KR20220152060A - A method for detecting interior noise location of vehicles and system - Google Patents

A method for detecting interior noise location of vehicles and system Download PDF

Info

Publication number
KR20220152060A
KR20220152060A KR1020210059553A KR20210059553A KR20220152060A KR 20220152060 A KR20220152060 A KR 20220152060A KR 1020210059553 A KR1020210059553 A KR 1020210059553A KR 20210059553 A KR20210059553 A KR 20210059553A KR 20220152060 A KR20220152060 A KR 20220152060A
Authority
KR
South Korea
Prior art keywords
noise
frame
vehicle
location
deriving
Prior art date
Application number
KR1020210059553A
Other languages
Korean (ko)
Other versions
KR102509458B1 (en
Inventor
양원석
Original Assignee
한남대학교 산학협력단
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 한남대학교 산학협력단 filed Critical 한남대학교 산학협력단
Priority to KR1020210059553A priority Critical patent/KR102509458B1/en
Publication of KR20220152060A publication Critical patent/KR20220152060A/en
Application granted granted Critical
Publication of KR102509458B1 publication Critical patent/KR102509458B1/en

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01HMEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00Measuring characteristics of vibrations by using a detector in a fluid
    • G01H3/10Amplitude; Power
    • G01H3/12Amplitude; Power by electric means
    • G01H3/125Amplitude; Power by electric means for representing acoustic field distribution
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01HMEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H15/00Measuring mechanical or acoustic impedance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04RLOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00Details of transducers, loudspeakers or microphones
    • H04R1/20Arrangements for obtaining desired frequency or directional characteristics
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

The present invention relates to a method for detecting an interior noise location of a vehicle which can identify the characteristics of constant and major in-vehicle noise which gives people emotional discomfort, and a system using the same. The method comprises the steps of: a) collecting noise data frame by frame unit for a predetermined time at a two-dimensional location (i, j) in the vehicle; b) determining whether noise has occurred more than a reference number of times based on the frame at the two-dimensional location (i, j) in the vehicle, and deriving a set having the location at which the noise occurred more than the reference number of times as an element; and c) applying density-based spatial clustering of applications with noise (DBSCAN), which is a density-based clustering analysis method, to the set derived in step b).

Description

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

본 발명은 자동차 실내 소음 위치 탐색 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for locating noise inside a vehicle.

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.Automobile noise is a factor that greatly affects the emotional quality of automobiles, and automobile NVH (Noise, Vibration, Harshness) has been an important research subject for automobile manufacturers for a long time. Noise and noise are reported as the most problems in the initial quality of automobiles, and recently, interior noise such as BSR (Buzz, Squeak, Rattle) has emerged as a major quality issue.

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. Studies dealing with interior noise in automobiles are largely divided into three categories. First, in the design stage, the acoustic characteristics of the noise generated from the interior module of the vehicle are analyzed and sound quality indicators are developed. Since the interior noise is a kind of sound, sound quality analysis for the noise source is performed using various sound quality analysis techniques. do. For example, an evaluation index for sound quality of indoor noise may be developed by analyzing indices representing characteristics of sound, such as loudness, sharpness, and roughness. It is a very important study in the design stage of the automobile manufacturing process as it analyzes the occurrence of interior noise such as BSR in the interior module of the vehicle such as the instrument panel.

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. Second, research on predicting the type of indoor noise through machine learning and deep learning is currently being conducted. After converting the noise data into an acoustic fingerprint, STFT (Short-time Fourier Transform) noise map, etc., classification techniques of machine learning and lip learning are used to predict the type of indoor noise such as BSR. It is known that deep learning-based indoor noise classification has superior prediction accuracy compared to conventional acoustic approaches. It is believed that this is due to the expression learning of deep learning, which automatically finds non-linear patterns necessary for classification in raw data.

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.Finally, this study explores the location of indoor noise by using noise data from multiple locations in the car interior. Research in this field uses noise data from multiple locations measured by acoustic cameras to explore the location of indoor noise by utilizing the difference in intensity and time-series characteristics of noise.

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.Since the above study is a method using a simple algorithm that compares the mean-difference of noise based on the simple noise level, it is necessary to identify the characteristics of continuous and major in-vehicle noise that gives people emotional discomfort. There was a difficult problem.

한국공개특허공보 제1995-0033128호(“자동차의 실내소음 측정용 마이크로폰 고정장치”, 공개일 1995.12.22.)Korean Patent Laid-open Publication No. 1995-0033128 ("A device for fixing a microphone for measuring interior noise in a vehicle", published on December 22, 1995)

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.The present invention has been made to solve the above problems, and the purpose of a method and system for locating noise inside a car is to identify the characteristics of continuous and major noise in a car that gives people emotional discomfort An object of the present invention is to provide a method and system for locating noise inside a vehicle.

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.In order to solve the above problems, a method for locating noise inside a vehicle of the present invention includes the steps of: a) collecting noise data frame by frame at a two-dimensional location (i, j) in the vehicle for a predetermined time; b) determining whether noise is generated more than a reference number of times based on a frame at a two-dimensional location (i, j) in the vehicle, and deriving a set having as an element a location where noise is generated more than a reference number of times; and c) applying Density-based spatial clustering of applications with noise (DBSCAN), which is a density-based clustering analysis method, to the set derived in step b).

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.In addition, in step a), a-1) deriving a dataset X(t) by collecting noise levels for each frame t at a two-dimensional position (i, j) in the vehicle for a predetermined time; and a-2) deriving Y(t), which is two-dimensional location information (i, j) for each frame (t) in which noise greater than or equal to a reference value occurs in the vehicle, using the X(t) do.

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.In step a-2), when the minimum value of X(t) in a specific frame t is m(t), the Y(t) is derived according to the formula below.

Figure pat00001
Figure pat00001

(상기

Figure pat00002
는 상기 Y(t)의 원소, 상기
Figure pat00003
는 상기 X(t)의 원소, 상기 g는 상기 a-2) 단계에서 사용하는 기준치)(remind
Figure pat00002
Is an element of the Y (t), the
Figure pat00003
is an element of X(t), and g is a reference value used in step a-2))

또한, 상기 c) 단계에서 수행하는 DBSCAN은, eps 및 MinPts 두 개의 파라미터를 이용해 군집분석을 수행하는 것을 특징으로 한다.In addition, DBSCAN performed in step c) is characterized by performing cluster analysis using two parameters, eps and MinPts.

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

Figure pat00004
를 원소로 하는 데이터세트인 F를 도출하고, 상기 F와 상기 Y(t)를 이용해 특정 시점의 어느 위치에서 소음이 발생했는지를 판단하는 것을 특징으로 한다.In addition, step c) is information about whether the location (i.j) in the car is included in the dense cluster of the DBSCAN.
Figure pat00004
It is characterized by deriving F, which is a data set having as an element, and determining at which position at a specific time point noise is generated using the F and the Y(t).

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.A vehicle interior noise location locating system according to the present invention includes a noise collecting means for collecting noise data at a two-dimensional position (i, j) in the vehicle frame by frame for a predetermined time; and receiving data from the noise collection means to determine whether noise has occurred more than a reference number of times based on a frame at a two-dimensional location (i, j) in the vehicle, and deriving a set having the location where noise has occurred more than a reference number of times as an element. and a control unit for applying Density-based spatial clustering of applications with noise (DBSCAN), which is a density-based clustering analysis method, to the derived set.

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.In addition, the control unit collects the noise level for each frame (t) at the two-dimensional position (i, j) in the vehicle for a predetermined time, derives a dataset X(t), and uses the X(t) , Y(t), which is the two-dimensional location information (i, j), for each frame (t) in which noise is greater than the standard value in the vehicle is derived, and a set having the location where the noise is generated as an element is derived.

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.In addition, when the minimum value of X(t) in a specific frame t is m(t), the control unit is characterized in that the Y(t) is derived according to the formula below.

Figure pat00005
Figure pat00005

(상기

Figure pat00006
는 상기 Y(t)의 원소, 상기
Figure pat00007
는 상기 X(t)의 원소, 상기 g는 기준치)(remind
Figure pat00006
Is an element of the Y (t), the
Figure pat00007
is an element of X(t), and g is a reference value)

또한, 상기 DBSCAN은, eps 및 MinPts 두 개의 파라미터를 이용해 군집분석을 수행하는 것을 특징으로 한다.In addition, the DBSCAN is characterized by performing cluster analysis using two parameters, eps and MinPts.

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

Figure pat00008
를 원소로 하는 데이터세트인 F를 도출하고, 상기 F와 상기 Y(t)를 이용해 특정 시점의 어느 위치에서 소음이 발생했는지를 판단하는 것을 특징으로 한다.In addition, the control unit is information on whether the location (i.j) in the vehicle is included in the dense cluster of the DBSCAN.
Figure pat00008
It is characterized by deriving F, which is a data set having as an element, and determining at which position at a specific time point noise is generated using the F and the Y(t).

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.According to the method and system for locating noise inside a vehicle according to various embodiments of the present invention as described above, the process of human noise perception is modeled and noise data of multiple locations extracted through a noise collecting means, which is an omnidirectional acoustic camera, is utilized. It has the effect of searching for the location and time of occurrence of major noises in the car interior, which are detected by the difference in loudness.

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.
1 is a schematic diagram of a vehicle to which a method and system for locating noise inside a vehicle according to an embodiment of the present invention are applied.
2 is a graph visualizing noise data of a first frame and a 1592 th frame among noise data collected in step a) of a method for locating noise inside a vehicle according to an embodiment of the present invention.
3 and 4 are visualization graphs of application results obtained by performing steps a), b) and c) of the method for locating noise inside a vehicle according to an embodiment of the present invention.

이하 첨부된 도면을 참고하여 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 방법 및 시스템에 관하여 상세히 설명한다.Hereinafter, a method and system for locating noise inside a vehicle according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 시스템이 적용되는 자동차의 개략도이다.1 is a schematic diagram of a vehicle to which a vehicle interior noise location locating system according to an embodiment of the present invention is applied.

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.1 is a state viewed from the top of the vehicle. As shown in FIG. 1, based on the state in which the car 10 is viewed from above, in the present invention, the interior of the car 10 can be partitioned into two-dimensional areas, and the two-dimensional areas are partitioned in a grid pattern. It can be. That is, with reference to FIG. 1 , the position of a specific area surrounded by a grid can be expressed as (i, j), where i is the position relative to the car's width and j is the position relative to the car's length. 1, i has a value of 1, 2, 3, ..., i from left to right, and j has a value of 1, 2, 3, ..., j from top to bottom has a value

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. In the present invention, heterogeneous and major interior noises that cause discomfort to the driver in terms of emotion are considered. Drivers cannot remember all the interior noise generated while driving a car for several tens of minutes to an hour or two. Among numerous noises, noises generated continuously and densely in many areas remain in the driver's memory after driving and can be recognized as important. The main indoor noise dealt with in the present invention refers to noise that is louder in the ear because it is louder than ambient sound, and does not occur temporarily and sporadically, but continuously in time and densely and continuously in one place in space. In the present invention, the noise recognition process is classified into three stages of detection, memory, and recognition, and modeling is used to propose an algorithm to search for major indoor noise.

본 발명의 일실시예에 의한 자동차 실내 소음 위치 탐색 방법은, 크게 a) 단계, b) 단계 및 c) 단계를 포함할 수 있다.A method for locating noise inside a vehicle according to an embodiment of the present invention may largely include steps a), b), and c).

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.Step a) is a sensing step, which simulates a situation in which a person perceives noise auditorily. When a sound from a specific location is heard louder than surrounding sounds, a person auditoryally detects the sound from that location. When the difference in volume is greater than a certain level, the sound can be distinguished, and in step a), noise data can be collected frame by frame for a predetermined time at the two-dimensional position (i, j) in the vehicle 10.

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.The noise data collected in step a) can be expressed in the form of a set. For example, assuming that the two-dimensional position inside the car 10 is divided into a total of 1,200 pieces of 60 horizontally and 20 vertically, and noise data is collected for 1 minute at 25 frames per second, noise data for a total of 1,500 frames Since it is collected, a total of 1,500 sets of 60 × 20 are created for each frame, and one set can have noise at the position (i, j) of the corresponding frame as an element. The element of the set for each frame may be 1,200, which is the total number of two-dimensional positions, and the element means the size of noise data and may be expressed in dB.

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. Step a) may be performed by a noise collecting means including a stereoscopic microphone and a control unit. To this end, the vehicle interior noise location locating system according to an embodiment of the present invention may include a noise collecting means and a control unit. .

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.The noise collecting means may be installed inside the vehicle 10 as a device such as a sound microphone, and during step a), the process of collecting noise may be performed by the noise collecting means, in addition to collecting noise. , the process of processing the data can be performed by the control unit. The control unit may be an electronic device including a kind of arithmetic device, and the noise collecting unit and the control unit may be wired or wirelessly connected to receive information from the noise collecting unit.

상기한 a) 단계는 세부적으로, a-1) 단계와 a-2) 단계로 구분될 수 있다.Step a) may be divided into steps a-1) and steps a-2) in detail.

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.First, step a-1) is a step of collecting the noise level for each frame (t) for a predetermined time at the two-dimensional position (i, j) in the vehicle, and deriving a set X(t) in the controller, a- In step 2), the control unit uses the set X(t) described above to obtain Y(t), which is a set having two-dimensional location information (i, j) for each frame (t) in which noise is greater than the standard value in the vehicle as an element. derive That is, Y(t) is obtained by applying a kind of filter to the above-mentioned X(t). Y(t) can be derived by assigning 1 to i, j) and assigning 0 to the corresponding position (i, j) if noise greater than or equal to the reference value does not occur.

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.Describing step a-2) in more detail, the control unit derives Y(t) according to the formula below when m(t) is the minimum value of elements in a specific frame t of the derived X(t) .

Figure pat00009
Figure pat00009

(상기

Figure pat00010
는 상기 Y(t)의 원소, 상기
Figure pat00011
는 상기 X(t)의 원소, 상기 g는 상기 a-2) 단계에서 사용하는 기준치)(remind
Figure pat00010
Is an element of the Y (t), the
Figure pat00011
is an element of X(t), and g is a reference value used in step a-2))

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.In the above formula, g may be a value arbitrarily designated by a user. In the present embodiment, the reason why Y(t) is obtained using the reference value g and the minimum value m(t) in the frame t as described above is that the noise inside the vehicle 10 is not the noise inside the vehicle 10, but the noise coming from the outside. It takes into account the situation in which the size of the noise increases.

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.Step b) performed after step a) is a storage step. In the second memory stage, it reflects the fact that people feel uncomfortable with noise in terms of emotion only when the driver's experience of noise remains in memory after driving. Generally, we drive our cars for minutes to hours, so we forget the experience of detecting noise over time. I can't remember all of my experiences of perceiving a sound louder than my surroundings in a particular location. It is expected that the experience of frequently detected noise among various noises will be mainly remembered.

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.In the step b), it is determined whether noise has occurred more than a reference number of times based on the frame at the two-dimensional position (i, j) in the vehicle, a set having the position where noise has occurred more than a reference number of times as an element is derived, and the control unit is carried out For example, assuming that a total of 10 noises occur at the position (1, 1) in FIG. 1, and a total of 30 noises occur at the position (3, 3), the reference value used in step b) is 20 In the case of times, step b) may derive a set having location information of (3, 3) as an element. The reference value used in step b) is referred to as c, and the above process can be expressed as a formula as follows.

Figure pat00012
Figure pat00012

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

Figure pat00013
로 표기하고 있으며,
Figure pat00014
을 원소로 갖는 행렬을 S로 나타낸다. 위치(i, j)에서 감지된 소음에 대한 변수를
Figure pat00015
라고 했을 때,
Figure pat00016
는 다음과 같이 표현할 수 있다.The above formula calculates the number of times noise is detected at position (i, j) during total T frames.
Figure pat00013
is denoted by
Figure pat00014
A matrix having as an element is represented by S. A variable for noise detected at location (i, j)
Figure pat00015
When I said
Figure pat00016
can be expressed as:

Figure pat00017
Figure pat00017

상기한 수식의

Figure pat00018
를 원소로 갖는 행렬을 Z로 나타내며, b) 단계가 수행된 이후에는 Z가 출력된다.of the above formula
Figure pat00018
A matrix having as an element is represented by Z, and after step b) is performed, Z is output.

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. Step c) is a recognition step, which is a process of finding dense noise sources that are recognized as important by the driver. Since noise is a kind of sound, the sound spreads around from the point where the noise is generated. If it is a noise that a person remembers and recognizes as important, it is expected that the location of the noise is gathered within a certain area. As described above, since the interior of the car 10 is subdivided into 1,200 locations, the driver perceives noise generated in a dense manner as important rather than sporadic noise generated at a few locations, c) step considers sporadic noise as an outlier and removes it.

상술한 행렬 Z에서,

Figure pat00019
=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. In the matrix Z described above,
Figure pat00019
A two-dimensional matrix having a position (i, j) of = 1 as an element is defined as H, and step c) applies Density-based spatial clustering of applications with noise (DBSCAN), a density-based clustering analysis method, to H. DBSCAN used in step c) contains noise, and it is known that cluster analysis is effective for data with complex shapes other than spheres.

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.In DBSCAN used in step c), there are two parameters, eps and MinPts. Step c) performs density-based clustering analysis using eps and MinPts. eps means the radius of a neighbor, and two points whose distance is less than eps on the coordinate plane are regarded as neighbors and grouped into the same cluster. MinPts is the minimum size of a dense cluster, and a cluster is considered dense only when the number of elements in the cluster is greater than or equal to MinPts.

상술한 eps와 MinPts는 사용자에 의해 설정되거나, 상술한 제어부가 상황에 따라 적절한 수치로 설정할 수 있다.The aforementioned eps and MinPts may be set by the user, or may be set to appropriate values by the controller according to circumstances.

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

Figure pat00020
로, 그렇지 않으면
Figure pat00021
로 정의한다. 아울러,
Figure pat00022
를 원소로 갖는 행렬을 F로 나타낸다. 최종적으로 행렬 F에서
Figure pat00023
인 위치 (i, j)는 주변보다 소음이 크고, 빈번하게 발생되며, 밀집되어 발생하는 주요 소음의 발생 위치를 나타낸다.If the specific position (i, j) in step c) is included in one of the dense clusters of DBSCAN,
Figure pat00020
as, otherwise
Figure pat00021
is defined as together,
Figure pat00022
A matrix having as an element is denoted by F. Finally in matrix F
Figure pat00023
The in position (i, j) represents a main noise generation position that is louder than the surroundings, frequently generated, and generated densely.

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

Figure pat00024
이면, 해당 위치 (i, j)가 어느 프레임 때 소음이 발생했는지를 Y(t)를 통해 확인할 수 있다. 즉,
Figure pat00025
이면, Y(t)에서 해당 위치 (i, j)의 원소가 1인 프레임을 확인해, 언제 소음이 발생했는지를 판단할 수 있다.Also, in step c), the occurrence point of the main indoor noise can be searched by utilizing the analysis result of the occurrence location of the main indoor noise. More specifically, when the above-described matrix F and the Y(t) are compared, the elements of F
Figure pat00024
, it is possible to check through Y(t) which frame the noise occurred at the corresponding position (i, j). in other words,
Figure pat00025
, it is possible to determine when noise is generated by checking a frame in Y(t) where the element at the position (i, j) is 1.

상기한 a) 단계, b) 단계 및 c) 단계를 수행하는 과정에 대해서 설명한다.A process of performing steps a), steps b) and steps c) described above will be described.

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.First, as described above, in step a), noise data can be collected by the noise collecting unit at each of 1,200 locations inside the vehicle divided into 60 horizontally and 20 vertically. Noise data is collected for a total of 2 minutes, and since noise data is collected at 25 frames per second, the noise data consists of a total of 3,000 frames.

도 2는 a) 단계에서 수집된 소음데이터 중, 첫 번째 프레임과 1592번째 프레임의 소음데이터를 시각화한 것이다.2 is a visualization of noise data of the first frame and the 1592nd frame among the noise data collected in step a).

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.As shown in FIG. 2, the noise data can be shaped in three dimensions, and as shown in FIG. 2A, the pattern of noise intensity in the first frame is gentle, so it can be visually confirmed that no heterogeneous and major indoor noise has occurred. can On the other hand, as shown in FIG. 2B, since the pattern of noise intensity is severely curved in the 1592nd frame, it can be visually confirmed that major noise is generated in the room.

실내 소음을 탐색하기 위해, 상기 a) 내지 c) 단계별로 사용되는 기준치를 다음과 같이 설정한다.In order to search for indoor noise, the reference value used in the steps a) to c) is set as follows.

Figure pat00026
Figure pat00026

도 3은 상기 a) 단계, b) 단계 및 c) 단계 각각이 수행된 적용 결과를 시각화한 것이다.3 is a visualization of the result of applying each of steps a), b) and c).

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.In FIG. 3, through steps a), b), and c), the location of noise that is not cognitively important is removed, and finally, the location of the main indoor noise can be found. In FIG. 3A, the number inside the graph indicates the number of detected noises in step a), the horizontal axis indicates the horizontal position of the car, and the vertical axis indicates the vertical position of the car. FIG. 3B visualizes this as a contour line.

Figure pat00027
Figure pat00027

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.Applying the above equation, the occurrence time at the main location inside the vehicle can be analyzed as shown in FIG. 4 . 4 is the analysis result of the 2629th frame, FIG. 4a is the result of detecting noise in the 2629th frame, that is, Y (2629), FIG. 4b is the location F where the indoor noise is generated, and FIG. Applying (2629) to the above equation, the finally recognized noise generation position is shown, and FIG. 4D is a visualization of the noise generation position. As shown in FIG. 4D , since the pattern of indoor noise intensity is highly curved and heterogeneous, it is possible to confirm the possibility that main indoor noise has occurred.

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.As a result of visually evaluating the process as described above for all 3,000 frames, when the reference value g used in step a) is 6, 7, 8, and 9, the main performance of the indoor noise occurrence time (frame) search result The results of analyzing the scales of accuracy, sensitivity, specificity, and precision are shown in the table below.

Figure pat00028
Figure pat00028

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.In the above table, the highest accuracy when g is 6 means that the evaluator's visual judgment about the curve of the noise intensity pattern is made on the basis of approximately 6dB. In addition, in the above table, specificity and precision increase as the noise detection reference value increases, and the false positive rate decreases as the noise detection reference value increases, so that the prediction that indoor noise has occurred is accurate.

본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다. The present invention is not limited to the above embodiments, and the scope of application is diverse, and various modifications and implementations are possible without departing from the gist of the present invention claimed in the claims.

10 : 자동차10: car

Claims (6)

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 방법.
a) collecting noise data frame by frame for a predetermined time at a two-dimensional position (i, j) in the vehicle;
b) determining whether noise is generated more than a reference number of times based on a frame at a two-dimensional position (i, j) in the vehicle, and deriving a set having as an element a location where noise is generated more than a reference number of times; and
c) applying Density-based spatial clustering of applications with noise (DBSCAN), which is a density-based clustering analysis method, to the set derived in step b);
제1항에 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 포함하는 것을 특징으로 하는 자동차 실내 소음 위치 탐색 방법.
According to claim 1,
In step a),
a-1) deriving a dataset X(t) by collecting noise levels for each frame (t) at a two-dimensional position (i, j) in the vehicle for a predetermined period of time; and
a-2) deriving Y(t), which is 2-dimensional location information (i, j) for each frame (t) in which noise is greater than a reference value, using the X(t);
An automobile interior noise location search method comprising:
제2항에 있어서,
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 하는 자동차 실내 소음 위치 탐색 방법.
Figure pat00029

(상기
Figure pat00030
는 상기 Y(t)의 원소, 상기
Figure pat00031
는 상기 X(t)의 원소, 상기 g는 상기 a-2) 단계에서 사용하는 기준치)
According to claim 2,
In step a-2),
Among the X(t), when the minimum value in a specific frame (t) is m(t), the Y(t) is derived according to the formula below.
Figure pat00029

(remind
Figure pat00030
Is an element of the Y (t), the
Figure pat00031
is an element of X(t), and g is a reference value used in step a-2))
제3항에 있어서,
상기 c) 단계는, 자동차 내의 위치 (i. j)가 상기 DBSCAN의 밀집군집에 포함되는지 여부에 대한 정보인
Figure pat00032
를 원소로 하는 데이터세트인 F를 도출하고,
상기 F와 상기 Y(t)를 이용해 특정 시점의 어느 위치에서 소음이 발생했는지를 판단하는 것을 특징으로 하는 자동차 실내 소음 위치 탐색 방법.
According to claim 3,
Step c) is information on whether the position (i.j) in the car is included in the dense cluster of the DBSCAN.
Figure pat00032
Derive a dataset F, which has as an element,
A method for locating noise in a vehicle interior, characterized in that by using the F and the Y(t), it is determined at which location the noise is generated at a specific time point.
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 제어부;를 포함하는 자동차 실내 소음 위치 탐색 시스템.
Noise collecting means for collecting noise data in frame units for a predetermined time at the two-dimensional position (i, j) in the vehicle; and
Receiving data from the noise collection means, determining whether noise has occurred more than a reference number of times based on a frame at a two-dimensional position (i, j) in the vehicle, and deriving a set having the location where noise occurred more than a reference number of times as an element, , A control unit for applying Density-based spatial clustering of applications with noise (DBSCAN), which is a density-based clustering analysis method, to the derived set.
제5항에 있어서,
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 하는 자동차 실내 소음 위치 탐색 시스템.
According to claim 5,
The control unit,
The size of the noise for each frame (t) is collected for a predetermined time at the two-dimensional position (i, j) in the car to derive the dataset X(t), and using the X(t), the noise level exceeds the standard value in the car. A vehicle interior noise localization system characterized by deriving Y(t), which is two-dimensional location information (i, j) for each frame (t) where noise occurs, to derive a set having the location where noise occurs as an element.
KR1020210059553A 2021-05-07 2021-05-07 A method for detecting interior noise location of vehicles and system KR102509458B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210059553A KR102509458B1 (en) 2021-05-07 2021-05-07 A method for detecting interior noise location of vehicles and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210059553A KR102509458B1 (en) 2021-05-07 2021-05-07 A method for detecting interior noise location of vehicles and system

Publications (2)

Publication Number Publication Date
KR20220152060A true KR20220152060A (en) 2022-11-15
KR102509458B1 KR102509458B1 (en) 2023-03-10

Family

ID=84041570

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210059553A KR102509458B1 (en) 2021-05-07 2021-05-07 A method for detecting interior noise location of vehicles and system

Country Status (1)

Country Link
KR (1) KR102509458B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR950033128A (en) 1994-05-31 1995-12-22 김태구 Microphone fixture for measuring indoor noise of a car
KR20110083209A (en) * 2010-01-14 2011-07-20 충북대학교 산학협력단 Method for analyzing a dataset with various density
KR101815584B1 (en) * 2016-07-12 2018-01-05 한국과학기술원 Compensation method for bias errors in 3D intensity probe used for the source localization in precision
KR20180072655A (en) * 2018-06-25 2018-06-29 (주)에스엠인스트루먼트 Acoustic Camera Display Method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR950033128A (en) 1994-05-31 1995-12-22 김태구 Microphone fixture for measuring indoor noise of a car
KR20110083209A (en) * 2010-01-14 2011-07-20 충북대학교 산학협력단 Method for analyzing a dataset with various density
KR101815584B1 (en) * 2016-07-12 2018-01-05 한국과학기술원 Compensation method for bias errors in 3D intensity probe used for the source localization in precision
KR20180072655A (en) * 2018-06-25 2018-06-29 (주)에스엠인스트루먼트 Acoustic Camera Display Method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
저자(양원석), 제목(데이터마이닝 및 전방향 음향카메라를 활용한자동차 실내의 BSR 소음 위치탐색 방안), 간행물명칭(한국생산관리학회지), 해당페이지(P.309~323), 공개일(2016.08)* *

Also Published As

Publication number Publication date
KR102509458B1 (en) 2023-03-10

Similar Documents

Publication Publication Date Title
CN111741884B (en) Traffic distress and road rage detection method
CN106596123B (en) Method, device and system for diagnosing equipment fault
JP2012242214A (en) Strange noise inspection method and strange noise inspection device
JP6882397B2 (en) Abnormal noise detection system, equipment, method and program
KR101473957B1 (en) Apparatus and method for determining insurance premium based on driving pattern recognition
JP2024020321A (en) Apparatus for estimating mental/neurological disease
CN109632086A (en) Interior noise measuring method, apparatus, readable storage medium storing program for executing and computer equipment
CN115186000A (en) Method and device for determining subjective evaluation of vehicle abnormal sound based on objective test
Lemaitre et al. A psychoacoustical study of wind buffeting noise
JP2006208075A (en) Abnormality diagnosis apparatus, method and program
JP2008086479A (en) Physical activity measuring system
KR102509458B1 (en) A method for detecting interior noise location of vehicles and system
US20220018906A1 (en) Predicting An Outcome Associated With A Driver Of A vehicle
JP5021506B2 (en) Traffic flow simulation system and method
Chen et al. Sound quality analysis and prediction of vehicle interior noise based on grey system theory
Schulte-Fortkamp et al. On soundscapes and their meaning regarding noise annoyance measurements
Blauert A Perceptionist's View on Psychoacoustics
JP7281436B2 (en) Vehicle accident prediction system, vehicle accident prediction program, and trained model generation system
Gussen et al. Your customer’s digital shadow–Objectification of human perception by a multisensory measurement system
Wu et al. Towards human-vehicle interaction: Driving risk analysis under different driver vigilance states and driving risk detection method
JP2023033848A (en) Abnormal noise specification device, abnormal noise specification method and abnormal noise specification program
Nopiah et al. Noise annoyance fuzzy index in passenger car cabin
JP6428748B2 (en) Driving support system
KR101740983B1 (en) Apparatus and method for determining validity of sensing data related with vehicle driver
Fiebig et al. Development of metrics for characterizing product sound quality

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant