회귀모형과 신경망모형을 이용한 차량공조시스템의 음질 인덱스 구축 및 비교

Abstract

차량 실내소음 저감을 위한 노력은 NVH 엔지니어들의 주된 관심분야이다. 차량 소음에 대한 운전자의 인식은 소음음압레벨 뿐만 아니라 심리음향학적으로도 큰 영향을 미치게 된다. 특히 차량공조시스템(HVAC)의 소음은 전 음압레벨(SPL)에 비해 크진 않지만 운전자의 기분을 성가시게 하거나 나쁘게 영향을 미치고 있다. 그러므로 오늘날 차량 엔지니어들은 소음 저감뿐만 아니라 음질의 영향을 고려한 차량 기술 발전을 목적으로 하고 있다. 본 연구에서는 차량공조시스템의 소음을 취득하여 객관적 음질 분석을 수행하고,의미미분법(SDM)을 통해 주관적 음질 인자 ‘기분좋은(Pleasant)’의 예측을 위한 단순회귀식과 다중회귀식을 구축하였다. 그리고 회귀식에 대해 통계적 방법을 이용하여 정확성과 적합성을 평가함으로써 추정한 회귀식에 대한 신뢰도 검증을 수행하였다. 또한 사람의 청감은 매우 복잡하고 비선형성을 띄기 때문에 주관적 음질 인자를 예측하기 위한 방법으로 신경회로망을 적용하였다. 따라서 라우드니스(Loudness), 샤프니스(Sharpness), 러프니스(Roughness)의 객관적 음질인자를 입력값으로 하고, ‘기분좋은(Pleasant)’의 주관적 음질 평가 결과를 출력값으로 하는 신경망 모형을 설정하였다. 이렇게 얻어진 음질 인덱스에 대한 평가 방법으로 음질 인덱스 구축에 사용되지 않았던 다른 소음데이터를 이용하여 실제 청음평가 결과값과 산정 모델을 이용한 추정값을 비교함으로써 회귀모형과 신경망모형의 적용성을 검토하였다.; The reduction of the vehicle interior noise has been the main interest of noise and vibration harshness(NVH) engineers. The driver’s perception on the vehicle noise is affected largely by psychoacoustic characteristic of the noise as well as the SPL. In particular, the heating, ventilation and air conditioning(HVAC) system sound among the vehicle interior noise has been reflected sensitively in psychoacoustics view point. Even though the HVAC noise is not louder than overall noise level, it clearly affects subjective perception to drivers in the way of making to be nervous or annoyed. Therefore, these days a vehicle engineer takes aim at developing sound quality as well as reduction of noise. In this paper, we acquired noises in the HVAC from many vehicles. Through the objective and subjective sound quality(SQ) evaluation with acquiring noises recorded by the vehicle HVAC system, the simple and multiple regression models were obtained for the subjective evaluation ‘Pleasant’ using the semantic differential method(SDM). The regression procedure also allows you to produce diagnostic statistics to evaluate the regression estimates including appropriation and accuracy. Furthermore, the neural network(NN) model were obtained using three inputs(loudness, sharpness and roughness) of the SQ metrics and one output(subjective ‘Pleasant’). Because human’s perception is very complex and hard to estimate their pattern, we used NN model. The estimated models were compared with correlations between output indexes of SQ and hearing test results for verification data ‘Pleasant’. As a result of application of the SQ indexes, the NN model was shown with the largest correlation of SQ indexes and we found possibilities to predict the SQ metrics.