직사각형 방의 기하와 모드 동시 추정: 압축 센싱 기반 k‑공간 재구성

본 논문은 방의 전방향 임펄스 응답(Plenacoustic Function, PAF)을 효율적으로 추정하기 위해, 저주파 영역에서 방 내부 파동장을 평면파의 희소 합으로 모델링하고, 이 구조적 희소성을 압축 센싱 프레임워크에 통합하는 방법을 제안한다. 연구 배경으로는 기존의 균일 샘플링 방식이 시간·공간 차원에서 방대한 데이터 양을 요구한다는 점을 들며, 특히 마이크와 음원의 모든 위치 조합을 측정하려면 실용적이지 않다. 이를 해결하기 위해 평면파 근사(plane wave approximation)가 직사각형 방에서 간단한 형태를 가지며, 파수벡터(k‑vector)들이 직교육면체 격자에 정렬된다는 물리적 특성을 이용한다. 논문은 크게 네 부분으로 구성된다. 첫째, 문제 설정에서는 시간 샘플링 주파수 f_s와 공간 샘플링 간격 Δ_i가 파동 전파 속도 c와 최고 캡처 주파수 f_c에 의해 제한되는 수식적 관계를 제시한다. 특히 파수벡터가 만족해야 할 하이퍼콘(ϕ_x²+ϕ_y²+ϕ_z² ≤ ω²/c²) 조건을 통해 공간 샘플링 한계를 설명한다. 둘째, 파동장 평면파 표현을 수식적으로 전개한다. 파동 방정식 ∇²p - (1/c²)∂²p/∂t² = 0의 저주파 해를 복소 조화함수의 이산 합으로 근사하고, 각 모드 q에 대해 시간 함수 g_q(t)=e^{j k_q c t}와 공간 함수 φ_q(X)≈∑_{r=1}^R a_{q,r} e^{j k_{q,r}·X} 로 분리한다. 직사각형 방에서는 R=8이며, 파수벡터는 ±k_x, ±k_y, ±k_z의 조합으로 구성된 평행육면체 정점에 위치한다. 셋째, 핵심 알고리즘인 ReSEMBLE(Algorithm for the joint estimation of Room SizEs and ModEs)를 소개한다. 입력으로는 M개의 마이크 위치와 T개의 시간 샘플을 포함한 측정 행렬 R이 주어지고, 먼저 저역(R_l)과 고역(R_h)으로 분리한다. 저역에서는 2D(주파수·감쇠) 그리드 기반의 단위 정규화 시간 사전 Θ를 이용해 SOMP 방식으로 각 모드의 (ω_i, ξ_i)를 추정한다. 이후, 추정된 ω_i를 반경 ω_i/c인 구면에 균일히 샘플링한 파수벡터 후보 Σ와 결합해, 군희소성(groupped sparsity) 제약 하에 8개의 파수벡터가 형성하는 평행육면체를 최적 매칭한다. 축축·접선·경사 모드에 따라 필요한 벡터 수가 2, 4, 8로 감소하는 점을 활용한다. 고역 단계에서는 ω가 이미 알려져 있으므로 감쇠 ξ만 1D 그리드에서 탐색한다. 마지막으로 모든 모드에 대한 확장계수 α를 최소제곱법으로 추정한다. 넷째, 실험 결과에서는 약 3 m × 5.6 m × 3.53 m 크기의 실제 직사각형 방에서 19~20개의 무작위 마이크와 반대편에 배치된 음원을 사용했다. 저역 분석(f_p=70 Hz)으로 추출된 기본 축축 모드 주파수는 실제 방 치수와 수 센티미터 이내의 오차를 보였으며, k‑벡터의 x·y 성분은 이론값에 근접했지만 z축은 바닥·천장의 재질 차이(목재 vs 콘크리트)로 인한 비강체 경계 효과로 약간의 편차가 나타났다. 전체 재구성의 피어슨 상관계수는 82%였으며, 이는 기존 고밀도 마이크 배열 대비 측정 수를 크게 줄이면서도 충분한 정확도를 유지함을 의미한다. 다만 고주파(>200 Hz)에서는 비강체 경계와 높은 감쇠가 모델 오차를 확대시켜, 현재 방법이 적용 가능한 주파수 대역이 제한적임을 확인했다. 결론적으로, 직사각형이고 약하게 감쇠되는 방에 대해 파수벡터 격자의 주기성을 이용한 구조적 압축 센싱은 측정 비용과 연산 복잡도를 크게 낮추면서도 실용적인 방 특성 복원을 가능하게 한다. 향후 연구 과제로는 비직사각형 방, 강한 감쇠, 비강체 경계 모델링을 포함한 일반화, 그리고 실시간 적용을 위한 알고리즘 가속화가 제시된다.