소음 측정 원리 개요

 소음은 사전적의미로 ‘불규칙하게 뒤섞여 불쾌하고 시끄러운 소리’를 의미한다. 

 현대 도시 사회에서는 이런 소음을 벗어나기 힘들고, 소음으로 인해 스트레스와 난청 등의 건강상 문제를 겪기도 한다. 극단적으로 과도한 소음은 청력 손실, 이명, 수면 장애, 혈압 상승, 스트레스 및 혈관 수측 증가와 같은 장기적으로 건강에 부정적인 영향을 미칠 수 있다고 한다. 

 

<출처: https://terms.naver.com/entry.nhn?docId=5550500&cid=51004&categoryId=51004>


본 포스트에서는 이런 소음의 측정하는 원리에 대해 알아보았다.



◼ 소리

 소리는 물체의 진동으로 인해 일어나는 공기, 물 등 매질의 압력변화로 발생한다. 이 파동이 공기중으로 전달되어 우리는 소리를 듣게 된다. 이런 소리를 특징 짖는 요소들이 있다.

소리의 주파수(Frequency)
 음파의 초당 변동수로 주파수가 높은 음은 고음, 주파수가 낮은 음은 저음이라고 한다. 사람의 가청 주파수는 20~2000Hz이고, 이보다 낮은 20Hz 이하는 초저주파(infrasonic, 진동/압력으로 느낌)이라고 하고, 가청 주파수보다 높은 2000hz 이상은 초음파(ultrasonic, 귀가 울리는 것처럼 느낌)이라고 한다. 

음압(Sound Pressure)
 매질 압력 변화의 크기, 음압이 크면 큰소리로 들리고, 음압이 작으면 작은 소리로 들린다. 예를 들어 동일한 피아노 건반을 작은 힘으로 두드릴 때와 큰 힘으로 두드릴 때의 차이.

음색
 파형의 시간적 변화에 따른 차이를 나타내며, 악기들의 소리가 다르게 들리는 차이를 예로 들 수 있다.



◼ 소음 측정 고려사항

 소음은 난청의 원인이 되는 큰소리와 긁히는 소리 같은 불쾌한소리 등이 모두 속한다. 이에 이를 측정하기 위해서는 다음 두가지 소리의 특성을 고려해 측정해야 한다. 

◻ 크기에 대한 특성

Sound pressure level, Lp 

P0는 기준 음압 (0 dB)으로 20세 전후의 건강한 남녀가 1000Hz에서 들을 수 있는 한계를 의미한다. 단위는 pa이며, P0값은 0.00002 Pa다.

P는 측정된 음압을 의미한다.

음압은 순음(pure tone)의 경우 아래와 같고,

A: 진폭, f: 주파수, θ: 위상각, t: 시간

복합음(complex tone)의 경우는 아래와 같다.

◻ 주파수에 대한 특성

 사람은 가청 주파수 범위는 20~20Khz이나, 사람의 귀가 전체 주파수에 대해 같은 감도를 나타내지 않고 2KHz~5KHz의 소리에 대해 감도가 좋고 이보다 높은 주파수 대역과 낮은 주파수 대역에서는 감도가 저하한다. 

<출처: https://en.wikipedia.org/wiki/A-weighting>

 사람 귀의 주파수 특성을 고려해 ITU-R 468 noise weight (https://en.wikipedia.org/wiki/ITU-R_468_noise_weighting)에 정의된 그림의 (A) A-weight 곡선을 이용해 주파수 보정을 한 음압 레벨을 소음 레벨이라고 부르고 dB(A)단위를 사용한다. 

위 그림의 붉은색 C 곡선의 평탄 특성을 사용한 경우의 음압 레벨은 dB단위를 사용한다. 



◼ 소음 측정기의 구성

 소음 측정기(Sound Level Meter)는 아래와 그림들과 같은 구조로 이루어져 있다.

 


<출처: https://www.industrial-electronics.com/transformers_6c.html>



<출처: https://www.onosokki.co.jp/English/hp_e/whats_new/SV_rpt/SV_4/sv4.htm>


1. 마이크에서 소리를 입력으로 받는다.

2. 마이크에서 받은 약한 신호를 preamplifier에서 어느 정도 증폭시킨다.

3. Weighting networks에서 주파수에 따른 가중치를 적용하여 인간의 감지도를 보정한다. 

4. RSM detector를 사용하여 입력 신호를 RMS(root mean square) 값으로 변환한다. 

5. Time constants 회로를 두어 신호에 시간 가중치를 적용한다.

 


- SLOW: impulse noise를 포함하지 않은 규칙적 소음 (상승시간: 1s, 하강시간: 1s)
- FAST: 규칙적 소음이나 변동폭이 4dB이상인 소음 (상승시간: 125ms, 하강시간: 125ms)
- Impulse: impulse noise를 포함한 소리신호 측정 (상승시간:35ms, 하강시간 1s)



댓글

댓글 쓰기

이 블로그의 인기 게시물

쉽게 설명한 파티클 필터(particle filter) 동작 원리와 예제

이미지
파티클 필터(particle filter)는 칼만 필터(kalman filter) 와 마찬가지로 노이즈가 있는 환경에서 측정된 데이터를 필터를 사용해 실제 위치를 추정하는 도구다. 파티클 필터(particle filter)는 보통 가우시안 분포가 아닌 측정 데이터를 다루기 위해 사용된다고 한다. 물론 가우시안 분포의 데이터에서 사용하지 말라는 건 아니다.  본 포스트에서는 파티클 필터(particle filter)의 어려운 수학적인 내용은 제하고, 쉽게 예를 들며 필터의 동작원리에 대해 알아보았다. 파티클 필터(particle filter)에 대해 검색해 보면 아래와 같은 그림을 많이 보게 된다. 아래 그림은 파티클 필터의 estimation cycle을 도식화한 것이다. <’Real-Time Tracking of Multiple Moving Objects Using Particle Filters and Probabilistic Data Association’ original scientific paper 中> 위 그림의 검은색 원들은 particle을 의미한다. 이 particle에는 보통 위치 데이터와 weight가 포함된다. 검은색 원이 큰 것이 있고 작은 것이 있는 이유는 weight가 크고 작음을 의마한다. typedef struct _particle_t {    int x;    int y;    float weight; }particle_t; 노이즈가 있는 환경에서 레이저 센서나 레이더등을 이용하여 물체의 위치를 측정할 때를 가정해 순서대로 이 필터가 동작하는 과정에 대해 알아 보겠다. (순서는 위 그림과 조금 다르다) 1. 초기 상태 측정 범위안에 랜덤 혹은 일정한 간경으로 particle을 뿌려 놓는다. 이 떄 particle...
자세한 내용 보기

간단한 cfar 알고리즘에 대해

이미지
Constant False Alarm Rate (CFAR)은 기본적으로 테스트하고자 하는 위치의 cell과 주변 cell의 관계를 보고 테스트 cell이 Target 인지 아닌지를 구분하는 알고리즘이다. 주변 cell과의 관계를 어떤 방식으로 비교하는가에 따라 여러가지 알고리즘이 존재한다. CA-CFAR, GO-CFAR, SO-CFAR, OS-CFAR, VI-CFAR, OSVI-CFAR등이 있다. 이 많은 알고리즘 중 간단하고 기본적인 CA-CFAR과 OS-CFAR에 대해 알아보자. CA-CFAR (Cell Average CFAR)   CA-CFAR의 원리는 위 그림과 같다. 좌우의 Reference Cell의 평균에 Scale Factor T를 곱하고, ADT (Average Decision Threshold)를 합하여 CUT가 타겟인지 아닌지를 구분한다. ADT는 신호의 white noise를 고려하기 위해 더해준다. Scale Factor T와 ADT는 아래와 같은 공식으로 사용할 수 있다. 사용하려는 시스템에 따라 공식은 달라질 수도 있다.   Pfa는 False Alarm 발생 확률을 나타내고, M과N는각 좌우의 Reference Cell의 개수를 나타낸다. OS-CFAR (Order Static CFAR)   OS-CFAR의 원리는 위 그림과 같다. 좌우의 reference cell중 K번째 큰 값의 cell을 Reference Cell의 대표 값으로 정해 CUT가 타겟인지 아닌지를 구분한다. 보통 전제 reference cell의 크기 순에서 (3*N)/4 번째 cell이 성능이 좋다고 알려져 있다. CFAR 사용 예 아래 사진은 위 두 cfar을 사용한 예다. 파란색은 신호이며, 붉은 색은 char을 사용해 만든 threshold이다. 이 threshold보다 큰 값의 신호가 있는 위치에 실제 Tar...
자세한 내용 보기

base64 인코딩 디코딩 예제 c 소스

이미지
본 글은 base64 encoder/decoder예제 c 소스 코드를 싣고 있다. BASE64 BASE64는 일련의 데이터를 64종류" ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/ "의 문자만을 이용하여 표현하도록 하는 부호화 방식이다. Base64는 인터넷 이메일 프로토콜이나 http url등에서 사용된다.  부호화 과정은 아래와 같다. 문자 : Hello Hex 코드 : 0x48 0x65 0x6c 0x6c 0x6f 8bits bin 코드: 01001000 01100101 01101100 01101100 01101111 8비트 단위의 문자를 6비트 단위로 분리한다. 6bits bin 코드 : 010010  000110  010101  101100  011011  000110  1111  00  ‘=’ 6비트 2진 코드 값은 BASE64 코드 테이블의 인덱스이고 각 인덱스의 문자로 base64 부호화 한다. 마지막 모자라는 비트는 0으로 채우며, 4글자 단위로 부호화 하기 때문에 4글자가 안되면 ‘=’기호를 사용해 4글자를 맞춘다. Base64 코드 : aGVsbG8= Base64 Encoder source code Base64 인코더 소스는 아래와 같다. 위의 부호화 예대로 text데이터를 받아 6bit 단위로 나누어 base64 코드 테이블에 맞춰 부호화를 진행한다. static const char base64code_ascii[] = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/"; int text2base64_size(const char *text) {...
자세한 내용 보기

python ctypes LoadLibrary로 windows dll 로드 및 함수 호출 예제

이미지
본 포스트는 python에서 ctypes의 LoadLibrary로 windows dll을 로드 하는 방법과 예제를 싣고 있다. ctypes는 c 호환 데이터 형식을 제공하고 dll, 공유 라이브러리에서 함수를 호출할 수 있도록 해주는 python 라이브러리다. [ https://docs.python.org/3.7/library/ctypes.html ] python에서 windows dll 로드 방법 import ctypes ctypes.windll.LoadLibrary(name) ctypes.oledll.LoadLibrary(name) 윈도우용 dll을 위의 두 API를 사용한다. 일반적인 dll을 로드 할 경우 WinDLL 인스턴스 의 LoadLibary를 사용하고, OLE dll을 로드 할 경우 OleDLL 인스턴스 의 LoadLibary를 사용한다. dll 로드시 아래와 아래와 같은 에러가 발생할 경우가 있다. 이런 경우는 64 bits python 환경에서 win32로 빌드된 dll을 호출하거나, 32 bits python 환경에서 win64로 빌드된 dll을 호출해 발생하는 문제인 경우가 많다. OSError: [WinError 193] %1은(는) 올바른 Win32 응용 프로그램이 아닙니다. python에서 dll의 함수 호출 방법 python에서 windows dll의 함수 호출은 아래 dll 소스의 api 호출 예제를 통해 알아보자. window dll 소스 코드 int xl_square(int x) { return x*x; } int xl_square_out(int x, int *result) { if (result) { *result = x*x; return 0; } return -1; } void xl_callback(callback cb...
자세한 내용 보기