KR102509458B1 - 자동차 실내 소음 위치 탐색 방법 및 시스템 - Google Patents

Abstract

본 발명은 사람에게 감성적인 측면에서 불편함을 주는 지속적이고 주요한 자동차 내 소음의 특성을 파악할 수 있는 자동차 실내 소음 위치 탐색 방법 및 시스템에 관한 것으로, a) 자동차 내의 2차원적인 위치 (i, j)에서 소음 데이터를 소정 시간동안 프레임단위로 수집하는 단계, b) 자동차 내의 2차원적인 위치 (i, j)에서 프레임을 기준으로 기준 횟수 이상 소음이 발생했는지를 판단하고, 기준 횟수 이상 소음이 발생한 위치를 원소로 하는 집합을 도출하는 단계 및 c) 상기 b) 단계에서 도출된 집합에 밀도기반 군집 분석 방법인 DBSCAN(Density-based spatial clustering of applications with noise)을 적용하는 단계를 포함하는 것을 특징으로 한다.

Description

자동차 실내 소음 위치 탐색 방법 및 시스템{A method for detecting interior noise location of vehicles and system}

본 발명은 자동차 실내 소음 위치 탐색 방법 및 시스템에 관한 것이다.

자동차의 소음은 자동차의 감성품질에 큰 영향을 주는 요인이며, 자동차의 NVH(Noise, Vibration, Harshness)는 오래전부터 자동차 제조사의 중요한 연구과제였다. 소음 및 잡소리가 자동차의 초기품질에 가장 많은 문제로 보고되고 있으며 최근에는 BSR(Buzz, Squeak, Rattle)과 같은 자동차 실내소음이 주요한 품질 이슈로 부각되고 있다.

자동차의 실내소음을 다루는 연구는 크게 세 가지로 구분된다. 첫째, 설계 단계에서 자동차의 실내 모듈에서 발생하는 소음의 음향학적 특징을 분석하고 음질지표를 개발하는 것으로서, 실내소음은 일종의 소리(sound)이므로 다양한 음질분석 기법을 활용하여 소음원에 대한 음질 분석을 수행한다. 예를 들어, 라우드니스(loudness), 샤프니스(sharpness), 러프니스(roughness) 등과 같은 음향의 특성을 나타내는 지표를 분석하여 실내소음의 음질 평가지표를 개발할 수 있다. 계기판 등의 자동차 실내 모듈에서 BSR과 같은 실내소음의 발생 여부를 분석하므로 자동차 제조 공정의 설계단계에서 상당히 중요한 연구이다.

둘째, 머신러닝 및 딥러닝을 통해 실내소음의 종류를 예측하는 연구가 최근 진행되고 있다. 소음데이터를 성문(acoustic fingerprint), STFT(Short-time Fourier Transform) 소음맵 등으로 변환한 후 머신러닝 및 립러닝의 분류(classification) 기법을 활용하여 BSR과 같은 실내소음의 종류를 예측한다. 딥러닝 기반의 실내소음 분류는 기존의 음향학적 접근에 비해 예측 정확도가 우수하다고 알려져 있다. 원시데이터에서 분류에 필요한 비선형 패턴을 자동으로 발견하는 딥런닝의 표현학습에 기인한다고 여겨진다.

마지막으로 자동차 실내의 다중 위치의 소음데이터를 활용하여 실내소음의 발생 위치를 탐색하는 연구이다. 이 분야의 연구에서는 음향카메라로 측정한 다중 위치의 소음데이터를 활용하여 소음의 세기 차이 및 시계열 특성을 활용하여 실내소음의 발생 위치를 탐색한다.

상기한 바와 같은 연구는 단순한 소음의 크기를 기준으로 소음의 평균-차를 비교하는 단순한 알고리즘을 사용하는 방법이므로, 사람에게 감성적인 측면에서 불편함을 주는 지속적이고 주요한 자동차 내 소음의 특성을 파악하기 어려운 문제점이 있었다.

한국공개특허공보 제1995-0033128호(“자동차의 실내소음 측정용 마이크로폰 고정장치”, 공개일 1995.12.22.)

본 발명은 상기한 바와 같은 문제점을 해결하기 위해 안출된 것으로, 자동차 실내 소음 위치 탐색 방법 및 시스템의 목적은, 사람에게 감성적인 측면에서 불편함을 주는 지속적이고 주요한 자동차 내 소음의 특성을 파악할 수 있는 자동차 실내 소음 위치 탐색 방법 및 시스템을 제공함에 있다.

상기한 바와 같은 문제점을 해결하기 위하여 본 발명의 자동차 실내 소음 위치 탐색 방법은, a) 자동차 내의 2차원적인 위치 (i, j)에서 소음 데이터를 소정 시간동안 프레임단위로 수집하는 단계; b) 자동차 내의 2차원적인 위치 (i, j)에서 프레임을 기준으로 기준 횟수 이상 소음이 발생했는지를 판단하고, 기준 횟수 이상 소음이 발생한 위치를 원소로 하는 집합을 도출하는 단계; 및 c) 상기 b) 단계에서 도출된 집합에 밀도기반 군집 분석 방법인 DBSCAN(Density-based spatial clustering of applications with noise)을 적용하는 단계를 포함하는 것을 특징으로 한다.

또한, 상기 a) 단계는, a-1) 자동차 내의 2차원적 위치 (i, j)에서 프레임(t)별 소음의 크기를 소정 시간동안 수집해, 데이터세트 X(t)를 도출하는 단계 및 a-2) 상기 X(t)를 이용해, 자동차 내에서 기준치 이상의 소음이 발생한 프레임(t)별 2차원적 위치 정보 (i, j)인 Y(t)를 도출하는 단계를 포함하는 것을 특징으로 한다.

또한, 상기 a-2) 단계는, 상기 X(t) 중, 특정 프레임(t)에서 최소값을 m(t)라고 했을 때, 아래 수식에 따라 상기 Y(t)를 도출하는 것을 특징으로 한다.

(상기

는 상기 Y(t)의 원소, 상기

는 상기 X(t)의 원소, 상기 g는 상기 a-2) 단계에서 사용하는 기준치)

또한, 상기 c) 단계에서 수행하는 DBSCAN은, eps 및 MinPts 두 개의 파라미터를 이용해 군집분석을 수행하는 것을 특징으로 한다.

또한, 상기 c) 단계는, 자동차 내의 위치 (i. j)가 상기 DBSCAN의 밀집군집에 포함되는지 여부에 대한 정보인

를 원소로 하는 데이터세트인 F를 도출하고, 상기 F와 상기 Y(t)를 이용해 특정 시점의 어느 위치에서 소음이 발생했는지를 판단하는 것을 특징으로 한다.

본 발명에 의한 자동차 실내 소음 위치 탐색 시스템은, 자동차 내의 2차원적 위치 (i, j)에서 소음 데이터를 소정 시간동안 프레임 단위로 수집하는 소음 수집수단; 및 상기 소음 수집수단으로부터 데이터를 수신해 자동차 내의 2차원적 위치 (i, j)에서 프레임을 기준으로 기준 횟수 이상 소음이 발생했는지 판단해, 기준 횟수 이상 소음이 발생한 위치를 원소로 하는 집합을 도출하고, 도출한 집합에 밀도기반 군집 분석 방법인 DBSCAN(Density-based spatial clustering of applications with noise)을 적용하는 제어부를 포함하는 것을 특징으로 한다.

또한, 상기 제어부는, 자동차 내의 2차원적 위치 (i, j)에서 프레임(t)별 소음의 크기를 소정 시간동안 수집해, 데이터세트 X(t)를 도출하고, 상기 X(t)를 이용해, 자동차 내에서 기준치 이상의 소음이 발생한 프레임(t)별 2차원적 위치 정보 (i, j)인 Y(t)를 도출해 소음이 발생한 위치를 원소로 하는 집합을 도출하는 것을 특징으로 한다.

또한, 상기 제어부는, 상기 X(t) 중, 특정 프레임(t)에서 최소값을 m(t)라고 했을 때, 아래 수식에 따라 상기 Y(t)를 도출하는 것을 특징으로 한다.

(상기

는 상기 Y(t)의 원소, 상기

는 상기 X(t)의 원소, 상기 g는 기준치)

또한, 상기 DBSCAN은, eps 및 MinPts 두 개의 파라미터를 이용해 군집분석을 수행하는 것을 특징으로 한다.

또한, 상기 제어부는, 자동차 내의 위치 (i. j)가 상기 DBSCAN의 밀집군집에 포함되는지 여부에 대한 정보인

를 원소로 하는 데이터세트인 F를 도출하고, 상기 F와 상기 Y(t)를 이용해 특정 시점의 어느 위치에서 소음이 발생했는지를 판단하는 것을 특징으로 한다.

상기한 바와 같은 본 발명의 다양한 실시예에 의한 자동차 실내 소음 위치 탐색 방법 및 시스템에 의하면, 인간의 소음 인지과정을 모델링하고 전방향 음향카메라인 소음 수집수단을 통해 추출된 다중 위치의 소음데이터를 활용해 소리의 크기 차이로 감지되는 자동차 실내의 주요 소음의 발생 위치와 시점을 탐색할 수 있는 효과가 있다.

도 1은 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 방법 및 시스템이 적용되는 자동차의 개략도.
도 2는 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 방법의 a) 단계에서 수집된 소음데이터 중, 첫 번째 프레임과 1592번째 프레임의 소음데이터를 시각화한 그래프.
도 3 및 도 4는 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 방법의 a) 단계, b) 단계 및 c) 단계 각각이 수행된 적용 결과의 시각화 그래프.

이하 첨부된 도면을 참고하여 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 방법 및 시스템에 관하여 상세히 설명한다.

도 1은 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 시스템이 적용되는 자동차의 개략도이다.

도 1은 자동차의 상부에서 바라본 상태이다. 도 1에 도시된 바와 같이, 자동차(10)를 상부에서 바라본 상태를 기준으로, 본 발명에서는 자동차(10)의 내부를 2차원적인 영역으로 구획할 수 있으며, 2차원적인 영역은 격자형태로 구획될 수 있다. 즉, 도 1을 기준으로, 격자로 둘러싸인 특정 영역의 위치는 (i, j)로 표현할 수 있으며, 여기서 i는 자동차의 가로를 기준으로 한 위치를, j는 자동차의 세로를 기준으로 한 위치를 의미할 수 있고, 도 1을 기준으로 i는 좌측부터 우측으로 1, 2, 3, ..., i의 값을 갖고, j는 상측에서 하측으로 1, 2, 3, ..., j의 값을 갖는다.

본 발명에서는 자동차 운전자에게 감성적인 측면에서 불편함을 주는 이질적이고 주요한 실내소음을 고려한다. 수십 분에서 한두 시간 정도 자동차를 운전하는 동안 발생한 모든 실내소음을 운전자가 기억할 수 없다. 수많은 소음 중에서도 지속적이고 많은 영역에서 밀집해서 발생하는 소음이 운전 후에 운전자의 기억에 더 남고 중요하게 인식될 수 있다. 본 발명에서 다루는 주요 실내소음은 주변의 소리보다 음량이 커서 귀에 크게 들리고, 일시적이고 산발적으로 발생하지 않고 시간적으로는 지속적이며 공간적으로는 한 군데서 밀집해서 지속적으로 발생하는 소음을 의미한다. 본 발명에서는 소음 인식과정을 감지, 기억, 인식의 3단계로 구분하며 모델링하고 이를 활용하여 주요 실내소음을 탐색하는 알고리즘을 제시한다.

본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 방법은, 크게 a) 단계, b) 단계 및 c) 단계를 포함할 수 있다.

a) 단계는 감지 단계로, 사람이 소음을 청각적으로 감지하는 상황을 모사한다. 사람은 특정 위치의 소리가 주변의 소리보다 크게 들릴 때 해당 위치의 소리를 청각적으로 감지한다. 음량의 차이가 일정 이상일 때 소리를 구분할 수 있으며, a) 단계에서 자동차(10)내의 2차원적인 위치 (i, j)에서 소음 데이터를 소정 시간동안 프레임단위로 수집할 수 있다.

a) 단계에서 수집된 소음데이터는 집합 형태로 표현할 수 있다. 예를 들어, 자동차(10) 내부의 2차원적인 위치를 가로 60개, 세로 20개로 총 1,200개로 구획하고, 초당 25프레임으로 1분 동안 소음데이터를 수집한다고 했을 때, 총 1,500프레임 동안 소음 데이터를 수집하는 것이므로, 60×20의 집합이 프레임별로 총 1,500개가 생성되며, 하나의 집합은 해당 프레임의 (i, j) 위치에서의 소음을 원소로 할 수 있다. 프레임별 집합의 원소는 2차원적인 위치의 총 개수인 1,200일 수 있으며, 원소는 소음데이터의 크기를 의미하고, dB로 표현될 수 있다.

a) 단계는 일종의 입체 마이크를 포함하는 소음 수집수단과 제어부에 의해 수행될 수 있으며, 이를 위해 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 시스템은, 소음 수집수단과 제어부를 포함할 수 있다.

소음 수집수단은 음향마이크와 같은 장치로 자동차(10) 실내에 설치될 수 있으며, 상기한 a) 단계 중, 소음을 수집하는 과정은 소음 수집수단에 의해 수행될 수 있으며, 소음을 수집하는 것 이외에, 데이터를 처리하는 과정은 제어부에서 수행할 수 있다. 제어부는 일종의 연산장치를 포함하는 전자기기일 수 있으며, 소음 수집수단과 제어부는 유선 또는 무선으로 연결되어, 소음 수집수단으로부터 정보를 전달받을 수 있다.

상기한 a) 단계는 세부적으로, a-1) 단계와 a-2) 단계로 구분될 수 있다.

먼저, a-1) 단계는 자동차 내의 2차원적인 위치 (i, j)에서 프레임(t)별 소음의 크기를 소정 시간동안 수집하고, 제어부에서 집합 X(t)를 도출하는 단계이며, a-2) 단계는 제어부에서 상기한 집합 X(t)를 이용해, 자동차 내에서 기준치 이상의 소음이 발생한 프레임(t)별 2차원적 위치 정보 (i, j)를 원소로 하는 집합인 Y(t)를 도출한다. 즉, Y(t)는 상기한 X(t)에 일종의 필터를 적용시킨 것으로, 제어부는 Y(t)의 특정 프레임(t)의 위치 (i, j)에 기준치 이상의 소음이 발생했으면 해당 위치 (i, j)에 1을 할당하고, 기준치 이상의 소음이 발생하지 않았으면, 해당 위치 (i, j)에 0을 할당해, Y(t)를 도출할 수 있다.

a-2) 단계를 보다 구체적으로 설명하면, 제어부는 도출된 X(t)의 특정 프레임(t)에서 원소들의 최소값을 ｍ(t)라고 했을 때, 아래 수식에 따라 Y(t)를 도출한다.

(상기

는 상기 Y(t)의 원소, 상기

는 상기 X(t)의 원소, 상기 g는 상기 a-2) 단계에서 사용하는 기준치)

상기 수식에서 g는 사용자가 임의로 지정한 값일 수 있다. 본 실시예에서 Y(t)를 상기한 바와 같이 기준치 g와 프레임(t)에서의 최소값인 m(t)을 이용해 구하는 이유는, 자동차(10) 내의 실내 소음이 아닌, 외부 유입 소음으로 전체 실내소음의 크기가 증가하는 상황을 고려한 것이다.

상기 a) 단계 이후 수행되는 b) 단계는, 기억 단계이다. 두 번째 기억 단계에서는 주행자가 운전한 후에 소음에 대한 경험이 기억에 남아야 사람이 감성적인 측면에서 소음에 대한 불편함을 느낀다는 점을 반영한 것이다. 일반적으로 우리는 자동차를 수분에서 수시간 운전하므로 시간이 지나면 소음을 감지한 경험을 잊게 된다. 특정 위치에서 주변보다 큰 소리를 감지한 경험을 모두 기억할 수 없다. 아마도 다양한 소음 중에서 빈번하게 감지되는 소음에 대한 경험이 주로 기억나리라 예상된다.

b) 단계는 자동차 내의 2차원적인 위치 (i, j)에서 프레임을 기준으로 기준 횟수 이상 소음이 발생했는지를 판단하고, 기준 횟수 이상 소음이 발생한 위치를 원소로 하는 집합을 도출하며, 제어부에 의해 수행된다. 예를 들어, 도 1에서 (1, 1)위치에서 총 10번의 소음이 발생했다고 가정하고, (3, 3)위치에서 총 30번의 소음이 발생했다고 가정하고, b) 단계에서 사용하는 기준치가 20회일 때, b) 단계는 (3, 3)의 위치정보를 원소로 하는 집합을 도출할 수 있다. b) 단계에서 사용하는 기준치를 c라고 하며, 상기한 바와 같은 과정을 수식으로 나타내면 아래와 같을 수 있다.

상기한 수식은 총 T프레임 동안 위치 (i, j)에서 소음으로 감지된 횟수를

로 표기하고 있으며,

을 원소로 갖는 행렬을 S로 나타낸다. 위치(i, j)에서 감지된 소음에 대한 변수를

라고 했을 때,

는 다음과 같이 표현할 수 있다.

상기한 수식의

를 원소로 갖는 행렬을 Z로 나타내며, b) 단계가 수행된 이후에는 Z가 출력된다.

c) 단계는 인식 단계로, 운전자에게 중요하게 인식되는 밀집된 소음원을 찾는 과정이다. 소음은 일종의 음향이므로 소음이 발생한 지점을 기점으로 주위로 소리가 펴져나간다. 사람이 기억하고 중요하게 인식되는 소음이라면 소음 발생위치가 일정 지역 내에 모여 있을 것으로 예상된다. 상술한 바와 같이, 자동차(10) 내부의 위치가 1,200개로 세밀하게 구분되므로, 떨어진 한두 곳 정도의 소수의 위치에서 발생하는 산발적인 소음보다는 밀집되어 발생하는 소음이 운전자에게 중요하게 인식되며, c) 단계는 산발적인 소음을 이상치(outlier)로 간주하고 제거한다.

상술한 행렬 Z에서,

=1인 위치 (i, j)를 원소로 하는 2차원 행렬을 H로 정의하며, c) 단계는 H에 밀도기반 군집 분석 방법인 DBSCAN(Density-based spatial clustering of applications with noise)을 적용한다. c) 단계에서 사용되는 DBSCAN은 노이즈(noise)를 포함하며 군집의 형상이 구가 아닌 복잡한 형태를 갖는 데이터에도 군집분석이 효과적이라고 알려져 있다.

c) 단계에서 사용하는 DBSCAN에서는 eps와 MinPts라는 두 개의 모수(parameter)가 존재한다. c) 단계는 eps와 MinPts를 이용해 밀도 기반 군집분석을 수행한다. eps는 이웃의 반경을 의미하며, 좌표평면 상에서 거리가 eps 이하인 두 점은 이웃으로 간주되어 동일 군집으로 묶인다. MinPts는 밀집군집의 최소크기이며 군집에 속한 원소의 개수가 MinPts 이상이라야 밀집군집으로 간주된다.

상술한 eps와 MinPts는 사용자에 의해 설정되거나, 상술한 제어부가 상황에 따라 적절한 수치로 설정할 수 있다.

상술한 c) 단계에서 특정 위치 (i, j)가 DBSCAN의 밀집군집 중 하나에 포함되면,

로, 그렇지 않으면

로 정의한다. 아울러,

를 원소로 갖는 행렬을 F로 나타낸다. 최종적으로 행렬 F에서

인 위치 (i, j)는 주변보다 소음이 크고, 빈번하게 발생되며, 밀집되어 발생하는 주요 소음의 발생 위치를 나타낸다.

또한 c) 단계는 주요 실내소음의 발생 위치 분석결과를 활용하여 주요 실내소음이 발생한 시점을 탐색할 수 있다. 보다 구체적으로, 상술한 행렬 F와 상기 Y(t)를 비교했을 때, F의 원소

이면, 해당 위치 (i, j)가 어느 프레임 때 소음이 발생했는지를 Y(t)를 통해 확인할 수 있다. 즉,

이면, Y(t)에서 해당 위치 (i, j)의 원소가 1인 프레임을 확인해, 언제 소음이 발생했는지를 판단할 수 있다.

상기한 a) 단계, b) 단계 및 c) 단계를 수행하는 과정에 대해서 설명한다.

먼저, 상술한 바와 같이 a) 단계에서 가로 60개와 세로 20개로 구분된 자동차 내부 1,200개의 위치 각각에서 소음 수집수단에서 소음데이터를 수집할 수 있다. 총 2분 동안 소음 데이터를 수집하며, 1초에 25프레임으로 소음데이터를 수집하므로, 소음데이터는 총 3,000프레임으로 구성된다.

도 2는 a) 단계에서 수집된 소음데이터 중, 첫 번째 프레임과 1592번째 프레임의 소음데이터를 시각화한 것이다.

도 2에 도시된 바와 같이 소음데이터는 3차원으로 형상화할 수 있으며, 도 2a에 도시된 바와 같이 첫 번째 프레임에서는 소음 세기의 패턴이 완만하여 이질적이고 주요한 실내소음이 발생하지 않았음을 시각적으로 확인할 수 있다. 반면에, 도 2b에 도시된 바와 같이 1592번째 프레임에서는 소음 세기의 패턴이 굴곡이 심하므로, 실내에 주요한 소음이 발생했음을 시각적으로 확인할 수 있다.

실내 소음을 탐색하기 위해, 상기 a) 내지 c) 단계별로 사용되는 기준치를 다음과 같이 설정한다.

도 3은 상기 a) 단계, b) 단계 및 c) 단계 각각이 수행된 적용 결과를 시각화한 것이다.

도 3에서 a) 단계, b) 단계 및 c) 단계를 거치면서 인지적으로 중요하지 않은 소음의 발생 위치가 제거되어, 최종적으로 주요 실내소음의 발생위치를 탐색할 수 있다. 도 3a에서 그래프 내부의 숫자는 a) 단계에서 소음으로 감지된 횟수이고, 가로축은 자동차의 가로 위치, 세로축은 자동차의 세로 위치를 의미하며, 도 3b는 이를 등고선으로 시각화한 것이다.

상기한 식을 적용하면, 자동차 내부의 주요 위치에서의 발생 시점을 도 4와 같이 분석할 수 있다. 도 4는 2629번째 프레임의 분석 결과이며, 도 4a는 2629번째 프레임에서 소음을 감지한 결과, 즉 Y(2629)이고, 도 4b는 실내소음이 발생한 위치인 F이며, 도 4c는 상기 F와 Y(2629)를 상기한 식에 적용해, 최종적으로 인지된 소음의 발생 위치를 나타낸 것이며, 도 4d는 소음의 발생 위치를 시각화한 것이다. 도 4d에 도시된 바와 같이, 실내 소음 세기의 패턴이 굴곡이 심하고 이질적이어서 주요 실내소음이 발생했을 가능성을 확인할 수 있다.

상기한 바와 같은 과정을 3,000개 프레임 전체에 대해서 시각적으로 평가한 결과, a) 단계에서 사용하는 기준치인 g는 6, 7, 8, 9인 경우 실내 소음 발생 시점(프레임) 탐색 결과에 대해 주요 성능척도인 정확도(accuracy), 민감도(sensitivity), 특이도(specificity), 정밀도(precision)를 분석한 결과는 아래 표와 같다.

상기한 표에서 g가 6일 때 정확도가 가장 높은 것은 소음세기 패턴의 굴곡에 대한 평가자의 시각적 판단이 대략 6dB 기준으로 이루어짐을 의미한다. 또한 상기한 표에서 소음 감지 기준치의 증가에 따라 특이도와 정밀도가 증가하고, 소음 감지 기준치가 클수록 거짓양성(false positive rate)이 감소하여, 실내소음이 발생했다는 예측이 정확해진다.

본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.

10 : 자동차

Claims (6)

1. a) 자동차 내의 2차원적인 위치 (i, j)에서 소음 데이터를 소정 시간동안 프레임단위로 수집하는 단계;
   b) 자동차 내의 2차원적인 위치 (i, j)에서 프레임을 기준으로 기준 횟수 이상 소음이 발생했는지를 판단하고, 기준 횟수 이상 소음이 발생한 위치를 원소로 하는 집합을 도출하는 단계; 및
   c) 상기 b) 단계에서 도출된 집합에 밀도기반 군집 분석 방법인 DBSCAN(Density-based spatial clustering of applications with noise)을 적용하는 단계;를 포함하는 자동차 실내 소음 위치 탐색 방법에 있어서,
   상기 a) 단계는
   a-1) 자동차 내의 2차원적 위치 (i, j)에서 프레임(t)별 소음의 크기를 소정 시간동안 수집해, 데이터세트 X(t)를 도출하는 단계; 및
   a-2) 상기 X(t)를 이용해, 자동차 내에서 기준치 이상의 소음이 발생한 프레임(t)별 2차원적 위치 정보 (i, j)인 Y(t)를 도출하는 단계;를 포함하고,
   상기 a-2) 단계는
   상기 X(t) 중, 특정 프레임(t)에서 최소값을 m(t)라고 했을 때, 아래 수식에 따라 상기 Y(t)를 도출하며,
   

   

   
   (상기

   

   는 상기 Y(t)의 원소, 상기

   

   는 상기 X(t)의 원소, 상기 g는 상기 a-2) 단계에서 사용하는 기준치)
   외부 유입 소음으로 자동차 실내소음의 크기가 증가하는 상황을 고려하여, 기준치 g와 프레임(t)에서의 최소값인 m(t)을 이용하여 상기 Y(t)를 도출하며,
   상기 b) 단계는 아래 수식에 따라

   

   및

   

   을 도출하고,
   

   

   
   (상기

   

   는 총 T프레임 동안 위치 (i, j)에서 기준치 이상의 소음으로 감지된 횟수)
   

   

   
   (상기

   

   는 위치 (i, j)에서 감지된 소음에 대한 변수, c는 기준 횟수)
   상기 c) 단계는
   

   

   =1인 위치 (i, j)를 원소로 하는 집합에 밀도기반 군집 분석 방법인 DBSCAN을 적용하고,
   자동차 내의 위치 (i, j)가 상기 DBSCAN의 밀집군집에 포함되는지 여부에 대한 정보인

   

   을 원소로 하는 데이터세트인 F를 도출하고,
   특정 위치 (i, j)가 DBSCAN의 밀집군집 중 하나에 포함되면,

   

   로, 그렇지 않으면

   

   으로 정의하며,
   

   

   인 위치 (i, j)는 주변보다 소음이 크고, 빈번하게 발생되며, 밀집되어 발생하는 주요 소음의 발생 위치를 나타내고,
   상기 c) 단계는 주요 소음의 발생 위치 분석결과를 활용하여 주요 소음의 발생 시점을 탐색하며,
   

   

   이면, Y(t)로부터 해당 위치 (i, j)의 원소가 1인 프레임을 확인하여, 언제 소음이 발생했는지를 판단하는 것을 특징으로 하는 자동차 실내 소음 위치 탐색 방법.
   
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제

Images