KR20200032324A - System for analyzing noise characteristics and method for analyzing noise characteristics using the same - Google Patents

System for analyzing noise characteristics and method for analyzing noise characteristics using the same Download PDF

Info

Publication number
KR20200032324A
KR20200032324A KR1020180111206A KR20180111206A KR20200032324A KR 20200032324 A KR20200032324 A KR 20200032324A KR 1020180111206 A KR1020180111206 A KR 1020180111206A KR 20180111206 A KR20180111206 A KR 20180111206A KR 20200032324 A KR20200032324 A KR 20200032324A
Authority
KR
South Korea
Prior art keywords
noise
map
image
information
unit
Prior art date
Application number
KR1020180111206A
Other languages
Korean (ko)
Inventor
노희민
장승호
Original Assignee
한국철도기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국철도기술연구원 filed Critical 한국철도기술연구원
Priority to KR1020180111206A priority Critical patent/KR20200032324A/en
Publication of KR20200032324A publication Critical patent/KR20200032324A/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G01H3/10—Amplitude; Power
    • G01H3/12—Amplitude; Power by electric means
    • G01H3/125—Amplitude; Power by electric means for representing acoustic field distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
    • G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
    • G03B41/00—Special techniques not covered by groups G03B31/00 - G03B39/00; Apparatus therefor
    • G03B41/02—Special techniques not covered by groups G03B31/00 - G03B39/00; Apparatus therefor using non-intermittently running film
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/10—Earpieces; Attachments therefor ; Earphones; Monophonic headphones
    • H04R1/1083—Reduction of ambient noise

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

The present invention relates to a noise characteristic analysis system and a noise characteristic analysis method using the same. The noise characteristic analysis system comprises a sensor unit and an analysis unit. The sensor unit senses noise, location, and image. The analysis unit analyzes noise characteristics, and includes a beam output unit and an image pattern analysis unit. The beam output unit generates a noise map implemented with a beam output value on a prediction surface based on information on the sensed noise and location. The image pattern analysis unit includes a noise characteristic analysis unit which analyzes noise characteristics on the noise map, and a projection unit which projects the noise map onto information on the sensed image.

Description

소음특성 분석 시스템 및 이를 이용한 소음특성 분석 방법{SYSTEM FOR ANALYZING NOISE CHARACTERISTICS AND METHOD FOR ANALYZING NOISE CHARACTERISTICS USING THE SAME} Noise characteristics analysis system and noise characteristics analysis method using the same {SYSTEM FOR ANALYZING NOISE CHARACTERISTICS AND METHOD FOR ANALYZING NOISE CHARACTERISTICS USING THE SAME}

본 발명은 소음특성 분석 시스템 및 이를 이용한 소음특성 분석 방법에 관한 것으로, 보다 상세하게는 다수의 마이크로폰을 이용한 음장가시화 기술에서 자동 영상 패턴 분석 기술을 활용하여 소음원의 특성을 자동으로 분석할 수 있는 소음특성 분석 시스템 및 이를 이용한 소음특성 분석 방법에 관한 것이다.The present invention relates to a noise characteristic analysis system and a noise characteristic analysis method using the same, and more specifically, noise capable of automatically analyzing the characteristics of a noise source by using an automatic image pattern analysis technique in a sound field visualization technique using multiple microphones It relates to a characteristic analysis system and a method for analyzing noise characteristics using the same.

일반적으로 음장가시화 기술은 다수의 마이크로폰 센서를 활용하여 소음원의 위치를 추정하는 기술이다. In general, the sound field visualization technique is a technique for estimating the location of a noise source using a plurality of microphone sensors.

이러한 음장가시화 기술은 소음원의 위치를 관찰자에게 영상정보를 통해서 제공하는 장점이 있는 반면 실제 분석자가 직접 시간과 노력을 들여서 신호처리를 수행해야 하는 단점을 가지고 있다. This sound field visualization technique has an advantage of providing the location of the noise source to the observer through image information, but has a disadvantage that a real analyst needs to perform signal processing with time and effort.

즉, 오랜 시간동안 특정 시스템에 대한 소음 발생을 모니터링한 결과에 대해서 실제 분석자 소음원의 위치, 특성, 발생 빈도, 지속 시간 등에 대한 정보를 일일이 분석을 수행해야 하는 어려움이 있다. That is, it is difficult to perform analysis of information on the location, characteristics, frequency of occurrence, duration, etc. of the actual analyst noise source for the result of monitoring noise generation for a specific system for a long time.

이로 인해서 음장가시화 기술은 관찰자가 직접 분석이 가능한 단시간 동안의 측정 결과에 국한하여 활용되는 단점을 가지고 있다.For this reason, the sound field visualization technique has a drawback that it is limited to the measurement result for a short period of time that can be directly analyzed by the observer.

예를 들어, 대한민국 공개특허 제10-2017-0130041호에서는 소음원 가시화 데이터 누적 표시방법 및 음향 카메라 시스템에 대한 기술을 개시하여, 소음을 인식하여 음장가시화 영상으로 표시하는 구성을 개시하고 있다. 또한, 대한민국 공개특허 제10-2010-0128855호에서는 이동 소음원 가시화 장치 및 가시화 방법으로써, 이동하는 소음원에서 발생되는 소음의 크기를 측정하여 이를 가시화하는 기술을 개시하고 있다. For example, Korean Patent Publication No. 10-2017-0130041 discloses a method for accumulating noise source visualization data and a description of an acoustic camera system, and discloses a configuration for recognizing noise and displaying it as a sound field visualization image. In addition, Korean Patent Publication No. 10-2010-0128855 discloses a technique for visualizing by measuring a magnitude of noise generated from a moving noise source as a moving noise source visualization device and a visualization method.

그러나, 이러한 선행기술들은 종래 음장가시화 기술이 가지는 단점으로써, 음장의 가시화를 위한 장시간의 시간과 노력이 필요한 문제를 해결하지는 못한다. However, these prior arts are disadvantages of the conventional sound field visualization technology, and do not solve a problem that requires a long time and effort to visualize the sound field.

대한민국 공개특허 제10-2017-0130041호Republic of Korea Patent Publication No. 10-2017-0130041 대한민국 공개특허 제10-2010-0128855호Republic of Korea Patent Publication No. 10-2010-0128855

이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 기존의 빔 형성 방법에 기반한 음장가시화 방법에 영상 패턴 분석 알고리즘을 적용하여 소음원 추출을 자동으로 수행하여 종래 수작업의 비효율성을 개선하고, 소음지도 투영을 통해 소음특성을 분석을 보다 효과적으로 수행할 수 있는 소음특성 분석 시스템에 관한 것이다. Accordingly, the technical problem of the present invention was devised in this regard, and the object of the present invention is to automatically extract noise sources by applying an image pattern analysis algorithm to a sound field visualization method based on an existing beam forming method, thereby reducing the inefficiency of conventional manual work. It relates to a noise characteristic analysis system capable of improving and analyzing noise characteristics more effectively through projection of a noise map.

또한, 본 발명의 다른 목적은 상기 소음특성 분석 시스템을 이용한 소음특성 분석 방법에 관한 것이다.In addition, another object of the present invention relates to a noise characteristic analysis method using the noise characteristic analysis system.

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 소음특성 분석 시스템은 센서부 및 분석부를 포함한다. 상기 센서부는 소음, 위치 및 영상을 센싱한다. 상기 분석부는 상기 소음 특성을 분석하고, 빔출력부 및 영상패턴 분석부를 포함한다. 상기 빔출력부는 상기 센싱된 소음 및 위치 정보를 바탕으로 예측면에 빔출력값으로 구현된 소음지도를 생성한다. 상기 영상패턴 분석부는 상기 소음지도 상의 소음 특성을 분석하는 소음 특성 분석부, 및 상기 소음지도를 상기 센싱된 영상 정보에 투영하는 투영부를 포함한다. The noise characteristic analysis system according to an embodiment for realizing the object of the present invention includes a sensor unit and an analysis unit. The sensor unit senses noise, location, and image. The analysis unit analyzes the noise characteristics, and includes a beam output unit and an image pattern analysis unit. The beam output unit generates a noise map implemented as a beam output value on a prediction surface based on the sensed noise and location information. The image pattern analysis unit includes a noise characteristic analysis unit that analyzes noise characteristics on the noise map, and a projection unit that projects the noise map onto the sensed image information.

일 실시예에서, 상기 분석부에서 분석된 소음 특성을 사용자의 입력 조건에 따라 출력하는 출력부를 더 포함할 수 있다. In one embodiment, the analysis unit may further include an output unit that outputs the noise characteristics analyzed according to a user's input condition.

일 실시예에서, 상기 센서부는, 대상체의 소음을 측정하는 소음센서, 상기 대상체의 위치를 측정하는 위치센서, 및 상기 대상체에 대한 영상을 촬영하는 영상센서를 포함할 수 있다. In one embodiment, the sensor unit may include a noise sensor for measuring the noise of the object, a position sensor for measuring the position of the object, and an image sensor for capturing an image of the object.

일 실시예에서, 상기 소음 및 상기 위치 정보는 상기 빔 출력부로 제공되고, 상기 영상 정보는 상기 영상 패턴 분석부로 제공될 수 있다. In one embodiment, the noise and the location information may be provided to the beam output unit, and the image information may be provided to the image pattern analysis unit.

일 실시예에서, 상기 빔출력부는, 상기 소음 정보를 예측면에 투영하고, 상기 위치 정보를 상기 소음 정보에 매칭시켜 소음지도를 생성할 수 있다. In one embodiment, the beam output unit may generate the noise map by projecting the noise information on a prediction surface and matching the location information with the noise information.

일 실시예에서, 상기 소음 특성 분석부는, 상기 소음지도로부터 소음의 크기, 소음의 개수, 소음의 모양, 소음의 유지 시간, 소음의 반복 시간, 소음의 발생 위치 중 적어도 하나를 바탕으로 소음 특성을 분석할 수 있다. In one embodiment, the noise characteristic analysis unit, based on at least one of the size of the noise, the number of noise, the shape of the noise, the maintenance time of the noise, the repetition time of the noise, the location of the noise from the noise map Can be analyzed.

일 실시예에서, 상기 소음 특성 분석부는, 상기 소음지도에서 소음 패턴의 크기를 바탕으로 소음의 주파수 특성을 도출하고, 소음 패턴의 개수를 바탕으로 소음원의 단일 또는 다중 여부를 판단하고, 소음 패턴의 모양을 바탕으로 소음원의 종류를 판단하고, 소음 패턴의 유지 시간을 바탕으로 소음원의 발생 시간을 판단하고, 소음 패턴의 반복 시간을 바탕으로 소음원의 발생 빈도를 판단할 수 있다. In one embodiment, the noise characteristic analysis unit derives a frequency characteristic of noise based on the size of the noise pattern in the noise map, and determines whether a noise source is single or multiple based on the number of noise patterns, and The type of noise source may be determined based on the shape, the generation time of the noise source may be determined based on the maintenance time of the noise pattern, and the frequency of occurrence of the noise source may be determined based on the repetition time of the noise pattern.

일 실시예에서, 상기 투영부는, 상기 소음지도를 상기 영상 정보에 투영하여, 실제 대상체의 영상에서 발생하는 소음의 특성을 시각화할 수 있다. In one embodiment, the projection unit may project the noise map on the image information to visualize characteristics of noise generated in an image of an actual object.

상기한 본 발명의 다른 목적을 실현하기 위한 일 실시예에 따른 소음특성 분석 방법은, 소음, 위치 및 영상을 센싱하는 단계, 상기 센싱된 소음 및 위치 정보를 바탕으로 예측면에 빔출력값으로 구현된 소음지도를 생성하는 단계, 상기 소음지도 상의 소음의 특성을 분석하는 단계, 및 상기 소음지도를 상기 센싱된 영상 정보에 투영하는 단계를 포함한다. A noise characteristic analysis method according to an embodiment for realizing another object of the present invention described above is a step of sensing noise, location and image, and implemented as a beam output value on a predicted surface based on the sensed noise and location information. Generating a noise map, analyzing the characteristics of noise on the noise map, and projecting the noise map onto the sensed image information.

일 실시예에서, 상기 센싱된 실제 영상에 투영된 소음 분석 결과를 사용자의 입력 조건에 따라 출력하는 단계를 더 포함할 수 있다. In an embodiment, the method may further include outputting a noise analysis result projected on the sensed real image according to a user's input condition.

일 실시예에서, 상기 소음지도를 생성하는 단계에서, 상기 소음 정보를 예측면에서 투영하고, 상기 위치 정보를 상기 소음 정보에 매칭시켜 소음지도를 생성할 수 있다. In one embodiment, in the generating of the noise map, the noise information may be projected on a prediction plane, and the location information may be matched to the noise information to generate a noise map.

일 실시예에서, 상기 소음지도를 투영하는 단계에서, 상기 소음지도를 상기 영상 정보에 투영하여, 실제 대상체의 영상에서 발생하는 소음의 특성을 시각화할 수 있다. In an embodiment, in the step of projecting the noise map, the noise map may be projected on the image information to visualize the characteristics of noise generated in an image of an actual object.

본 실시예들에 의하면, 영상 정보가 제외된 상태에서 소음 및 위치에 관한 정보만을 바탕으로 소음원의 특성을 분석함으로써, 상대적으로 소음 특성에 대한 분석이 용이하여, 종래 음장가시화 기술에서 소음 및 영상 정보가 동시에 입력됨에 따라 수작업을 통한 신호 처리를 수행하여야 하는 문제를 해결할 수 있다. According to the present embodiments, by analyzing the characteristics of the noise source based only on the information about the noise and the location in the state where the image information is excluded, it is relatively easy to analyze the noise characteristics, and noise and image information in the conventional sound field visualization technology As it is simultaneously input, it can solve the problem of manual signal processing.

특히, 장시간의 소음 특성에 대한 분석에 있어, 소음 및 영상 정보를 동시에 처리하는 경우 막대한 데이터 처리가 필요하였으나, 소음 및 위치 정보만을 바탕으로 소음지도를 생성하고, 이를 영상 정보에 투영하는 방법을 적용함으로써, 상기 종래 소음 특성 분석 방법을 간략화함으로써 상대적으로 빠른 시간동안 정확하게 소음 특성을 분석하여 이를 시각화하여 제공이 가능하다. In particular, in analyzing noise characteristics for a long time, when processing noise and image information at the same time, enormous data processing was required, but a method for generating a noise map based on noise and location information only and projecting it onto image information is applied. By simplifying the conventional noise characteristic analysis method, it is possible to accurately analyze the noise characteristics for a relatively fast time and visualize them.

즉, 소음 특성, 즉 소음의 개수, 모양, 발생 시간, 발생 빈도, 발생 위치 등에 대한 정보를 소음 및 위치 정보로 생성되는 소음지도 상에서 분석한 후, 해당 결과를 영상 정보에 투영함으로써, 보다 신속하고 정확하게 소음 특성에 대한 분석 결과를 도출할 수 있다. That is, after analyzing information on noise characteristics, that is, the number, shape, time of occurrence, frequency of occurrence, location of noise, etc., on the noise map generated as noise and location information, the result is projected onto the image information, which is faster and faster It is possible to derive an analysis result for noise characteristics accurately.

즉, 상기 소음 특성 분석부에서는, 상기 소음 지도로부터, 패턴의 크기를 바탕으로 주파수 종류를 자동으로 도출하고, 패턴의 개수를 바탕으로 소음원의 단일 또는 다중 여부를 판단하며, 패턴의 모양을 바탕으로 소음원의 종류를 판단하며, 패턴의 유지시간을 바탕으로 소음원의 발생 시간을 판단하고, 패턴의 반복 시간을 통해 소음원의 발생 빈도를 판단함으로써, 소음원의 특성을 자동으로 신속하게 분석할 수 있다. That is, the noise characteristic analysis unit automatically derives a frequency type based on the size of the pattern from the noise map, determines whether a noise source is single or multiple based on the number of patterns, and based on the shape of the pattern. By determining the type of the noise source, determining the generation time of the noise source based on the retention time of the pattern, and determining the frequency of occurrence of the noise source through the repetition time of the pattern, it is possible to automatically and quickly analyze the characteristics of the noise source.

도 1은 본 발명의 일 실시예에 의한 소음특성 분석 시스템을 도시한 블록도이다.
도 2a 및 도 2b는 도 1의 분석부에서 소음원의 크기에 따른 주파수 특성을 판단한 예를 도시한 이미지들이다.
도 3은 도 1의 분석부에서 소음원의 주파수를 파악하기 위한 예를 도시한 그래프이다.
도 4a 및 도 4b는 도 1의 분석부에서 소음원의 개수에 따른 소음 특성을 판단한 예를 도시한 이미지들이다.
도 5a 및 도 5b는 도 1의 분석부에서 소음원의 패턴에 따른 소음원의 특성을 판단한 예를 도시한 이미지들이다.
도 6은 도 1의 분석부에서 소음원의 유지시간에 따른 소음원의 특성을 판단한 예를 도시한 이미지이다.
도 7은 도 1의 분석부에서 소음원의 반복시간에 따른 소음원의 특성을 판단한 예를 도시한 이미지이다.
도 8은 도 1의 소음특성 분석 시스템을 이용한 소음특성 분석방법을 도시한 흐름도이다. 1 is a block diagram showing a noise characteristic analysis system according to an embodiment of the present invention.
2A and 2B are images illustrating an example of determining the frequency characteristic according to the size of a noise source in the analysis unit of FIG. 1.
3 is a graph showing an example for grasping the frequency of the noise source in the analysis unit of FIG. 1.
4A and 4B are images illustrating an example of determining the noise characteristics according to the number of noise sources in the analysis unit of FIG. 1.
5A and 5B are images illustrating an example of determining characteristics of a noise source according to a pattern of a noise source in the analysis unit of FIG. 1.
FIG. 6 is an image showing an example in which the analysis unit of FIG. 1 determines the characteristics of the noise source according to the holding time of the noise source.
7 is an image showing an example in which the analysis unit of FIG. 1 determines the characteristics of the noise source according to the repetition time of the noise source.
8 is a flowchart illustrating a noise characteristic analysis method using the noise characteristic analysis system of FIG. 1.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 실시예들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "이루어진다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. The present invention can be applied to various changes and can have various forms, and the embodiments are described in detail in the text. However, this is not intended to limit the present invention to a specific disclosure form, it should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention. In describing each drawing, similar reference numerals are used for similar components. Terms such as first and second may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from other components. The terms used in this application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this application, terms such as “comprises” or “consisting of” are intended to indicate the presence of features, numbers, steps, operations, components, parts or combinations thereof described in the specification, one or more other features. It should be understood that the existence or addition possibilities of fields or numbers, steps, actions, components, parts or combinations thereof are not excluded in advance.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art to which the present invention pertains. Terms such as those defined in a commonly used dictionary should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined in the present application. Does not.

이하, 첨부된 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 의한 소음특성 분석 시스템을 도시한 블록도이다. 1 is a block diagram showing a noise characteristic analysis system according to an embodiment of the present invention.

도 1을 참조하면, 본 실시예에 의한 소음특성 분석시스템(10)은 센서부(100), 분석부(200), 출력부(300) 및 조건 입력부(400)를 포함한다. 1, the noise characteristic analysis system 10 according to this embodiment includes a sensor unit 100, an analysis unit 200, an output unit 300, and a condition input unit 400.

상기 센서부(100)는 소음센서(110), 위치센서(120) 및 영상센서(130)를 포함한다. The sensor unit 100 includes a noise sensor 110, a position sensor 120 and an image sensor 130.

상기 소음센서(110)는 대상체의 소음을 측정한다. 이 경우, 대상체는 이동하며 소음을 발생시키는 소음원을 포함한 것으로, 예를 들어, 철도 차량일 수 있다. The noise sensor 110 measures the noise of the object. In this case, the object includes a noise source that generates noise while moving, and may be, for example, a railroad car.

또한, 상기 소음센서(110)는 대상체 상에 복수개가 일정한 간격으로 직접 부착되어 대상체로부터 발생되는 소음을 측정할 수 있으며, 이와 달리, 대상체가 이동하는 공간을 향하여 별도의 장착 위치에 장착되어 대상체로부터 소음을 측정할 수도 있다. In addition, the noise sensor 110 may be attached directly to a plurality of objects at regular intervals to measure noise generated from the object. Alternatively, the noise sensor 110 is mounted at a separate mounting position toward a space in which the object moves, from the object Noise can also be measured.

다만, 본 실시예에서는 상기 소음센서(110)가 상기 대상체 상에 직접 부착되는 경우를 중심으로 상술한다. However, in the present exemplary embodiment, the noise sensor 110 will be mainly described in the case where it is directly attached to the object.

이 경우, 상기 소음센서(110)는 예를 들어, 마이크로폰 센서일 수 있다. In this case, the noise sensor 110 may be, for example, a microphone sensor.

상기 위치센서(120)는 상기 대상체의 위치를 측정한다. 이 경우, 상기 위치센서(120)는 GPS 신호를 바탕으로 상기 대상체의 위치를 측정할 수 있다. The position sensor 120 measures the position of the object. In this case, the position sensor 120 may measure the position of the object based on a GPS signal.

따라서, 상기 소음센서(110)가 상기 대상체에 직접 부착된 경우라면, 상기 위치센서(120)는 상기 소음센서(110)에 추가로 부착되어 GPS 신호를 획득하는 센서일 수 있다. Accordingly, if the noise sensor 110 is directly attached to the object, the position sensor 120 may be a sensor that is additionally attached to the noise sensor 110 to obtain a GPS signal.

그리하여, 상기 소음센서(110)가 부착된 위치에 관한 정보를 획득하게 되며, 이를 바탕으로 대상체의 위치에 대한 정보도 획득이 가능하게 된다. Thus, the noise sensor 110 acquires information on the location to which the noise sensor 110 is attached, and based on this, information on the location of the object can be obtained.

이와 달리, 상기 소음센서(110)가 상기 대상체에 직접 부착되지 않은 경우라면, 상기 위치센서(120)는 상기 대상체에 별도로 부착되어 상기 대상체의 위치 변화에 따른 GPS 신호를 바탕으로 상기 소음센서(110)의 위치 및 나아가 상기 대상체의 위치를 측정할 수는 있다. Alternatively, if the noise sensor 110 is not directly attached to the object, the position sensor 120 is separately attached to the object, and the noise sensor 110 is based on a GPS signal according to a change in the position of the object. ) And further, the position of the object may be measured.

한편, 상기 영상센서(130)는 상기 대상체에 대한 영상을 촬영하는 센서로서, 2차원 영상을 촬영하거나 3차원 영상을 촬영할 수 있다. 이 경우, 상기 영상센서(130)는 상기 대상체가 이동되는 공간 상에서 상기 대상체에 근접하게 위치차여 상기 대상체에 대한 영상을 촬영할 수 있다. Meanwhile, the image sensor 130 is a sensor that photographs an image of the object, and may photograph a 2D image or a 3D image. In this case, the image sensor 130 may photograph an image of the object by positioning a position close to the object in a space in which the object is moved.

이상과 같이, 상기 센서부(100)에서 측정된 대상체의 소음, 위치 및 영상에 관한 정보는 상기 분석부(200)로 제공된다. As described above, information on the noise, location, and image of the object measured by the sensor unit 100 is provided to the analysis unit 200.

이 경우, 상기 소음센서(110) 및 상기 위치센서(120)에서 각각 측정된 대상체의 소음 및 위치에 관한 정보는 상기 분석부(200)의 빔 출력부(210)로 제공되고, 상기 영상센서(130)에서 측정된 상기 대상체의 영상에 관한 정보는 상기 분석부(200)의 영상패턴 분석부(220)로 제공된다. In this case, information on the noise and position of the object measured by the noise sensor 110 and the position sensor 120 is provided to the beam output unit 210 of the analysis unit 200, and the image sensor ( Information related to the image of the object measured at 130 is provided to the image pattern analysis unit 220 of the analysis unit 200.

이에, 상기 분석부(200)는 상기 센서부(100)에서 측정된 정보를 바탕으로 상기 대상체로부터 발생되는 소음의 특성을 분석한다. Accordingly, the analysis unit 200 analyzes characteristics of noise generated from the object based on information measured by the sensor unit 100.

보다 구체적으로, 상기 분석부(200)는 빔출력부(210) 및 영상패턴 분석부(220)를 포함한다. More specifically, the analysis unit 200 includes a beam output unit 210 and an image pattern analysis unit 220.

상기 빔출력부(210)는 상기 소음센서(110)로부터 측정된 대상체의 소음에 관한 정보, 및 상기 위치센서(120)로부터 측정된 대상체의 위치에 관한 정보를 제공받아, 소음지도를 생성한다. The beam output unit 210 receives information on the noise of the object measured from the noise sensor 110 and information on the location of the object measured from the position sensor 120 to generate a noise map.

즉, 가상의 예측면 상에 상기 소음센서(110)로부터 측정된 대상체의 소음에 관한 정보를 투영하되, 이 경우, 상기 소음센서(110)의 세부 위치에 대한 정보를 바탕으로, 소음지도를 생성할 수 있다. That is, information on the noise of the object measured from the noise sensor 110 is projected on a virtual prediction surface, but in this case, based on the information on the detailed location of the noise sensor 110, a noise map is generated. can do.

즉, 상기 위치센서(120)를 통해 상기 대상체에 부착된 복수의 소음센서들의 위치(이 경우 상기 대상체가 이동함에 따라 상기 소음센서들의 이동에 따른 위치 변화에 대한 정보를 포함함)에 대한 정보를 획득한 상태에서, 상기 소음센서들 중 소음이 발생되는 것으로 인식되는 센서들에 대한 정보가 획득된다면, 상기 두 정보를 매칭시켜, 궁극적으로 가상의 예측면 상에서 소음이 발생되는 위치, 즉 소음원들의 위치에 대한 지도를 생성할 수 있으며, 이렇게 생성된 소음원들의 위치에 대한 지도를 소음지도라 할 수 있다. That is, the position sensor 120 through the position of the plurality of noise sensors attached to the object (in this case, as the object moves, including information about the position change according to the movement of the noise sensors) information about In the acquired state, if information about sensors recognized as generating noise among the noise sensors is obtained, the two pieces of information are matched to ultimately generate a noise on a virtual predictive surface, that is, the location of noise sources. A map for can be generated, and the map for the location of the noise sources generated in this way can be referred to as a noise map.

그리하여, 상기 소음지도 상에는 소음이 발생되는 소음원들의 위치를 포함한 소음원들로부터 발생되는 소음원들의 크기, 모양, 개수 등과 같은 특징들에 대한 정보가 포함되게 된다. Thus, on the noise map, information about features such as size, shape, number of noise sources generated from noise sources, including the location of noise sources where noise is generated, is included.

이와 같이, 소음원들의 특징 및 소음원들의 위치에 대한 정보가 포함된 소음지도가 생성되면, 상기 영상패턴 분석부(220)에서는 상기 소음지도에 상기 영상센서(130)에서 획득된 대상체의 영상에 관한 정보를 투영시켜 최종적으로 영상정보가 포함된 소음 지도를 생성하게 된다. As described above, when a noise map including information on characteristics of noise sources and location of noise sources is generated, the image pattern analysis unit 220 displays information on the image of the object acquired by the image sensor 130 on the noise map. Is projected to finally generate a noise map that includes image information.

보다 구체적으로, 상기 영상패턴 분석부(220)는 소음특성 분석부(221) 및 투영부(222)를 포함한다. More specifically, the image pattern analysis unit 220 includes a noise characteristic analysis unit 221 and a projection unit 222.

그리하여, 상기 소음특성 분석부(221)에서는 상기 영상 정보와 상기 소음지도를 서로 투영시켜 매칭하기 전에, 상기 소음지도를 바탕으로 소음특성들에 대하여 선행적으로 분석할 수 있다. Thus, before the noise characteristic analysis unit 221 projects and matches the image information and the noise map to each other, the noise characteristics may be analyzed in advance based on the noise map.

즉, 상기 소음특성 분석부(221)에서는 상기 소음지도에 생성된, 소음의 크기, 소음의 개수, 소음의 모양, 소음의 유지 시간, 소음의 반복 시간, 소음의 발생 위치 등에 관한 정보를 바탕으로 해당 소음의 특성들을 분석하게 된다. That is, the noise characteristic analysis unit 221 is based on information on the size of the noise, the number of noises, the shape of the noise, the maintenance time of the noise, the repetition time of the noise, and the location of the noise generated in the noise map. The characteristics of the noise are analyzed.

예를 들어, 상기 소음특성 분석부(221)에서는 상기 소음지도 소음 패턴의 크기를 바탕으로 소음의 주파수 특성을 도출할 수 있다. 또한, 상기 소음지도의 소음 패턴의 개수를 바탕으로 소음원의 단일 또는 다중 여부를 판단하고, 소음 패턴의 모양을 바탕으로 소음원의 종류를 판단할 수 있다. 나아가, 상기 소음지도의 소음 패턴의 유지 시간을 바탕으로 소음원의 발생 시간을 판단하고, 소음 패턴의 반복 시간을 바탕으로 소음원의 발생 빈도를 판단할 수도 있다. For example, the noise characteristic analysis unit 221 may derive the frequency characteristic of noise based on the size of the noise map noise pattern. In addition, it is possible to determine whether the noise source is single or multiple based on the number of noise patterns in the noise map, and determine the type of noise source based on the shape of the noise pattern. Furthermore, the generation time of the noise source may be determined based on the maintenance time of the noise pattern of the noise map, and the frequency of generation of the noise source may be determined based on the repetition time of the noise pattern.

이 경우, 상기 소음원들의 위치에 대한 정보를 바탕으로 상기 도출되는 특성들에 매칭시켜, 특정 위치에서의 소음의 특성을 분석할 수 있는 것은 당연하다. In this case, it is natural that the characteristics of noise at a specific location can be analyzed by matching the derived characteristics based on information on the location of the noise sources.

한편, 보다 구체적인 소음의 특성 분석에 대한 예는 도 2a 이하를 참조하여 후술한다. Meanwhile, an example of a more specific noise characteristic analysis will be described later with reference to FIG. 2A and below.

이상과 같이, 상기 소음특성 분석부(221)에서 소음특성들에 대하여 분석이 완료된 경우, 상기 소음특성들은 실제 대상체의 어느 부분에서 발생되는 것인지에 대한 정보를 제외한 모든 특성들에 대한 정보가 분석된 상태라고 할 수 있다. As described above, when the noise characteristic analysis unit 221 completes the analysis of the noise characteristics, the noise characteristics are analyzed for information on all characteristics except information on which part of the real object is generated. Can be said.

따라서, 상기 분석된 소음특성들은 실제 대상체에 매칭되어야 최종적으로 대상체에 대한 소음특성의 분석이 완료될 수 있다. Therefore, the analyzed noise characteristics must be matched with an actual object to finally complete analysis of the noise characteristics for the object.

이에, 본 실시예에서는, 상기 투영부(222)가 상기 소음지도를 상기 영상센서(130)로부터 획득된 영상에 대한 정보에 투영하여, 가상의 예측면에서 완성된 소음특성에 대한 분석결과를 실제 대상체에 매칭시킨다. Thus, in the present embodiment, the projection unit 222 projects the noise map onto information about the image obtained from the image sensor 130, thereby realizing the analysis result for the noise characteristics completed in the virtual prediction plane. Match the object.

이를 통해, 실제 대상체에서의 소음원의 위치를 포함한 소음의 특성들에 대한 결과를 획득할 수 있다. Through this, it is possible to obtain results for characteristics of noise including the location of a noise source in an actual object.

한편, 본 실시예에서는, 상기 소음특성 분석부(221)에서 소음특성들에 대한 분석을 우선 수행한 후, 상기 투영부(222)를 통해 소음지도를 영상 정보에 투영하는 것을 설명하였으나, 이와 달리, 상기 투영부(222)가 소음지도를 영상 정보에 투영한 상태에서 상기 소음특성 분석부(221)에서 상기 소음특성들에 대한 분석을 수행할 수도 있다. On the other hand, in the present embodiment, the noise characteristic analysis unit 221 first performs an analysis of the noise characteristics, and then it is described that the noise map is projected to the image information through the projection unit 222. In addition, in the state in which the projection unit 222 projects the noise map onto the image information, the noise characteristic analysis unit 221 may perform analysis of the noise characteristics.

이러한 경우에도, 상기 영상 정보가 투영된 것은 시각화를 위한 것에 불과할 뿐, 이미 소음지도로부터 소음특성들에 대한 분석을 용이하게 수행할 수 있는 상황이므로, 종래 영상 정보와 통합되어 제공된 소음 정보에 대한 자료로부터 소음의 특성을 분리하여 획득하는 기술과 대비하여 신속한 특성 파악이 가능하게 된다. Even in this case, the projection of the image information is only for visualization, and as it is a situation in which analysis of noise characteristics can be easily performed from a noise map, data on noise information provided in integration with conventional image information is provided. It is possible to quickly understand the characteristics of the noise compared to the technology obtained by separating the characteristics of the noise.

한편, 이상과 같이 상기 분석부(200)에서 대상체에 대한 소음특성에 대한 분석이 완료되면, 상기 출력부(300)를 통해 필요한 소음특성에 대한 분석 결과가 출력된다. On the other hand, when the analysis of the noise characteristics of the object is completed in the analysis unit 200 as described above, an analysis result for the required noise characteristics is output through the output unit 300.

이 경우, 상기 조건 입력부(400)를 통해 사용자가 필요한 조건을 입력하면 상기 출력부(300)는 상기 입력된 조건에 부합하여 필요한 소음특성에 대한 분석 결과를 출력하게 된다. In this case, when a user inputs a necessary condition through the condition input unit 400, the output unit 300 outputs an analysis result for a required noise characteristic in accordance with the input condition.

예를 들어, 상기 조건 입력부(400)를 통해 사용자가 소음원의 개수나, 크기 등이 급격하게 증가한 경우, 즉 특정 임계값 이상의 개수나 크기가 발생한 경우 이를 출력할 수 있도록 조건을 입력한다면, 상기 출력부(300)는 이러한 조건에 부합하는 소음이 발생되는 경우, 해당 결과를 출력할 수 있다. For example, if the user inputs a condition to output the number or size of noise sources rapidly through the condition input unit 400, that is, when a number or size over a certain threshold occurs, the output The unit 300 may output a corresponding result when noise meeting these conditions is generated.

물론, 상기 출력부(300)는 별도의 조건 입력부를 통해 조건이 입력되지 않은 경우라도, 지속적으로 상기 대상체에 대한 소음특성의 분석결과를 출력할 수 있음은 자명하다. Of course, even if the condition is not input through the separate condition input unit, it is obvious that the output unit 300 can continuously output the analysis result of noise characteristics for the object.

도 2a 및 도 2b는 도 1의 분석부에서 소음원의 크기에 따른 주파수 특성을 판단한 예를 도시한 이미지들이다. 도 3은 도 1의 분석부에서 소음원의 주파수를 파악하기 위한 예를 도시한 그래프이다. 2A and 2B are images illustrating an example of determining the frequency characteristic according to the size of a noise source in the analysis unit of FIG. 1. 3 is a graph showing an example for grasping the frequency of the noise source in the analysis unit of FIG. 1.

도 2a 및 도 2b는 상기 빔출력부(210)에서 생성된 소음지도의 예를 도시한 것으로, 도시된 바와 같이 상기 소음지도 상에 빔출력값 소음의 크기가 구현되어 표시되고 있음을 확인할 수 있다. 2A and 2B show an example of a noise map generated by the beam output unit 210, and it can be seen that the magnitude of the beam output value noise is implemented and displayed on the noise map as shown.

즉, 상기 소음특성 분석부(221)에서는 도 2a 및 도 2b에 도시된 바와 같은 소음지도를 바탕으로 해당 소음원의 특성에 대한 분석을 수행할 수 있다. That is, the noise characteristic analysis unit 221 may analyze the characteristics of the corresponding noise source based on the noise map as illustrated in FIGS. 2A and 2B.

상기 소음특성 분석부(221)는 소음지도 상의 소음(원)의 크기를 바탕으로 해당 소음원이 저주파 소음인지 고주파 소음인지의 여부를 판단할 수 있는데, 예를 들어, 상기 소음원의 크기가 반경이 5m 이상인 경우는 저주파 소음, 반경이 2m 이하인 경우는 고주파 소음일 수 있다. The noise characteristic analysis unit 221 may determine whether the corresponding noise source is low-frequency noise or high-frequency noise based on the size of the noise (circle) on the noise map, for example, the size of the noise source has a radius of 5 m In the case of abnormality, it may be low-frequency noise, and when the radius is 2 m or less, it may be high-frequency noise.

이에 따라, 상기 소음특성 분석부(221)에서는 도 2a에 도시된 소음지도 상의 소음을 저주파 소음으로, 도 2b에 도시된 소음지도 상의 소음을 고주파 소음으로 그 특성을 파악할 수 있다. Accordingly, the noise characteristic analysis unit 221 can grasp the characteristics of the noise on the noise map shown in FIG. 2A as low-frequency noise and the noise on the noise map shown in FIG. 2B as high-frequency noise.

즉, 도 3은 어레이의 3-dB 밴드폭에 대한 그래프인데, 어레이의 폭은 곧 음원의 주파수를 의미하는 것으로, 소음원의 크기를 바탕으로 소음원의 주파수를 파악할 수 있으므로, 앞서 설명한 바와 같이 상기 소음특성 분석부(221)에서 해당 소음원의 고주파 또는 저주파 여부를 파악할 수 있게 된다. That is, Figure 3 is a graph of the 3-dB bandwidth of the array, the width of the array means the frequency of the sound source, the frequency of the noise source can be grasped based on the size of the noise source. The characteristic analysis unit 221 can determine whether the corresponding noise source is high frequency or low frequency.

도 4a 및 도 4b는 도 1의 분석부에서 소음원의 개수에 따른 소음 특성을 판단한 예를 도시한 이미지들이다. 4A and 4B are images illustrating an example of determining the noise characteristics according to the number of noise sources in the analysis unit of FIG. 1.

도 4a 및 도 4b는 상기 소음지도를 상기 영상 정보에 투영하여 시각화한 예를 도시한 이미지들로, 상기 획득된 영상이 차량에 대한 영상인 경우의 예이다. 4A and 4B are images illustrating an example of visualizing the noise map by projecting the noise map onto the image information, and are examples when the acquired image is an image of a vehicle.

즉, 상기 소음특성 분석부(221)에서는 상기 영상 정보에 투영된 소음지도를 바탕으로, 도 4a에 도시된 바와 같이 상기 소음의 개수가 1개인 것으로 파악되면 소음원이 단일 소음원인 것으로 특성을 분석하고, 도 4b에 도시된 바와 같이 상기 소음의 개수가 2개 이상인 것으로 파악되면 소음원이 다중 소음원인 것으로 특성을 분석할 수 있다. That is, when the noise characteristic analysis unit 221 determines that the number of noises is one as shown in FIG. 4A based on the noise map projected on the image information, the noise source is analyzed to be a single noise source. , If it is determined that the number of noises is two or more as illustrated in FIG. 4B, the noise source may be analyzed as being a multiple noise source.

물론, 도 4a 및 도 4b에서는 설명의 편의를 위해 소음지도가 영상 정보에 투영된 결과를 바탕으로 설명을 예시하였으나, 앞서 설명한 바와 같이, 본 실시예에서, 상기 소음특성 분석부(221)는 상기 영상 정보에 투영되기 전의 소음지도를 바탕으로 상기 소음지도 상에서 소음의 개수를 바탕으로 단일 소음원 또는 다중 소음원의 여부를 판단할 수 있다. Of course, in FIGS. 4A and 4B, for convenience of explanation, the noise map is illustrated based on the result of projecting the image information, but as described above, in this embodiment, the noise characteristic analysis unit 221 is the Based on the noise map before being projected onto the image information, it is possible to determine whether a single noise source or a multiple noise source is based on the number of noises on the noise map.

도 5a 및 도 5b는 도 1의 분석부에서 소음원의 패턴에 따른 소음원의 특성을 판단한 예를 도시한 이미지들이다. 5A and 5B are images illustrating an example of determining characteristics of a noise source according to a pattern of a noise source in the analysis unit of FIG. 1.

도 5a 및 도 5b 역시 상기 소음지도를 상기 영상 정보에 투영하여 시각화한 예를 도시한 이미지들로, 상기 획득된 영상이 철도차량에 대한 영상인 경우의 예이다. 5A and 5B are images showing an example in which the noise map is visualized by projecting the noise map onto the image information, which is an example when the obtained image is an image of a railway vehicle.

즉, 상기 소음특성 분석부(221)에서는 상기 영상 정보에 투영된 소음지도를 바탕으로, 도 5a에 도시된 바와 같이, 상기 소음 패턴이 소음원의 중심에서 끝단까지의 거리가 거의 동일한 원형인 것으로 파악되면, 해당 소음원은 단극원(monopole) 소음원인 것으로 특성을 분석할 수 있다. That is, the noise characteristic analysis unit 221, based on the noise map projected on the image information, as shown in Figure 5a, it is understood that the noise pattern is substantially the same distance from the center to the end of the noise source is circular If it does, the noise source can be characterized as being a monopole noise source.

이와 달리, 도 5b에 도시된 바와 같이, 상기 소음 패턴이 소음원의 중심에서 끝단까지의 거리가 불규칙한 형태인 것으로 파악되면 해당 소음원은 이중극원(dipole) 또는 사중극원(Quadrapole) 등의 다극원 소음원인 것으로 특성을 분석할 수 있다. Alternatively, as shown in FIG. 5B, if it is determined that the noise pattern has an irregular shape from the center to the end of the noise source, the noise source is a multi-pole noise source such as a dipole or quadrapole. You can analyze the characteristics.

물론, 도 5a 및 도 5b에서도 설명의 편의를 위해 소음지도가 영상 정보에 투영된 결과를 바탕으로 설명을 예시하였으나, 앞서 설명한 바와 같이, 본 실시예에서, 상기 소음특성 분석부(221)는 상기 영상 정보에 투영되기 전의 소음지도를 바탕으로 상기 소음지도 상에서 소음원의 형상적인 특성을 바탕으로 단극원 또는 다극원 소음원의 여부를 판단할 수 있다. Of course, in FIGS. 5A and 5B, for convenience of explanation, the noise map is illustrated based on the result of projecting the image information, but as described above, in this embodiment, the noise characteristic analysis unit 221 is the Based on the noise map before being projected onto the image information, it is possible to determine whether the source is a monopole or a multipole noise source based on the shape characteristics of the noise source on the noise map.

도 6은 도 1의 분석부에서 소음원의 유지시간에 따른 소음원의 특성을 판단한 예를 도시한 이미지이다. FIG. 6 is an image showing an example in which the analysis unit of FIG. 1 determines the characteristics of the noise source according to the holding time of the noise source.

도 6 역시 소음지도를 영상 정보에 투영하여 시각화한 예를 도시한 이미지로, 상기 획득된 영상이 차량에 대한 영상인 경우의 예이다. 6 is an image showing an example of visualizing a noise map by projecting it onto image information, and is an example of a case where the acquired image is an image of a vehicle.

즉, 상기 소음특성 분석부(221)에서는 상기 영상 정보에 투영된 소음지도를 바탕으로, 도 6에 도시된 바와 같이, 상기 소음원의 유지시간(도 6에서는 5초간 소음원이 지속된 경우를 예시함)을 바탕으로 해당 소음이 발생하는 시간에 대한 정보를 획득하여, 소음원의 특성을 분석할 수 있다. That is, in the noise characteristic analysis unit 221, based on the noise map projected on the image information, as shown in FIG. 6, the holding time of the noise source (in FIG. 6 illustrates a case where the noise source lasts for 5 seconds) Based on), it is possible to analyze the characteristics of the noise source by obtaining information about the time at which the noise occurs.

물론, 도 6에서도 설명의 편의를 위해 소음지도가 영상 정보에 투영된 결과를 바탕으로 설명을 예시하였으나, 앞서 설명한 바와 같이, 본 실시예에서, 상기 소음특성 분석부(221)는 상기 영상 정보에 투영되기 전의 소음지도를 바탕으로 상기 소음지도 상에서 소음원의 유지시간에 대한 정보를 바탕으로 소음이 발생하는 시간을 판단할 수 있다. Of course, in FIG. 6, for convenience of explanation, the noise map is exemplified based on the result of projecting the image information. As described above, in the present embodiment, the noise characteristic analysis unit 221 is connected to the image information. Based on the noise map before projection, it is possible to determine the time at which noise is generated based on information on the holding time of the noise source on the noise map.

도 7은 도 1의 분석부에서 소음원의 반복시간에 따른 소음원의 특성을 판단한 예를 도시한 이미지이다. 7 is an image showing an example in which the analysis unit of FIG. 1 determines the characteristics of the noise source according to the repetition time of the noise source.

도 7 역시 소음지도를 영상 정보에 투영하여 시각화한 예를 도시한 이미지로, 상기 획득된 영상이 차량에 대한 영상인 경우의 예이다. 7 is an image showing an example of visualizing a noise map by projecting it onto image information, and is an example of a case where the acquired image is an image of a vehicle.

즉, 상기 소음특성 분석부(221)에서는 상기 영상 정보에 투영된 소음지도를 바탕으로, 도 7에 도시된 바와 같이, 상기 소음원의 반복시간(도 7에서는 발생횟수가 3회인 경우를 예시함)을 바탕으로 해당 소음이 발생하는 빈도에 대한 정보를 획득하여, 소음원의 특성을 분석할 수 있다. That is, the noise characteristic analysis unit 221, based on the noise map projected on the image information, as shown in FIG. 7, the repetition time of the noise source (in FIG. 7 illustrates the case where the number of occurrences is 3 times) Based on the information about the frequency at which the noise occurs, it is possible to analyze the characteristics of the noise source.

물론, 도 7에서도 설명의 편의를 위해 소음지도가 영상 정보에 투영된 결과를 바탕으로 설명을 예시하였으나, 앞서 설명한 바와 같이, 본 실시예에서, 상기 소음특성 분석부(221)는 상기 영상 정보에 투영되기 전의 소음지도를 바탕으로 상기 소음지도 상에서 소음원의 반복시간에 대한 정보를 바탕으로 소음이 발생하는 빈도를 판단할 수 있다. Of course, in FIG. 7, for convenience of explanation, the noise map is illustrated based on the result of projecting the image information. As described above, however, in this embodiment, the noise characteristic analysis unit 221 is configured to display the image information. Based on the noise map before projection, it is possible to determine the frequency of noise generation based on information on the repetition time of the noise source on the noise map.

나아가, 상기 도 2a 내지 도 7을 참조하여 설명한 소음특성 분석에 있어, 상기 투영부(222)를 통해 소음지도가 영상 정보에 투영된 경우, 상기 소음특성 분석부(221)에서는 해당 소음원이 해당 대상체의 어느 위치에서 발생된 소음인지에 대한 정보는 기본적으로 획득이 가능하다. Furthermore, in the noise characteristic analysis described with reference to FIGS. 2A to 7, when the noise map is projected on the image information through the projection unit 222, the noise characteristic analysis unit 221 in the noise characteristic analysis unit is a corresponding object Information about where the noise is generated is basically obtainable.

예를 들어, 도 5a를 참조하면, 상기 소음특성 분석부(221)에서는 해당 소음원이 단극 소음원인 특성을 분석하는 것 외에, 상기 단극 소음원이 대상체인 철도차량의 대차부를 중심으로 발생하는 것에 대한 정보 획득이 가능하게 된다. For example, referring to FIG. 5A, the noise characteristic analysis unit 221 analyzes the characteristics of the noise source as a single-pole noise source, and information on the occurrence of the single-pole noise source as a center of the railway vehicle of the object. Acquisition becomes possible.

다만, 이러한 대상체에서 소음원이 발생하는 위치에 대한 정확한 정보는, 단순히 소음지도를 통해서 획득되기는 어려우며, 대상체 대한 영상 정보에 상기 소음지도가 투영된 후에 파악이 가능하게 된다. However, accurate information on a location where a noise source occurs in such an object is difficult to be obtained through a noise map, and can be grasped after the noise map is projected onto image information about the object.

따라서, 상기 소음특성 분석부(221)에서는 1차적으로 소음지도로부터 소음의 특성에 대한 분석을 수행하는 것 외에, 영상 정보에 상기 소음지도가 투영된 후에도 추가적으로 필요한 소음특성에 대한 정보를 분석하여 획득할 수 있다. Accordingly, the noise characteristic analysis unit 221 primarily analyzes and acquires information on noise characteristics that are additionally required even after the noise map is projected onto image information, in addition to performing analysis on the noise characteristics from the noise map. can do.

도 8은 도 1의 소음특성 분석 시스템을 이용한 소음특성 분석방법을 도시한 흐름도이다. 8 is a flowchart illustrating a noise characteristic analysis method using the noise characteristic analysis system of FIG. 1.

도 8을 참조하면, 상기 소음특성 분석 시스템(10)을 이용한, 소음특성 분석방법에서는, 우선, 상기 센서부(100)에서 대상체에 대하여 소음, 위치 및 영상을 센싱한다(단계 S10). Referring to FIG. 8, in the noise characteristic analysis method using the noise characteristic analysis system 10, first, the sensor unit 100 senses noise, a position, and an image with respect to an object (step S10).

이 후, 상기 소음 및 위치에 대한 센싱 결과는 상기 빔출력부(210)로 제공되어, 상기 빔출력부(210)에서는 예측면에 빔출력값으로 구현된 소음지도를 생성한다(단계 S20). Thereafter, the sensing results for the noise and the location are provided to the beam output unit 210, and the beam output unit 210 generates a noise map implemented as a beam output value on a predicted surface (step S20).

이 후, 상기 소음지도가 생성되면, 상기 소음지도 상의 소음의 특성에 대하여 상기 소음특성 분석부(221)에서 분석한다(단계 S30). Thereafter, when the noise map is generated, the noise characteristic analysis unit 221 analyzes the characteristics of the noise on the noise map (step S30).

이 후, 상기 투영부(222)에서는 대상체에 대한 영상 정보를 바탕으로, 상기 소음지도를 상기 영상 정보에 투영한다(단계 S40). Thereafter, the projection unit 222 projects the noise map on the image information based on the image information on the object (step S40).

이 경우, 상기 소음특성 분석부(221)에서는 앞서 설명한 바와 같이, 소음지도 상에서 필요한 소음특성에 대한 분석을 수행한 후, 상기 영상 정보에 투영된 소음지도를 바탕으로 추가적으로 분석할 수 있는 소음특성에 대한 정보, 예를 들어 소음원의 대상체 상의 위치 등에 대하여 추가로 분석을 수행할 수 있다. In this case, as described above, the noise characteristic analysis unit 221 performs analysis on the required noise characteristics on the noise map, and then adds noise characteristics that can be further analyzed based on the noise map projected on the image information. For the information, for example, the location of the noise source on the object may be additionally analyzed.

나아가, 상기 소음특성 분석부(221)에서는 처음부터 소음특성의 분석에 있어, 영상 정보에 투영된 소음지도를 바탕으로 소음특성의 분석을 수행할 수도 있다. Furthermore, in the analysis of noise characteristics from the beginning, the noise characteristic analysis unit 221 may perform analysis of noise characteristics based on a noise map projected on image information.

이와 같이, 소음 특성에 대한 분석이 종료되면, 사용자의 입력 조건에 따라 실제 영상에 투영된 소음 분석 결과를 상기 출력부(300)를 통해 출력한다(단계 S50). As described above, when the analysis of the noise characteristics is finished, the noise analysis result projected on the actual image according to the user's input condition is output through the output unit 300 (step S50).

본 실시예들에 의하면, 영상 정보가 제외된 상태에서 소음 및 위치에 관한 정보만을 바탕으로 소음원의 특성을 분석함으로써, 상대적으로 소음 특성에 대한 분석이 용이하여, 종래 음장가시화 기술에서 소음 및 영상 정보가 동시에 입력됨에 따라 수작업을 통한 신호 처리를 수행하여야 하는 문제를 해결할 수 있다. According to the present embodiments, by analyzing the characteristics of the noise source based only on the information about the noise and the location in the state where the image information is excluded, it is relatively easy to analyze the noise characteristics, and noise and image information in the conventional sound field visualization technology As it is simultaneously input, it can solve the problem of manual signal processing.

특히, 장시간의 소음 특성에 대한 분석에 있어, 소음 및 영상 정보를 동시에 처리하는 경우 막대한 데이터 처리가 필요하였으나, 소음 및 위치 정보만을 바탕으로 소음지도를 생성하고, 이를 영상 정보에 투영하는 방법을 적용함으로써, 상기 종래 소음 특성 분석 방법을 간략화함으로써 상대적으로 빠른 시간동안 정확하게 소음 특성을 분석하여 이를 시각화하여 제공이 가능하다. In particular, in analyzing noise characteristics for a long time, when processing noise and image information at the same time, enormous data processing was required, but a method for generating a noise map based on noise and location information only and projecting it onto image information is applied. By simplifying the conventional noise characteristic analysis method, it is possible to accurately analyze the noise characteristics for a relatively fast time and visualize them.

즉, 소음 특성, 즉 소음의 개수, 모양, 발생 시간, 발생 빈도, 발생 위치 등에 대한 정보를 소음 및 위치 정보로 생성되는 소음지도 상에서 분석한 후, 해당 결과를 영상 정보에 투영함으로써, 보다 신속하고 정확하게 소음 특성에 대한 분석 결과를 도출할 수 있다. That is, after analyzing information on noise characteristics, that is, the number, shape, time of occurrence, frequency of occurrence, location of noise, etc., on the noise map generated as noise and location information, the result is projected onto the image information, which makes it faster and faster. It is possible to derive an analysis result for noise characteristics accurately.

즉, 상기 소음 특성 분석부에서는, 상기 소음 지도로부터, 패턴의 크기를 바탕으로 주파수 종류를 자동으로 도출하고, 패턴의 개수를 바탕으로 소음원의 단일 또는 다중 여부를 판단하며, 패턴의 모양을 바탕으로 소음원의 종류를 판단하며, 패턴의 유지시간을 바탕으로 소음원의 발생 시간을 판단하고, 패턴의 반복 시간을 통해 소음원의 발생 빈도를 판단함으로써, 소음원의 특성을 자동으로 신속하게 분석할 수 있다. That is, the noise characteristic analysis unit automatically derives a frequency type based on the size of the pattern from the noise map, determines whether a noise source is single or multiple based on the number of patterns, and based on the shape of the pattern. By determining the type of the noise source, determining the generation time of the noise source based on the retention time of the pattern, and determining the frequency of occurrence of the noise source through the repetition time of the pattern, it is possible to automatically and quickly analyze the characteristics of the noise source.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described above with reference to the preferred embodiments of the present invention, those skilled in the art may variously modify and change the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can.

10 : 소음특성 분석 시스템 100 : 센서부
110 : 소음센서 120 : 위치센서
130 : 영상센서 200 : 분석부
210 : 빔 출력부 220 : 영상패턴 분석부
221 : 소음특성 분석부 222 : 투영부
300 : 출력부 400 : 조건 입력부10: noise characteristic analysis system 100: sensor unit
110: noise sensor 120: position sensor
130: image sensor 200: analysis unit
210: beam output unit 220: image pattern analysis unit
221: noise characteristic analysis unit 222: projection unit
300: output unit 400: condition input unit

Claims (12)

소음, 위치 및 영상을 센싱하는 센서부; 및
상기 소음 특성을 분석하는 분석부를 포함하고,
상기 분석부는,
상기 센싱된 소음 및 위치 정보를 바탕으로 예측면에 빔출력값으로 구현된 소음지도를 생성하는 빔출력부; 및
상기 소음지도 상의 소음 특성을 분석하는 소음 특성 분석부, 및 상기 소음지도를 상기 센싱된 영상 정보에 투영하는 투영부를 포함하는 영상패턴 분석부를 포함하는 것을 특징으로 하는 소음특성 분석시스템. A sensor unit that senses noise, location, and image; And
It includes an analysis unit for analyzing the noise characteristics,
The analysis unit,
A beam output unit generating a noise map implemented as a beam output value on a predicted surface based on the sensed noise and location information; And
And a noise pattern analysis unit for analyzing noise characteristics on the noise map, and an image pattern analysis unit including a projection unit for projecting the noise map onto the sensed image information. 제1항에 있어서,
상기 분석부에서 분석된 소음 특성을 사용자의 입력 조건에 따라 출력하는 출력부를 더 포함하는 소음특성 분석시스템. According to claim 1,
Noise characteristics analysis system further comprises an output unit for outputting the noise characteristics analyzed by the analysis unit according to the user's input conditions. 제1항에 있어서, 상기 센서부는,
대상체의 소음을 측정하는 소음센서;
상기 대상체의 위치를 측정하는 위치센서; 및
상기 대상체에 대한 영상을 촬영하는 영상센서를 포함하는 것을 특징으로 하는 소음특성 분석시스템. According to claim 1, The sensor unit,
Noise sensor for measuring the noise of the object;
A position sensor that measures the position of the object; And
Noise characteristic analysis system comprising an image sensor for taking an image of the object. 제3항에 있어서,
상기 소음 및 상기 위치 정보는 상기 빔 출력부로 제공되고,
상기 영상 정보는 상기 영상 패턴 분석부로 제공되는 것을 특징으로 하는 소음특성 분석시스템. According to claim 3,
The noise and the location information is provided to the beam output unit,
The image information analysis system characterized in that the noise provided by the image pattern analysis unit. 제4항에 있어서, 상기 빔출력부는,
상기 소음 정보를 예측면에 투영하고, 상기 위치 정보를 상기 소음 정보에 매칭시켜 소음지도를 생성하는 것을 특징으로 하는 소음특성 분석시스템. According to claim 4, The beam output unit,
A noise characteristic analysis system characterized by generating the noise map by projecting the noise information onto a predicted surface and matching the location information to the noise information. 제5항에 있어서, 상기 소음 특성 분석부는,
상기 소음지도로부터 소음의 크기, 소음의 개수, 소음의 모양, 소음의 유지 시간, 소음의 반복 시간, 소음의 발생 위치 중 적어도 하나를 바탕으로 소음 특성을 분석하는 것을 특징으로 하는 소음특성 분석시스템. According to claim 5, The noise characteristic analysis unit,
Noise characteristic analysis system characterized by analyzing the noise characteristics based on at least one of the size of the noise, the number of noises, the shape of the noise, the maintenance time of the noise, the repetition time of the noise, and the location of the noise from the noise map. 제6항에 있어서, 상기 소음 특성 분석부는,
상기 소음지도에서 소음 패턴의 크기를 바탕으로 소음의 주파수 특성을 도출하고, 소음 패턴의 개수를 바탕으로 소음원의 단일 또는 다중 여부를 판단하고, 소음 패턴의 모양을 바탕으로 소음원의 종류를 판단하고, 소음 패턴의 유지 시간을 바탕으로 소음원의 발생 시간을 판단하고, 소음 패턴의 반복 시간을 바탕으로 소음원의 발생 빈도를 판단하는 것을 특징으로 하는 소음특성 분석시스템. The method of claim 6, wherein the noise characteristic analysis unit,
From the noise map, the frequency characteristics of the noise are derived based on the size of the noise pattern, and whether the noise source is single or multiple based on the number of noise patterns, the type of the noise source is determined based on the shape of the noise pattern, A noise characteristic analysis system characterized by determining the time of occurrence of a noise source based on the maintenance time of the noise pattern and determining the frequency of occurrence of the noise source based on the repetition time of the noise pattern. 제6항에 있어서, 상기 투영부는,
상기 소음지도를 상기 영상 정보에 투영하여, 실제 대상체의 영상에서 발생하는 소음의 특성을 시각화하는 것을 특징으로 하는 소음특성 분석시스템. According to claim 6, The projection unit,
A noise characteristic analysis system characterized in that the noise map is projected on the image information to visualize the characteristics of noise generated in an image of an actual object. 소음, 위치 및 영상을 센싱하는 단계;
상기 센싱된 소음 및 위치 정보를 바탕으로 예측면에 빔출력값으로 구현된 소음지도를 생성하는 단계;
상기 소음지도 상의 소음의 특성을 분석하는 단계; 및
상기 소음지도를 상기 센싱된 영상 정보에 투영하는 단계를 포함하는 소음특성 분석방법. Sensing noise, location and video;
Generating a noise map implemented as a beam output value on a prediction surface based on the sensed noise and location information;
Analyzing the characteristics of noise on the noise map; And
And projecting the noise map onto the sensed image information. 제9항에 있어서,
상기 센싱된 실제 영상에 투영된 소음 분석 결과를 사용자의 입력 조건에 따라 출력하는 단계를 더 포함하는 소음특성 분석방법. The method of claim 9,
And outputting a noise analysis result projected on the sensed real image according to a user's input condition. 제9항에 있어서, 상기 소음지도를 생성하는 단계에서,
상기 소음 정보를 예측면에서 투영하고, 상기 위치 정보를 상기 소음 정보에 매칭시켜 소음지도를 생성하는 것을 특징으로 하는 소음특성 분석방법. 10. The method of claim 9, In the step of generating the noise map,
A noise characteristic analysis method characterized in that the noise information is projected from a prediction plane and the location information is matched to the noise information to generate a noise map. 제9항에 있어서, 상기 소음지도를 투영하는 단계에서,
상기 소음지도를 상기 영상 정보에 투영하여, 실제 대상체의 영상에서 발생하는 소음의 특성을 시각화하는 것을 특징으로 하는 소음특성 분석방법. 10. The method of claim 9, In the step of projecting the noise map,
A noise characteristic analysis method characterized in that the noise map is projected onto the image information to visualize the characteristics of noise generated in an image of a real object.
KR1020180111206A 2018-09-18 2018-09-18 System for analyzing noise characteristics and method for analyzing noise characteristics using the same KR20200032324A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180111206A KR20200032324A (en) 2018-09-18 2018-09-18 System for analyzing noise characteristics and method for analyzing noise characteristics using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180111206A KR20200032324A (en) 2018-09-18 2018-09-18 System for analyzing noise characteristics and method for analyzing noise characteristics using the same

Publications (1)

Publication Number Publication Date
KR20200032324A true KR20200032324A (en) 2020-03-26

Family

ID=69958766

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180111206A KR20200032324A (en) 2018-09-18 2018-09-18 System for analyzing noise characteristics and method for analyzing noise characteristics using the same

Country Status (1)

Country Link
KR (1) KR20200032324A (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100128855A (en) 2009-05-29 2010-12-08 (주)에스엠인스트루먼트 Moving sound source visualization device and moving sound source visualization method
KR20170130041A (en) 2016-05-18 2017-11-28 (주)에스엠인스트루먼트 Acoustic Camera Display Method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100128855A (en) 2009-05-29 2010-12-08 (주)에스엠인스트루먼트 Moving sound source visualization device and moving sound source visualization method
KR20170130041A (en) 2016-05-18 2017-11-28 (주)에스엠인스트루먼트 Acoustic Camera Display Method

Similar Documents

Publication Publication Date Title
US9749738B1 (en) Synthesizing audio corresponding to a virtual microphone location
RU2529594C1 (en) Calibration device, distance measurement system, calibration method and calibration programme
JP4644819B2 (en) Minute displacement measurement method and apparatus
JP6290720B2 (en) Inspection device, inspection method, and program
US10424078B2 (en) Height measuring system and method
US20170366896A1 (en) Associating Audio with Three-Dimensional Objects in Videos
JP6239594B2 (en) 3D information processing apparatus and method
WO2009145310A1 (en) Sound source separation and display method, and system thereof
EP3004926B1 (en) Edge preserving depth filtering
KR101608889B1 (en) Monitoring system and method for queue
JP2018136170A5 (en)
US9465979B2 (en) Measurement-target-selecting device, face-shape-estimating device, method for selecting measurement target, and method for estimating face shape
EP3594617A1 (en) Three-dimensional-shape measurement device, three-dimensional-shape measurement method, and program
CN111492198A (en) Object shape measuring apparatus and method, and program
KR101428373B1 (en) Apparatus and method for determining available parking space
Valente et al. Holistically Nested Edge Detection and particle filtering for subtle vibration extraction
KR102129916B1 (en) Apparatus and method for analyzing an image including event information
KR20200032324A (en) System for analyzing noise characteristics and method for analyzing noise characteristics using the same
CN106091974B (en) Object deformation measuring instrument, method and equipment
US10627519B2 (en) Information processing device and information processing method
JP5435221B2 (en) Sound source signal separation device, sound source signal separation method and program
KR101415741B1 (en) Apparatus and method for diagnosing a partial discharging
JP5217917B2 (en) Object detection and tracking device, object detection and tracking method, and object detection and tracking program
JP2015001791A (en) Image analysis apparatus
KR102030526B1 (en) Method for estimating direction of arrival based on continuous compressive sensing and apparatus therefor

Legal Events

Date Code Title Description
E601 Decision to refuse application