• 한국음향학회지
• /
• 제43권1호
• /
• pp.19-28
• /
• 2024

본 논문은 Convolutional Neural Network(CNN) 모델을 이용하여 선박 소음의 로파그램 분석을 통한 선박 식별 시 허프 변환을 적용함으로써 성능을 향상시키는 방안을 제안한다. 수동소나에 수신된 신호를 처리하면 시간-주파수 영역인 로파그램이 생성된다. 로파그램에는 선박이 방사하는 기계류 소음이 토널 신호로 나타나고 이를 분석하면 선박의 클래스를 특정할 수 있다. 그러나 로파그램의 분석은 숙달된 인원에 의해 진행되는 전문적이고 오랜 시간이 소요되는 작업이다. 또한, 로파그램에는 수중환경 특성 상 다양한 배경소음이 같이 전시되기 때문에 표적 식별을 위한 분석이 매우 어렵다. 이 문제를 해결하기 위해 로파그램에 허프 변환을 적용하여 선을 추가함으로써 토널 신호를 강조하였다. 원본 로파그램과 허프 변환을 적용한 로파그램에 대해 CNN 모델을 이용해 식별을 시도한 결과, CNN 모델의 정확도와 매크로 F1 점수를 통해 허프 변환을 적용한 것이 로파그램 식별 성능을 향상시켰음을 보여주었다.

• 한국음향학회지
• /
• 제39권1호
• /
• pp.38-46
• /
• 2020

로파/데몬 그램은 수동소나의 특성을 확인하기 위해 수중 음향 신호에 대한 방위, 시간, 주파수를 시각적으로 표현한 결과이다. 이러한 그램들은 기존의 압축 기법들을 적용하기 힘든 토널 성분과 같은 특징들을 포함하고 있다. 본 논문에서는 이진맵과 예측 기법으로 구성된 새로운 로파 및 데몬 그램 압축 기법을 제안한다. 먼저 각 주파수 빈에 대한 예측을 결정하는 이진맵을 생성하고, 프레임을 몇 개의 매크로 블록으로 구분한다. 각 매크로 블록에 대해 인트라 예측과 인터 예측을 적용하여 나머지를 계산한다. 그리고 이진맵에서 유효한 빈들에 대해 예측을 수행하고 엔트로피 부호화를 위해 나머지를 양자화 한다. 이진맵과 예측모드를 전송함으로써 복호기는 동일한 절차로 그램을 복원한다. 시뮬레이션을 통해 제안하는 알고리즘의 로파와 데몬 그램 압축 결과가 기존의 데이터 압축 기법에 비해 우수함을 확인한다.

• 한국가스학회지
• /
• 제18권1호
• /
• pp.52-60
• /
• 2014

본 연구에서는 석유화학공정에서 잠재위험요소를 확인하고, 사고 결과분석을 통해 안전대책 수립 등의 위험관리 방안을 제시하고자 하였다. 이를 위해 프로필렌 회수공정(PRP)에서 현실적인 상황을 고려한 누출 시나리오를 선정하고, PHAST RISK(ver. 6.7) 프로그램을 사용하여 화재 및 폭발 사고의 피해범위를 산출하고, 피해영향을 해석하였다. 그 결과, 6개의 PRP 공정지역 중에서 디프로파나이저 지역, 디에타나이저 지역 및 히트펌프 지역에서는 화재 및 폭발 사고의 피해범위가 매우 크게 나타났다. 따라서 제트화재가 발생하는 공정지역에서는 200 m의 반경 내에서 사람이 상주할 수 있는 건물을 설치하지 않는 것이 바람직하고, 재고량과 압력이 큰 공정지역에서는 사고위험을 사전에 예방해야 하고, 사고 발생 시에는 신속한 대처방안 수립이 요구되었다.