자율 무인 차량을 위한 회전형 바이마이크로폰 배열 기반 다중음원 3차원 위치추정

본 논문은 소형 자율 무인 차량(SAUV)에서 기존 비전 기반 위치추정의 한계를 보완하기 위해, 회전형 바이마이크로폰 배열을 이용한 다중음원 3차원 위치추정(MSSL) 방법을 제시한다. 연구 배경으로는 카메라·라이다·레이다 등 전통적인 센서는 조명·시야 제한에 취약하나, 소리는 전방위로 전파되고 작은 장애물도 통과한다는 점을 들어 음향 센서의 잠재력을 강조한다. 그러나 기존 MSSL은 다수의 마이크로폰(4~16개)과 복잡한 신호 처리에 의존하거나, 사전 음원 수 가정·W‑disjoint orthogonal 조건 등 제한적인 가정을 필요로 해 실제 SAUV에 적용하기 어려웠다. 이에 저자들은 두 개의 마이크만을 회전시켜 얻는 인터채널 시간차(ICTD) 신호만을 활용한다. 먼저, 사운드 소스가 원거리(프리필드)라고 가정하고, 마이크 간 거리 b 와 회전 각속도 ω 를 이용해 ICTD 신호 d(t)=2b·cosθ·sin(−ωt+ϕ) 를 수학적으로 도출한다. 여기서 θ는 고도(elevation), ϕ는 방위(azimuth)이며, d(t)의 진폭 A=2b·cosθ와 위상 ϕ를 추정하면 3차원 방위 정보를 복원할 수 있다. 두 가지 MSSL 접근법을 제안한다. 첫 번째는 DBSCAN 기반 방법이다. ICTD 신호에서 임의의 두 샘플을 선택해 식(7)·(8) 로 진폭과 위상을 계산하고, 이를 고도·방위 좌표(θ,ϕ) 로 매핑한다. 이렇게 얻어진 다수의 (θ,ϕ) 점들은 실제 음원에 해당하는 고밀도 클러스터와 잡음점으로 구분된다. DBSCAN은 ε‑반경 내 최소 m개의 이웃을 갖는 점을 코어 포인트로 정의해, 사전 음원 수 없이 클러스터 수를 자동으로 결정한다. 클러스터 중심은 각 음원의 방위와 고도를 나타내며, 클러스터링 과정에서 잡음은 자연스럽게 배제된다. 알고리즘은 매핑 단계 O(N_D^2)와 클러스터링 단계 O(N_D·logN_D) 로 구성돼 실시간 적용이 가능하다. 두 번째는 RANSAC 기반 방법이다. ICTD 신호 d(t) 자체를 사인파 모델에 적합한다. 무작위로 선택된 두 점으로 초기 파라미터(A,ϕ)를 추정하고, 전체 데이터와의 잔차가 σ_conf 이하인 점들을 인라이어로 간주한다. 인라이어 수가 최대가 되는 파라미터 집합을 최종 모델로 채택하고, 해당 모델에 포함된 데이터는 제거한 뒤 남은 데이터에 대해 반복한다. 이렇게 순차적으로 여러 사인파(각 음원)를 추출하고, 각 파라미터에서 고도와 방위각을 계산한다. RANSAC은 높은 잡음 비율과 반향에 강인하며, 직접적인 파라미터 추정으로 고도·방위 정확도가 향상된다. 시뮬레이션 및 실제 실험에서는 2~4개의 음원을 배치하고, 회전 속도와 마이크 간 거리를 다양하게 변형한 시나리오를 테스트했다. 실내 반향이 강한 환경에서도 두 알고리즘 모두 음원 개수를 정확히 식별하고, 평균 방위오차는 DBSCAN 3.2°, RANSAC 2.7°, 고도오차는 각각 2.8°, 2.4° 수준을 보였다. 특히 사전 음원 수를 알 필요 없이 자동 카운팅이 가능했으며, ICTD 신호만을 사용함에도 불구하고 복사음 영향을 효과적으로 억제했다. 논문의 주요 기여는 다음과 같다. (1) 최소 2개의 마이크와 회전 메커니즘만으로 3차원 다중음원 위치추정을 가능하게 한 매핑·클러스터링 프레임워크, (2) 잡음·반향에 강인한 RANSAC 기반 사인파 회귀 방법, (3) 사전 음원 수 가정 없이 자동 카운팅 및 실시간 적용 가능성을 입증한 실험적 검증. 한계점으로는 회전 속도가 일정해야 한다는 가정, 마이크 배열이 수평면에 고정돼야 한다는 제약, 그리고 이동 중인 로봇에 대한 동적 추정 모델이 아직 미구현된 점을 들 수 있다. 향후 연구에서는 비정상적인 회전(가변 ω), 비대칭 마이크 배열, 그리고 로봇 자체의 움직임을 고려한 연속 추정 알고리즘을 개발하고, 실외 복합 환경에서의 성능을 확대 검증할 계획이다.