• 한국음향학회지
• /
• 제39권4호
• /
• pp.237-245
• /
• 2020

수중표적의 저소음화로 표적의 방사소음이 감소함에 따라 수동소나의 한계가 나타나면서 신호를 송신하고 표적 반사 신호를 탐지하는 능동탐지에 대한 연구가 활발해 지고 있다. 일반적으로 선체고정소나(Hull-Mounted Sonar, HMS)를 이용한 능동탐지 시 음파가 도달하지 않는 음영구역을 줄이기 위해 수직지향각을 조정하면서 다수의 Linear Frequency Modulation(LFM) 부펄스를 대역분할하여 순차적으로 송신한다. 하지만 최근에 Sinusoidal Frequency Modulation(SFM)의 일반화된 형태인 Generalized SFM(GSFM) 펄스가 제안되었고, 파라미터 설정에 따라 GSFM 부펄스 간에 직교성이 확인되었다. 따라서, 본 논문에서는 GSFM을 선체고정소나의 다중 수직지향각 능동탐지에 활용함으로써 부펄스의 대역폭 사용을 극대화 하여 신호처리 이득에 따른 능동탐지 성능을 향상 시킬 수 있음을 보였다. 모의실험을 통해 부펄스가 3개일 때, GSFM이 LFM 대비 약 5 dB 정도의 정합필터 이득이 있음을 확인하였다.

• 한국음향학회지
• /
• 제33권2호
• /
• pp.87-93
• /
• 2014

덕트 내 음원 면에서의 음압과 입자 속도분포를 상세히 알 수 있다면, 주된 소음원들의 위치와 강도를 분석하여 전파특성을 잘 이해할 수 있고, 이에 따라 저소음화 설계에 유용한 정보로 활용가능하다. 이를 위한 기존의 방법들은 대개 단면상 위치와 무관한 일정 변수로 나타내는 제한점이 있다. 본 논문에서는 음원의 단면 분포를 높은 공간분해능으로 관찰할 수 있는 방법에 대해 연구하였다. 모드 합성법을 기반으로 감쇠파의 영향과 근접장 측정을 포함하는 행렬식을 유도하였으며, 컴프레션 드라이버에 의해 일부 단면이 가진된 유동이 없는 덕트 시스템에서 검증하였다. 감쇠파모드 개수의 증가에 따라 음압 스펙트럼을 더욱 정확하게 근사화 할 수 있었으며, 26개의 감쇠파 모드를 포함한 수렴 결과로부터 관심 헬름홀쯔 수 영역에서 -25 dB 이하의 오차로 예측할 수 있었다. 수렴된 모드 진폭들을 이용하여 kR = 1에서 음원 면에서의 음원변수 분포를 관찰한 결과, 실제 음원이 설치된 국소 위치에서 높은 음압과 입자 속도 값을 분명히 나타내는 것을 보였다. 또한, 감쇠 모드의 역추산시에 정규화기법을 도입하여, 과결정된 반경방향 모드에 의해 발생된 무의미한 피크들을 효과적으로 제거할 수 있었다.

• 해양환경안전학회지
• /
• 제24권7호
• /
• pp.930-938
• /
• 2018

잠수함에서 발생하는 수중방사소음은 적함의 소나에 의해 피탐될 확률과 직결되며, 잠수함 저소음화 방안은 생존성 향상을 위해 필수적이다. 최신 잠수함의 경우 기계류 소음저감 및 고속/대형화가 진행됨에 따라 선체 주위에 발생하는 유동소음에 대한 관심이 높아지고 있다. 본 연구에서는 자유수면의 효과를 고려하여 잠수함 형상 주위에 발생하는 유동소음 수준을 예측할 수 있는 소음해석기법을 개발하였다. 잠수함이 자유수면 근처 운항시에 잠수함 주위 유동장의 교란에 의해 발생하는 난류유동소음과 쇄파버블에 의한 소음이 발생한다. 먼저 잠수함 주위 유동장 해석을 위해, VOF법 기반의 비압축성 이상유동(two-phase flow)해석을 수행하여 잠수함 주위 자유수면 형상과 유동장 정보를 도출하였다. 이후 난류유동소음해석을 위해 음향상사기법인 Permeable FW-H를 적용하였고, 쇄파버블 소음해석을 위해 유동해석에서 도출된 난류운동에너지 분포결과를 기반으로 쇄파버블 소음모델을 적용하였다. 최종적으로 개발된 유동소음 해석기법은 선박해양플랜트연구소(KRISO)의 대형캐비테이션터널(LCT)에서 수행된 잠수함 모형 유동소음계측 실험결과와 비교를 통해 검증을 수행하였다.

• 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.