서지주요정보
시간 영역 빔형성기를 이용한 충격 음원의 방향 추정과 분류 = Impulsive sound localization and classification using time-domain beamformer
서명 / 저자 시간 영역 빔형성기를 이용한 충격 음원의 방향 추정과 분류 = Impulsive sound localization and classification using time-domain beamformer / 서대훈.
발행사항 [대전 : 한국과학기술원, 2015].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8027882

소장위치/청구기호

학술문화관(문화관) 보존서고

DME 15010

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

This paper presents a beamforming technique for locating impulsive sound source, and covers a means to classify the type of the generated impulse sound source in low signal to noise ratio (SNR). Impulsive sound is generated by the explosion or impact phenomenon, which generates a high peak-pressure for a short duration in time-domain. However, the measured signal of the sensor are always embedded in the interference noise sources and measurement noise, therefore, it is difficult to estimate the direction of arrival and to classify the occurrence of impulse sound in low SNR environment. Beamforming is a powerful method for finding the direction or location of a sound source. A beam-former is a spatial filter that operates on the output of an array of sensors in order to enhance the amplitude of a coherent wavefront relative to background noise and directional interference. The conventional frequency-domain beamformer is advantageous for localizing noise sources for a certain frequency band of concern, but the existence of many frequency components in the wide-band spectrum of impulsive noise makes the beam-forming image less clear. In contrast to a frequency-domain beamformer, it has been reported that a time-domain beamformer can be better suited for transient signals. Although both frequency- and time-domain beamformers produce the same result for the beamforming power, which is defined as the RMS value of its out-put. We proposes peak and crest factor as alternative directional estimators to enhance the performance of a time-domain beamformer in view of the fact that impulsive sound has high peak sound pressure as well as short duration time compared to the ambient noise sources. The performance of three different directional esti-mators, the peak, RMS, and crest factor of output values, are investigated and compared with the incoherent measurement noise embedded in multiple microphone signals. The impulsive noise source is modeled as a modi-fied Friedlander wave, and the beamwidth and side lobe level of the time-domain beamformer are formulated as functions of the SNR, pulse duration, the microphone spacing, and the number of microphones. The pro-posed formula is verified via experiments in an anechoic chamber using a uniformly spaced linear array, and the results show that the peak estimation of beamformer output determines the direction with better spatial reso-lution and a lower side lobe level than RMS and crest factor estimation. However, the crest factor estimation shows the best results in a low SNR condition in which interference sources are dominants. The second problem related with classification of the current impulse sound can solve based on the pattern recognition. It is noteworthy that noise reduction is essential for a successful classification, therefore, we use the beamformer output as a query, which has high SNR because of beam-steering toward the direction of impulse sound source. This is why the localization problem has to be solved first. And then the proposed extrac-tion scheme based on time-frequency analysis is applied. A spectral representation is computed by performing a Fourier transform on every frame. Finally, we design a minimum error classifier which assigns automatically a given query to one of the known, finite class. As a result, the performance of the proposed classifier combined with the beamformer can be im-proved as compared with the case of using a single microphone.

이 논문은 낮은 신호대 잡음비 환경에서 충격 음원의 발생 방향을 추정하고, 발생된 충격음의 종류를 분류하는 방법론에 대해서 다루고 있다. 충격음은 폭발 또는 충돌에 의해서 발생되며, 시간 영역에서 짧은 지속 시간 동안에 높은 음압을 발생시킨다. 그러나 센서의 측정 신호에는 충격음 이외에도 간섭음 및 측정 잡음이 더해지므로 이와 같은 낮은 신호대 잡음비 환경에서는 충격음의 발생 방향 추정과 분류가 어렵다. 간섭 음원과 측정 잡음의 영향으로부터 충격음의 신호대 잡음비를 높일 수 있는 대표적인 방법으로 빔형성기를 사용할 수 있다. 빔형성기는 주파수 영역과 시간 영역에서 이루어지는 방법으로 나누어지며, 주파수 영역 빔형성기는 특정 주파수 영역에 파워가 집중되는 음원에 대해서 적용할 때 큰 이점이 있다. 그러나 충격음은 광대역 스펙트럼의 특성이 있기 때문에 주파수 영역 빔형성기를 적용 시 선택된 주파수대역에 따라서 낮은 신호대 잡음비의 영향으로 높은 방향 추정 성능을 기대하기 어렵다. 따라서 본 연구에서는 과도 신호에 대하여 높은 신호대 잡음비를 얻기 위하여 시간 영역의 빔형성기를 사용하며 빔형성기 출력으로부터 먼저 충격 음원의 방향을 추정하고 분류를 차례대로 수행한다. 빔형성기 출력으로부터 음원의 방향을 추정하기 위해서는 방향 추정자가 필요하다. 선행 연구에 의하면 지향 방향에 따른 빔형성기 출력의 실효값이 방향 추정자로 사용되고 있으나 충격음은 지속 시간이 매우 짧기 때문에 실효값이 측정 시간에 반비례하는 문제가 발생한다. 따라서 본 논문에서는 충격음 발생시 순간적인 높은 음압으로 인하여 정상적 신호에 비하여 피크 음압과 파고율이 높다는 사실에 착안하여 측정 시간에 무관한 빔형성기 출력의 피크값 그리고 파고율을 새로운 방향 추정자로 제안한다. 제안된 방향 추정자의 성능을 비교하기 위하여 이론적 해석(음원과 잡음의 수학적 모델, 센서의 개수 및 신호대 잡음비 또는 간섭비에 따른 성능)과 실험적 검증이 수행되었다. 성능 비교 결과 충격음이 지배적인 높은 신호대 잡음비 환경에서는 피크값을 이용한 추정자의 성능이 가장 우수하나, 간섭 음원이 지배적인 상황에서는 파고율을 이용한 방향 추정자가 실효값과 피크값을 이용한 방향 추정 결과보다 우수하다. 두 번째 문제인 충격음 분류를 위해서 패턴 인식 이론에 기반한 전처리, 특징 추출, 분류기 설계 단계로 순차적으로 문제를 해결할 수 있다. 특히 전처리 단계에서는 잡음의 저감이 필수적이며 이를 위해서 파고율을 이용한 방향 추정자 값이 최대인 지향 방향으로의 빔형성기 출력을 이용하였다. 또한 지속 시간이 짧은 충격음의 특징 추출을 위해서 시간-주파수 해석을 통한 프레임과 주파수 밴드에 따른 파워를 이용하였다. 마지막으로 분류기 설계 단계에서는 사전에 분류된 훈련 데이터를 이용하여 데이터베이스를 만들어 현재 발생한 질의와 데이터베이스의 유사도를 정의하여, 분류 오차를 최소화시키는 분류기를 제안하며 분류기의 성능 실험 결과 기존의 매개 변수를 특징 벡터로 이용한 분류기에 비하여 높은 분류 성능을 보인다. 결론적으로 충격 음원의 분류를 위해서는 충격음의 정확한 방향 추정이 선행 되어야 하며, 파고율을 방향 추정자를 사용하면 간섭음이 지배적인 낮은 신호대 잡음비 환경에서도 충격음의 방향 추정이 가능하다. 또한 정확하게 추정된 방향으로의 빔형성기 출력을 분류기의 질의로 이용할 경우 최대의 신호대 잡음비를 얻을 수 있기 때문에 단일 센서의 출력을 이용한 경우에 비해서 분류 성능을 높일 수 있다.

서지기타정보

서지기타정보
청구기호 {DME 15010
형태사항 iv, 153 p. : 삽도 ; 30 cm
언어 한국어
일반주기 저자명의 영문표기 : Dae-Hoon Seo
지도교수의 한글표기 : 김양한
지도교수의 영문표기 : Yang Hann Kim
수록잡지명 : "A novel sensing method of fault in moving machine". Mechanical Systems and Signal Processing, vol.45, pp.154-169(2014)
수록잡지명 : "Impulsive sound source localization using the peak and RMS estimation of the time-domain beamformer output". Mechanical Systems and Signal Processing, Vol. 49, pp. 95-105(2014)
부록 수록
학위논문 학위논문(박사) - 한국과학기술원 : 기계공학전공,
서지주기 참고문헌 : p.
주제 어레이 신호처리
음원 위치 또느 방향 추정
충격음
빔형성 방법
패턴 인식
Array signal processing
Sound source localization
Impulse noise
Beamforming
Pattern classification
QR CODE qr code