• 제목/요약/키워드: 잔향실

검색결과 123건 처리시간 0.018초

문화재로 지정된 SH고등학교 강당의 음향리노베이션설계 및 평가 (Acoustic design for the renovation of a cultural heritage building, SH high school auditorium)

  • 정대업;오예닮;이효진
    • 한국음향학회지
    • /
    • 제38권3호
    • /
    • pp.266-274
    • /
    • 2019
  • 국내 문화예술공간에 대한 통계조사에서 나타나듯이, 국내의 많은 공연시설들은 노후화에 따른 크고 작은 규모의 개보수가 필요한 상태이다. 그러나 이와 같은 기존공간의 음향개보수과정에서 참고가 될만한 사례연구가 많지 않은 실정이다. 본 연구는 문화재로써 많은 제약조건을 갖는 SH고등학교 강당을 대상으로 초기 음향검토에서부터 사용자의 요구조건 및 문제점들을 고려한 대안의 수립 그리고 대안들의 적용에 따른 음향성능평가과정 및 그 결과를 분석함으로써 음향리노베이션 설계의 참고자료를 제공하고자 하였다. 개선방안들의 적용결과, 실의 잔향특성이 개선되었으며 언어명료도 및 음악명료도가 개선되었음을 확인하였다. 그러나 라우드니스는 목표한 수준에 미치지 못하였으며 이는 천장에 적용된 슬랫형 구조가 강한 반사음을 제공하지 못하기 때문인 것으로 분석되었다.

탄화 중밀도섬유판을 이용한 목재흡음판 개발 (Developing of Sound Absorption Composite Boards Using Carbonized Medium Density Fiberboard)

  • 이민;박상범;변희섭;김종인
    • Journal of the Korean Wood Science and Technology
    • /
    • 제42권6호
    • /
    • pp.714-722
    • /
    • 2014
  • 선행연구에서 다양한 목질 보드류를 열분해하여 다공질 탄화보드 제조에 성공하였고, 높은 난연성, 전자파차폐성, 원적외선방사, 폼알데하이드 흡착성, 흡음성능을 확인하였다. 본 연구에서는 경제성과 흡음성이 뛰어난 탄화 중밀도 섬유판(MDF)을 선택하여 보다 높은 흡음성능을 부여하기 위해 다른 흡음재료에도 사용 중인 샌딩처리와 타공기법을 시도하였다. 또한 개선된 흡음성능을 바탕으로 실제 음향판을 제작하여 그 음향적 효과를 파악하였다. 탄화 MDF를 십자모양(타공 5개), 직사각형모양(타공 9개), 일자모양(타공 5개)으로 타공 처리한 후, 흡음률을 측정한 결과, 무처리 탄화 MDF의 흡음률은 14% 정도를 나타내었고, 직사각형모양 타공 시편이 16.01%로 흡음률이 가장 높았고 십자모양 타공 시편이 15.68%, 일자 타공 시편은 14.25%의 흡음률을 나타내어 그 효과가 미미하였다. 반면에, 탄화 MDF의 표면을 각 1, 2, 3 mm로 표면샌딩 처리후 흡음률을 측정한 결과, 무처리 시편(13%)에 비해 65% 증가한 21.7% (1 mm 샌딩), 21.83% (2 mm 샌딩), 19.37% (3 mm 샌딩)를 확인하였다. 이 결과를 바탕으로 실대형 탄화보드 복합 음향판을 제작하였으며 잔향실법으로 흡음시험한 결과 감음계수 0.45로 높은 흡음성능을 발휘하여 상업화도 가능할 것으로 판단된다.

실데이터 기반 능동 소나 신호 합성 방법론 (Real data-based active sonar signal synthesis method)

  • 김윤수;김주호;석종원;홍정표
    • 한국음향학회지
    • /
    • 제43권1호
    • /
    • pp.9-18
    • /
    • 2024
  • 최근 수중표적의 저소음화와 해상교통량의 증가로 인한 주변 소음의 증가로 능동 소나 시스템의 중요성이 증대되고 있다. 하지만 신호의 다중 경로를 통한 전파, 다양한 클러터와 주변 소음 및 잔향 등으로 인한 반향신호의 낮은 신호대잡음비는 능동 소나를 통한 수중 표적 식별을 어렵게 만든다. 최근 수중 표적 식별 시스템의 성능을 향상 시키기 위해 머신러닝 혹은 딥러닝과 같은 데이터 기반의 방법을 적용시키려는 시도가 있지만, 소나 데이터셋의 특성 상 훈련에 충분한 데이터를 모으는 것이 어렵다. 부족한 능동 소나 데이터를 보완하기 위해 수학적 모델링에 기반한 방법이 주로 활용되어오고 있다. 그러나 수학적 모델링에 기반한 방법론은 복잡한 수중 현상을 정확하게 모의하는 데에는 한계가 있다. 따라서 본 논문에서는 심층 신경망 기반의 소나 신호 합성 기법을 제안한다. 제안하는 방법은 인공지능 모델을 소나 신호 합성 분야에 적용하기 위해, 음성 합성 분야에서 주로 사용되는 타코트론 모델의 주요 모듈인 주의도 기반의 인코더 및 디코더를 소나 신호에 적절하게 수정하였다. 실제 해상 환경에 모의 표적기를 배치해 수집한 데이터셋을 사용하여 제안하는 모델을 훈련시킴으로써 보다 실제 신호와 유사한 신호를 합성해낼 수 있게 된다. 제안된 방법의 성능을 검증하기 위해, 합성된 음파 신호의 스펙트럼을 직접 분석을 진행하여 비교하였으며, 이를 바탕으로 오디오 품질 인지적 평가(Perceptual Quality of Audio Quality, PEAQ)인지적 성능 검사를 실시하여 총 4개의 서로 다른 환경에서 생성된 반사 신호들에 대해 원본과 비교해 그 차이가 최소 -2.3이내의 높은 성적을 보여주었다. 이는 본 논문에서 제안한 방법으로 생성한 능동 소나 신호가 보다 실제 신호에 근사한다는 것을 입증한다.