I. 서  론

차량의 고성능화, 연비 향상 및 경쟁력 확보를 위한 원가 및 중량 절감, 그리고 친환경차의 급속한 보급에 따라 NVH(Noise, Vibration, and Harshness) 개발 환경은 점점 어려워지고 있다. 따라서, 실내 소음을 저감하기 위한 자동차 회사들의 노력은 이전보다 더 커지고 있다. 특히, 고속 주행 시에는 바람소리가 실내음의 주된 기여 인자로 나타나기 때문에 이를 저감하는 것이 중요하다.

바람소리를 개선하는 방법은 일반적인 소음진동 문제와 유사하게 소음원을 저감하거나 전달 경로의 차단이 보편적인 방법이다. 그중에서도 보다 효과적인 방법인 소음원 저감 방법은 무엇보다 소음원의 위치를 정확히 파악하는 것이 중요하기 때문에 풍동 바람소리 가시화 시스템을 개발하여 외부 공력 소음원을 시각적으로 파악할 수 있었다. 그러나 현재의 풍동 바람소리 가시화 시스템은 외부 공력 소음원들을 파악하는데만 사용되는 한계를 가진다. 가시화를 통해 파악된 개별 소음원들 위주로 개선 시 실내음에 대해 얼마나 영향을 주는 지를 확인할 수 없는 한계가 존재한다. 즉, 외부 공력 소음원의 크기와 실내음 기여도의 상관도가 비례하지 않는 결과를 가진다. 그 이유는 개별 외부 공력 소음원들과 실내음 사이의 전달 경로의 차이 때문이다.

Fig. 1의 가시화 결과를 보면 2 kHz ~ 4 kHz 주파수 영역에서 전석 타이어부가 가장 큰 소음원으로 나타나나, 이 부위의 소음을 제거하면 실내음 기여도가 0.1 dBA 수준으로 실내음에 미치는 영향도가 거의 없음을 확인할 수 있다.

Fig. 1.

Results of aeroacoustic visualization and contribution to the interior noise.

따라서 외부 공력 소음원의 크기 순으로 개발 과정에서 생기는 기존의 문제점을 개선하기 위하여 차량 외부에 발생하는 공력 소음원들의 실내음에 대한 기여도 순으로 개발 방향을 전환하기 위한 새로운 신호 처리 신기술을 개발하였다.

본 연구에서는 측정된 소음 신호들을 전달 경로 파악에 널리 사용되는 특이값 분리(Singular Value Decomposition, SVD) 방법을 사용하는 대신에, 측정된 소음들은 부분 상관 분리(Partial Coherence Decomposition, PCD) 방법 중 하나인 촐레스키 분리(Cholesky Decomposition, CD) 기법을 새롭게 개발하여 개별 소음원들로 분리하였다.

스피커를 통한 원리 시험을 통해 알고리듬을 검증하였고, 풍동 목업 평가와 실차 주행 평가를 실시하였다. 이를 통해 개별 소음원과 관련된 신호로 분해한 후 실내 소음과의 상관성 분석을 통해 각각의 공력 소음원들에 대한 정확한 기여도 분석이 가능하게 되었다. 또한, PCD 기반의 실내음 기여도 분석 알고리듬을 풍동 가시화 시스템에 접목하기 위한 원리 시험을 통해 적용 가능성을 확인하였다.^[1]

II. 본 론

2.1 실내음 기여도 신호 처리 방법

새롭게 개발된 기여도 분석 접근법은 실험적 방법으로 실내음 신호와 다수의 외부 공력음향 소음원들의 신호들에 대해 동시 측정이 필요하다. 외부 공력음향 소음원들의 신호는 아웃사이드 미러, A-필라, 후드, 윈드쉴드 등 자동차 특정 부위 표면에 표면 마이크로폰을 설치하여 측정될 수 있다.

N개의 소음원 신호와 M개의 실내음 신호들을 동시에 측정했을 때, 음향 전달 함수(Acoustical Transfer Function, ATF) 행렬은 주파수 영역에서 Eq. (1)과 같이 표현할 수 있다.

$\mathrm{P}=\mathrm{Hs},$      (1)

여기서 P와 s는 각각 실내음 신호와 소음원 신호들의 벡터이고, H는 (i, j) 성분과 i번째 실내음 신호와 j번째 소음원 신호 사이의 가상 전달 함수를 갖는 M × N 가상 전달 함수 행렬이다. 실내음 신호들은 Eq. (2)와 같이 표현할 수 있다.

${\mathrm{S}}_{\mathrm{pp}}=\mathrm{E}\left({\mathrm{pp}}^{\mathrm{H}}\right)=\mathrm{HE}\left({\mathrm{ss}}^{\mathrm{H}}\right){\mathrm{H}}^{\mathrm{H}}={\mathrm{HS}}_{\mathrm{SS}}{\mathrm{H}}^{\mathrm{H}},$      (2)

여기서 E는 앙상블 평균, 윗 첨자 H는 허미션 연산자(Hermitian operator), 그리고 S_SS는 소음원 신호들의 크로스 스펙트럼 행렬이다.

바람소리와 같은 공력 소음원들은 측정 신호에 여러 소음원이 포함되어 있기 때문에 기존 방법을 사용하면 정확한 기여도 분석에 한계가 존재한다. 따라서, 소음원 신호들의 크로스 스펙트럼 행렬을 새롭게 개발한 CD 기법을 사용하여 분해하면 Eq. (3)과 같이 나타낼 수 있다.

${\mathrm{S}}_{\mathrm{ss}}={\mathrm{LDL}}^{\mathrm{H}},$      (3)

여기서 L은 하 삼각 행렬이고, D는 각 원소가 독립적인 소음원 신호의 오토 스펙트럼을 나타내는 대각 행렬이다. SVD와 같이 다른 수학적인 분해 접근 방법을 사용해서 얻은 대각 행렬은 물리적인 소음원들과 연관시키기에는 한계가 있는 반면에 Eq. (3)의 대각 행렬에 있는 각 대각 요소들은 소음원 신호가 CD 과정 중에 고정된 행에서 피봇으로 사용되기 때문에 직접적으로 하나의 소음원 신호와 연관된다. SVD 방법과 PCD 방법의 차이는 Table 1에서 볼 수 있다. 가장 큰 차이점은 소음원 신호의 크로스 스펙트럼 행렬을 어떤 방식으로 하느냐에 있고, 그에 따라 실내음 기여도가 다르게 나타난다.

Table 1. Comparison of signal processing methods for contribution analysis.

	Description
SVD	where U, VH : unitary matrix ∙ Measured signal can be expressed as singular value decomposition.
PCD	where L: lower triangular matrix, D: diagonal matrix of which each element represents the auto - spectrum of an independent source signal ∙ Cholesky Decomposition, a kind of revised LU decomposition

다양한 공력 소음원 신호들은 Fig. 2(a)에서 볼 수 있듯이 측정된 신호에 포함된다. 따라서, Fig. 2(b)와 같이 본 연구에서 개발된 CD 기법의 실내음 기여도 신호 처리 기법을 적용하면 독립된 소음원 신호들을 분리하여 각각의 실내음 기여도를 파악할 수 있다.

Fig. 2.

(a) Characteristics of aeroacoustic source and (b) signal processing of the contribution to interior noise.

실내음 오토 스펙트럼에 대한 i번째 독립된 소음원의 기여도는 Eq. (4)와 같이 쓰여질 수 있다.

${\mathrm{S}}_{{\mathrm{pp}}_{-}\mathrm{i}}=\mathrm{diag}\left\{\mathrm{HL}⌈d_{\mathit{i}}⌉{\mathrm{L}}^{\mathrm{H}}{\mathrm{H}}^{\mathrm{H}}\right\},$      (4)

여기서 [d_i]는 i번째 성분이 D의 i번째 성분과 같은 경우를 제외하고는 모든 성분들이 0인 대각 행렬을 나타낸다. 유사하게 번째 독립된 소음원과 실내음 측정값들 사이의 가상 음향 전달 함수(Virtual Acoustical Transfer Function, VATF)는 Eq. (5)와 같이 나타낼 수 있다.

${\mathrm{h}}_i=\mathrm{HL}⌈1_i⌉,$      (5)

여기서 [1i ]는 i번째 성분이 1인 것을 제외한 모든 성분들이 0인 대각 행렬이다.

Eq. (4)의 기여도는 Eq. (6)과 같이 표준화(normalizing)시킬 수 있다.

${\mathrm{C}}_i={\mathrm{S}}_{\mathrm{ppi}.}/\mathrm{diag}\left({\mathrm{S}}_{\mathrm{pp}}\right),$      (6)

여기서 C_i는 0과 1사이의 범위를 가진 i번째 소음원의 표준화된 실내음 기여도를 나타낸다.^[1]

2.2 실내음 기여도 신호 처리 기술 검증 평가

2.2.1 스피커 원리 시험

실험실에서 두 개의 주파수 밴드 특성이 다른 스피커 실험을 통해 원리 시험을 실시하였다. Fig. 3은 스피커 실험 셋업을 나타낸다. 하나의 스피커는 2.2 kHz의 컷 오프 주파수를 갖는 로우 패스 필터된 백색 소음 신호를 방사하며, 나머지 하나는 2.8 kHz의 컷 오프 주파수를 갖는 하이 패스 필터된 백색 신호를 방사한다. 각 스피커 앞에는 6개의 마이크로폰을 설치하여 소음원 신호들을 측정하였고 1개(MIC 7)의 마이크로폰은 기여도 분석을 위한 실내음용으로 설치되었다.

CD 기법을 적용한 실내음 기여도 분석 결과는 Fig. 4에서 볼 수 있듯이 각 소음원들의 크기 순으로 기여도가 잘 나타남을 볼 수 있다.

Fig. 3.

Experimental setup with two speakers.

Fig. 4.

The result of the contribution to interior noise.

2.2.2 목업 풍동 평가

캐빈을 모사한 Hyundai Standard Model 목업 풍동 평가를 통해 실내음 기여도를 파악해 보았다. 실험은 Texas A&M대학교의 모형 풍동에서 진행되었다.^[2]

실험용 목업은 Fig. 5에서와 같이 두께 7/16”의 알루미늄으로 제작되었고 윈드쉴드와 사이드에는 아크릴로 처리하였다. 3D프린터를 이용하여 제작된 별물인 미러와 레인거터를 부착하였다.

Fig. 5.

Mock-up test setup.

소음원 측정을 위한 1/4 인치의 마이크로폰은 유동에 의한 자가 소음을 줄이기 위하여 역시 3D 프린터로 제작된 페어링(Fairings)들을 적용하였다. 총 15개의 소음원 측정용 마이크로폰이 사용되었고, 실내음 측정을 위해 1개의 마이크로폰은 목업 내부에 설치되었다.

풍속 24 m/s의 실내음 기여도 분석 결과 Fig. 6(a)에서와 같이 실내음 기여도는 특정 주파수 대를 제외하고는 낮은 결과를 나타낸다. 이는 목업의 두께가 너무 두꺼워 투과 손실이 증대하여 고주파로 갈수록 기여도가 낮아졌기 때문이다. 따라서, 1 kHz 이하의 영역에서 주요 주파수에 대해 소음원 기여도를 파악하였다. 또한 Fig. 6.(b)와 (c)에서 볼 수 있듯이 미러나 레인거터의 영향을 받는 주파수와 기여도도 확인할 수 있었다.

Fig. 6.

(a) Contribution result of mock-up test, (b) contribution by outside view mirror, (c) contribution by rain-gutter.

2.2.3 실차 주행 평가

실차 기반의 실도로 평가를 통해 실내음 기여도 파악해 보았다. 평가 차량은 당사A차량이며, 주행은 65 mph, 75 mph, 80 mph로 진행되었다.

Fig. 7에서와 같이 목업 평가와 유사하게 차량 표면에 1/4 인치의 마이크로폰 을 63개, 엔진 룸 내부에 1개를 부착하였고, 실내음 측정을 위해 차량의 전후 좌석의 좌우측 귀 위치에 4개를 설치하였다.

분석의 편의성을 위하여 유사 소음원들을 Fig. 8과 같이 그룹화하여 63개의 외부 마이크로폰들을 31개의 그룹으로 구성하여 분석하였다.

Fig. 7.

Microphone locations.

Fig. 8.

Grouping of microphones.

그룹화된 실내음 기여도는 Eq. (7)과 같이 계산된다.

${\mathrm{C}}_{\mathrm{group},\mathrm{sum}}={\mathrm{C}}_1+{\mathrm{C}}_2+{\mathrm{C}}_3+\cdots$      (7)

실내음 기여도 분석을 위해 Fig. 9에서 볼 수 있듯이 매트랩(Matlab) 기반의 인하우스 소프트웨어를 개발하였다. 데이터 정보 입력과 선택, 데이터 분석을 위해 각 채널 셋팅과 채널들의 그룹화 각종 옵션 들과 결과 출력 옵션 등을 담고 있다.

Fig. 9.

In-house Matlab code.

운전석의 1/3 옥타브 밴드 별 실내음 기여도 분석 결과는 Fig. 10에서 볼 수 있듯이 전석 좌측 글래스, 전석 우측 글래스 순으로 나타나며, 1 kHz 이상 고주파 영역에서 전석 글래스 기여도가 증대함을 볼 수 있다.

Fig. 10.

Contribution to interior noise by frequency bands (driver seat): (a) overall result, (b) detailed result.

상세 주파수 분석을 통해 중심 주파수 별 순위를 파악할 수 있다. 특히, 1.6 kHz ~ 2.5 kHz 영역에서 전석 좌측 글래스 소음원의 실내음 기여도가 1순위로 나타났으며, 속도 증가 시 실내음 기여도가 3 % 이상 증가하여 다른 소음원 대비 2배 이상을 보여준다.

전체 실내음 기여도 분석을 한 결과, Fig. 11(a)에서 나타난 것처럼 주파수 밴드 별 실내음 기여도 분석 결과와 유사함을 알 수 있다.

또한 Fig. 11(b)에서와 같이 실내음 위치와 차속에 상관없이 전석 도어 글래스 부의 기여도가 최고로 나타났는데, 이는 A필라와 미러 부위를 지나는 강한 와류 영향으로 판단된다.

Fig. 11.

(a) Overall contribution to interior noise, (b) location of contribution ranking.

2.3 풍동 가시화 시스템 접목 선행연구

기존의 소음원 측정 방식은 많은 마이크로폰들을 차량 외부에 부착하기 때문에 평가 준비 시간이 많이 소요되며, 또한 평가 조건에 따라 측정 센서들의 이탈이나 손실 등의 문제점이 발생한다. 이러한 문제점들을 해결하기 위하여 기존의 실차 풍동 가시화 결과를 활용하여 공력 소음원들의 실내음 기여도를 파악하는 것이 필요하다. 따라서, 본 연구를 통해 새롭게 개발된 실내음 기여도 신호 처리 기술을 향후 실차 풍동 가시화 시스템에 접목하기 위한 선행 연구를 실시하였다. 이를 위한 측정부터 분석까지의 과정은 Fig. 12에서 볼 수 있다.

실내음 기여도 분석 기술을 가시화 시스템과 접목시키기 위해 필요한 중요 기술은 가상 소음원들을 선정하는 것과 선정된 가상 소음원들이 소음 신호를 가지도록 재구성하는 것이다.

Fig. 12.

Flow chart of interior noise contribution analysis using visualization in wind tunnel.

2.3.1 빔포밍 가시화

실험실에서 세 개의 주파수 밴드 특성이 다른 스피커 실험을 통해 원리 시험을 실시하였다. Fig. 13은 스피커 실험 셋업 및 가시화 결과이다. 가시화용 어레이는 총 64개의 마이크로폰이 장착되었다.

가시화 시험 결과, 각 스피커에서 발생하는 주파수 특성에 맞게 소음원들이 잘 파악되는 것을 알 수 있다.

Fig. 13.

Experimental setup and beamforming results.

2.3.2 가상 소음원 선정

가시화 결과를 통해 주파수별 최대 위치에서의 가상 소음원들을 Eq. (8)을 이용하여 선정하였다.

${\mathrm{B}}_{\max }=\max ⌈W^{\mathit{H}}{S}_{\mathit{m}\mathit{m}}W⌉,$      (8)

여기서 W는 마이크로폰 어레이와 스캐닝면 간의 조향 벡터이고, S_mm은 어레이 측정 신호들의 크로스 스펙트럼 행렬이다. 가상 소음원 선정은 Fig. 14에서와 같이 선정하였다.

Fig. 14.

Result for selecting virtual sources.

2.3.3 가상 소음원상 소음 신호 재구성

선정된 가상 소음원은 단순히 크기만을 가진 값이기 때문에 실제로 실내음과의 기여도 계산을 위해서는 소음 신호가 존재해야 한다. Eq. (9)를 활용하여 소음 신호를 가상 소음원에 재구성하였다.

${\mathrm{p}}_{\mathrm{m}}=\mathrm{Gv},$      (9)

여기서 p_m은 어레이로 측정된 음압 벡터, G는 어레이와 가상 소음원들 간 조향 벡터이고, v는 가상 소음원 신호 벡터이다. 이를 통해 가상 소음원 VS#1, VS#2, VS#3번에 소음 신호를 재구성하였다.^[3]

2.3.4 실내음 기여도 분석

가상 소음원들과 실내음과의 관계에 CD 기반의 기여도 분석 기법을 적용하여 Fig. 15와 같은 결과를 얻었다. 가상 소음원들의 실내음 기여도 결과, 저주파 영역은 가상 소음원 1, 중주파 영역은 가상 소음원 2, 그리고, 고주파 영역은 가상 소음원 3이 실내음의 지배적인 소음원으로 나타남을 볼 수 있다.

Fig. 15.

Contribution to interior noise of virtual noise sources.

III. 결 론

본 연구를 통해 바람소리와 같이 차량 외부에서 발생하는 다양한 공력 소음원들을 포함하는 측정된 신호에서 독립된 개별 공력 소음원 신호들만 추출하여 각각의 실내음 기여도 분석이 가능한 새로운 신호 처리 기법을 개발하였다. 스피커 원리 시험을 통해 본 기술을 검증하였고, 자체 개발한 소프트웨어로 목업 풍동 평가와 실차 주행 바람소리 평가 시 외부 공력 소음원들의 실내음 기여도와 주요 주파수별 기여 순위를 분석하였다.

또한, 본 기술을 풍동 가시화 시스템에 접목하기 위해 원리 시험을 통한 선행 연구를 실시하여 적용 가능성을 확인하였다. 센서를 부착하는 데 많은 시간이 소요되고 정확한 소음원들을 파악하는 데 한계가 존재하는 기존의 방법과 달리 비접촉식 소음원 파악 방법인 가시화 결과를 활용하기 위해 가상 소음원 파악 및 가상 소음원의 신호 제작을 위해 추가적인 기술을 개발하여 주파수 대역별 가상 소음원들의 실내 기여도를 정확히 파악할 수 있었다.

현재 풍동 가시화 시스템에 본 연구 결과를 적용하기 위해 다음과 같은 추가적인 연구를 진행 중이다.

1) 300채널 이상의 어레이 결과 분석이 가능하도록 다채널 확장을 고려한 실내음 기여도 분석 알고리듬 보완

2) 기존 풍동 가시화 시스템 소프트웨어에 통합하기 위한 임베디드 기술 개발

3) 빔포밍 가시화 시 다수의 가상 소음원 파악에 한계가 있어 새로운 근접 음향 홀로그래피 기법 적용

이를 통해 평가 시간 단축과 실내 기여 순의 외부 공력 소음원들 파악이 가능해져 보다 효율적으로 바람소리 개발이 이루어질 수 있을 것으로 예상된다.