Publication

Hyperautonomy Artificial Intelligence Lab

회전체 혼합 음향 신호에서 타겟 소리 추출을 위한 스펙트럼 유도형 Autoencoder 기법 개발

본문

Conference
한국 PHM학회 2025년도 정기학슬대회
Author
김주현, 김용채, 박민석, 정준하, 윤병동
Date
2025-06-24
Presentation Type
구두
초록

최근 산업 현장에서는 회전체 기계의 상태 모니터링을 위해 음향 기반 진단 기술이 활발히 연구되고 있다. 그러나 실제 환경에서는 기계 소리와 작업자의 음성, 주변 소음이 복합되어 수집되므로, 특정 기계 소리를 정확히 분리해내는 기술이 필수적이다. 기존의 소스 분리 (Source Separation)기법은 혼합 신호로부터 모든 소스를 동시에 분리하는 방식으로, 특정 타겟 소리에 대한 분리 정확도가 낮고 진단 신뢰성이 떨어지는 한계가 있다. 
본 연구에서는 회전체 환경에서 수집된 혼합 음향 신호로부터 타겟 기계 소리만을 정확히 추출하기 위해, 스펙트럼 유도형 Autoencoder 모델을 제안한다. 제안된 모델은 분리하고자 하는 타겟 소스의 스펙트럼 정보를 조건으로 활용하여, 혼합 신호로부터 해당 소리를 선택적으로 복원하는 구조를 갖는다. 입력 신호와 조건 스펙트럼은 Autoencoder 구조 내에서 병렬적으로 처리되며, 타겟 특성과 일치하는 주파수 성분을 중심으로 학습이 이루어진다. 
실험은 회전체 베어링 음향 신호와 다른 회전체 음향 신호, 사람의 음성 신호가 혼합된 데이터를 기반으로 진행되었으며, 기존의 blind separation 기법 대비 타겟 소리 추출 성능이 유의미하게 향상됨을 확인하였다. 특히 최근에는 조건 기반 학습 및 임베딩 기반 소스 분리 기법이 다양한 분야에서 적용되고 있으며, 본 연구는 회전체 진단 분야에 최적화된 타겟 기반 음향 분리 모델을 제시한다. 제안한 방법은 타겟 기반 음향 분리(Target Source Extraction)의 효과성을 입증하였으며, 실제 산업 현장 또는 회전체 시스템의 고장 진단 상태 인식에 활용 가능한 기반 기술로서 가능성을 제시한다.