4페이지 내용 : naeiledu 31 나를 보여준 학생부 & 선택 과목 naeiledu 선택적 노이즈캔슬링을 활용한 방음 시스템 개발 팀명 파동은 돌아오는거야31001 공준형, 31003 곽혁진, 31020 이서연 푸리에 변환 서론 스펙트로그램 CNN 본론 결론 제언 참 고 문 헌 2021학년도 진로 융합 과제연구 현재 학교 상황을 비추어 볼 때 학교에 공사 소음이 굉장하다. 하지만 방음처리가 잘 되어 있지 않아 수업시간, 자습시간에 효율적인 학습이 불가능하다. 때문에 이를 해결하기 위해 노이즈 캔슬링을 구현하기로 했고 노이즈 캔슬링의 문제 중 외부 소리 차단으로 인한 문제를 보완한 동적 노이즈 캔슬링을 구현하고 이를 부스 형태로 만들어 소리를 효율적으로 제거하는 시스템을 만들어보고 싶어 노이즈 캔슬링을 주제로 선택적 노이즈 캔슬링 방음 부스를 만들기로 했다. 푸리에 변환은 특정 소리의 파형을 진폭과 주파수로 표현해 소리를 디지털로 표현하는 것이다. 이를 통해 소리가 어떤 요소로 구성되어 있는지 파악할 수 있고 주파수별 진폭의 크기를 알 수 있다. 스펙트로그램이란 간단하게 소리를 이미지화 시키는 것이다. 소리를 이미지화 하게 되면 소리를 시각적으로 분석해 소리의 특징을 알아낼 수 있기 떄문에 음성 데이터 분석에 주로 활용된다. 소리의 경우 소리를 바로 시각화해 이미지로 나타낼 수 없기 때문에 푸리에 변환 과정을 거치게 된다. 푸리에 변환의 경우 일정 시점의 소리를 분석하는 것이지만, 스펙트로그램의 경우 일정 시간을 간격으로 입력받은 음성 데이터를 시간, 주파수, 진폭으로 시각화 해 표현하는 것이다. CNN이란 합성곱 신경망의 약자로 딥러닝에서 주로 이미지나 영상 데이터를 처리할 때 쓰이는 인공신경망 모델이다. 합성곱 신경망이라는 이름처럼 일반적 인공신경망이 1차원 데이터의 형식을 사용하는 것과 달리 CNN의 경우 2차원 이상의 데이터를 사용하기 때문에 이미지나 영상과 같은 주변 픽셀과의 연관성을 나타낼 수 있다. 이때 합성곱의 의미는 주변 픽셀과의 내적을 의미한다. 소리의 분석에 있어 소리를 스펙트로그램/멜- 스펙트로그램으로 표현한 이미지를 CNN을 활용해 분석함으로써 소리가 가지는 모양에 따른 특징과 그에 따른 가중치를 구할 수 있는 것이다. 선택적 노이즈 캔슬링을 구현하기 위해 CNN 이미지 분석 모델과 아두이노를 활용한 소리 입출력 장치를 구성했다. 먼저 모델을 구성한다. 모델은 3층으로 구성하며 CNN알고리즘을 채택한다. 활성화 함수로는 시그모이드를 사용하며 경사하강 방식은 아담을 활용해 더 빠르고 효율적인 학습이 가능하도록 한다. 이미지 분석 모델에서 학습 데이터는 URBANSOUND8K DATASET을 활용하며 소리데이터와 클래스 데이터로 구성된 데이터를 앞서 제작한 모델에 학습시킨다. 모델을 학습을 통해 각 이미지에 특징 feature 을 뽑아 가중치를 부여한다. 아두이노를 활용한 소리입출력 장치는 아두이노와 소리 입력센서, 스테레오 스피커, 2채널 앰프 등을 사용한다. 소리 입력 센서로 감지한 소리 값을 아두이노에 전달하고 이를 컴퓨터와의 시리얼 통신으로 전송할 수 있도록 한다. 소리 데이터가 컴퓨터에게 성공적으로 전달되었다면, 이 소리 데이터를 CNN이미지 분석 모델에 대입한다. CNN으로 분석한 클래스에 맞게 알맞은 반대 파형을 다시 컴퓨터에서 아두이노로 전송하며 이를 2채널 앰프로 증폭시킨 뒤 스테레오 스피커로 출력함으로써 선택적 노이즈 캔슬링이 가능해진다. 소리를 저가의 마이크센서로 입력을 받다보니 생각보다 많은 노이즈가 발생했다. 마이크로 입력된 노이즈가 소리를 분석하는 것을 방해해 소리를 90% 이상으로 완벽하게 올바른 클래스를 찾아낼 수 없었다. 소리를따라서 노이즈 캔슬링 기술의 발전을 위해선 물리적인 하드웨어를 섬세하게 구성해야 하며 소프트웨어에서도 한번 노이즈를 줄여주는 절차가 필요해 보인다. 선택적 노이즈 캔슬링을 위한 딥 러닝 기반의 환경 인지 기술 science on 논문 푸리에 변환의 성질과 응용 science on 논문 MFCC와 CNN을 이용한 저고도 초소형 무인기 탐지 및 분류에 대한 연구 한국정보통신학회 논문지 
 
 선택적 노이즈 캔슬링 구현을 위해 소음과 비 소음을 구별할 수 있도록 딥러닝 기반 음성 분류 모델을 학습시켰다. 기존 노이즈 캔슬링은 소리를 구분없이 차단하지만, 이 방법을 이용하면 중요 알림, 경적 소리 등 중요한 정보가 담긴 소리를 차단하지 않을 수 있고 경고 소리를 인식하였을 때 직접 경고하는 등 소리의 특성에 따른 추가적인 조작이 가능하다.이 모델을 마이크–처리장치-스피커 구성의 소음 제거 장치에 적용하여 소음이 감지되었을 때, 반대 파형을 스피커로 출력하여 소음을 제거한다. 하지만 소음을 감지하였을 때 그 소음만 제거할 수 없으며 입력된 모든 소리에 대해 반대 파형을 출력한다. 따라서 선택적 노이즈 캔슬링 구현에는 실패하였고, 소음을 인지하고 없애는 장치를 구현하였다고 볼 수 있다. 또한, 미리 학습된 소리만 인지할 수 있다는 단점이 있다. 그리고 하드웨어적 한계를 이야기하자면 거리를 음속으로 나눈 시간 안에 모든 처리를 끝내고 소리를 출력할 준비가 되어야 하므로 하드웨어가 이를 지원할 수 있어야 하고 소리의 진원지 파악이 힘들기 때문에 스피커 위치 선정에 어려움이 있어서 노이즈 캔슬링 구현이 힘들었다 학교 진로 융합 과제 연구 주제로 잡은 ‘선택적 노이즈 캔슬링을 활용한 방음 시스템 개발’ 탐구 보고서를 포스터로 만들었다. 소리의 파형을 디지털로 표현하는 데 ‘푸리에 변환’이라는 수학적 개념이 쓰인다는 것을 알 수 있었다. 푸리에 변환 스펙트로그램 CNN 결론 제언 참 고 문 헌 현재 학교 상황을 비추어 볼 때 학교에 공사 소음이 굉장하다. 하지만 방음처리가 잘 되어 있지 않아 수업시간, 자습시간에 효율적인 학습이 불가능하다. 때문에 이를 해결하기 위해 노이즈 캔슬링을 구현하기로 했고 노이즈 캔슬링의 문제 중 외부 소리 차단으로 인한 문제를 보완한 동적 노이즈 캔슬링을 구현하고 이를 부스 형태로 만들어 소리를 효율적으로 제거하는 시스템을 만들어보고 싶어 노이즈 캔슬링을 주제로 선택적 노이즈 캔슬링 방음 부스를 만들기로 했다. 푸리에 변환은 특정 소리의 파형을 진폭과 주파수로 표현해 소리를 디지털로 표현하는 것이다. 이를 통해 소리가 어떤 요소로 구성되어 있는지 파악할 수 있고 주파수별 진폭의 크기를 알 수 있다. 스펙트로그램이란 간단하게 소리를 이미지화 시키는 것이다. 소리를 이미지화 하게 되면 소리를 시각적으로 분석해 소리의 특징을 알아낼 수 있기 떄문에 음성 데이터 분석에 주로 활용된다. 소리의 경우 소리를 바로 시각화해 이미지로 나타낼 수 없기 때문에 푸리에 변환 과정을 거치게 된다. 푸리에 변환의 경우 일정 시점의 소리를 분석하는 것이지만, 스펙트로그램의 경우 일정 시간을 간격으로 입력받은 음성 데이터를 시간, 주파수, 진폭으로 시각화 해 표현하는 것이다. CNN이란 합성곱 신경망의 약자로 딥러닝에서 주로 이미지나 영상 데이터를 처리할 때 쓰이는 인공신경망 모델이다. 합성곱 신경망이라는 이름처럼 일반적 인공신경망이 1차원 데이터의 형식을 사용하는 것과 달리 CNN의 경우 2차원 이상의 데이터를 사용하기 때문에 이미지나 영상과 같은 주변 픽셀과의 연관성을 나타낼 수 있다. 이때 합성곱의 의미는 주변 픽셀과의 내적을 의미한다. 소리의 분석에 있어 소리를 스펙트로그램/멜- 스펙트로그램으로 표현한 이미지를 CNN을 활용해 분석함으로써 소리가 가지는 모양에 따른 특징과 그에 따른 가중치를 구할 수 있는 것이다. 선택적 노이즈 캔슬링을 구현하기 위해 CNN 이미지 분석 모델과 아두이노를 활용한 소리 입출력 장치를 구성했다. 먼저 모델을 구성한다. 모델은 3층으로 구성하며 CNN알고리즘을 채택한다. 활성화 함수로는 시그모이드를 사용하며 경사하강 방식은 아담을 활용해 더 빠르고 효율적인 학습이 가능하도록 한다. 이미지 분석 모델에서 학습 데이터는 URBANSOUND8K DATASET을 활용하며 소리데이터와 클래스 데이터로 구성된 데이터를 앞서 제작한 모델에 학습시킨다. 모델을 학습을 통해 각 이미지에 특징 feature 을 뽑아 가중치를 부여한다. 아두이노를 활용한 소리입출력 장치는 아두이노와 소리 입력센서, 스테레오 스피커, 2채널 앰프 등을 사용한다. 소리 입력 센서로 감지한 소리 값을 아두이노에 전달하 이를 컴퓨터와의 시리얼 통신으로 전송할 수 있도록 한다. 소리 데이터가 컴퓨터에게 성공적으로 전달되었다면, 이 소리 데이터를 CNN이미지 분석 모델에 대입한다. CNN으로 분석한 클래스에 알맞은 반대 파형을 다시 컴퓨터에서 아두이노로 전송하며 이를 2채널 앰프로 증폭시킨 뒤 스테레오 스피커로 출력함으로써 선택적 노이즈 캔슬링이 가능해진다. 소리를 저가의 마이크센서로 입력을 받다보니 생각보다 많은 노이즈 발생했다. 마이크로 입력된 노이즈가 소리를 분석하는 것을 방해해 소리를 90% 이상으로 완벽하게 올바른 클래스를 찾아낼 수 없었다 소리를따라서 노이즈 캔슬링 기술의 발전을 위해선 물리적인 하드웨어를 섬세하게 구성해야 하며 소프트웨어에서도 한번 노이즈 줄여주는 절차가 필요해 보인다. 선택적 노이즈 캔슬링을 위한 딥 러닝 기반의 환경 인지 기술 science on 논문 푸리에 변환의 성질과 응용 science on 논문 MFCC와 CNN을 이용한 저고도 초소형 무인기 탐지 및 분류에 대한 연구 한국정보통신학회 논문지 
 
 선택적 노이즈 캔슬링 구현을 위해 소음과 비 소음을 구별할 수 있도 딥러닝 기반 음성 분류 모델을 학습시켰다. 기존 노이즈 캔슬링은 구분없이 차단하지만, 이 방법을 이용하면 중요 알림, 경적 소리 등 중요한 정보가 담긴 소리를 차단하지 않을 수 있고 경고 소리를 인식하였을 때 직접 경고하는 등 소리의 특성에 따른 추가적인 조작이 가능하다.이 모델을 마이크–처리장치-스피커 구성의 소음 제거 장 적용하여 소음이 감지되었을 때, 반대 파형을 스피커로 출력하여 소 제거한다. 하지만 소음을 감지하였을 때 그 소음만 제거할 수 없으 입력된 모든 소리에 대해 반대 파형을 출력한다. 따라서 선택적 노 캔슬링 구현에는 실패하였고, 소음을 인지하고 없애는 장치를 구현하였다고 볼 수 있다. 또한, 미리 학습된 소리만 인지할 수 있 단점이 있다. 그리고 하드웨어적 한계를 이야기하자면 거리를 음속 나눈 시간 안에 모든 처리를 끝내고 소리를 출력할 준비가 되어야 하 하드웨어가 이를 지원할 수 있어야 하고 소리의 진원지 파악이 힘들기 때문에 스피커 위치 선정에 어려움이 있어서 노이즈 캔슬링 구현이 힘들었다 ▒ 세부 능력 및 특기 사항 수학 복잡한 식의 인수분 해 방법을 알고리즘으로 표현해 보고서 작성, 통합사회 소프트웨어 개발에 대한 관심으로 에너지를 만들어보는 ‘에너제틱 휴먼’ 챌린지 제안, 기술·가정 첨단 기술 탐구 활동에서 인공지능이 코로나19 전파 예측에 사용되고 있 음을 제시 ▒ 세부 능력 및 특기 사항 독서 ‘윤리의식과 소프트웨 어 개발’ 을 주제로 미래설계서 작성, 수학Ⅰ 수학 주제 탐구로 ‘삼각함수로 소리를 표현하다’를 선정, 삼각함수와 소리의 관계, 푸리에 급수가 사용된 노이즈 캔슬링에 대해 조사 발표, 수학Ⅱ ‘접선과 디지털’ 을 주제로 인공지능 알고리즘 CNN에서 미분이 어떤 의미가 있는지 탐구 ▒ 세부 능력 및 특기 사항 화법과 작문 ‘인공지능이 추 천한 알고리즘의 저작권은 누구에게 있는가’를 주제로 탐 구 보고서 작성, 확률과 통계 해시 충돌의 확률적 해석을 주제로 보안이나 압축 검색 알고리즘에 활용되는 기술로 서의 과정과 의미에 대해 발표, 인공지능 강화학습의 결정 과정인 ‘마르코프 결정 과정’에서 정해지는 행동의 가중치 를 조건부 확률로 제시, 기하 게임 속 알고리즘에서 충 돌, 위치 관계, 거리 등을 구할 때 사용되는 벡터의 외적과 내적을 조사해 발표 ▒ 물리학Ⅱ 화학Ⅱ 물리학실험 과학 Ⅰ과목 중 가장 성적이 좋았던 물리학과 화학을 Ⅱ과목에서도 이어 선택했다. 물리학실험 에서는 중력장 실험, 구심 력과 주기 측정 실험 등을 통해 물리학Ⅱ 에서 다룬 개 념들을 실험으로 분석해보는 수업이 주로 진행됐다. ▒ 미적분 기하 확률과 통계 공대 공부에 필 요한 미적분 과 기하 외에도 데이터 분석에 필요한 확률과 통계 까지 수학 교과 주요 과목을 모두 수강 했다. 각 과목 세특 기록에서 관심 분야인 인공지능의 머신러닝 등에 수학 개념들이 어떻게 쓰이는지 조사, 발표한 모습이 눈에 띈다. ▒ 컴퓨터네트워크 과학과제연구 공동 교육과 정으로 신청한 컴퓨터네트워크 에서는 기존에 접해 왔던 알고리즘이나 소프트웨어 외에도 정보보안 분야 를 새롭게 접할 수 있다. 평소 프로그래밍 과정에서 어 렵게 느껴졌던 전문 용어들도 이해할 수 있었다. 과학 과제연구 에서는 실생활에 쓰이는 다양한 카드들이 근거리 통신의 보안 방식을 사용한다는 점을 파악, 카 드를 직접 복제해보며 보안 장치의 보안 방식을 알아 보는 탐구를 진행했다. 선택 과목 학생부 3학년 2학년1학년