초록 ▼

□연구개요
본 연구는 고성능의 능동 소음 제어기 (Active Noise Control, ANC) 시스템을 개발하는 것을 목표로 하였다. ANC 시스템에서는 실시간 진동 및 소음처리를 위하여 빠른 계산이 필요하기 때문에 낮은 계산량과 높은 정확도를 가지는 가변 필터 알고리즘이 요구된다. 이를 위해 scheduled step size를 이용한 filtered-x normalized least mean square 알고리즘을 개발, 성능을 개선하여 ANC 시스템에 결합하여 높은 성능을 보이는 실시간 ANC 시스템을 개발한다. 개발

□연구개요
본 연구는 고성능의 능동 소음 제어기 (Active Noise Control, ANC) 시스템을 개발하는 것을 목표로 하였다. ANC 시스템에서는 실시간 진동 및 소음처리를 위하여 빠른 계산이 필요하기 때문에 낮은 계산량과 높은 정확도를 가지는 가변 필터 알고리즘이 요구된다. 이를 위해 scheduled step size를 이용한 filtered-x normalized least mean square 알고리즘을 개발, 성능을 개선하여 ANC 시스템에 결합하여 높은 성능을 보이는 실시간 ANC 시스템을 개발한다. 개발된 ANC 시스템의 성능을 평가하기 위하여 계산 량과 비용 두가지 관점에서 기준 지표를 설정한다. MATLAB을 이용한 simulation을 통해 알고리즘의 이론적 가치를 평가하고, 이를 진동 및 소음이 있는 환경에서 실험을 진행하여 실험적 성능을 평가 하는 것을 목표로 한다.

□연구 목표대비 연구결과
본 연구 과제의 정성적 연구 결과는 다음 세가지 항목에서 논의 될 수 있다.
1) ANC 시스템을 위한 가변 필터 개발
ANC 시스템을 구성하는 각 path에 적용되는 필터를 위해 계산량과 정확도 측면에서 모두 개선을 이룬 알고리즘을 제안하였다. 가변 필터 알고리즘을 위해 scheduled step size 등을 사용하였고, ANC 시스템에 접목하였다.
2) 학습 알고리즘 최적화 기법 분석 및 논의
인공 지능 연구 분야에서 자주 사용되는 neural network와 기존 본 연구진이 사용하던 filter 알고리즘 사이 유사성을 발견하여 학습 알고리즘을 위한 최적화 기법의 개선을 이루었다. 이를 통해 기존 연구 목표였던 학습 알고리즘의 활용에 대한 목표를 달성하였다.
3) 실험을 통한 알고리즘 검증
제안한 학습 알고리즘, filter 알고리즘, ANC 시스템 성능을 matlab simulation을 통해 확인하였다.
또한, 정량적 성과의 경우 총 10개의 SCI 논문 출간 및 9개의 국제학회를 포함하여 13건의 학술 대회 논문 발표 성과를 이루어 정량적 목표를 달성하였다.

□연구개발결과의 중요성
Neural network-Active noise control-Filer algorithm의 결합 : 최근 많은 분야에서 인공지능을 접목한 연구가 활발히 진행되고 있고, 이에 따라 우수한 성능을 보장하는 학습 알고리즘의 필요성이 커지고 있다. 기존 본 연구진의 연구 분야와 인공 지능에서 자주 사용되는 neural network의 유사성에서 아이디어를 얻어, 본 연구진은 학습 알고리즘을 위한 optimizer을 제안하여 연구의 확장하여 그 중요성을 인정 받고 있다.

(출처 : 요 약 문 3p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 3
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 5
• 2. 연구수행내용 및 연구결과 ... 5
• 3. 연구개발결과의 중요성 ... 6
• 4. 연구성과 ... 7
• 끝페이지 ... 9