음향카메라 CLEAN-T 알고리즘 완벽 가이드: 소리를 더 선명하게 보는 기술

음향카메라(Acoustic Camera)로 소음원을 찾을 때 가장 큰 문제는 "진짜 소리"와 "가짜 소리"를 구분하기 어렵다는 것입니다. 강한 소리 때문에 약한 소리가 가려지거나, 실제로 없는 소음원이 있는 것처럼 보이는 현상이 발생하죠. 이런 문제를 해결하는 것이 바로 CLEAN-T (HDR) 알고리즘입니다.

 

1. 음향카메라의 기본 원리

음향카메라란?

음향카메라는 소리를 시각화하는 장비입니다. 마치 열화상 카메라가 온도를 색으로 보여주듯이, 음향카메라는 소리의 크기와 위치를 이미지로 표현합니다.

기본 구성

• 마이크 어레이: 여러 개의 마이크를 배열
• 일반 카메라: 촬영 대상의 실제 이미지 획득
• 빔포밍 처리: 마이크 신호들을 조합하여 소리의 방향 계산
• 시각화 소프트웨어: 소리를 색상 맵으로 표현

SPL (Sound Pressure Level, 음압 레벨)

SPL은 소리의 크기를 나타내는 단위로, **dB(데시벨)**로 표시됩니다.

SPL 값소리의 예시

30 dB	속삭임, 도서관
60 dB	일반 대화
90 dB	지하철, 공장
120 dB	비행기 이륙
140 dB	청력 손상 위험

 

 

2. 빔포밍의 한계: 왜 CLEAN-T가 필요한가?

전통적인 빔포밍의 문제점

음향카메라는 기본적으로 빔포밍(Beamforming) 기법을 사용합니다. 여러 마이크의 신호를 조합해 특정 방향에서 오는 소리를 강조하는 방식이죠.

하지만 이 방법에는 치명적인 문제가 있습니다.

문제 1: 사이드로브 (Sidelobe) 현상

빔포밍을 하면 메인로브(Main Lobe) 외에도 **사이드로브(Sidelobe)**라는 부수적인 신호가 생깁니다.

 

 

[실제 소음원]  →  메인로브 (진짜 신호)
                 ↓
            사이드로브 (가짜 신호)
                 ↓
        [없는 소음원이 보임!]

시각적 비유:

• 메인로브: 손전등의 중심 빛
• 사이드로브: 중심 빛 주변으로 새어나가는 약한 빛들

이 사이드로브 때문에 실제로는 존재하지 않는 소음원이 마치 있는 것처럼 보이게 됩니다.

문제 2: 동적 범위(Dynamic Range) 제한

동적 범위는 가장 강한 소리와 가장 약한 소리의 비율을 의미합니다.

예를 들어:

• 강한 소리: 100 dB (공장 기계)
• 약한 소리: 60 dB (환풍기)
• 동적 범위: 40 dB

일반 빔포밍에서는:

• 강한 소리에 초점을 맞추면 → 약한 소리가 안 보임
• 약한 소리를 보려고 하면 → 강한 소리가 화면을 가득 채워버림

사진 비유: 밝은 태양과 어두운 그림자를 한 장의 사진에 담으려고 할 때, 태양은 하얗게 날아가거나 그림자는 새까맣게 뭉개지는 것과 같은 원리입니다.

문제 3: 소음원 분리 어려움

여러 개의 소음원이 가까이 있을 때:

• 각 소음원의 사이드로브들이 겹침
• 실제 소음원 위치가 불명확해짐
• 소음원 개수를 정확히 파악하기 어려움

 

3. CLEAN-T 알고리즘의 원리

CLEAN-T란?

CLEAN-T는 "CLEAN-Technique"의 약자로, 천문학의 전파 망원경 이미지 처리에서 유래한 알고리즘입니다. 음향 분야에 적용되어 사이드로브를 제거하고 진짜 소음원만 깨끗하게 보여주는 기술입니다.

핵심 아이디어

CLEAN-T의 작동 원리는 간단합니다:

1. 가장 강한 소리를 찾는다
2. 그 소리의 영향(메인로브 + 사이드로브)을 빼낸다
3. 남은 데이터에서 다음 소리를 찾는다
4. 이 과정을 반복한다

비유: 복잡하게 겹쳐진 그림에서 가장 진한 선부터 하나씩 지워가며, 원래의 깨끗한 밑그림을 찾아내는 것과 같습니다.

 

 

 

4. CLEAN-T 알고리즘 단계별 설명

Step 1: Dirty Map 생성 (초기 빔포밍 결과)

먼저 일반적인 빔포밍을 수행하여 Dirty Map을 얻습니다.

Dirty Map의 특징:

• 실제 소음원 + 사이드로브가 섞여 있음
• 강한 소리에 의한 왜곡이 심함
• 노이즈가 많고 지저분함

 

 

Dirty Map 예시:

[진짜] ████████ 90 dB (메인로브)
[가짜]   ███     75 dB (사이드로브)
[진짜]    ██     70 dB (약한 소음원)
[가짜]     █     65 dB (사이드로브)

Step 2: 최대 소음원 검출

Dirty Map에서 **가장 강한 소음원(피크)**을 찾습니다.

검출된 최대 피크: 90 dB @ 위치 (X1, Y1)

Step 3: Point Spread Function (PSF) 제거

검출된 소음원의 **Point Spread Function (PSF)**를 계산합니다.

PSF란?

• 점 음원이 빔포밍 시스템에서 어떻게 표현되는지 보여주는 패턴
• 메인로브 + 사이드로브의 전체 모양
• 마이크 어레이의 기하학적 구조에 의해 결정됨

PSF 제거 과정:

1. 90 dB 소음원의 PSF 패턴 계산
2. 이 패턴을 원래 데이터에서 빼기
3. 90 dB 소음원의 메인로브와 사이드로브가 모두 제거됨

 

제거 전:
[진짜] ████████ 90 dB
[가짜]   ███     75 dB (90 dB의 사이드로브)
[진짜]    ██     70 dB

제거 후:
[제거됨]
[제거됨]
[진짜]    ██     70 dB (이제 명확히 보임!)

Step 4: 반복 (Iteration)

Step 2와 Step 3을 반복합니다.

두 번째 반복:

• 남은 데이터에서 다음 최대 피크 검출: 70 dB
• 해당 소음원의 PSF 제거

세 번째 반복:

• 또 다음 피크 검출 및 제거
• 계속 반복...

Step 5: Clean Map 생성

모든 반복이 끝나면 Clean Map이 완성됩니다.

Clean Map의 특징:

• 사이드로브가 억제됨
• 진짜 소음원만 명확히 표시됨
• 약한 소음원도 잘 보임
• 소음원 위치가 정확함

 

Clean Map 결과:

[진짜] ████████ 90 dB (정확한 위치)
[진짜]    ██     70 dB (이제 명확히 보임)
[진짜]     █     62 dB (숨어있던 소음원 발견!)

 

5. HDR (High Dynamic Range) 처리

HDR의 개념

CLEAN-T의 핵심 기능 중 하나가 HDR (High Dynamic Range) 처리입니다.

일반 처리 vs HDR 처리:

구분일반 처리HDR 처리

강한 소리	화면을 가득 채움	적절히 표현됨
약한 소리	보이지 않음	명확히 보임
동적 범위	30-40 dB	60-80 dB 이상
콘트라스트	낮음	높음

 

HDR의 효과

효과 1: 넓은 SPL 범위 표현

일반 처리 (30 dB 범위):
90 dB ████████████
75 dB ██████
60 dB (안 보임)

HDR 처리 (60 dB 범위):
90 dB ████████████
75 dB ██████
60 dB ██
45 dB █

효과 2: 숨어있던 소음원 발견

강한 소음원의 사이드로브에 가려졌던 약한 소음원을 찾아낼 수 있습니다.

실제 사례:

• 공장 주 기계 소음: 95 dB
• 숨어있던 베어링 결함 소리: 68 dB
• 일반 처리: 68 dB 소리 탐지 불가
• HDR 처리: 68 dB 소리 명확히 발견 → 조기 고장 예방

 

6. Max Iterations (최대 반복 횟수) 설정

Iterations의 의미

Iterations는 CLEAN-T 알고리즘을 몇 번 반복할지 결정하는 파라미터입니다.

반복 횟수에 따른 효과

반복 횟수효과처리 시간적용

10회	주요 소음원 1-2개만 제거	매우 빠름	간단한 분석
50회	주요 + 중간 소음원 제거	빠름	일반적 용도
100회	대부분의 소음원 제거	보통	정밀 분석 (권장)
500회	매우 미세한 소음원까지	느림	연구용
1000회+	과도한 처리, 노이즈 발생 가능	매우 느림	비권장

반복 횟수 선택 가이드

상황별 권장 설정:

빠른 현장 점검

• 반복 횟수: 20-50회
• 목적: 주요 소음원 빠르게 파악
• 시간: 수 초

일반 소음 진단

• 반복 횟수: 100회
• 목적: 모든 주요 소음원 정확히 파악
• 시간: 수십 초

정밀 연구/분석

• 반복 횟수: 200-500회
• 목적: 미세한 소음원까지 모두 검출
• 시간: 수 분

과도한 설정 (주의)

• 반복 횟수: 1000회 이상
• 문제점:
  • 실제 소음원이 아닌 노이즈까지 검출
  • 과적합(Overfitting) 발생
  • 불필요하게 긴 처리 시간

 

7. CLEAN-T 적용 전후 비교

시각적 비교

Before (일반 빔포밍)

[소음원 맵]

  ████████████  95 dB (주 기계)
    ██████      80 dB (사이드로브 - 가짜!)
  ████          78 dB (사이드로브 - 가짜!)
      ████      75 dB (환풍기 - 진짜지만 불명확)
    ██          70 dB (사이드로브인지 진짜인지 불명)

문제점:

• 진짜와 가짜 구분 불가
• 약한 소음원 묻혀서 안 보임
• 소음원 개수 파악 어려움

After (CLEAN-T + HDR)

[소음원 맵]

  ████████████  95 dB (주 기계 - 정확한 위치)
      ████      75 dB (환풍기 - 명확히 구분됨)
        ██      68 dB (베어링 결함 - 새로 발견!)
          █     62 dB (전동기 - 새로 발견!)

개선점:

• 진짜 소음원만 명확히 표시
• 숨어있던 소음원 4개 발견
• 각 소음원의 정확한 위치와 크기 파악 가능

정량적 비교

항목일반 빔포밍CLEAN-T + HDR

사이드로브 레벨	-10 ~ -15 dB	-30 ~ -40 dB
동적 범위	30 dB	60-80 dB
소음원 분해능	1-2개	5-10개
위치 정확도	±5cm	±1cm
약한 소음원 검출	어려움	용이

 

 

 

8. 실제 응용 사례

Case 1: 자동차 NVH (소음/진동/하쉬니스) 테스트

상황:

• 주행 중 차량 내부 소음 분석
• 엔진음, 풍절음, 타이어 소음 등 복합적

일반 빔포밍 결과:

• 엔진음(85 dB)이 너무 강해 다른 소음원 가림
• 풍절음(70 dB) 위치 불명확
• 미세한 삐걱거림 소리(60 dB) 탐지 불가

CLEAN-T 적용 후:

• 엔진음 정확한 위치 파악
• 풍절음: 사이드 미러 부근으로 특정
• 숨어있던 삐걱거림: 센터 콘솔 우측 발견
• → 조치: 센터 콘솔 체결 보강

Case 2: 공장 설비 이상 진단

상황:

• 컨베이어 벨트 시스템 정기 점검
• 주 모터음이 매우 강함(92 dB)

일반 빔포밍 결과:

• 주 모터음만 보임
• 다른 부분 상태 파악 불가

CLEAN-T 적용 후:

• 주 모터: 정상 (92 dB)
• 베어링 #3: 이상 소음 발견 (71 dB, 고주파 성분)
• 텐셔너 롤러: 미세한 진동음 (65 dB)
• → 조치: 베어링 #3 교체, 대형 고장 예방

Case 3: 건물 소음 측정

상황:

• 아파트 층간소음 민원 조사
• 여러 세대에서 다양한 소음 발생

일반 빔포밍 결과:

• 소음원 위치 불명확
• 여러 층의 소음이 뒤섞임

CLEAN-T 적용 후:

• 301호: 세탁기 진동 (75 dB) - 주요 민원 원인
• 401호: 발소리 (68 dB)
• 501호: TV 소리 (62 dB)
• → 조치: 301호 세탁기 방진 패드 설치

 

9. CLEAN-T 사용 시 주의사항

주의사항 1: 과도한 Iterations

문제: 반복 횟수를 너무 많이 설정하면

• 실제 소음원이 아닌 노이즈까지 검출
• 측정 오차나 환경 소음을 소음원으로 오인
• 결과 해석 어려움

권장: 100-200회가 적당

주의사항 2: 측정 환경

CLEAN-T는 알고리즘적 보정이지만, 측정 환경이 나쁘면 한계 존재:

• 바람이 심한 실외: 마이크 윈드스크린 필수
• 반사음이 많은 공간: 흡음재 설치 권장
• 배경 소음이 큼: 배경 소음 측정 후 차감 필요

주의사항 3: 주파수 범위

CLEAN-T는 분석 주파수 대역에 따라 효과가 다릅니다:

주파수 대역CLEAN-T 효과

저주파 (< 500 Hz)	제한적 (파장이 길어 분해능 낮음)
중주파 (500 Hz - 5 kHz)	매우 효과적
고주파 (> 10 kHz)	효과적이나 감쇠 주의

주의사항 4: 실시간 vs 후처리

• 실시간 모드: Iterations 낮게 설정 (20-50회)
• 후처리 모드: Iterations 높게 설정 (100-200회)

 

 

10. CLEAN-T vs 다른 고급 기법 비교

주요 음향 이미징 알고리즘 비교

알고리즘장점단점적용

일반 빔포밍	빠름, 단순	사이드로브 심함, 동적 범위 좁음	간단한 분석
CLEAN-T	사이드로브 억제 우수, HDR	반복 연산 필요	일반적 정밀 분석 (권장)
CLEAN-SC	CLEAN-T 개선판	더 복잡함	고급 연구
DAMAS	매우 정확	매우 느림	연구용
Functional Beamforming	빠르고 깨끗함	특정 조건에서만 효과적	특수 목적

CLEAN-T의 위치

CLEAN-T는 정확도와 속도의 균형이 가장 좋아 산업 현장에서 가장 널리 사용됩니다.

 

 

 

11. 실무 활용 팁

Tip 1: 최적의 Iterations 찾기

방법:

1. 동일한 측정 데이터에 대해 여러 Iterations 설정으로 테스트
2. 결과 이미지를 비교
3. 더 이상 새로운 소음원이 발견되지 않는 지점이 최적

예시:

• 50회: 소음원 3개 검출
• 100회: 소음원 5개 검출 (2개 추가)
• 200회: 소음원 6개 검출 (1개 추가)
• 500회: 소음원 6개 검출 (변화 없음)
• → 최적: 200회

Tip 2: 주파수 대역 분할 분석

넓은 주파수를 한 번에 분석하지 말고, 대역별로 나누어 분석:

• 저주파 대역 (100-500 Hz): 기계 회전음
• 중주파 대역 (500 Hz - 2 kHz): 마찰음, 공기 흐름
• 고주파 대역 (2-10 kHz): 베어링, 전기 소음

각 대역마다 CLEAN-T 적용 시 더 명확한 결과를 얻을 수 있습니다.

Tip 3: 배경 소음 차감

절차:

1. 측정 대상 가동 전 배경 소음 측정
2. 측정 대상 가동 후 소음 측정
3. 소프트웨어에서 배경 소음 차감 설정
4. CLEAN-T 적용

이렇게 하면 순수한 측정 대상의 소음만 분석할 수 있습니다.

Tip 4: 비교 측정

개선 효과 확인:

1. 개선 전 측정 (CLEAN-T 적용)
2. 개선 조치 (방음재, 부품 교체 등)
3. 개선 후 측정 (CLEAN-T 적용)
4. Before/After 비교

동일한 Iterations 설정으로 측정해야 정확한 비교 가능합니다.

 

 

12. 자주 묻는 질문 (FAQ)

Q1. CLEAN-T는 항상 사용해야 하나요?

답변: 대부분의 경우 사용을 권장합니다.

• 사용 권장: 여러 소음원이 있거나, 약한 소음원을 찾아야 하거나, 정밀 분석이 필요한 경우
• 미사용 가능: 소음원이 1개뿐이고 매우 강하며, 빠른 확인만 필요한 경우

Q2. Iterations를 높이면 항상 좋은가요?

답변: 아니요, 적절한 수준이 중요합니다.

• 너무 낮으면: 사이드로브 제거 불충분
• 적절하면: 진짜 소음원만 깨끗하게 표시
• 너무 높으면: 노이즈까지 소음원으로 오인, 처리 시간 증가

권장: 100-200회

Q3. CLEAN-T 처리 시간은 얼마나 걸리나요?

답변: 설정과 하드웨어에 따라 다릅니다.

조건처리 시간

간단한 설정 (50회)	수 초
표준 설정 (100회)	10-30초
정밀 설정 (200회)	30초-1분
고급 설정 (500회)	수 분

최신 CPU와 많은 메모리를 사용하면 더 빠릅니다.

Q4. HDR 처리를 끄면 어떻게 되나요?

답변: 동적 범위가 좁아집니다.

• HDR OFF: 강한 소리 위주로 표시, 약한 소리 안 보임
• HDR ON: 강한 소리와 약한 소리 모두 명확히 표시

특별한 이유가 없다면 HDR은 항상 ON 권장

Q5. 실시간 분석 시에도 CLEAN-T를 사용할 수 있나요?

답변: 가능하지만 Iterations를 낮춰야 합니다.

• 실시간 모드: 20-50회 (빠른 업데이트 속도 유지)
• 후처리 모드: 100-200회 (정확도 우선)

실시간으로 대략적인 위치를 파악한 후, 관심 구간을 후처리로 정밀 분석하는 것이 효율적입니다.

 

 

13. 기술적 배경: CLEAN 알고리즘의 역사

천문학에서 음향학으로

CLEAN 알고리즘은 원래 전파 천문학에서 개발되었습니다.

1974년: Jan Högbom이 전파 망원경 이미지 처리를 위해 CLEAN 알고리즘 제안

문제: 전파 망원경도 음향카메라처럼 사이드로브 문제가 있었습니다.

• 실제 별이 아닌 곳에 가짜 별이 나타남
• 약한 별이 밝은 별의 사이드로브에 가려짐

해결: CLEAN 알고리즘으로 가짜 별 제거, 진짜 별만 명확히 표시

음향 분야 적용

2000년대 초반: CLEAN 알고리즘이 음향 이미징에 적용되기 시작

CLEAN-T (CLEAN-Technique):

• 시간 영역(Time domain)에서 작동
• 음향카메라의 빔포밍 결과 개선
• 사이드로브 억제 및 HDR 처리

현재: 대부분의 상용 음향카메라 소프트웨어에 표준 기능으로 탑재

 

14. 결론: CLEAN-T의 핵심 가치

핵심 요약

CLEAN-T (HDR) 알고리즘은 음향카메라의 성능을 획기적으로 향상시키는 핵심 기술입니다.

3가지 핵심 가치:

1. 사이드로브 억제
   • 가짜 소음원 제거
   • 진짜 소음원만 명확히 표시
   • 소음원 위치 정확도 향상
2. HDR (넓은 동적 범위)
   • 강한 소리와 약한 소리 동시 표현
   • 숨어있던 소음원 발견
   • 60-80 dB 이상의 넓은 범위
3. 반복적 정제
   • 점진적으로 깨끗한 결과 생성
   • 사용자가 정밀도 조절 가능 (Iterations)
   • 목적에 맞는 최적화 가능

실무적 의의

문제 진단 능력 향상:

• 복잡한 소음 환경에서도 정확한 분석
• 조기 고장 징후 포착
• 소음 저감 효과 정량적 확인

비용 절감:

• 불필요한 부품 교체 방지
• 효율적인 소음 대책 수립
• 예방 정비를 통한 대형 고장 방지

업무 효율성:

• 빠른 측정 및 분석
• 명확한 결과로 의사결정 용이
• 고객 설득력 있는 리포트 작성

마지막 조언

CLEAN-T는 강력한 도구이지만, 올바른 측정 환경과 적절한 설정이 뒷받침되어야 합니다.

성공적인 활용을 위한 체크리스트:

• 측정 환경 최적화 (바람, 반사음 최소화)
• 적절한 Iterations 설정 (100-200회 권장)
• HDR 기능 활성화
• 주파수 대역별 분석
• 배경 소음 차감
• Before/After 비교 측정

이 모든 것을 종합하면, CLEAN-T 알고리즘은 단순히 "더 깨끗한 그림"을 만드는 것이 아니라 **"보이지 않던 문제를 발견하고 해결하는 능력"**을 제공합니다.

 

 

 

 

참고 문헌:

• Högbom, J. A. (1974). "Aperture Synthesis with a Non-Regular Distribution of Interferometer Baselines"
• Brooks, T. F., & Humphreys, W. M. (2006). "A deconvolution approach for the mapping of acoustic sources (DAMAS)"
• Sijtsma, P. (2007). "CLEAN Based on Spatial Source Coherence"
• Gfai tech GmbH: "NoiseImage - Acoustic Camera Software Manual"