딥러닝 기반 위상 마이크로폰 배열의 고속·고정밀 음원 위치 추정

본 논문은 위상 마이크로폰 배열(PMA)을 이용한 음원 위치 추정에서 ‘고해상도와 고속 처리’를 동시에 만족시키는 새로운 알고리즘을 탐구한다. 서론에서는 현대 사회에서 소음이 건강에 미치는 영향과 이에 대한 정확한 음원 로컬라이제이션의 필요성을 강조하고, 기존의 빔포밍과 디컨볼루션 기법들의 장단점을 정리한다. 전통적인 빔포밍은 구현이 간단하고 실시간 처리에 유리하지만, 저주파에서의 공간 해상도가 제한되고 사이드로브에 의해 동적 범위가 감소한다. 반면 DAMAS, NNLS, CLEAN‑SC와 같은 디컨볼루션 방법은 PSF(점 확산 함수)를 이용해 ‘더러운’ 빔포밍 맵을 정제해 높은 해상도를 제공하지만, 반복적인 행렬 연산으로 인해 계산 비용이 크게 증가한다. 이러한 배경에서 저자들은 딥러닝, 특히 콘볼루션 신경망(CNN)을 이용해 교차 스펙트럼 행렬(CSM)으로부터 직접 음원 파워 분포를 복원하는 방식을 제안한다. 이론적 배경에서는 CSM의 정의와 빔포밍 및 디컨볼루션 수식들을 상세히 제시한다. CSM은 각 마이크로폰의 푸리에 변환된 신호 p_i(ω)를 이용해 C(ω)= (1/I)∑_{i=1}^I p_i(ω)p_i^H(ω) 로 계산되며, 여기서 I는 프레임 수이다. 빔포밍 출력 b(r)=e^H(r)Ce(r)/||e(r)||^2 로 표현되고, 디컨볼루션에서는 PSF(r|r_s)=|e^H(r)e(r_s)|^2/||e(r)||^2 를 이용해 Ax=b 형태의 선형 시스템을 만든 뒤, 양의 제약을 두고 해를 찾는다. DAMAS는 Gauss‑Seidel 방식의 반복을 통해 x를 추정한다. 제안된 CNN 모델은 입력으로 M×M 복소수 CSM을 받아, 출력으로 S개의 격자 포인트에 대한 음원 파워 x를 반환한다. 네트워크는 2‑D Conv 레이어 4개(첫 두 레이어 64채널, 뒤 두 레이어 128채널, 커널 3×3, stride 1, padding ‘same’), MaxPooling 2×2 레이어 2개, Flatten, 그리고 최종 Dense 레이어(S 차원)로 구성된다. 활성화 함수는 ReLU이며, 최종 레이어는 선형 활성화를 사용한다. 파라미터 수는 약 1.62 × 10⁶개이며, 이는 마이크로폰 수 M=30, 격자 수 S=225에 맞춰 설계된 것이다. 학습 단계에서는 ADAM 옵티마이저(α=0.001, β₁=0.09, β₂=0.999, ε=10⁻⁸)를 사용하고, 손실 함수는 평균 제곱 오차(MSE)이다. 훈련 데이터는 Eq.(8)에 따라 3개의 무작위 점음원을 배치한 합성 CSM을 4 × 10⁴개 생성해 80 %를 학습, 10 %를 검증, 나머지 10 %를 테스트에 사용하였다. 배치 크기 32, 에폭 10으로 설정했으며, MacBook Pro(i5 2.9 GHz)에서 약 4시간이 소요되었다. 실험은 직경 0.35 m, 마이크로폰 수 30개의 평면 배열을 가정하고, 관측 평면을 배열 평면과 평행하게 배치했다. 관측 평면과 배열 사이 거리 z₀=2 m, 개방각 α=45°이며, 격자 해상도는 15×15(225점)이다. 신호대잡음비(SNR)는 15 dB로 설정하고, 백색 가우시안 잡음을 추가하였다. 전통 빔포밍은 대각선 제거(diagonal removal)를 적용했으며, DAMAS는 PSF에 대각선 제거를 하지 않고 1000회 반복했다. 결과는 주파수 8 kHz에서 CNN이 98 % 정확도를 달성했으며, 이는 DAMAS와 동일한 공간 해상도를 보여준다. 두 번째 실험에서는 두 개의 인접한 소스가 격자 상에서 가까이 위치했을 때도 CNN과 DAMAS는 정확히 복원했지만, 전통 빔포밍은 구분하지 못했다. 저주파 5 kHz와 3 kHz에서는 각각 83 %와 60%로 정확도가 감소했으며, 오류는 주로 격자 가장자리 혹은 인접 소스 위치에서 발생했다. 이는 저주파에서 배열의 파장이 길어져 샘플링이 부족해지는 현상과 관련이 있다. 연산 속도 측면에서 CNN은 전통 빔포밍과 동일한 수준으로 매우 빠르며, DAMAS보다 현저히 빠르다. 이는 훈련이 완료된 후 추론 단계가 단순한 행렬 연산이기 때문이다. 또한 CNN은 전파 함수(예: 매질 속도, 흐름 등)를 사전에 정의할 필요가 없으므로, 복잡한 유동 환경이나 전파 모델이 불확실한 상황에서도 적용 가능하다는 장점을 가진다. 논의에서는 현재 연구가 합성 데이터에만 국한되어 있다는 점, 저주파 성능 향상을 위한 네트워크 구조 개선 필요성, 실제 실험 데이터에 대한 일반화 검증 필요성 등을 언급한다. 향후 연구 방향으로는 멀티스케일 피처 결합, 물리 기반 손실 함수 도입, 실제 현장 실험을 통한 검증, 그리고 실시간 시스템 구현 등이 제시된다. 결론적으로, 본 논문은 CNN을 이용한 CSM‑to‑Source 매핑이 고주파에서 DAMAS와 동등한 해상도와 빔포밍 수준의 연산 속도를 동시에 달성함을 입증했으며, 전파 모델에 대한 의존성을 제거함으로써 차세대 음원 로컬라이제이션 알고리즘의 가능성을 제시한다.