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

Korea Acoustic Measurement in the Arctic Sea in 2024(KAMAS-24)는 2024년 8월에 북극해의 축치해와 동시베리아해 해역에서 수행되었고, 이 실험에서 해빙에 의한 음파의 후방산란강도 를 측정하였다. 중주파수 음원과 수직선배열센서를 이용하여 측정한 빔출력으로부터 산란각별 후방산란강도를 추정하고 기존의 알려진 관측과 비교하였다. KAMAS-24의 후방산란강도는 60 deg 이하에서는 산란각에 따른 변화 경향이 해빙이 없는 해수면의 경우와 유사하였다. 또한 저각에서 15 dB 이상의 변동이 나타났으며 해빙의 하부에 존재할 수 있는 용골에 의한 영향으로 생각된다. 음파가 해빙을 투과하여 추가 손실과 상쇄 간섭이 발생할 가능성이 있는 고각인 90 deg에서는 후방산란강도가 낮아지는 현상도 나타났다. 공개된 기존의 관측과 비교한 결과 KAMAS-24의 후방산란강도가 기존의 관측보다 낮았으며, 기후변화가 진행되며 여름철에 기온이 상승하여 해빙이 무르고 녹는 속도와 양이 증가하는 시기에 측정되었기 때문으로 생각된다.

해양 생물들은 의사소통, 먹이 탐색, 장애물 및 포식자 회피, 항해 등 여러 가지 목적을 위해 소리를 사용한다. 이러한 해양생물음은 개체군 평가, 행동 분석, 수중 은밀 통신 등 여러 연구 분야에 활용되고 있으며, 이를 위해서는 해양생물음의 음향학적 특성 분석이 선행되어야 한다. 본 연구에서는 소리를 발생시키는 어류 중 하나인 참조기(Larimichthys polyactis)가 내는 소리의 음향학적 특성을 분석하였다. 참조기 소리는 2024년 4월, 통영해상실증기지의 가두리 양식장에서 자동기록식 수중청음기를 활용하여 녹음되었다. 참조기 소리는 펄스 길이가 10 ms 이하의 펄스가 반복되는 형태를 보이고 파형이 매우 유사하게 나타났다. 이에 본 연구에서는 참조기 소리의 음향학적 특성으로, 하나의 신호 안에 존재하는 펄스 수, 펄스 간 간격, 펄스 간 간격의 변동성, 펄스 간 유사도를 분석하였으며, 신호별 대표 펄스 길이, 반파장 개수, 음압 준위, 피크 주파수, 3 dB 대역폭을 분석하였다. 본 연구 내용은 향후 해양생물음 기반 응용 연구에 기초 자료로 활용될 수 있다.

주로 송신용으로 사용되어 온 class IV 플렉스텐셔널 트랜스듀서는 높은 기계적 증폭 효과와 압전 효과의 가역성으로 인해 하이드로폰으로 사용 시 고감도 특성을 가질 수 있다. 이러한 특성을 응용하여 본 연구는 저주파 구간에서 고감도와 넓은 대역폭을 가지는 class IV 플렉스텐셔널 하이드로폰을 개발하고자 하였다. 수신 전압 감도와 비대역폭을 주요 성능 지표로 설정하여 유한요소해석을 통해 구조 변수가 음향 성능에 미치는 영향을 평가하였다. 그리고 회귀 분석, 최적화 알고리즘을 사용하여 최적 구조를 도출하였으며, 최종 모델은 기본모델에 비해 저주파 구간의 수신 감도는 대등하면서 비대역폭은 21 %p 증가하였다.

본 연구는 일본의 노이즈 예술 형식인 재패노이즈(Japanoise)를 음향 미학적 관점에서 재조명하고, 그것의 감상 방식과 장르적 정체성을 기존 노이즈뮤직과 사운드아트의 틀 속에서 비교·분석하였다. 기존 노이즈뮤직은 아방가르드 운동의 철학을 바탕으로 소음을 음악적 재료로 도입하였으나, 감상 방식은 여전히 전통적인 음악 청취의 틀에 머무는 경우가 많았다. 반면 재패노이즈는 소리의 구조적 완성도보다는 생성 행위와 신체적 감각 자극에 중점을 두며, 결과물이 아닌 소리 생성 과정 그 자체에 예술적 의미를 부여한다. 본 논문은 문헌 연구와 질적 비교 분석을 통해 재패노이즈가 사운드아트와 공유하는 두 가지 핵심 요소—청취자의 능동적 개입, 행위 중심의 미학—를 도출하였으며, 이를 통해 재패노이즈를 단순한 노이즈뮤직의 하위 장르가 아닌 사운드아트의 확장된 실천으로 재정의하였다. 이러한 재정의는 감상자에게 새로운 청취의 틀을 제공하며, 재패노이즈가 지닌 예술적 의미와 음향 미학적 가능성을 보다 명확히 드러낸다.

본 논문은 시변 환경에서 Iterative Wiener Filter(IWF) 알고리즘의 성능 향상을 위한 이중 슬라이딩 윈도우 방법을 제안한다. 기존 IWF 알고리즘은 재귀 최소 제곱(Recursive Least Squares, RLS)의 수치적 불안정성 문제를 해결하면서도 우수한 수렴 성능을 보이지만, 시변 환경에서의 추적 성능이 제한적이다. 제안하는 이중 슬라이딩 윈도우 IWF는 시스템 변화 감지에 따라 동적으로 길고 짧은 윈도우를 선택하여, 시스템이 변화하는 동안에는 짧은 길이 데이터 윈도우로 빠른 추적을 제공하고, 정상 상태에서는 긴 길이 데이터 윈도우를 사용하여 높은 추정 정확성을 유지한다. 시뮬레이션 결과, 제안한 방법이 단일 윈도우 길이를 사용하는 IWF보다 시변 시스템 환경에서 향상된 추적 성능을 보임을 확인하였다.

본 논문에서는 시변성이 큰 수중 음향 통신 환경에서 채널 부호화율과 변조 방식을 적응적으로 변경하여 최적의 전송 모드를 선택하는 기계 학습 기반의 Adaptive Coding and Modulation(ACM )방식을 제안한다. 제안한 방식은 Input Signal to Noise Ratio(ISNR), Received Signal to Noise Ratio(RSNR), Pilot-Bit Error Rate(P-BER), Channel Impulse Response(CIR) 등 4가지 Channel Quality Indicator(CQI)를 입력으로 사용하여, 통신 성공 가능성과 전송률을 동시에 고려한 최적의 ACM 모드를 분류기로 예측한다. 특히, Estimated Coded Bit Error Rate (EC-BER)를 기준으로 복호 가능성이 확보된 데이터만을 선별하여 학습 데이터로 활용함으로써, 분류기의 성능과 신뢰성을 높였다. 제안한 방식은 랜덤 포레스트 분류기를 기반으로 구현되었으며, 실험 결과 약 98.7%의 높은 정확도를 보였다. 또한 기존의 고정 전송 방식과 비교하여 제안한 방식은 다양한 채널 조건에서 항상 최적의 모드를 선택하며, 최대 2배 이상의 전송률 향상을 달성하였다.

수중 표적 탐지를 위한 데몬(Detection of Envelope Modulation On Noise, DEMON) 처리 기법은 프로펠러 캐비테이션으로 인한 포락선 변조를 분석하여 프로펠러 관련 정보를 추정한다. 기존 자기 상관 기법을 적용한 데몬 처리는 포락선의 주기성 부각에 효과적이나, 낮은 신호 대 잡음 비율 환경에서는 성능 개선 효과가 제한된다. 본 연구는 단일 채널 데몬 구조에 자기 상관과 적응형 회선 잡음 개선기(Adaptive Line Enhancement, ALE)를 결합한 새로운 기법을 제안한다. ALE는 적응 필터를 통해 광대역 잡음 환경에서 약한 주기성 신호의 신호 대 잡음 비율을 개선한다. 제안된 방법은 기존 자기 상관 데몬 처리 대비 2 dB ~ 5 dB의 주변 잡음 감소 효과 개선을 달성하였다.

음향 이벤트 검출은 오디오 신호에서 음향의 종류와 발생 지점과 끝점을 검출하는 기술로 모니터링 시스템, 자율주행 자동차 등 다양한 분야에 쓰이고 있다. 음향 이벤트 검출은 음향 신호 분석에 관한 국제 경연대회(Detection and Classification of Acoustic Scenes and Events, DCASE)를 통해 음향 이벤트 검출 성능을 향상시키기 위한 다양한 방법들이 소개되고 있다. 본 논문은 기존 음향 분석 모델의 하위 계층에서 시간-주파수 정보가 손실되는 문제를 완화하기 위해 누적 특성 추출 신경망(AccNet)을 제안한다. 제안하는 모델은 DCASE 2023 task4 테스트 베드를 활용한 실험에서, DCASE 2023 Baseline과 동일한 파라미터 수를 유지하면서 F1 점수에서 44.76 ± 0.51[%]를 기록하였고, 비교대상으로 고려된 CRNN, 다중해상도 합성곱 모델, 잔차 경로 기반 모델들에 비해 가장 우수한 성능을 보여준다. 또한, 제안하는 모델은 잔차 경로 기반 모델에 비해 Blender와 Electric shaver를 제외한 관심 음향에서 향상된 F1 점수를 보여준다.

최근 감정 강도를 제어할 수 있는 음성 합성 모델이 개발되었다. 하지만 감정 강도 제어 시스템들은 종종 음성 품질 저하와 부자연스러운 감정 표현으로 인해 인간과 같은 자연스러움과 합성 음성 사이에 중요한 격차가 존재한다. 이러한 문제를 해결하기 위해 우리는 기존의 트랜스포머 아키텍처를 활용한 감정 강도 제어 모델에 양방향 상태 공간 모델로 대체하는 새로운 프레임워크를 제안한다. 우리의 접근 방식은 양방향 상태 공간 모델과 감정 유도 교차 주의 메커니즘을 함께 적용하여 감정적 특성과 음향적 특성 간의 상호작용을 효과적으로 모델링하여 세밀한 감정 강도 제어와 음성의 품질, 자연스러움을 향상시킨다. 실험 결과는 우리의 접근법이 음성의 자연스러움 측면에서 기존 시스템과 비교하여 동등하거나 더 나은 성능을 달성함을 보여준다.

비접촉, 저렴한 센서 사용, 원거리 취득 가능성 등을 특징으로 하는 초음파 도플러 기반 무 음성 인터페이스 기술은 고립어를 대상으로 한 연구에서 비교적 높은 음성 인식율을 보였다. 기존의 초음파 도플러 기반 무 음성 인터페이스 기술에서는 입술의 전면 부위에 초음파를 방사하여 입 모양에 따른 초음파 변이를 검출하였는데 발성 음소와 큰 연관성을 갖는 혀의 움직임을 검출하는데는 한계가 있다. 본 논문에서는 이와 같은 단점을 부분적으로 극복하기 위해 혀의 움직임에 관여된 근육 부위에 초음파를 방사하여 초음파 변위를 취득, 이를 음성 합성에 사용하는 방법을 제안하였다. 기존 전면 방사 –반사 방식과 비교하여 제안된 방법은 객관적 평가 척도에서 우수한 성능을 나타내었으며, Whisper와 gText-To-Speech(gTTS) 이용하여 합성된 음성의 주관적 품질도 우수하게 나타났다.

음악 정보 검색(Music Information Retrieval, MIR)은 오디오 신호에 내재된 장르, 아티스트 정체성, 템포와 같은 의미적 정보를 추출하는 데 중점을 둔 연구 분야이다. 이러한 음악적 단서들은 피치나 음색과 같은 단기적 특성부터 멜로디나 분위기와 같은 장기적 패턴에 이르기까지 다양한 시간적 특성을 포함하며, 여러 수준의 추상화된 처리를 요구한다. 본 논문에서는 음악의 단기적 특성과 장기적 특성은 물론, 다양한 추상화 수준을 모두 반영할 수 있는 음악 표현을 학습하기 위해 설계된 다중 경로 신경망(Multi-Route Neural Network, MRNet)을 제안한다. 이를 위해 MRNet은 수용 영역의 크기가 서로 다른 여러 개의 확장 합성곱 계층을 적층하여, 다양한 시간 범위에 걸친 오디오 패턴을 효과적으로 분석할 수 있도록 한다. 또한, 입력 신호를 여러 경로로 나누어 처리하는 특수 구조인 multi-route Res2Block을 도입하여, 각 경로에서 서로 다른 깊이로 특징을 추출할 수 있게 설계하였다. 이 구조를 통해 네트워크는 저차, 중차, 고차 수준의 특성을 동시에 학습할 수 있다. MRNet은 GTZAN, FMA Small, FMA Large, Melon 데이터셋에서 각각 94.5 %, 56.6 %, 63.2 %, 71.3 %의 분류 정확도를 기록하며 기존 합성곱 신경망(Convolution Neural Network, CNN) 기반 접근법들을 능가하는 성능을 보였다. 이러한 결과는 MIR 과제에서 강건하고 계층적인 음악 표현 학습을 위한 MRNet의 효과성을 입증한다.

화자 분할은 음성 기반 시스템에서 다중 발화 환경을 처리하는 기술로, 콜센터 상담 분석, 회의록 자동 생성, 방송 콘텐츠 처리 등 다양한 응용 분야에서 중요한 역할을 수행한다. 화자 분할 성능은 앞선 예시와 같은 시스템의 전반적인 품질에 큰 영향을 미치며, 성능을 향상시키는 것은 이 분야의 주요 연구 주제 중 하나로 자리 잡고 있다. 본 논문에서는 화자 분할 성능 향상을 위한 방법으로 종단 간 구조의 단일 라벨 분류로 정의된 화자 분할 모델인 Single-Label Self-Attentive End-to-End Neural Diarization(SL-SA-EEND)에 대조 중심 손실 함수를 적용한 기법을 제안한다. 제안된 방법은 임베딩 공간에서 동일 클래스 간 거리는 가깝게, 서로 다른 클래스 간 거리는 멀게 유지하도록 하여, 각 클래스의 변별력을 강화한다. 이를 통해 각 클래스가 변별력 있는 특징을 학습할 수 있도록 하며 분류 작업에서 성능 향상을 도모한다. 실험 결과, 제안된 방법은 베이스라인 시스템인 SL-SA-EEND의 Diarization Error Rate(DER) 대비 Simulated 데이터베이스에서 25.53 % 향상된 성과를 보였으며, CallHome 데이터베이스에서는 11.88 % 향상된 결과를 나타낸다. 마지막으로, 임베딩 공간에서 대조 중심 손실 함수를 적용한 경우와 그렇지 않은 경우의 결과를 시각화하여, 분류 작업으로 정의된 화자 분할 시스템에서 대조 중심 손실 함수의 효과를 나타낸다.

다양한 노이즈 유형을 이해하고 분류하는 것은 음성 처리 모델의 강건성을 향상시키는 데 있어 매우 중요하다. 기존 연구들은 주로 백색 잡음이나 배경 소음과 같은 환경 노이즈에 초점을 맞추었으나, 피치 시프트, 타임 스트레치와 같은 음성 변조의 영향은 상대적으로 덜 탐구되어 왔다. 본 연구는 이러한 한계를 극복하기 위해 음성 변형을 포함한 다양한 노이즈 유형을 효과적으로 구분할 수 있는 노이즈 분류 모델을 제안한다. LibriSpeech, Voice Cloning ToolKit (VCTK), DSD-Corpus, TIMIT 데이터셋을 활용하여 538,000개의 노이즈 데이터셋을 구축하였으며, Spectrogram, MFCC, F0를 융합한 Multi-Feature Fusion 모델을 설계하였다. 제안된 모델은 95 %의 정확도를 달성하였으며, 7.2 M 파라미터로 실시간 전처리에 적합한 경량성을 확보하였다. 이는 노이즈 분류 기반 적응형 전처리가 다양한 노이즈 환경에서의 음성 처리 모델 강건성 향상에 기여할 수 있음을 시사한다.

본 논문은 딥러닝 기반 음성 디노이징 기술의 발전 과정을 체계적으로 고찰하고, 이를 바탕으로 SOTA 실시간 모델을 한국어 환경에 적용하여 그 성능과 구현 가능성을 검토한다. 통계적 기법에서 딥러닝으로, 다시 스펙트럼의 크기에서 위상까지 고려하는 복소수 도메인으로의 기술 패러다임 전환을 살펴본다. 이러한 분석을 바탕으로, 검증된 경량 실시간 모델인 DeepFilterNet2 아키텍처에 한국어 데이터를 적용하여 그 유효성을 검증했다. 실험 결과, 영어 데이터로만 학습된 베이스라인 모델 대비, 16 kHz 기반의 한국어 데이터를 추가 학습한 모델의 성능 개선이 미미하거나 오히려 일부 저하되는 현상을 확인했다. 본 연구는 이 현상의 주된 원인이 학습 데이터셋 간의 샘플링 레이트 불일치에 있음을 분석하고, 이 데이터 품질 불일치 문제가 향후 성공적인 한국어 실시간 모델 개발을 위해 반드시 선결되어야 할 중요한 과제임을 제시한다.

기존의 화자 인증 시스템은 깨끗한 발화 환경에서는 우수한 성능을 보이지만, 잡음이 혼입된 경우에는 성능이 저하되는 현상을 보인다. 이를 개선하기 위해 교사 학생 학습을 활용하여 화자 인증 시스템의 잡음 강인성을 향상시키는 연구가 진행되었지만, 단일 입력에 의존한다는 구조적 한계를 갖는다. 실제 음성 환경에서는 정상(stationary) 잡음이나 돌발성 잡음 등 다양한 잡음 유형이 존재할 수 있으며, 이러한 잡음은 표현 방식에 따라 상이하게 나타날 수 있다. 본 연구에서는 이러한 여러 가지 유형의 잡음을 각각 잘 표현해 주는 특징들을 통합하여 활용하는 통합 특징 시스템을 제안한다. 제안한 시스템은 원시 파형을 입력받는 교사 학생 학습 기반 Pre-trained Large Model(PLM) 분기에 병렬적으로 컨볼루션 기반 추출기를 통해 스펙트로그램을 가공하는 분기를 도입하였다. 그 후 특징 융합 모듈을 통해 두 분기 특징을 적응적으로 통합하여, 각 입력 특징의 장점을 상호보완적으로 활용하도록 설계하였다. 실험 결과, 기존 PLM 기반 단일 입력 시스템 대비 동일 오류율(Equal Error Rate, EER)이 도메인 내 잡음 환경에서 약 18 %, 도메인 외 잡음 환경에서 약 49 % 상대적으로 개선되었다. 또한 다양한 실제 환경 데이터셋에서도 경쟁력 있는 성능을 보여, 제안한 시스템이 잡음 환경에서 우수함을 입증하였다.