[논문]청음용 자동차 로드노이즈 추출 방법 연구

국형석; 김형건; 조문환; 이강덕

doi:10.5050/ksnve.2016.26.7.844

[국내논문] 청음용 자동차 로드노이즈 추출 방법 연구
A Study on Road Noise Extraction Methods for Listening 원문보기

한국소음진동공학회논문집 = Transactions of the Korean society for noise and vibration engineering, v.26 no.7, 2016년, pp.844 - 850

국형석 (Department of Automotive Engineering, Kookmin University) , 김형건 (Hyundai Motor Company) , 조문환 (Hyundai Motor Company) , 이강덕 (Hyundai Motor Company)

Abstract ▼ AI-Helper

This study pertains to the extraction of the road noise component of signals from a vehicle's interior noise via the traditional frequency domain and time domain system identification methods. For road noise extraction based on the frequency domain system identification method, the appropriate matrix inversion strategy is investigated and causal and non-causal impulse response filters are compared. Furthermore, appropriate data lengths for the frequency domain system identification method are investigated. In addition to the traditional road noise extraction methods based on frequency domain system identification, a new approach to extract road noise via the time domain system identification method based on a parametric input-output model is proposed and investigated in the present study. In this approach, instead of constructing a higher order model for the full-band road noise, input and output signals are processed in the subband domain and lower order parametric models optimal to each subband are determined. These parametric models are used to extract road noises in each subband; the full band road noise is then reconstructed from the subband road noises. This study shows that both the methods in the frequency domain and the time domain successfully extract the road noise from the vehicle's interior noise.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

또한 주파수 영역의 시스템 식별기법에 기반을 둔 종래의 방법이 가진 한계를 극복할 수 있는지 알아보기 위하여 새로운 방법을 검토하였다. 새로운 방법은 시간 영역의 모수모형(parametric model)에 기반한 로드노이즈 추출 방법이다.
모수모형(parametric model)으로 동적 시스템의 입출력 관계를 모델링 할 수 있다. 이 연구에서는 Fig. 1에 표현한 MISO 시스템을 가장 간단한 형태의 모수모형인 ARX(autoregressive exogenous) 모형⁽⁶⁾으로 모델링하고 실내소음 중에서 참고 신호로 설명이 가능한 소음 성분을 추출하고자 하였다. 다중 입력 단일 출력 시스템에서 ARX 모형은 다음과 같이 나타낼 수 있다.
로드노이즈 성분의 분리 기능은 대부분의 NVH 측정/ 분석용 상용 프로그램에 구현되어 있는데, 주파수 영역의 시스템 식별기법(system identification methods)에 기반을 두고 있으나 상세한 방법은 공개하지 않고 있다. 이 연구에서는 주파수 영역 시스템 식별 방법을 이용하여 실내소음에서 청음용 로드노이즈를 추출하는 과정에서 필요한 세부적이고, 구체적인 방법을 검토하고 최적의 결과를 얻을 수 있는 방법이 무엇인지 찾고자 하였다.

제안 방법

스펙트럼 밀도 함수는 Welch의 피리오도그램(periodogram) 방법을 이용하였다. FFT 크기는 샘플링 주파수와 같은 32768개(즉, 주파수 해상도가 1 Hz)이며, 일반적으로 선택하는 바와 같이 Hanning 윈도우를 사용하였으며, 데이터의 중첩은 50 %로 하였다. 데이터 길이에 따라 특이값이 어떻게 다르게 계산되는지를 관찰하기 위해서 주파수의 함수로 계산되는 특이값을 데이터의 길이가 5초, 10초, 15초, 20초 네 가지 경우에 대하여 관찰하였으며 그 중 데이터 길이가 5초와 20초인 경우의 특이값을 Fig.
FFT 크기는 샘플링 주파수와 같은 32768개(즉, 주파수 해상도가 1 Hz)이며, 일반적으로 선택하는 바와 같이 Hanning 윈도우를 사용하였으며, 데이터의 중첩은 50 %로 하였다. 데이터 길이에 따라 특이값이 어떻게 다르게 계산되는지를 관찰하기 위해서 주파수의 함수로 계산되는 특이값을 데이터의 길이가 5초, 10초, 15초, 20초 네 가지 경우에 대하여 관찰하였으며 그 중 데이터 길이가 5초와 20초인 경우의 특이값을 Fig. 2에 보였다.
지면에서 전달되는 휠의 진동을 가장 가까이서 측정할 수있고, 가속도계의 부착이 가능한 휠 너클에서 3축 방향의 진동 신호를 측정하였으며, 휠 하우스 뒤쪽에 마이크로폰을 매립하여 가속도계로 측정하기 힘든 고주파의 로드노이즈 입력 신호를 측정하였다. 또한, 엔진 룸에서 3축 가속도계로 엔진 블록의 진동 가속도 신호를 측정하였다. 결과적으로 참고 신호 채널 수는 19개이다.
이 논문에서도 같은 맥락에서 결과를 보였다. 모수 추정에 사용된 데이터에 대해서 모형을 적용한 결과와 모형 추정과는 독립적인 데이터 그룹에 대해서 모형을 적용한 결과를 같이 제시하여 비교할 수 있도록 하였다. 추정 모형이 시스템의 동적인 특성에 부합하는 방향보다는 특정 데이터에 단순히 수치상으로 부합하는 방향으로 최적화되었을 가능성이 있으므로 별도의 데이터로 모형을 검증하는 것이다.
모수모형을 적용하기 위해서 주파수 밴드를 다수의 서브밴드로 나누었으며, 각 밴드마다 저 차의 ARX 모형을 사용하였다. 모수모형을 사용한 경우에는 좀 더 짧은 길이의 데이터만을 사용해서 로드노이즈를 추출하는 것이 가능하였고, 비모수 모형에 비하여 작은 감쇠를 가지는 스펙트럼상의 피크 성분을 더 잘 모델링 하였다.
이 연구에서는 후자의 방법을 취하였다. 상태수의 크기는 5, 50, 500 세 가지 크기에 대하여 조사하였다. 즉, 상태수의 크기를 50 으로 제한하기로 하였다면 가장 큰 특이값인 첫 번째 특이값의 1/50보다 작은 특이값은 버리고 그 위의 특이값은 취하므로 결국 역치는 σ₁/50이 된다.
비인과적 주파수 응답 함수는 실수부와 허수부가 힐버트 변환 관계에 있지 않다. 이 연구에서는 주파수 응답 함수의 실수부에서 힐버트 변환 관계에 있는 허수부를 계산하여 인위적 으로 인과적 시스템의 주파수 응답 함수를 복원하는 방법을 사용하였다.
모수모형은 비모수 모형에 비하여 작은 양의 데이터로도 시스템의 특성을 파악할 수 있는 장점이 있지만, 차량 NVH 시스템은 풀밴드(full band)의 시스템이기 때문에 모수모형을 한 번에 적용하기에는 너무 복잡하다. 이를 극복하기 위하여 서브밴드(subband) 신호처리 기법을 이용하여 비교적 작은 차수의 모수모형으로 서브밴드 별로 모델링이 가능하게 하였다. 2장에서는 주파수 영역 방법과 그 결과를 설명하고 3장에서는 시간 영역 방법과 그 결과를 설명하였다.
1에 표시한 MISO 시스템의 식별기법을 이용해 로드노이즈를 추출하기 위해서는 정속주행 시험에서 로드노이즈와 연관성이 높은 참고 신호를 측정해야 한다. 정속주행시험은 이용 가능한 시험로 중에서 윈드노이즈 성분에 비하여 로드노이즈 성분이 지배적인 성분이 될 수 있도록, 상대적으로 거친 노면을 선택하여 세단형 차량을 이용해 수행하였으며, 참고 신호로 쓰기 위해 주행시험 중에 네 개의 휠에서 다음과 같은 신호를 동시에 측정하였다. 지면에서 전달되는 휠의 진동을 가장 가까이서 측정할 수있고, 가속도계의 부착이 가능한 휠 너클에서 3축 방향의 진동 신호를 측정하였으며, 휠 하우스 뒤쪽에 마이크로폰을 매립하여 가속도계로 측정하기 힘든 고주파의 로드노이즈 입력 신호를 측정하였다.
정속주행시험은 이용 가능한 시험로 중에서 윈드노이즈 성분에 비하여 로드노이즈 성분이 지배적인 성분이 될 수 있도록, 상대적으로 거친 노면을 선택하여 세단형 차량을 이용해 수행하였으며, 참고 신호로 쓰기 위해 주행시험 중에 네 개의 휠에서 다음과 같은 신호를 동시에 측정하였다. 지면에서 전달되는 휠의 진동을 가장 가까이서 측정할 수있고, 가속도계의 부착이 가능한 휠 너클에서 3축 방향의 진동 신호를 측정하였으며, 휠 하우스 뒤쪽에 마이크로폰을 매립하여 가속도계로 측정하기 힘든 고주파의 로드노이즈 입력 신호를 측정하였다. 또한, 엔진 룸에서 3축 가속도계로 엔진 블록의 진동 가속도 신호를 측정하였다.
차량의 여러 위치에서 측정한 참고 신호와 함께 운전자 좌측 귀 위치에서 마이크로폰으로 실내소음을 측정하였다. 정속주행시험의 명목 주행속도는 110 km/h이었다.

대상 데이터

또한, 엔진 룸에서 3축 가속도계로 엔진 블록의 진동 가속도 신호를 측정하였다. 결과적으로 참고 신호 채널 수는 19개이다. 데이터 샘플링 주파수는 32768 Hz로 가청 주파수 범위를 거의 다 포함하였다.

데이터처리

주파수 영역 시스템 식별기법에 기반을 둔 비모수 모형과 시간 영역 시스템 식별기법에 기반을 둔 모수모형 모두를 MATLAB®으로 구현하고 분석 결과를 비교하였다.

이론/모형

또한 주파수 영역의 시스템 식별기법에 기반을 둔 종래의 방법이 가진 한계를 극복할 수 있는지 알아보기 위하여 새로운 방법을 검토하였다. 새로운 방법은 시간 영역의 모수모형(parametric model)에 기반한 로드노이즈 추출 방법이다. 모수모형은 비모수 모형에 비하여 작은 양의 데이터로도 시스템의 특성을 파악할 수 있는 장점이 있지만, 차량 NVH 시스템은 풀밴드(full band)의 시스템이기 때문에 모수모형을 한 번에 적용하기에는 너무 복잡하다.
서브밴드 신호처리 기법은, 이산 신호를 저 샘플링 된 다중의 주파수 밴드 신호로 분해하고, 모수모형을 적용한 다음, 다시 풀 밴드의 신호로 복원하는 기법이다⁽⁷⁾. 서브밴드 신호처리 기법은 로드노이즈 옥타브 밴드 모델링에 성공적으로 적용된 바있으며⁽⁸⁾, 이 연구에서는 풀밴드를 512개로 균등하게 분할 된 서브밴드로 나누어 신호 처리하는데 이용되었다.
2절에서 설명하였다. 스펙트럼 밀도 함수는 Welch의 피리오도그램(periodogram) 방법을 이용하였다. FFT 크기는 샘플링 주파수와 같은 32768개(즉, 주파수 해상도가 1 Hz)이며, 일반적으로 선택하는 바와 같이 Hanning 윈도우를 사용하였으며, 데이터의 중첩은 50 %로 하였다.
. 측정된 실내소음에서 로드노이즈 성분의 소음 신호를 추출하는 방법은 주파수 영역 시스템 식별기법에 바탕을 두고 있다. 즉, 실내소음 발생 메커니즘을 Fig.

성능/효과

데이터의 길이가 길어질수록 상태수(condition number)가 작아지는 경향이 있는 것을 알 수 있었다. 데이터 길이에 따른 상태수의 변화는 작은 특이값의 변화에 주로 원인이 있다.
모수모형을 적용하기 위해서 주파수 밴드를 다수의 서브밴드로 나누었으며, 각 밴드마다 저 차의 ARX 모형을 사용하였다. 모수모형을 사용한 경우에는 좀 더 짧은 길이의 데이터만을 사용해서 로드노이즈를 추출하는 것이 가능하였고, 비모수 모형에 비하여 작은 감쇠를 가지는 스펙트럼상의 피크 성분을 더 잘 모델링 하였다. 비모수 모형과 모수모형 모두에서 비교적 만족할 만한 결과를 얻을 수 있었다.
모수모형을 사용한 경우에는 좀 더 짧은 길이의 데이터만을 사용해서 로드노이즈를 추출하는 것이 가능하였고, 비모수 모형에 비하여 작은 감쇠를 가지는 스펙트럼상의 피크 성분을 더 잘 모델링 하였다. 비모수 모형과 모수모형 모두에서 비교적 만족할 만한 결과를 얻을 수 있었다.
2(a) 참조). 상태수가 작을수록 역행렬 계산 과정에서 측정 및 계산 오차의 영향을 덜 받으므로 데이터의 길이는 길수록 바람직하지만, 데이터 길이가 15초와 20초 일 때 특이값에 큰 차이가 없었다. 따라서 데이터 길이는 최소 15초 정도가 바람직해 보인다.
데이터 길이에 따른 상태수의 변화는 작은 특이값의 변화에 주로 원인이 있다. 즉, 큰 특이값은 데이터 길이의 선택에 따라 민감하게 바뀌지 않으나, 작은 특이값은 데이터 길이가 상대적으로 짧을수록 변동 폭이 커지고 값 자체도 작게 나오는 것을 관찰할 수 있었다. 특히 데이터의 길이를 5초로 제한 하면 특이값이 크게 두 그룹으로 나누어지고 작은 특이값 그룹의 평균적 특이값은 더 긴 길이의 데이터로 계산한 특이값보다 현저히 작은 것을 볼 수 있다 (Fig.
즉, 큰 특이값은 데이터 길이의 선택에 따라 민감하게 바뀌지 않으나, 작은 특이값은 데이터 길이가 상대적으로 짧을수록 변동 폭이 커지고 값 자체도 작게 나오는 것을 관찰할 수 있었다. 특히 데이터의 길이를 5초로 제한 하면 특이값이 크게 두 그룹으로 나누어지고 작은 특이값 그룹의 평균적 특이값은 더 긴 길이의 데이터로 계산한 특이값보다 현저히 작은 것을 볼 수 있다 (Fig. 2(a) 참조).

후속연구

이 연구에서 제시한 로드노이즈 추출 방법은 로드노이즈의 실내소음에 대한 기여도 평가, 로드노이즈 감성평가, 로드노이즈 모델링 및 시뮬레이션에 활용될 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	로드노이즈 성분의 분리 기능의 특징은 무엇인가?	로드노이즈의 전달 경로, 로드노이즈 음질평가, 로드노이즈와 윈드노이즈의 상대적 기여도 분석을 위해서는 자동차 실내소음에서 로드노이즈를 분리하는 기술이 필요하다. 로드노이즈 성분의 분리 기능은 대부분의 NVH 측정/ 분석용 상용 프로그램에 구현되어 있는데, 주파수 영역의 시스템 식별기법(system identification methods)에 기반을 두고 있으나 상세한 방법은 공개하지 않고 있다. 이 연구에서는 주파수 영역 시스템 식별 방법을 이용하여 실내소음에서 청음용 로드노이즈를 추출하는 과정에서 필요한 세부적이고, 구체적인 방법을 검토하고 최적의 결과를 얻을 수 있는 방법이 무엇인지 찾고자 하였다.
	자동차 실내소음에서 로드노이즈를 분리하는 기술이 필요한 이유는 무엇인가?	로드노이즈는 차체·섀시 및 파워트레인 NVH 개발 관점에서 관심 사항이다(1,2). 로드노이즈의 전달 경로, 로드노이즈 음질평가, 로드노이즈와 윈드노이즈의 상대적 기여도 분석을 위해서는 자동차 실내소음에서 로드노이즈를 분리하는 기술이 필요하다. 로드노이즈 성분의 분리 기능은 대부분의 NVH 측정/ 분석용 상용 프로그램에 구현되어 있는데, 주파수 영역의 시스템 식별기법(system identification methods)에 기반을 두고 있으나 상세한 방법은 공개하지 않고 있다.
	시간 영역의 모수모형(parametric model)에 기반한 로드노이즈 추출 방법의 장단점은 무엇인가?	새로운 방법은 시간 영역의 모수모형(parametric model)에기반한 로드노이즈 추출 방법이다. 모수모형은 비모수 모형에 비하여 작은 양의 데이터로도 시스템의 특성을 파악할 수 있는 장점이 있지만, 차량 NVH 시스템은 풀밴드(full band)의 시스템이기 때문에 모수모형을 한 번에 적용하기에는 너무 복잡하다. 이를 극복하기 위하여 서브밴드(subband) 신호처리 기법을 이용하여 비교적 작은 차수의 모수모형으로 서브밴드 별로 모델링이 가능하게 하였다.

참고문헌 (8)

Ko, K.-H., Heo, S.-J. and Kook, H., 2003, Integrated Test and Evaluation for Improvement of Vehicle Road Noise, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 13, No. 5, pp. 327-333.

원문보기 상세보기
Cho, Y.-H., Ko, K.-H., Heo, S.-J. Kook, H., Kim, C.-M. and Ki, J.-H., 2002, A Test Procedure for Road Noise Evaluation, Proceedings of the KSNVE Annual Spring Conference, pp. 980-985.
Bendat, J. S. and Piersol, A. G., 2000, Random Data: Analysis and Measurement procedures. 3rd ed., John Wiley & Sons, Inc. New York.
Strang, G., 1988, Linear Algebra and Its Applications, 3rd ed., Harcourt Brace Jovanovich, Inc. Orlando, Florida.
Oppenheim, A. V. and Schafer, R. W., 1989, Discrete-time Signal Processing, Prentice-Hall, Inc., Englewood Cliffs, New Jersey.
Ljung, L., 1999, System Identification: The Theory for the User, 2nd ed., Prentice-Hall PTR, Englewood Cliffs, New Jersey.
Vetterli, M. and Kovacevic, J., 1995, Wavelets and Subband Coding, Prentice-Hall PTR, Englewood Cliffs, New Jersey.
Kook, H.-S., Ih, K.-D. and Kim, H.-G., 2015, Modeling and Simulation of Road Noise by Using and Autoregressive Model, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 25, No. 12, pp. 888-894.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증