The Journal of the Acoustical Society of KoreaISSN:1225-4428(Print) 2287-3775(Online)한국음향학회

저소음형 초고압 변압기 설계를 위해 조화응답해석을 활용한 소음저감 예측 방법을 제안한다. 이를 위해 초고압 변압기의 유한요소 모델을 구축하고, 변압기의 가진력을 도출하여 조화응답해석을 수행하였다. 해석 결과를 바탕으로 구조 기인 방사 소음을 계산하고, 변압기의 음향파워레벨을 이론적으로 도출하였다. 마지막으로, 소음저감 대책을 수립한 후, 적용 전·후 실험 및 해석을 통해 소음저감 효과를 비교하였다. 그 결과, 대책별 소음 저감량에 대한 실험과 해석의 경향이 일치함을 확인하였다.

본 논문은 자율무인잠수정(Autonomous Underwater Vehicle, AUV) 군집의 지속적인 연결을 보장하기 위한 새로운 군집 단위 수중 핸드오버 기법을 제시한다. 제안된 기법은 합의 알고리즘을 활용하여, 군집 내 모든 노드들이 핸드오버 결정 과정에 참여할 수 있도록 설계되었다. 따라서 특정 노드의 중앙 제어 없이, 군집 내 노드 간 1-hop 메시지 교환으로 합의를 이루고 이를 통해 핸드오버의 시도 여부를 결정한다. 모의실험 결과, AUV 군집은 채널 상태와 군집의 이동성에 부합하는 핸드오버 여부를 합의를 통해 판단하며, 불필요한 핸드오버를 최소화하였다. 기존 방식인 단일 AUV의 단독 결정 방식에 비해 제안된 기법은 에너지 소모량에서 약 30.12 %, 신호 대 잡음비(Signal to Noise Ratio, SNR)에서 약 8.89 % 개선된 성능을 보였다.

본 연구에서는 항공기 및 사격장 소음 측정 시 시간 가중과 시간 평균 방법을 각각 달리 적용할 경우, 소음노출레벨(Sound Exposure Levels, SEL) 산출에 미치는 영향을 분석하였다. 이를 위해 국내 공항 및 대형화기 사격장 인근 지역에서 측정한 총 50개의 소음 데이터를 활용하였으며, 각 음원에 시간 평균 방법으로 산출한 기준값인 기준 소음노출레벨과 Slow 및 Fast 시간 가중을 각각 적용한 후, 1 s, 0.1 s, 0.01 s의 샘플링 간격으로 기록하여 산출한 소음노출레벨 값 간의 차이를 비교·분석하였다. 항공기 소음의 경우, Slow 특성을 적용하고 1 s 간격으로 기록한 소음노출레벨 값은 기준 소음노출레벨과 비교했을 때 편차가 0.4 dB 미만으로 나타났다. 반면, 대형화기 사격장 소음의 경우, 동일한 조건에서 최대 4.5 dB의 편차가 발생하여 항공기 소음에 비해 더 큰 차이를 보였다. 연구 결과, 정확한 소음노출레벨 분석을 위해서는 표준 방법에 따라 시간 평균 방법을 적용하거나, 시간 가중 방식 중 Fast 특성을 적용한 후 항공기의 경우 0.1 s, 사격장의 경우 0.01 s 이하의 시간 간격으로 기록하는 것이 적절할 것으로 판단된다.

클래스 IV 굴곡 트랜스듀서는 압전 스택을 기반으로 타원형 금속 쉘에서 굴곡 진동을 발생시켜 높은 음압을 방사할 수 있는 전기-음향 변환기이다. 이 변환기에 대한 진폭 확대율의 해석 방법은 복잡하고 계산 자원이 많이 소모되며, 물리적 요소 간의 관계를 이해하기 어렵다는 단점이 있었다. 이를 해결하기 위해 본 연구에서는 타원 쉘의 둘레 길이 근사 계산법을 기반으로 한 간단한 이론적 해석 방법을 제안하고, 이를 통해 진폭 확대율을 도출하였다. 타원의 종횡비와 장축 방향 변형 간의 관계를 라마누잔 근사식을 통해 설명하였으며, 이를 검증하기 위해 다양한 종횡비를 가지는 클래스 IV 굴곡 트랜스듀서를 설계하고 실험을 수행하였다. 실험 결과, 타원의 종횡비가 증가할수록 진폭 확대율이 감소하는 경향을 확인하였으며, 이론식과 실험 데이터 간의 높은 일치도를 보였다. 본 연구에서 제안된 해석법은 클래스 IV 굴곡 트랜스듀서의 설계와 성능 예측을 위한 효율적이고 신뢰성 높은 접근법을 제공할 수 있을 것으로 기대된다.

본 연구는 클래스 IV 플렉스텐셔널 트랜스듀서의 타원형 원통 쉘 두께 변화가 공진 특성에 미치는 영향을 분석하였다. 수학적 모델을 제안하고, 이론 계산과 실험을 통해 쉘 두께가 증가할수록 공진 주파수가 상승함을 확인하였다. 제안된 모델은 높은 정확성을 보여 트랜스듀서 설계의 최적화 및 새로운 디자인 검토에 유용한 기초 자료를 제공하며, 수중 음향 송신기 및 광대역 수신기와 같은 응용 분야에 활용 가능성을 제시한다.

본 연구는 박쥐의 생체 소나(Sound Navigation and Ranging, SONAR)를 모방한 인공신경망 모델(BioNetV2)을 제안하여, 잡음 및 클러터 환경에서의 반사음 표현 성능을 개선한다. 기존 BioNet은 낮은 시간 해상도와 제한된 학습 데이터로 인해 표적 식별 성능이 저하되며, 잡음환경에서 분별력이 급격히 감소하는 한계를 가진다. 이를 해결하기 위해, BioNetV2는 고해상도 시간 해상도를 적용하고, 다양한 반사음 데이터를 학습하여 성능을 향상시켰다. 실험에서는 6가지 물체와 3가지 반사면을 고려하여 반사음 데이터를 수집하고, 잡음 및 클러터 환경에서 Fisher distance를 기반으로 13개 클래스의 분별력을 평가하였다. 실험 결과, BioNetV2는 기존 방법(BioNet, AudSpec, CA_Gabor)보다 높은 분별력을 보였으며, 특히 신호 대 잡음비(Signal to Noise Ratio, SNR) –10 dB 환경에서도 성능 저하가 가장 적어 강인한 반사음 표현 능력을 입증하였다. 향후 연구에서는 연속적인 반사음 정보를 통합하여 3D 객체 인식으로 확장할 계획이다.

청각은 음파를 신경 신호로 변환하여 의사소통과 주변 환경에 대한 인식을 가능하게 하는 복잡한 감각 과정이다. 내유모 세포는 달팽이관 안에 있는 주요한 감각 변환기로서 역학적인 소리의 진동을 등급 수용체 전위로 변환하는 기능을 한다. 본 연구는 청각 신호의 기호화를 위해 내유모 세포에서 수행하는 세포 및 분자 메커니즘을 탐구하는 것을 목적으로 하며, 주파수, 강도, 시간 등 소리의 특징을 표현하는 데 필수적인 이온 조절과 시냅스 전달을 중점적으로 다루고 있다. 소리에 반응하여 부동모의 변위로 기계전기적 변환 채널이 열리면 K⁺가 내유모 세포 안으로 유입되며 탈분극이 발생한다. 이것은 전압 개폐 칼슘 이온 채널을 통해 Ca²⁺의 유입을 유도하고, 이로 인해 리본 시냅스에서 신경전달물질의 방출이 촉진되어 나선신경절세포가 활성화된다. 탈분극 이후 K⁺와 Ca²⁺의 유출을 통한 재분극이 발생하여 세포막 전위가 휴지 상태로 되돌아가고, 이어서 나타나는 과분극은 시냅스 잡음을 줄이고 청각 신호 전달의 시간적 정밀성을 향상시킨다. 이온 항상성의 유지와 시냅스 활동의 조절은 정확한 청각 신호 기호화에 필수적이다. 내유모 세포의 세포 및 분자 메커니즘에 대한 이해는 정상 달팽이관의 생리에 대한 필수적인 지식을 제공하고 청각 장애의 잠재적인 치료 접근을 위해 중요한 통찰을 제시할 것이다.

본 연구의 목적은 나선신경세포의 구조와 기능, 특히 시냅스 전달 및 청각 인코딩에서의 역할을 포괄적으로 고찰함으로써 청각 처리 과정에서 이들이 수행하는 중요한 역할을 심층적으로 이해하는 것이다. 나선신경세포는 청각 시스템에서 최초로 활동 전위를 생성하는 신경 세포로서 와우와 뇌를 연결하는 주요한 신경 연결 통로이다. 이들은 리본 시냅스를 통해 유모세포로부터 흥분성 입력을 받아 활동 전위를 생성하고, 이를 와우핵으로 전달한다. 이들은 주파수 및 강도 정보를 정확하게 인코딩하도록 고유한 형태적 특징, 시냅스 구조, 그리고 발화 패턴을 지닌다. 각 제2형 나선 신경 세포가 다수의 외유모 세포를 신경 지배하는 반면, 각 내유모 세포는 다수의 제 1형 나선 신경 세포와 시냅스를 형성하며 주요 구심성 뉴런으로서 정밀한 소리 전달을 촉진시킨다. 글루타메이트는 유모 세포-나선 신경 세포 시냅스에서 신경 전달을 매개하는 주요한 흥분성 신경전달물질이다. 나선 신경 세포의 주파수 인코딩은 주파수별 배열 및 음파 주기에 대한 신경 발화의 위상 고정에 의존하는 반면, 강도 정보는 전체 신경 활동의 변화, 자발 발화율, 역치 민감도 및 나선 신경 세포의 중추 투사 양상 등을 통해 나타난다. 본 연구는 나선 신경 세포의 생리학적 특성에 대한 심층적 이해를 제공하며, 향후 감각신경성 청각 장애의 치료 전략 개발을 위한 잠재적인 함의를 시사할 것이다.

전기자동차가 보급되는 과정에서 전기자동차의 주행음은 운전자의 만족도와 주행 경험에 영향을 미치는 중요한 요소로 자리 잡고 있다. 주행음의 음질에 대한 연구는 주행음이 운전 경험에 미치는 영향으로 인해 많은 관심을 받아왔다. 주행음에 대한 기존 연구들은 주로 운전자의 만족도를 높이거나 특정 주행 감성을 유도하는 데 초점을 뒀으나, 본 연구는 그 범위를 확장하여 주행음이 운전자의 집중력에 미치는 영향을 탐구하였다. 집중력 평가는 인간의 집중력 신경망 모델에 기반한 측정 방법인 주의력 네트워크 검사(Attention Network Test, ANT)를 활용하여 수행되었다. 본 연구에서는 심리음향 파라미터와 만족도, 주행 감성, 운전자의 집중력 간의 관계를 분석하여 각 요소 간의 상관관계를 확인하였다. 또한, 다중 선형 회귀 모델을 활용하여 개인별 최적 주행음 추천의 가능성을 탐색하였다. 본 연구의 결과는 운전자의 만족도와 집중력을 동시에 향상시킬 수 있도록 하는 차량 내 음향 환경을 구성하는 데 기여할 수 있을 것이다.

과학화 전투훈련은 전투형 강군 육성을 목표로 소규모 제대에서 최상위급 제대까지 실전적 훈련이 가능하도록 개발되어 운용되고 있다. 이러한 과학화 전투훈련은 실제 전장과 최대한 동일한 환경을 제공하기 위해 다양한 방법을 제공한다. 다만 교전 시 탄환비행음 제공, 유탄발사기 등 폭발음의 제공 등에 제한이 존재하며 이는 실전과 훈련의 차이를 만들며, 훈련 몰입도를 저하시키는 원인이 되고 있다. 이에 본 논문은 교전 시 발생하는 탄환비행음과 유탄발사기 등의 폭발음을 발생 지점과 청음 거리를 고려하여 제공함으로써 실 전투현장과 같은 전장 소음에 따른 공포감을 병사들이 체험할 수 있도록 하여 훈련 몰입도를 향상시키는 방안에 대한 연구이다. 해당 결과가 적용된 시스템은 직사화기의 경우 탄환 궤적으로부터의 이격 거리를 연산하여 해당 음압에 맞는 탄환비행음(shock wave)을 제공하며, 곡사화기의 경우에는 탄착 지점으로부터 이격 거리를 연산하여 해당 음압에 맞는 폭발음(explosion sound)을 제공한다.

기계학습으로 신경망을 학습하는 과정에서 학습 데이터는 직접적으로 성능에 큰 영향을 미친다. 가용한 학습 데이터의 양이 제한적인 환경에서 학습하고자 하는 신경망의 매개변수의 양이 일정 규모 이상일 경우 학습에 부정적인 영향을 미쳐 오히려 작은 매개변수를 가지는 신경망을 사용하는 것과 대비하여 성능이 저하된다. 이러한 데이터 부족으로 인한 문제를 완화하고자 본 논문에서는 특징 추출 및 분류기 신경망의 2단계로 구성된 신경망 구조 및 사전에 학습이 완료된 대형 신경망 모델의 출력을 사용하여 특징 추출 신경망을 학습하는 방법을 제안한다. 제안하는 방법 및 기존 방식의 신경망들을 소규모의 데이터를 사용하여 학습하여 음향 장면의 분류 성능 및 신경망의 복잡도 정도를 산출하였다. 제안하는 방법의 분류 성능은 기존 방식으로 학습하는 신경망 대비하여 유사한 복잡도 수준에서 더 우수한 분류 결과를 얻었으며, 기존 방식으로 학습한 신경망의 분류 성능이 저하되는 정도의 신경망 규모에서도 효과적으로 학습하여 분류 성능을 개선하였다.

본 연구의 목적은 자연 내 치유 환경 조성을 위하여 음악을 활용한 사운드스케이프를 개발하고, 자연환경 내 스트레스 완화와 정서적 웰빙에 미치는 효과를 검증하는 데에 있다. 연구 참여자는 20대 ~ 30대 성인(n = 32)으로, 실험집단과 통제집단에 무작위 배정되었으며, 실험집단은 등산, 휴식, 하산의 각 활동 단계에 맞춰 설계된 음악 기반 사운드스케이프 콘텐츠를 경험하였다. 회복환경지각척도(Perceived Restoration Scale based on nature-soundscape, PRS), 한국판 기분상태척도 단축형(Korean version of the Profile Of Mood States-Brief, K-POMS-B), 지각된 스트레스 척도(Korean version of Perceived Stress Scale, PSS-K)를 이용하여 사전·사후 사용자 경험 데이터를 수집하였고, 이를 반복측정 분산분석을 통해 분석하였다. 분석 결과, 실험집단은 회복환경지각의 모든 요인(벗어남, 매혹감, 선호, 자기집중)에서 통제집단에 비해 유의미한 향상을 보였으며(p < .05), 스트레스의 부정적 요인에서도 통제집단에 비해 유의미한 감소를 보였다(p < .05). 기분 상태는 두 집단 모두에서 사전·사후 시점에 따른 유의미한 변화가 나타났으나, 집단 및 집단과 시점 간 상호작용 효과의 유의미한 차이는 없었다. 본 연구의 결과는 음악의 치료적 사용에 대한 근거 기반 음악 요소의 선정과 이러한 요인을 사용자의 활동 및 환경에 부합하도록 재구성한 콘텐츠가 회복환경지각과 스트레스 완화에 긍정적인 영향을 미친 것을 의미한다.

기타 앰프 혹은 디스토션 페달과 같은 비선형 오디오 이펙트의 디지털 모델링을 위해 인공 신경망이 활발히 적용되고 있다. 그러나 대부분 단일 대역 방식으로 전체 주파수 범위를 모델링함에 따라 고역 하모닉 및 저역 공진을 정교하게 재현하기 힘들다. 본 연구는 멀티 서브밴드로 신호를 분할한 후, 각 대역에서 비선형 동작을 학습하는 시계열 합성곱 네트워크(Temporal Convolutional Network, TCN) 기반 모델 서브밴드 TCN(sTCN)을 제안한다. 이를 통해 고역과 저역에서 상이하게 나타나는 왜곡 특성을 각각 정교하게 복제하고자 한다. 제안 모델은 입력 오디오를 단일 밴드부터 32개의 서브밴드로 분할하고, 각 밴드별로 적합한 TCN 블록을 배치하여 비선형 특성을 학습한다. 학습에는 실제 기타 신호를 클린과 디스토션 출력으로 매칭한 페어 데이터셋을 사용하며, 파형 기반 L1 손실과 단시간 푸리에 변환(Short Time Fourier Transform, STFT) 손실을 혼합하여 주파수 및 시간 영역 왜곡을 함께 최적화했다. 실험 결과, 서브밴드 대역을 16밴드로 분할했을 때 단일 밴드 대비 평균 제곱근 오차(Root Mean Square Error, RMSE)가 약 60 % 평균 절대 오차(Mean Absolute Error, MAE)와 STFT error가 약 45 % 감소하는 성능향상을 보여 비선형 오디오 이펙트의 디지털 모델링 성능이 향상되었음을 확인했다.