본 프로젝트는 차량 조향 장치인 R-MDPS에서 발생하는 주파수 대역별 소음 수준을 인식하기 위한 연구를 진행하는 프로젝트이다. 우선 주파수 대역별 소음 수준을 예측해야하는 이유는 차량 소음 관련 제품 개발 시 어떤 주파수 대역이 사람이 듣기 싫은 소음을 수준을 파악해야할 필요가 있기 때문이다. 이를 위해 주파수 대역은 150Hz부터 1150Hz까지를 10개 구간으로 나누었다. 즉, 10개 주파수 대역에서 발생하는 소음과 전반적인 소음(0~2000Hz, Overall Level) 수준을 예측하고자 하였다. 주파수 대역별 소음 수준을 예측하기 위해 R-MDPS 에서 발생하는 가속도를 수집하여 입력 데이터로 사용했다. 다음으로 가속도를 Spectrogram 특징 벡터로 변환한 뒤 고주파 대역을 제거하여 최종 입력 특징 벡터를 산출하였다. 다음으로 차량과 유사한 대상 설비에서 나오는 가속도를 수집하였다. 대상 설비에서 수집되는 가속도에 대한 소음 수준은 수집하기 어렵다. 즉 Unlabeled 데이터와 동일하게 사용할 수 있는 데이터이다. 이를 사용해 자가지도학습(Self-supervised Learning)을 진행했다. 자가지도학습 방식으로 JigSaw 방식과 도메인 지식에 기반한 자가지도학습을 사용해 합성곱 신경망 모델을 사전학습하였다. 도메인 지식 기반 자가지도 학습은 차량 가속도 특징 벡터를 구분할 수 있는 합성곱 신경망 모델 학습 시 해당 방식으로 학습된 모델 가중치는 주파수 대역별 소음 수준 예측 모델에도 좋은 초기 가중치 일것이라는 가설을 가지고 개발하였다. 마지막으로 주파수 대역별 소음 수준 예측 모델을 학습하였다. 해당 모델은 단일 모델로 11개 주파수 대역을 동시에 예측할 수 있도록 합성곱 신경망 모델을 디자인하였다. 프로젝트 연구 개발 내용을 바탕으로 이음(이상한 소리)에 대한 원인을 파악할 수 있을 것으로 기대한다. 또한, Unlabeled 데이터인 많은 대상 데이터와 적은 실제 차량에서 수집한 데이터를 사용해 빠르게 예측 모델을 구축할 수 있을 것으로 기대한다.