선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 축의 뒤틀림은 잘못된 방향의 신호정보를 인가하여 빔형성 기법의 성능저하를 나타낸다. 따라서 본 논문에 서는 음향 벡터 센서 축의 뒤틀림에 따른 좌 우 구분의 성능저하를 분석하고 보상을 통한 빔형성 기법의 성능향상을 확인하였다.
- 본 논문에서는 음향 벡터 센서 배열의 뒤틀림에 따른 빔형성 결과에서 좌 우 구분 모호성에 대하여 분석하였다. 그리고 롤 센서의 오차, 센서 배열의 비선형변화에서 센서개수에 따른 좌 우 구분 성능에 대한 영향을 분석하였다.
- 그러나 실제 상황에서 보상은 이보다 더 열악한 환경에서 이루어진다. 본 모의실험에서 롤 센서의 측정 오차 및 사용되는 개수에 따른 성능 차이를 분석한다. 그리고 음향 벡터 센서 배열의 뒤틀림이 임의적으로 발생한다고 가정하였을 때 사용되는 롤 센서의 개수에 따른 성능 차이를 분석한다.
가설 설정
- 실험에서 음향 벡터 센서의 개수는 32개의 채널을 이용하였으며, 센서간 거리는 λ/2이며, 설계주파수는 1000 Hz로 설정하였다. Fig. 1과 같이 ULA(Uniform Line Array)를 가정하였으며, 뒤틀림은 3.2절에서 언급한 바와 같이 y, z축에 회전으로 발생한다고 가정한다.
- 4와 동일하다. x축의 롤각도는 앞의 Fig. 3에서 설명된 센서 배열의 처음과 끝의 롤각도 전체변화량을 의미하며, 이번 실험에서도 센서 배열에서 롤이 선형적으로 변화한다고 가정한다. y축의 좌 우 빔출력 차이 값은 표적이 70°에 위치할 때 -70°의 빔출력 값과의 차이를 의미한다.
- 각각의 음향 벡터 센서 사이의 뒤틀림 변화량을 가우시안분포로 가정하였으며, 표준편차가 10°, 30°, 50°에 대하여 실험하였다.
- 대시-닷 선은 뒤틀림이 π/2, 대시 선은 뒤틀림이 π, 점선은 뒤틀림이 2π만큼 발생했을 때의 결과이다. 뒤틀림은 첫 번째 센서부터 마지막 센서까지 선형적으로 뒤틀림이 발생했다고 가정하였다. 즉, 뒤틀림이 π/2만큼 발생하면 센서사이의 뒤틀림 각도 차이는 π/2M만큼 변화하게 되고 마지막 센서는 첫 번째 센서와 비교하여 π/2만큼 회전하게 된다.
- 센서 배열의 구조상 튜브안에 센서를 고정시키기 때문에 x축의 변화는 센서 배열의 형태에 주로 영향을 받으며, 뒤틀림은 y, z축의 변화가 크게 작용한다. 따라서 Fig. 1에서 음향 벡터 센서 배열의 x축은 고정되어 있고 y, z축의 변화를 뒤틀림이라 가정한다. y, z축의 변화에 따른 보상은 음향 벡터 센서의 가중벡터에 롤 센서에서 얻은 뒤틀림정도를 이용하여 이루어지며, 보상된 가중벡터 w0´는 Eq.
- 또한 롤 센서 오차(eξ)는 가우시안 분포를 가정하였으며, 표준편차는 σξ = 5° 로 설정하였다.
- 각각의 음향 벡터 센서 사이의 뒤틀림 변화량을 가우시안분포로 가정하였으며, 표준편차가 10°, 30°, 50°에 대하여 실험하였다. 롤 센서의 배치는 음향 벡터 센서 배열의 전체길이에 등간격으로 배치하는 것을 가정하였다. 나머지 조건은 Fig.
- 3의 결과와 동일한 조건에서 뒤틀림 보상을 시행한 빔출력 결과이다. 보상을 위한 롤 센서는 음향 벡터 센서의 개수와 동일하게 32개를 이용하였으며, 음향 벡터 센서와 동일한 위치에 있다고 가정하였다. 또한 롤 센서 오차(eξ)는 가우시안 분포를 가정하였으며, 표준편차는 σξ = 5° 로 설정하였다.
- 음향 벡터 센서에서 정확한 신호의 방향추정은 축의 정보를 정확히 알고 있다는 가정하에 이루어진다. 배열화된 음향 벡터 센서들은 운용중에 뒤틀림이 쉽게 발생할 수 있으며, 이로 인하여 빔형성 기법의 성능저하를 발생시킨다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.