Mitigation of multi-path propagation artefacts in acoustic targets with adaptive cepstral filtering

기술 요약: 적응형 셉스트럼 필터링을 통한 음향 표적의 다중 경로 전파 아티팩트 완화

문제 정의
수동적 음향 센싱은 선박이나 항공기와 같은 이동 표적을 모니터링하는 비용 효율적인 방법이다. 그러나 이 방식의 성능은 복잡한 전파 효과, 특히 다중 경로 반사와 로이드 미러 효과(Lloyd's-Mirror Effect, LME)와 같은 운동 유도 아티팩트에 의해 크게 저해된다. 경계가 있는 매질 내에서 음파는 표면(예: 해수면 또는 지면)에 반사되어 직접 경로와 간섭 패턴을 생성한다. 이러한 패턴은 물리적 정보(속도, 거리, 깊이)를 인코딩하기도 하지만, 진정한 소스 시그니처를 가리는 스펙트럼 모호성을 유발하여 표적 분류 및 시간 지연 추정 작업을 어렵게 만든다. 기존의 필터링 기술은 환경적 가변성이나 표적 운동의 특정 특성을 반영하지 못하는 경우가 많아, 소스 신호와 반사파를 효과적으로 분리하는 데 한계가 있다.

방법론
본 논문은 표적 신호와 그 반사파를 분리하기 위해 셉스트럼 영역에 적용되는 시간적 필터링 파이프라인을 제안한다. 방법론은 다음 네 단계로 구성된다:

1. 셉스트럼 표현: 단시간 푸리에 변환(STFT) 또는 정 Q 변환(CQT)을 사용하여 스펙트로그램을 생성한다. 그 후 스펙트럼의 로그 크기에 역이산 푸리에 변환(IDFT)을 적용하여 셉스트럼을 도출한다 ($q(\tau) = \text{IDFT}[\log |X(f)|]$). 이 표현 방식은 신호와 그 반사파를 가법적으로 분리하며, 여기서 반사파는 주기적 구조(quefrency peaks)로 나타난다.
2. 큐프런시(Quefrency) 선택: LME의 영향을 받는 특정 큐프런시 대역을 식별한다. 소스 의존적인 큐프런시는 0 근처의 값을 무시하며, LME 기하학적 구조에 의해 발생하는 최대 지연을 초과하는 매우 높은 큐프열은 제외한다. 처리 대상은 반사 지연에 해당하는 중앙 대역이다.
3. 적응형 대역 차단 필터링: 고정된 주파수 대역 차단 필터를 사용하는 대신, 저자들은 셉스트럼 영역에 적용되는 적응형 접근 방식을 제안한다. 이 필터는 큐프런시 성분의 상대적 강도에 따라 대역폭을 동적으로 조정한다.
   • 적응 상태를 추정하기 위해 신호에 저역 통과 필터가 적용된다.
   • 토닝 매핑 연산(Naka-Rushton 변환)을 통해 신호 진폭을 상대적 강도 값($I_{nr,t}$)으로 변환한다.
   • 이 강도 값은 대역 차단 필터의 차단 주파수($f_{m1}$ 및 $f_{m2}$)를 변조한다. 강한 다중 경로 성분(높은 진폭)은 더 넓은 필터 대역폭을 트리거하고, 약한 성분은 더 좁은 대역폭을 트리거한다.
4. 신호 재구성: 필터링된 셉스트럼 표현은 지수 함수를 포함한 이산 푸리에 변환(DFT)을 사용하여 스펙트로그램을 복구하는 방식으로 다시 스펙트럼 영역으로 변환된다.

주요 기여

1. 적응형 시간 필터링: 본 논문은 적응형 대역 차단 필터를 활용하는 셉스트럼 표현을 위한 혁신적인 시간 필터링 방법을 도입한다. 고정된 방식과 달리, 이 필터는 개별 큐프런시 성분의 강도에 따라 강도를 조절함으로써, 표적 특유의 하모닉 특징을 보존하면서도 반사파를 더욱 효과적으로 억제할 수 있다.
2. 강건한 평가: 제안된 방법은 두 가지 뚜렷한 시나리오에서 엄격하게 평가되었다:
   • 시뮬레이션 데이터: 10–100 m/s의 속도로 움직이는 항공기 소음의 운동 아티팩트 감쇄.
   • 실제 환경 분류: LME가 존재하는 수중 선박 유형 분류에 적용(DeepShip 및 VTUAD v2 데이터셋 사용).

결과

• 합성 데이터 (항공기 소음): 적응형 필터링은 테스트된 모든 속도에서 로그 스펙트럼 거리(LSD)를 성공적으로 개선하였으며, 이는 스펙트럼 형태의 회복과 지각적 품질 향상을 나타낸다. 다중 경로 반사(LME)가 포함된 시나리오에서도 이 방법은 신호 대 잡음비(SNR)를 개선했다. 적응형 필터는 고정 대역 차단 필터보다 우수한 성능을 보였으며, 다중 경로 시나리오에서 LSD 지표 측면에서 4–8% 더 높은 개선 효과를 보였다.
• 수중 분류: 선박 분류 작업에 적용했을 때, 필터링된 스펙트로그램 단독으로는 성능이 개선되지 않거나 오히려 저하될 수 있는데, 이는 필터링이 분류에 유용한 깊이 관련 정보를 제거하기 때문이다. 그러나 병렬 분류 파이프라인—처리되지 않은 스펙트로그램과 필터링된 스펙트로그램을 모두 모델에 입력하는 방식—은 상당한 이득을 가져왔다.
  • DeepShip 데이터셋의 경우, 병렬 적응형 접근 방식은 베이스라인 대비 매튜스 상관 계수(MCC)를 SAS 작업에서 2.28 퍼센트 포인트, FAS 작업에서 1.35 퍼센트 포인트 개선했다.
  • VTUAD v2 데이터셋의 경우, 개선 폭은 SAS에서 2.62 퍼센트 포인트, FAS에서 0.85 퍼센트 포인트였다.
  • 순차적 오디오 샘플링(SAS) 작업이 병렬 접근 방식으로부터 가장 큰 혜택을 받았으며, 이는 필터링된 신호가 제공하는 상보적 정보가 모델이 시변 세그먼트에 대해 일반화하는 데 도움을 준다는 것을 시사한다.

의의 및 주장
저자들은 제안된 파이프라인이 다중 경로 환경에서 음향 표적 분류 및 시간 지연 추정의 성능을 향상시킬 수 있는 잠재력을 보여준다고 주장한다. 본 연구는 LME를 완전히 제거하는 것이 항상 바람직한 것은 아니라는 점(깊이 정보를 포함하고 있기 때문)을 강조하며, 적응형 셉스트럼 필터링이 소스의 기저 하모닉 구조를 강화하기 위해 반사 성분을 효과적으로 분리할 수 있음을 밝힌다.

결론적으로, 이 방법은 변화하는 조건(예: 변화하는 표적 속도 또는 매질 특성)이 있는 환경에서 특히 효과적이다. 그러나 저자들은 필터링 과정이 신호 진폭을 변화시킬 수 있고(반사가 없는 시나리오에서의 SNR에 영향), 적응형 전략이 고정 필터에 비해 계산 오버헤드를 발생시킨다는 점을 언급하며 한계를 겸허히 인정하였다. 향후 과제로는 진폭 보존 및 다중 센서 및 예인 소나(towed array) 응용 분야로의 확장이 제시되었다.