소리는 흔히 연못에 돌을 던졌을 때처럼 한 점으로부터 퍼져 나가는 단순한 물결로 생각되곤 합니다. 하지만 공기가 비행기 날개, 팬, 프로펠러 위를 빠르게 지나가는 복잡한 공기역학의 세계에서, 소리원은 결코 단순한 점이 아닙니다. 대신, 그것들은 종종 디폴(dipole, 쌍극자)처럼 행동합니다. 즉, 서로 반대 방향으로 밀고 당기는 힘의 쌍으로서, 특정한 방향성이나 지향성을 가진 음장을 만들어냅니다. 두 손이 박수를 치는 모습을 상상해 보십시오. 소리는 손 사이의 앞뒤 방향으로는 가장 크지만, 옆쪽으로는 작습니다. 이러한 방향성은 소음을 이해하는 데 매우 중요하지만, 수십 년 동안 엔지니어들은 그 "손"이 어느 방향을 향하고 있는지 알지 못했기 때문에 이 소리원들을 매핑하는 데 어려움을 겪어 왔습니다. 방향을 모르면, 소리의 위치를 찾는 데 사용되는 표준 도구들이 위치를 잘못 파악하거나 실제 소리의 크기를 잘못 측정하게 됩니다.

독일 항공우주센터(German Aerospace Center)의 연구진은 이 수수께끼를 풀 수 있는 새로운 방법을 개발했습니다. 그들은 음향 카메라(많은 마이크로폰이 격자 형태로 배열된 시스템)가 단순히 소리가 어디에서 발생하는지를 찾는 것을 넘어, 그 방향이 완전히 알려지지 않은 상태에서도 힘이 만드는 방향까지 파악할 수 있는 방법을 만들어냈습니다. 연구팀은 소리원을 x, y, z축을 따르는 세 가지 기본 움직임의 조합으로 취급함으로써, 어려운 추측 게임을 간단한 계산 과정으로 바꾸어 놓았습니다. 컴퓨터 시뮬레이션과 실제 풍동 실험 모두에서 테스트된 이들의 접근 방식은 여러 소리원의 위치, 강도, 그리고 방향을 동시에 성공적으로 식별해 냈으며, 항공기가 어떻게 소음을 생성하는지에 대한 더 명확한 그림을 제공했습니다.

문제의 핵심은 소리가 소리원에서 마이크로폰 배열로 어떻게 전달되는지에 있습니다. 전통적인 방식은 소리가 전구처럼 모든 방향으로 균일하게 방사되는 단일 점으로부터 온다고 가정합니다. 이는 일부 상황에서는 작동하지만, 비행기의 공기역학적 소음에는 적합하지 않습니다. 소리가 디폴로부터 발생할 때, 소리의 강도는 소스와 마이크로폰 사이의 각도에 크게 의존합니다. 만약 방향을 잘못 추측하면, 결과적인 소리 지도는 흐릿해지거나 소스 자체가 엉뚱한 곳에 나타날 수 있습니다. 이를 해결하기 위한 이전의 시도들은 지도의 모든 지점에 대해 수천 개의 가능한 각도를 일일이 스캔하는 방식을 사용했는데, 이는 매우 느리고 계산 비용이 많이 드는 과정이었습니다.

이 연구에서 설명된 새로운 방법은 느리고 철저한 스캔 과정을 우회합니다. 연구진은 모든 가능한 각도를 테스트하는 대신, 어떤 디폴 방향이든 단 세 가지 기본 구성 요소, 즉 수평축을 따른 밀기, 수직축을 따른 밀기, 그리고 깊이 축을 따른 밀기로 구축될 수 있다는 점을 깨달았습니다. 마이크로폰 배열이 이 세 가지 특정되고 알려진 움직임에 어떻게 반응할지를 계산함으로써, 그들은 실제 알려지지 않은 방향에 가장 잘 부합하는 값을 찾아낼 수 있었습니다. 이러한 변환은 문제를 모든 지도 지점에서 즉각적으로 해결할 수 있는 작고 관리 가능한 계산으로 바꾸어 놓았습니다. 그 결과, 이 시스템은 물체의 형상이나 그것이 부착된 표면을 사전에 알 필요 없이 자동으로 올바른 방향을 찾아냅니다.

이 방법이 효과적임을 증명하기 위해, 연구팀은 먼저 알려진 위치와 방향을 가진 네 개의 뚜렷한 소리원을 포함한 일련의 컴퓨터 시뮬레이션을 실행했습니다. 그들은 64개의 마이크로폰으로 구성된 가상 배열을 설정하고 새 알고리즘에 소리원을 찾도록 요청했습니다. 시스템은 열 개의 서로 다른 주파수에서 네 개의 소리원을 모두 성공적으로 찾아냈습니다. 더 중요한 것은, 각 소스의 방향을 높은 정밀도로 정확하게 식별했다는 점입니다. 추정된 방향의 평균 오차는 3도 미만이었고, 추정된 밝기(loudness)는 0.5 데시벨 미만의 차이를 보였습니다. 이러한 결과는 표준 그래픽 프로세서에서 순식간에 달성되었으며, 이는 이 방법이 정확할 뿐만 아니라 실용적인 용도로 사용할 만큼 빠르다는 것을 입증합니다.

연구진은 이후 이 방법을 컴퓨터 밖으로 가져와 풍동 실험에 적용했습니다. 그들은 512개의 마이크로폰으로 구성된 대형 배열을 사용하여, 이륙과 착륙 시 사용되는 고양력 장치인 슬랫(slat)이 부착된 비행기 날개 모델의 소리를 들었습니다. 이곳은 항공기에서 매우 시끄러운 부분 중 하나입니다. 연구팀은 실제 데이터를 적용하여 2,000Hz 부근의 저음과 8,000Hz 부근의 고음이라는 두 가지 주파수 범위를 조사했습니다. 결과는 흥미로운 행동 변화를 보여주었습니다. 저주파수에서는 소리원이 공기의 흐름을 가로질러 배치된 것처럼 보였던 반면, 고주파수에서는 날개 위를 움직이는 공기의 방향과 일치했습니다. 이러한 방향의 변화는 소음이 어떻게 생성되는지에 대한 기존 이론과 일치했으며, 이는 이 방법이 복잡한 실제 소음으로부터 의미 있는 물리적 통찰력을 추출할 수 있음을 확인시켜 주었습니다.

이 연구는 또한 소리원이 매우 가깝게 붙어 있거나 배경 소음이 많은 것과 같은 이상적이지 않은 조건에서 이 방법이 어떻게 작동하는지도 탐구했습니다. 두 소스가 매우 가까이 배치된 시뮬레이션에서, 시스템은 소스들이 너무 가까울 경우 이를 분리하는 데 어려움을 겪었으나, 약간 더 멀어지자 잘 작동했습니다. 방향 추정의 정확도는 데이터의 품질과 사용된 마이크로폰의 수에 크게 좌우되었습니다. 마이크로폰이 더 많고 데이터가 더 명확할수록, 시스템은 방향 예측에 대해 더 높은 확신을 가졌습니다. 연구진은 이 방법이 강력하긴 하지만 만능 해결책은 아니며, 여전히 입력 데이터의 품질과 마이크로폰 배열의 물리적 해상도에 의존한다는 점을 언급했습니다.

이 연구의 가장 중요한 측면 중 하나는 광대역 소음(broadband noise), 즉 넓은 주파수 범위에 걸쳐 발생하는 소음을 처리할 수 있는 능력입니다. 많은 실제 시나리오에서 단일 소음원은 다양한 피치의 스펙트럼을 통해 소리를 방출합니다. 연구진은 물리적 소스가 피치가 변하더라도 일관된 방향을 유지한다고 가정하여, 서로 다른 주파수 간의 방향 추정치를 연결하는 방법을 개발했습니다. 여러 주파수의 정보를 결합함으로써, 시스템은 단일 주파수만을 볼 때보다 소스 방향에 대해 더 견고한 추정치를 생성할 수 있었습니다. 이를 통해 슬랫 트랙(slat-track) 소음을 더 효과적으로 추적할 수 있었으며, 단일 주파수만 관찰했을 때는 놓칠 수 있었던 옥타브별 뚜렷한 방향성 행동을 밝혀낼 수 있었습니다.

이 연구가 항공우주 공학에 주는 시사점은 상당합니다. 소음이 어디서 발생하는지, 그리고 어느 방향으로 밀고 있는지를 정확하게 매핑함으로써, 엔지니어들은 더 조용한 항공기를 설계할 수 있습니다. 단순히 어디에 절연재를 추가하거나 형상을 바꿀지 추측하는 대신, 소음을 생성하는 구체적인 공기역학적 메커니즘을 타겟팅할 수 있습니다. 실제 표면 형상을 미리 알 필요 없이 이 작업을 수행할 수 있는 능력은, "유효한" 소리 방향이 물리적 표면과 일치하지 않을 수 있는 복잡한 형상에 대해서도 이 도구를 다용도로 활용할 수 있게 해줍니다. 이 방법은 기존의 마이크로폰 배열과 표준 빔포밍 소프트웨어와 함께 작동하며, 단지 수학적 처리 단계의 변경만을 요구합니다.

최종 분석에서, 이 연구는 소리원의 방향이 추측하거나 무시해야 할 숨겨진 변수가 아니라, 마이크로폰 데이터로부터 직접 측정할 수 있는 속성임을 보여줍니다. 새로운 기술은 이 정보를 회복할 수 있는 명확하고 효율적이며 정확한 방법을 제공하여, 흐릿하고 모호한 소리 지도를 선명하고 방향성이 있는 이미지로 바꿔 놓았습니다. 제어된 시뮬레이션 환경이든 소음이 가득한 실제 풍동 환경이든, 시스템은 일관되게 소스 위치와 방향을 찾아내며 복잡한 공기역학적 소음의 교향곡을 이해하기 위한 새로운 수준의 세부 정보를 제공했습니다. 이 진보는 우리가 한 번에 하나의 방향성 디폴을 파악해 나감으로써, 비행의 소리를 진정으로 이해하고 제어하는 영역에 한 걸음 더 다가가게 합니다.