능하나 흡기의 경우는 밸브가 닫힐 때 생기는 압력파가 중요하므로 실린더와 밸브사이에 벽면조건을 주어 밸브의 개폐를 모사하였다.

• 전자공학회논문지
• /
• 제51권6호
• /
• pp.201-208
• /
• 2014

본 논문은 DTW 결과를 이용하여 분류기 구조를 설계하는 알고리즘을 제안한다. 제안된 알고리즘은 다수 클래스의 데이터를 분류하기 위한 SVM 기반 이진트리 구조를 설계하는데 있어 DTW 결과를 이용한다. 각 클래스에 대한 데이터를 DTW의 입력으로 하여 얻어진 결과행렬의 열의 합을 이용하여 계산된 임계치를 기준으로 SVM 기반 이진트리 구조(SVM-BTA)를 설계한다. 제안된 알고리즘의 성능 비교를 위해 데이터베이스와 k-means 알고리즘을 이용한 이진트리 구조의 분류 결과를 비교한다. 분류에 사용된 데이터는 수중과도소음 데이터베이스의 18개 클래스 333개의 데이터이다. 제안된 분류기는 데이터베이스의 체계를 이용한 분류기에 비해 분류성능이 향상되었고, k-means 알고리즘을 이용한 분류기에 비해 비 생물소음의 검출 확률이 향상되었다. 제안된 SVM-BTA는 생물 소음(BO) 68.77%, 기계 소음인 체인(CHAN) 92.86%, 그 외의 기계 소음 및 음향학적 소음, 기타소음의 6종은 100%로 분류한다.

• 한국음향학회지
• /
• 제42권6호
• /
• pp.603-616
• /
• 2023

본 연구는 주파수 및 시간 특성을 활용하여 머신러닝 기반 공동주택 주거소음의 군집화 및 분류를 진행하였다. 먼저, 공동주택 주거소음의 군집화 및 분류를 진행하기 위하여 주거소음원 데이터셋을 구축하였다. 주거소음원 데이터셋은 바닥충격음, 공기전달음, 급배수 및 설비소음, 환경소음, 공사장 소음으로 구성되었다. 각 음원의 주파수 특성은 1/1과 1/3 옥타브 밴드별 L_eq와 L_max값을 도출하였으며, 시간적 특성은 5 s 동안의 6 ms 간격의 음압레벨 분석을 통해 L_eq값을 도출하였다. 공동주택 주거소음원의 군집화는 K-Means clustering을 통해 진행하였다. K-Means의 k의 개수는 실루엣 계수와 엘보우 방법을 통해 결정하였다. 주파수 특성을 통한 주거소음원 군집화는 모든 평가지수에서 3개로 군집되었다. 주파수 특성 기준으로 분류된 각 군집별 시간적 특성을 통한 주거소음원 군집화는 L_eq평가지수의 경우 9개, L_max 경우는 11개로 군집되었다. 주파수 특성을 통해 군집된 각 군집은 타 주파수 대역 대비 저주파 대역의 음에너지의 비율 또한 조사되었다. 이후, 군집화 결과를 활용하기 위한 방안으로 세 종류의 머신러닝 방법을 이용해 주거소음을 분류하였다. 주거소음 분류 결과, 1/3 옥타브 밴드의 L_eq값으로 라벨링된 데이터에서 가장 높은 정확도와 f1-score가 나타났다. 또한, 주파수 및 시간적 특성을 모두 사용하여 인공신경망(Artificial Neural Network, ANN) 모델로 주거소음원을 분류했을 때 93 %의 정확도와 92 %의 f1-score로 가장 높게 나타났다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 1994년도 춘계학술대회논문집; 영남대학교, 20 May 1994
• /
• pp.191-194
• /
• 1994

본 연구는 디퓨저소음기의 여러가지 설계인자가 소음성능에 미치는 영향을 알아보기 위한 것으로 오리피스 상부의 분류 압력, 흡음재의 두께와 밀도 및 디퓨저의 단수를 변화시켜 그에 따른 영향을 실험적으로 구하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 춘계학술대회논문집
• /
• pp.872-876
• /
• 2007

Road traffic noise map is effective method to save cost and time for environmental noise assessment. Generally, noise is calculated by using theoretical equation of noise prediction, and the calculated result can be influenced by various input factors. Especially, domestic vehicle classification method for traffic flow and heavy vehicle percentage is different from that of foreign countries. Thus, this can cause effect on the noise prediction results. In this study, noise prediction results by using domestic vehicle classification method are compared with those by foreign methods.

• 한국소음진동공학회논문집
• /
• 제22권2호
• /
• pp.193-197
• /
• 2012

Road traffic noise map is effective method to save cost and time for environmental noise assessment. Generally, noise is calculated by using theoretical equation of noise prediction, and the calculated result can be influenced by various input factors. Especially, domestic vehicle classification method for traffic flow and heavy vehicle percentage is different from that of foreign countries. Thus, this can cause effect on the noise prediction results. In this study, noise prediction results by using domestic vehicle classification method are compared with those by foreign methods.