< Previous송우진, 이종길 한국음향학회지 제 43 권 제 2 호 (2024) 172 베스팅 장치인데 Table 1과 같이 곡면형 PEH의 길이 는 100 mm, 두께는 5 mm인 판에 PVDF 압전 필름이 도포된 형태이다. 평판과 곡면을 핀 결합으로 연결 하면 곡률 부분에서의 변형 에너지 변화가 미미할 것으로 예측된다. 해석 모델은 곡률에 따라 VIV 생성이 다를 것으로 예측하여 평판 형태인 Model I, 곡률이 210 mm인 Model II, 130 mm인 Model III, 50 mm인 Model IV로 선정하였 고, Model I을 대조군으로 선정하였다. III. 곡면형 PEH의 유속 변화에 따른 VIV 생성 특성 해석 외팔보의 곡률 변화로 PEH의 VIV를 생성시키고, 이것을 통해 낮은 유속에서 PEH의 형상변화를 극대 화하여 효율적인 에너지 하베스터의 형태를 도출해 내는 것이 본 연구의 목적이다. 유한요소해석을 위 하여 Fig. 5와 같이 모델링하고 3D 해석시 유체의 영 향을 받을 외팔보와 스테인리스 안테나(왼쪽 기준 선)의 접촉면을 유체-고체 연결로 설정하였다. Fig. 4. (Color available online) Model of curved can- tilever PVDF energy harvester (unit: mm) (from upper Model IV, Model III, and Model II, respectively). Table 1. Model of the curvature based cantilever PVDF energy harvester. Model nameCurvatureLengthThickness Model IFlat plate100 mm5.0 mm Model II210.0 mm100 mm5.0 mm Model III130.0 mm100 mm5.0 mm Model IV50.0 mm100 mm5.0 mm (a) Cantilever mesh generation (b) Mesh generation of the water Fig. 5. (Color available online) Mesh generation of the PEH and its water interaction. (a) Model I (b) Model II (c) Model III (d) Model IV Fig. 6. (Color available online) Vortex induced velocity field of the PEH at the flow velocity of 0.1 m/s.곡면을 가진 외팔보형 PVDF 에너지 하베스터의 와류유기진동으로 인한 에너지 수확 특성 The Journal of the Acoustical Society of Korea Vol.43, No.2 (2024) 173 Figs. 6 ~ 8에는 외팔보 왼쪽 입구에서 유체가 유입 되고 PEH를 거처 오른쪽으로 빠져 나가는 구조에서 VIV 분포를 나타낸 것이다. Model I은 곡선형상이 적 용되지 않은 평판으로 가장 기본적인 형태의 모델이 며 곡선형태의 존재 유무에 대한 유의미한 필요성을 확인하기 위한 대조군의 역할이다. Fig. 6은 유체 유 입속도가 0.1 m/s일 때 와류 발생 현상을 비교한 것인 데 Model I에서 Model IV로 갈수록 VIV가 많이 생성 됨을 알 수 있다. 즉 급한 경사의 곡률을 가진 Model IV가 와류 진동을 많이 일으켜 PEH에 내장된 압전체 에 더 많은 전압을 발생시킬 수 있음을 알 수 있다. Figs. 7 ~ 8은 동해해류를 고려하여 각각 유체 유입 속도가 0.24 m/s와 0.50 m/s일 때 와류 발생 현상을 비 교한 것인데 Fig. 6의 결과와 같이 Model I에서 Model IV로 갈수록 VIV가 많이 생성됨을 알 수 있다. Figs. 6 ~ 8의 Model IV의 경우만 비교하였을 때 유속이 증가 할수록 VIV가 같이 증가하여 빠른 유속이 PEH의 에 너지 수확량을 높이는데 필요함을 알 수 있다. Fig. 9는 외부 유속이 0.24 m/s일 때 VIV에 의한 외 팔보 끝단의 진동 변위를 나타낸 것인데 Model III보 다 Model II에서의 진동이 더 많음을 알 수 있다. Model II에서 22.9 % 더 큰 진폭을 보이기 때문에 변 위는 커지게 되어 많은 양의 전력을 수확할 수 있을 것으로 사료된다. Model III와 Model II는 좌측 곡면의 (a) Model I (b) Model II (c) Model III (d) Model IV Fig. 7. (Color available online) Vortex induced velocity field of the PEH at the flow velocity of 0.24 m/s. (a) Model I (b) Model II (c) Model III (d) Model IV Fig. 8. (Color available online) Vortex induced velocity field of the PEH at the flow velocity of 0.50 m/s.송우진, 이종길 한국음향학회지 제 43 권 제 2 호 (2024) 174 곡률이 각각 130 mm와 50 mm로서, Model II의 작은 곡률로 인한 급격한 형상변환이 VIV의 생성에 효과 적임을 알 수 있다. IV. VIV로 인한 PEH의 스트레인 에너지 특성 VIV의 생성으로 곡면형 외팔보 PEH에 진동 변위 가 증가한다는 결과는 실제 전력을 증가 시키는데 중요한 요소로 작용하고 있다. Fig. 10에는 시간(300 ms ~ 1,000 ms)에 따른 PEH의 스트레인 에너지를 보인 것이다. Fig. 10에서와 같이 R = 50 mm인 Model IV가 유속 0.24 m/s에서 가장 높은 스트레인 에너지를 보이고 있고 시간에 따라 안정적 인 스트레인 에너지가 생성됨을 알 수 있다. 상대적 으로 같이 R = 130 mm인 Model III가 유속 0.10 m/s에 서 가장 낮은 스트레인 에너지를 나타내고 있다. 따 라서 급한 경사의 곡률을 가진 Medel IV가 VIV로 인 한 높은 스트레인 에너지를 발생시킴을 확인할 수 있다. Fig. 11에는 시간에 따른 PEH의 총 변형량을 보인 것인데 Model IV에서 가장 크게 나타났다. Fig. 11에 서와 같이 Model IV내에서 변형량의 피크를 비교하 였을 때 최대 1.48배 정도 차이가 난다. 최댓값 기준 으로 Model IV의 경우에서 Model II의 경우 보다 최대 37배 높게 나타났다. 이는 PEH가 시간에 따라 VIV로 인해 심한 진동을 일으킴을 의미한다. 이러한 Model IV와 같은 형태는 결국 PEH의 전력량을 크게 증가시 키는 요인이 될 것이다. Fig. 12는 유속과 라운드곡률에 따른 스트레인 에 너지의 변화량을 보인 것이다. 유속이 0.24 m/s의 경 우 곡률 반경이 2.6배 증가할 때 스트레인 에너지는 1.44배 감소하였다. Figs. 12 ~ 13에서와 같이 급한 경 vibration displacement (mm) time (a) Model III vibration displacement (mm) time (b) Model IV Fig. 9. (Color available online) PEH vibration dis- placement due to vortex induced velocity under the flow velocity of 0.24 m/s. Fig. 10. (Color available online) PEH strain energy with respect to time (300 ms ~ 1,000 ms). Fig. 11. (Color available online) PEH total deformation with respect to time (300 ms ~ 1,000 ms).곡면을 가진 외팔보형 PVDF 에너지 하베스터의 와류유기진동으로 인한 에너지 수확 특성 The Journal of the Acoustical Society of Korea Vol.43, No.2 (2024) 175 사의 곡률은 VIV의 생성을 높게 하여 PEH의 발 생 전 력량을 증가 시킬 수 있음을 확인하였다. Table 2와 Fig. 13에는 유속과 곡률의 변화에 따라 발생되는 스 트레인 에너지를 비교한 것이다. Table 2에서와 같이 유속이 0.1 m/s, 곡률 반경이 130 mm인 경우를 기준으로 유속이 0.24 m/s, 곡률 반경이 50 mm인 경우에서 스트레인 에너지는 4,137 % 정도 증가함을 알 수 있다. 이것으로 두 경우의 속도에서, 캔틸레버의 작은 곡률로 인한 급격한 형상변환이 스 트레인 에너지의 생성에 효과적임을 알 수 있다. 탄성 영역에서는 후크의 법칙(Hooke’s law)이 성립 하므로 압전 박막의 굽힘 응력에 의하여생기는 전 압, V(t)는 [3] ∙ .(8) 으로 표현되고 d 31 은 압전 변형율 계수, ε은 유전 상 수, t b 는 빔의 두께, σ(t)는 굽힘 응력을 나타낸다. 탄성 영역에서 탄성 계수(Young’s modulus)가 E이고, 변형 률이 일 때 스트레인 에너지, 는 × .(9) .(10) .(11) 외팔보 PVDF가 결정되면 β * 가 일정한 값이므로 이 때 발생 전압, V * (t)는 다음과 같이 스트레인 에너지 에 비례한다. Table 2. Strain energy variation according to flow velocity and radius of curvature. Flow velocity (m/s) Radius of curvature (mm) Strain energy [x10 -15 J] Max. to min. ratio (%) 0.1 130.03.19100 50.09.27290.6 0.24 130.097.33,050.2 50.0132.04,137.9 Fig. 14. Normalized voltage, V * with respect to the radius of curvature under flow velocity of 0.24 m/s (Model IV). Fig. 12. (Color available online) PEH strain energy variation with respect to curvature of the round shape. Fig. 13. Comparison of strain energy according to flow velocity and radius of curvature.송우진, 이종길 한국음향학회지 제 43 권 제 2 호 (2024) 176 ∝ .(12) 유속 0.24 m/s일 때 Eq. (12)를 이용하여 곡률의 변화 에 따른 정규화 발생 전압, 를 Fig. 14에 나타내 었다. Fig. 14에서와 같이 곡률이 증가할수록 는 감소함을 알 수 있다. 를 이용하여 곡률형 PEH에 발생되는 평균 전력 [14] 는 (13) 으로 표현되며 여기서 T는 주기, R은 저항이다. 평균 전력은 가 클수록 비례하여 높아짐을 알 수 있 다. Fig. 14의 결과를 Eq. (13)에 적용하면 FEH가 발생 하는 전력을 계산할 수 있다. 외팔보 자체의 전력량 을 증대하기 위해서, 급한 경사의 곡률 개선뿐만 아 니라 압전 외팔보의 개수가 늘어남에 따라 평균 전 력도 상승할 것으로 사료된다. V. 결 론 본 연구에서는 다양한 곡면을 가진 외팔보형 에 너지 하베스터의 와류유기진동(VIV)으로 인한 에 너지 수확 특성을 해석하였다. 해석 모델인 곡면형 압전 에너지 하베스터(PEH)는 길이 100 mm, 두께 5 mm인 판에 PVDF 압전 필름이 도포된 형태로 설계 하였다. 대조군인 평판(Model I)과 곡률이 다양한 50 mm(Model IV) 130 mm(Model III), 210 mm(Model II)로 변화시키고 유속은 0.1 m/s, 0.24 m/s, 0.50 m/s로 한정 하여 VIV에 의한 PEH의 스트레인 에너지 변화를 관 찰하였다. Model I은 VIV가 거의 없으나 Model II에서 Model IV로 갈수록 큰 폭의 VIV가 나타났고 유속이 증가할 수록 VIV가 많이 나타났다. 외부 유속이 0.24 m/s일 때 VIV에 의한 외팔보 끝단의 진동 변위는 Model II 보다 Model IV에서 22.9 % 더 큰 진폭을 보여 더 많은 양의 전력을 수확할 수 있을 것으로 사료된다. 이는 Model IV의 작은 곡률로 인한 급격한 형상변환이 VIV의 생성에 효과적임을 알 수 있다. R = 50 mm인 Model IV가 유속 0.24 m/s에서 가장 높은 스트레인 에 너지를 보였고 시간에 따라 안정적인 스트레인 에너 지가 생성됨을 알 수 있었다. 급한 경사의 곡률을 가 진 Medel IV가 VIV로 인한 높은 스트레인 에너지를 발생시킴을 확인할 수 있다. 변형량의 최댓값 기준 으로 Model IV의 경우에서 Model II의 경우 보다 최대 37배 높게 나타났다. 유속이 0.24 m/s의 경우 곡률 반 경이 2.6배 증가할 때 스트레인 에너지는 1.44배 감소 하였다. 유속이 0.1 m/s, 곡률 반경이 130 mm인 경우 를 기준으로 유속이 0.24 m/s, 곡률 반경이 50 mm인 경우에서 스트레인 에너지는 4,137 % 정도 증가함을 알 수 있다. 정규화 발생 전압, 는 곡률이 증가 할수록 는 감소하였고, 곡률형 PEH에 발생되 는 평균 전력 [14] 는 가 클수록 높아짐을 알 수 있었다. PEH 자체의 전력량을 증대시키기 위해, 급한 경사 의 곡률 개선뿐만 아니라 곡률형 PEH의 개수가 늘어 남에 따라 평균 전력도 상승할 것으로 사료된다. 본 연구 결과는 외팔보를 이용한 수중 에너지 하베스터 의 기초 연구에 활용할 수 있을 것으로 기대된다. 본 연구를 통하여 곡률형 외팔보 PEH의 에너지 수확에 대한 유용성을 확인하였고 무선센서 네트워크의 안 정적인 전원 개발에 기초자료로 활용할 수 있을 것 으로 기대된다. 감사의 글 이 논문은 2023년 정부(방위사업청)의 재원으로 국방기술진흥연구소의 지원을 받아 수행된 연구임 (협약번호 KRIT-CT-23-026). References 1.N. K. Singh and S. Datta, “Review of piezoelectric energy harvesting based on vibration,” Advanced Research in Electrical and Electronic Engineering, 1, 74-78 (2014). 2.H. Kim, J.-H. Kim, and J. Kim, “A review of piezo- electric energy harvesting based on vibration,” Int. J. of Precision Mech. Eng. 12, 1129-1141 (2011). 3.A. Erturk and D. Inman, Piezoelectric Energy Har- vesting (John Wiley & Sons, Ltd.., West Sussex, 2011), 곡면을 가진 외팔보형 PVDF 에너지 하베스터의 와류유기진동으로 인한 에너지 수확 특성 The Journal of the Acoustical Society of Korea Vol.43, No.2 (2024) 177 pp. 1-73. 4.J. Lee, J. Ahn, H. Jin, C. Lee, Y. Jeong, K. Lee, H. Seo, and Y. Cho, “A funnel type PVDF underwater energy harvester with spiral structure mounted on the harvester support,” Micromachines, 13, 579 (2022). 5.H. S. Yoon, G. Washington, and A. Danak, “Modeling, optimization, and design of efficient for energy har- vesting applications,” J. Intell. Mater. Syst. Struct. 16, 877-888 (2005). 6.A. H. Techet, J. J. Allen, and A. J. Smits, “Piezoelectric eels for energy harvesting in the ocean,” Proc. ISOPE, 713-718 (2002). 7.J. J. Allen and A. J. Smits, “Energy harvesting eel,” J. Fluids Struct. 15, 629-640. (2001). 8.A. Giacomello and M. Porfiri, “Underwater energy harvesting from a heavy flag hosting ionic polymer metal composites,” J. Appl. Phys. 109, 084903 (2011). 9.B. Ren, S. W. Or, X. Zhao, and H. Luo, “Energy harvesting using a modified rectangular cymbal trans- ducer based on 0.71Pb(Mg1/3Nb2/3)O3–0.29PbTiO3 single crystal,” J. Appl. Phys. 107, 034501 (2010). 10.H. Kim, A. Batra, S. Priya, K. Uchino, D. Markley, R. Newnham, and H. Hofmann. “Energy harvesting using a piezoelectric ‘cymbal’ transducer in dynamic en- vironment,” J. Appl. Phys. 43, 6178-6183 (2004). 11.L. Bezanson and J. Thornton, “Utilizing deep ocean currents to power extended duration sensors,” IEEE, 1-8 (2010). 12.A. Erturk and G. Delporte, “Underwater thrust and power generation using flexible piezoelectric compo- sites: an experimental investigation toward self-powered swimmer-sensor platforms,” Smart Mater. Struct. 20, 125013 (2011). 13.X. Shan, R. Song, B. Liu, and T. Xie, “Novel energy harvesting: a macro fiber composite piezoelectric energy harvester in the water vortex,” Ceram. Int. 41, 5763-5767 (2015). 14.R. Song, X. Shan, F. Lv, and T. Xie, “A study of vortex-induced energy harvesting from water using PZT piezoelectric cantilever with cylindrical extension,” Ceram. Int. 41, S768-S773 (2015). 15.H. Dai, A. Abdelkefi, and L. Wang, “Theoretical modeling and nonlinear analysis of piezoelectric energy harvesting from vortex-induced vibrations,” J. Intell. Mater. Syst. Struct. 25, 1-14 (2014). 16.A. Mehmood, A. Abdelkefi, A., M. Hajj, A. Nayfeh, I. Akhtar, and A. Nuhait, “Piezoelectric energy harvesting from vortex-induced vibrations of circular cylinder,” J. Sound Vib. 332, 4656-4667 (2013). 17.K. Singh, S. Michelin, and E. de Langre, “Energy harvesting from axial flow induced instabilities in slender structures,” Proc. Int. Conf. FIV. 735-742 (2012). 18.C. Grouthier, S. Michelin, and E. de Langre, “Optimal energy harvesting by vortex-induced vibrations in cables,” Proc. Int. Conf. FIV. 291-298 (2012). 19.C. Dung and E. Sasaki, “Numerical simulation of output response of PVDF sensor attached on a can- tilever beam subjected to impact loading,” Sensors, 16, 601 (2016). 20.J. Qiu, H. Jiang, H. Ji, and K. Zhu, “Comparison between four piezoelectric energy harvesting circuits,” Front. Mech. Eng. China, 4, 153-159 (2009). 21.A. Tabesh and L. Fréchette, “A low-power stand-alone adaptive circuit for harvesting energy from a piezo- electric micropower generator,” IEEE Trans. Ind. Electron. 57, 840-849 (2009). 22.Y. Kushino and H. Koizumi, “Piezoelectric energy harvesting circuit using full-wave voltage doubler rectifier and switched inductor,” Proc. ECCE, 2310- 2315 (2014). 저자 약력 ▸송 우 진 (Woo‒jin Song) 2017년 8월 : 경북대 기계공학과 학사 2019년 8월 : 국립안동대 교육대학원 기계 교육전공 석사 2022년 9월 ~ 현재 : 현대자동차 글로벌 러 닝센터 하이테크 인재육성팀 매니저 ▸이 종 길 (Jongkil Lee) 1984년 2월 : 부산대 기계설계학과 학사 1990년 12월 : Univ. of Utah 기계공학과 석사 1993년 08월 : Univ. of Utah 기계공학과 박사 1995년 1월 ~ 1998년 2월 : 국방과학연구 소 선임연구원 1998년 3월 ~ 현재 : 국립안동대학교 사범 대학 기계교육과 교수한국음향학회지 제43권 제2호 pp. 178～183 (2024) The Journal of the Acoustical Society of Korea Vol.43, No.2 (2024) https://doi.org/10.7776/ASK.2024.43.2.178 pISSN : 1225-4428 eISSN : 2287-3775 †Corresponding author: In-Jee Jung (injee@kriss.re.kr) Division of Physical Metrology, Korea Research Institute of Standards and Science, 267, Gajeong-ro, Yuseong-gu, Daejeon 34113, Republic of Korea (Tel: 82-42-868-5300, Fax: 82-42-868-5643) †Corresponding author: Seungchul Lee (seunglee@kaist.ac.kr) Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, 291, Daehak-ro, Yuseong-gu, Daejeon 34141, Republic of Korea (Tel: 82-42-350-3026, Fax: 82-42-350-3210) Copyrightⓒ2024 The Acoustical Society of Korea. This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited. 도달시간차 기반의 음원 위치 추정법의 정확도 향상을 위한 딥러닝 적용 연구 Deep learning-based approach to improve the accuracy of time difference of arrival - based sound source localization 정일주, 1 허현석, 1 정인지, 2† 이승철 3† (Iljoo Jeong, 1 Hyunsuk Huh, 1 In-Jee Jung, 2† and Seungchul Lee 3† ) 1 포항공과대학교 기계공학과, 2 한국표준과학연구원 물리표준본부, 3 한국과학기술원 기계공학과 (Received December 4, 2023; revised January 10, 2024; accepted January 11, 2024) 초 록: 본 연구는 데이터 기반의 딥러닝 접근 방식을 통해 도달 방향 추정의 정확성과 정밀성의 개선을 통해 보다 강건하고 정확한 음원 위치 추적 기술을 제안한다. 본 연구에서는 도달시간 차 기반의 음원 위치 추적법을 개선함을 목적으로 하며, 이를 위해 상호상관함수로부터 정확하고 정밀한 시간 지연을 추정한다. 실제 마이크로폰으로부터 계 측된 값은 많은 잡음이 혼입된 형태이므로, 따라서 실제 도달시간 차이를 정확히 추정하는 것이 여전히 이 분야의 한계 로 남아있다. 또한, 마이크로폰으로 부터 실제 신호를 계측하는 과정에서 신호는 디지털화가 되며, 계측 시스템의 샘플 링 주파수에 의해 측정 정밀도가 한정되는 양자화 오류를 수반한다. 본 연구에서는 딥러닝 기반 접근법을 통해, 기존의 방법이 가지는 한계를 극복한다. 또한 본 연구에서는 획득된 상호상관함수로부터 시간 지연을 추정하는 원리를 분석 하기 위해, 두 개 및 세 개의 마이크로폰으로 구성된 배열에 대한 검증을 수행한다. 마지막으로, 실험을 통해 본 방법의 실제 활용성을 검증한다. 핵심용어: 음원 위치 추정, 딥러닝, 상호상관함수, 도달시간차 ABSTRACT: This study introduces an enhanced sound source localization technique, bolstered by a data-driven deep learning approach, to improve the precision and accuracy of direction of arrival estimation. Focused on refining Time Difference Of Arrival (TDOA) based sound source localization, the research hinges on accurately estimating TDOA from cross-correlation functions. Accurately estimating the TDOA still remains a limitation in this research field because the measured value from actual microphones are mixed with a lot of noise. Additionally, the digitization process of acoustic signals introduces quantization errors, associated with the sampling frequency of the measurement system, that limit the precision of TDOA estimation. A deep learning-based approach is designed to overcome these limitations in TDOA accuracy and precision. To validate the method, we conduct comprehensive evaluations using both two and three-microphone array configurations. Moreover, the feasibility and real-world applicability of the suggested method are further substantiated through experiments conducted in an anechoic chamber. Keywords: Sound source localization, Deep-learning, Cross-correlation function, Time Difference Of Arrival (TDOA) PACS numbers: 43.60.Jn, 43.60.Pt 178도달시간차 기반의 음원 위치 추정법의 정확도 향상을 위한 딥러닝 적용 연구 The Journal of the Acoustical Society of Korea Vol.43, No.2 (2024) 179 I. 서 론 마이크로폰 배열 기반의 음원 위치추정법은 국방, 산업 안전, 인명구조 및 로봇 분야 등 다양한 분야에 서 꾸준한 요구가 있어 온 기술 분야이다. [1] 기존의 접 근 방법으로는 도달시간차(Time-Different Of Arrival, TDOA), 빔포밍, 음향 홀로그래피 등이 있으며, [2] 특 히 도달시간차를 이용한 방법은 배열의 기하학적 구 조를 기반으로 계산되는 마이크로폰 간 상호상관함 수를 통해 시간 지연이 결정되므로 계산이 간단한 특 징이 있다. [3] 한편, 많은 연구에서 위치추정의 정확도 를 높이기 위해 일반화된 상호상관 방법이 광범위하 게 사용되었다. [4-6] 실제 환경에서는 다양한 잡음이 동시에 측정되 며, 따라서 마이크로폰에서 계측된 음향 신호의 왜 곡은 결과적으로 이를 통한 음원 위치추정 성능 저 하를 유발한다. 또한, 디지털 신호처리 과정에서 나 타나는 시간 분해능 한계 및 마이크로폰 배열에 도 달하는 음원의 방향에 따른 내재적인 오차의 원인 들은 측정 방법의 강건성을 낮추는 문제를 유발한 다. [7] 최근에는 딥러닝을 적용하여 데이터의 숨겨진 패 턴을 찾아내는 방법으로 음원 위치 추정하는 문제에 적용되어, 기존의 방식이 갖는 성능 한계를 극복하 고 있다. [8] 도달시간차 방법을 적용하기 위하여, 상 호상관함수를 통한 음원 위치추정을 위해 딥러닝의 적용이 최근 활발히 시도된 바 있으며, [9-11] 이러한 연 구들은 대부분 측정된 원신호로부터 곧바로 음원의 위치를 추정하는 방식으로 접근하였으나 시간 또는 공간분해능을 제한함으로써 음원 위치 추정 성능의 본질적인 한계가 남아있다. 본 연구에서는 딥러닝을 통해 정확한 도달시간차 추정 기술을 제안한다. 이를 통해, 측정 과정에서 발 생하는 양자화 오류를 극복함으로써 도달시간차 방 법을 기반으로 한 음원 위치 추정 정확도를 향상시 키는 것을 목적으로 한다. 또한, 마이크로폰이 2개 및 3개로 이루어진 배열에 대한 시뮬레이션 및 실험 을 통해 본 연구에서 제안하는 방법을 검증하고 결 과에 대해 논의한다. II. 배경 이론 및 문제 정의 2.1 상호상관함수를 이용한 음원 위치추정 마이크로폰의 기하적 배치 및 음원이 도달하는 방 향에 따라 각 음원에 대한 마이크로폰의 도달시간이 달라지게 된다. 따라서 마이크로폰 배열을 통해 이 러한 시간차를 역으로 계산하면 음원의 위치를 추정 할 수 있다. 도달시간차는 마이크로폰 배열에서 계 산되는 상호상관함수를 통해 계산되며 다음과 같은 수식으로 표현된다. (1) 여기서 은 두 마이크로폰에서 측정된 음압 사 이의 상호상관함수이며, ,(2) ,(3) 여기서 은 음원 신호 , 는 비상관 잡 음, 는 음원 신호에 대한 자기상관함수, 는 의 최대값에 해당하는 시점이며 실제 시간지 연에 해당한다. 따라서 마이크로폰 배열에서 계산되 는 복수의 상호상관함수 및 마이크로폰의 기하적 배 치에 따라 음원의 위치를 추정할 수 있다. 2.2 문제 정의 도달시간차를 통한 음원위치 추정 방법에서 마이 크로폰에서 측정된 상관함수에서 를 추론하는 것이 가장 중요한 과정이다. 이를 추론하는 과정에 서 산란 및 굴절과 같은 음향 전파에 따른 현상 또는 반사 및 잔향과 같은 요소들은 시간지연의 왜곡을 초래할 수 있다. 또한, 실제 측정에 따라 계산되는 이 산화된 상호상관함수는 공간분해능을 떨어지게 하 는 주요한 요인 중 하나이다. 따라서 이러한 오차의 요인들은 결국 위치추정 정확도를 떨어뜨리고 측정 결과의 불확도를 커지게 한다. [7]정일주, 허현석, 정인지, 이승철 한국음향학회지 제 43 권 제 2 호 (2024) 180 본 연구의 주요 목적은 음향 신호의 시간 지연을 정확하게 추정할 수 있는 딥러닝 모델을 개발하는 것이다. 아래와 같이 특정 추정 모델을 획득하는 것 을 목표로 한다. ,(4) 여기서 은 실제 측정 결과를 통해 계산되는 상호상관함수를 나타내고, 은 모델에서 추론된 도달시간 차이다. 본 모델의 핵심 목표는 편항된 상호상관함수 로부터 실제 값을 보상하는 것이다. 이러한 문제 를 해결함으로써 기존의 도달시간차를 이용한 음원 위치추정 방법보다 정확한 시간지연 값을 계산할 수 있으며, 따라서 본 제안된 방법은 음원 위치추정 정 확도를 향상시키는 데 적용할 수 있다. III. 딥러닝 기반 도달시간차 추정 본 연구의 주요 목표는 로 구성된 데이터 세트에 대해 훈련된 딥러닝 모델을 활용하여 를 직접 예측하는 것이다. 문제 해결을 위해서 대표적 인 딥러닝 모델인 Multi-Layer Perceptron(MLP)를 이 용하였으며, 과적합이 발생하지 않는 선에서 높은 유추 성능을 확보하기 위해서 MLP의 은닉층을 4개 로 구성하였다. 이에 따라 모델의 하이퍼파라미터는 직접 탐색을 통해 선정되었다. Fig. 1에 본 연구에서 제안하는 딥러닝 모델에 대한 구성을 나타내었다. 모델 학습에 있어서, 손실 함수로는 평균 제곱 오 차(Mean Squared Error, MSE)가 사용되었다. 학습 과 정에서의 학습률은 0.01로 설정되었으며, 모델 최적 화는 Adam Optimizer를 사용하여 수행되었다. [12] 제안 모델의 도달시간차 추정 성능을 확인하기 위 해 Fig. 2와 같이 마이크로폰 2개 및 3개로 구성된 배 열을 사용하여 시뮬레이션을 진행하였다. 성능 비교 를 위하여 실제 시간 지연과 예상 시간 지연 사이의 평균절대오차(Mean Absolute Error, MAE)를 사용하 였다. 2개 마이크로폰으로 구성된 배열에 대해서는 1개의 상호상관함수, 그리고 3개 마이크로폰으로 구 성된 배열에 대해서는 3개의 상호상관함수가 데이 터 세트에 포함되며, 총 10,000개의 데이터 쌍을 포함 한다. 각 데이터는 Matlab을 통한 시뮬레이션으로 생 성되었다. 여기서 간격이 0.03 m인 마이크로폰 배열 을 적용하였고, 데이터 형성에 적용된 음속 및 샘플 링 주파수는 각각 343 m/s, 10 kHz이며, 대역 제한된 백색잡음에 대하여 상호상관함수를 계산하였다. 상 호상관 함수는 총 23개의 시간지연에 대한 계산 결 과를 포함하며 그 범위는 ≤ 에 해당한다. Fig. 3은 2개의 마이크로폰으로 구성된 배열에서, Fig. 1. (Color available online) Proposed TDOA estimation based on MLP architecture. Fig. 2. Microphone array setups: (a) line array with two microphones; (b) equilateral triangle array with three microphones. Here, m 1 , m 2 , m 3 indicate the position of microphones. Fig. 3. (Color available online) Simulation results of TDOA estimation of two microphone for three different source DOA examples. DOA of (a) (60°, -6°), (b) (-107°, 24°), and (c) (-59°, 10°). Here, the second row is the zoomed result of the first row.도달시간차 기반의 음원 위치 추정법의 정확도 향상을 위한 딥러닝 적용 연구 The Journal of the Acoustical Society of Korea Vol.43, No.2 (2024) 181 서로 다른 3개 음원 방향에 대해 계산된 상호상관함 수 및 도달시간차 추정 결과를 나타낸다. 여기서 x- 축은 데이터 순서를 나타내고, 11번째 데이터가 에 해당한다. Fig. 3(a) ~ (c) 결과를 비교해보면, 각기 다른 상호상관함수에 대해 모두 = 0으로 예측하는 것을 알 수 있다. 를 중심으로 확대 도시 된 결과를 통해 상세히 살펴보면, 도달시간차 예측 값인 가 에 비해서 오히려 정확도가 낮은 것을 볼 수 있다. 이를 통해, 제안된 모델은 단일 상호 상관함수로부터 도달시간차를 예측하는 패턴을 제 대로 학습하지 못하였음을 알 수 있고, 따라서 딥러 닝을 통해 단일의 상호상관함수에서 획득할 수 있는 정보만으로는 도달시간차 예측을 수행하기 어려운 것을 확인할 수 있다. Fig. 4는 3개의 마이크로폰으로 구성된 배열에서, 임의로 선정된 한 음원 방향에 대해 계산된 상호상 관함수 , , 및 도달시간차 추정 결과 를 나타낸다. Fig. 4(a) ~ (c) 결과를 통해 높은 정확도 로 가 를 추정하는 것을 볼 수 있다. 한편, 는 시간분해능 제한에 따라 와 차이를 나타 내는 것을 볼 수 있고, 이는 양자화 오차에 해당한다. 이를 통해, 제안된 딥러닝 모델을 이용하여 양자화 오차를 보상함으로써 도달시간차 기반의 음원 위치 추정법의 정확도를 향상시킬 수 있음을 알 수 있다. Table 1은 마이크로폰 2개와 3개로 구성된 배열에 대한 도달시간차 추정의 정량적 결과(MAE)를 나타 낸다. 여기서는 1,000개의 데이터 세트가 계산에 활 용되었다. 이를 토대로 분석한 결과, 마이크로폰을 3 개 사용한 경우에는 도달시간차의 오차가 감소하지 만, 마이크로폰이 2개인 경우에는 딥러닝 모델 적용 시 오히려 오차가 커지는 것을 볼 수 있다. 이로부터, 상호상관함수를 통한 도달시간차의 추정을 위한 핵 심은 주어진 마이크로폰 배열에서 획득된 서로 다른 상호상관함수 간의 연관성에 있음을 유추할 수 있다. 이를 통해, 딥러닝 적용 결과의 유효성을 확립하기 위해서 최소 3개 이상의 마이크로폰이 필요한 것을 알 수 있다. 2개의 마이크로폰으로는 cone of confusion 에 의하여 도달시간차를 통한 정확한 방위각 추정이 어려운 점을 고려하였을 때, 이는 충분히 보상 가능 한 조건이라 생각할 수 있다. 본 연구에서는 음원 추정을 위한 가장 기본적인 마이크로폰 배열로부터 딥러닝 모델 적용 가능성을 검토하였으며, 향후에는 딥러닝 모델의 최적화를 위 한 마이크로폰 배열 및 마이크로폰 개수에 대한 분 석이 필요하다. IV. 실험을 통한 검증 제안 모델의 도달시간차 추정 성능을 확인하기 위 한 실험적 검증을 수행하였다. Fig. 2(b)와 같은 정삼 각형 형태의 마이크로폰 배열을 사용하였으며, 무향 실 내에서 임의의 252개 방향에서 전파되는 음원에 대한 측정을 수행하였다. 본 실험에서는 실제 마이크로폰을 사용함으로써, 실험 수행에 따라 발생할 수 있는 측정 오차를 포함 한다. 또한, 마이크로폰의 간격을 0.14 m로 설정하여 딥러닝 모델이 다양한 크기를 갖는 마이크로폰 어레 이에 적용될 수 있는지에 대한 여부를 확인하였다. Fig. 4. (Color available online) Simulation results for three microphone for one DOA example with (azimuth, elevation) is (98°, 42°). (a), (b) and (c) show the TDOA estimation result for CC 12 , CC 13 , and CC 23 . Here, the second row is the zoomed result of the first row. Table 1. Comparison of the mean absolute error for averaged TDOA estimation for 1000 test sets for random DOAs. Average Previous1.98E-052.11E-051.81E-051.97E-05 2-microphone1.30E-4--1.30E-04 3-microphone7.52E-068.76E-067.64E-067.97E-06Next >