임베디드 GPU를 활용한 CRN 기반 능동소음제어 기법의 실험적 구현 및 성능 평가

키워드

확장요약문

능동소음제어(Active Noise Control, ANC) 분야에서는 다양하고 복잡한 소음 조건에 대응하기 위한 딥러닝 기반 ANC 기법에 관한 연구가 진행되고 있다. 선행 연구에서 제안된 합성곱 순환 신경망(Convolutional Recurrent Network, CRN) 기반 ANC 기법은 참조 신호의 시간·주파수 특성을 학습하여 목표 제어 지점의 소음을 최소화하는 제어 신호를 생성하도록 설계된 기법이다.

본 연구에서는 CRN 기반 ANC 기법을 임베디드 GPU 환경에 실험적으로 구현하고 소음 제어 성능을 평가하였다. 이를 위해 원 소음 신호를 방사하는 소음 스피커, CRN 모델이 생성한 제어 신호를 방사하는 제어 스피커, 목표 제어 지점의 잔류 소음 신호를 계측하는 오차 마이크로폰으로 실험 시스템을 구성하였다. 모델 학습에 앞서 제어 스피커와 오차 마이크로폰 사이의 음향 공간 특성을 모델링하였다. 학습 과정에서는 모델링이 완료된 음향 공간 특성을 CRN이 생성한 제어 신호에 적용하고, 원 소음 신호와 제어 신호의 상쇄간섭으로 발생하는 잔류 소음이 최소화되도록 CRN 모델의 가중치를 반복적으로 업데이트하였다.

학습이 완료된 CRN 모델을 임베디드 GPU에 탑재하여 참조 신호 전처리 및 실시간 제어 신호 생성 과정을 구현하였다. 이후 생성된 제어 신호를 제어 스피커를 통해 방사하고, 오차 마이크로폰을 이용하여 목표 제어 지점의 잔류 소음을 계측하였다. 해당 실험을 통해 얻은 소음 제어 결과와 시뮬레이션 결과를 비교함으로써 임베디드 GPU를 활용한 CRN 기반 ANC 기법의 실험적 구현 및 제어 가능성을 평가하였다.