본 연구는 저신호 대 잡음비(SNR) 환경에서도 무인기(UAV)를 탐지하기 위해 360도 음향 소스 위치 추정을 구형 의미론적 분할 문제로 접근하는 U-Net 모델을 제안합니다. 이 모델은 직접적인 방향 각도 회귀 대신, 빔포밍된 음향 맵을 소리가 활발한 영역으로 분할하여 처리합니다. 24개의 마이크로폰 배열을 이용한 딜레이-앤-섬(DAS) 빔포밍과 GPS 텔레메트리로 동기화된 데이터를 기반으로 훈련된 U-Net은 Tversky 손실 함수를 사용하여 클래스 불균형 문제를 해결하고, 주파수 영역의 빔포밍 에너지 맵에서 공간적으로 분포된 소스 영역을 식별합니다.
🔑 시사점 및 한계
•
핵심 시사점 1: 제안된 U-Net 기반의 음향 영상 분할 방법은 기존의 개별 방향 각도 회귀 방식보다 저신호 환경에서의 무인기 탐지에 더 강건하며, 다양한 마이크 배열 구성에 대한 재학습 없이 적응할 수 있습니다.
•
핵심 시사점 2: 빔포밍 에너지 맵을 직접 분할하는 접근 방식은 전통적인 음원 위치 추종(SSL)을 넘어선 조밀한 공간 음향 이해를 위한 새로운 패러다임을 제시하며, 실제 환경에서의 실험을 통해 우수한 일반화 성능과 각도 정밀도 향상을 입증했습니다.
•
한계점 또는 향후 과제: 아직은 단일 무인기 탐지에 초점을 맞추고 있으므로, 다중 무인기 탐지 및 복잡한 음향 환경에서의 성능 개선에 대한 추가 연구가 필요합니다.
