맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법

  • 기술번호 : KST2020008772
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 차량소음 특히 파워트레인 소음과 같이 비정형적인 소음에 대한 Deep Learning 기반 인공지능 문제소음 발생원 진단 기술로서, 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법에 관한 것으로서, 시간에 따라 샘플링한 소음 중 문제소음에 대해 단위 프레임을 선정하는 단계; 상기 단위 프레임을 N개의 세그먼트로 분할하는 단계; 상기 세그먼트 별로 주파수 특성분석하고 Log Mel Filter를 적용해 상기 주파수 성분을 추출하는 단계; 상기 세그먼트에 대한 정보를 평균해 1개의 대표 프레임으로서 특징 벡터(특징 파라미터)를 출력하는 단계; 를 포함하는 문제소음 발음원 식별을 위한 소음데이터의 전처리 방법; 상기 전처리 방법에 의해 상기 시간의 변화에 따라 추출된 특징 파라미터에 의한 인공지능 학습은 Bidirectional RNN을 적용하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법을 제공하여, 파워트레인 문제소음에 대한 빅데이터를 기반으로 학습된 모델을 생성한 것으로 복합적이며, 비정형적인 파워트레인 소음 혹은 차량 소음의 정밀한 진단이 확률적으로 가능해진다.
Int. CL G10K 11/178 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G10K 11/178(2013.01) G10K 11/178(2013.01) G10K 11/178(2013.01)
출원번호/일자 1020180160833 (2018.12.13)
출원인 현대자동차주식회사, 기아자동차주식회사, 한양대학교 산학협력단
등록번호/일자
공개번호/일자 10-2020-0075148 (2020.06.26) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 현대자동차주식회사 대한민국 서울특별시 서초구
2 기아자동차주식회사 대한민국 서울특별시 서초구
3 한양대학교 산학협력단 대한민국 서울특별시 성동구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 정인수 경기도 수원시 장안구
2 이동철 경기도 안양시 동안구
3 장준혁 서울특별시 강남구
4 노경진 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 한양특허법인 대한민국 서울특별시 강남구 논현로**길 **, 한양빌딩 (도곡동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2018.12.13 수리 (Accepted) 1-1-2018-1252490-95
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.07.25 수리 (Accepted) 4-1-2019-5148973-60
3 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.07.26 수리 (Accepted) 4-1-2019-5150191-76
4 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.05 수리 (Accepted) 4-1-2019-5155816-75
5 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.06 수리 (Accepted) 4-1-2019-5156285-09
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
시간에 따라 샘플링한 소음 중 문제소음에 대해 단위 프레임을 선정하는 단계;상기 단위 프레임을 N개의 세그먼트로 분할하는 단계;상기 세그먼트 별로 주파수 특성분석하고 Log Mel Filter를 적용해 상기 주파수 성분을 추출하는 단계;상기 세그먼트에 대한 정보를 평균해 1개의 대표 프레임으로서 특징 벡터(특징 파라미터)를 출력하는 단계; 를 포함하는 문제소음 발음원 식별을 위한 소음데이터의 전처리 방법;상기 전처리 방법에 의해 상기 시간의 변화에 따라 추출된 특징 파라미터에 의한 인공지능 학습은 Bidirectional RNN을 적용하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법
2 2
제1항에 있어서,상기 샘플링은 문제주파수 대역의 2배로 범위로 샘플링하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법
3 3
제1항에 있어서,상기 시간에 따른 단위 프레임과 다음 시간의 단위 프레임 사이에는 오버랩을 설정한 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법
4 4
제1항에 있어서,상기 인공지능 학습은 DNN (Deep Neural Network)을 추가 적용하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법
5 5
제4항에 있어서, 상기 인공지능 학습은 Attention Mechanism을 추가 적용하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법
6 6
제5항에 있어서,상기 인공지능 학습은 Early stage ensemble 알고리즘을 추가 적용하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법
7 7
제6항에 있어서,상기 문제소음 학습 데이타의 시간 축이 일정하게 수집되는 경우, 정확도 향상을 위해 시간-주파수 맵과 엔진회전수-주파수 맵을 모두 사용하는 Ensemble model of jointly trained RNNs 알고리즘을 추가 적용하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법
8 8
제7항의 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습방법이 구현된 장치에 있어서,상기 장치의 입력수단으로 차량 혹은 파워트레인 소음을 직접 측정하거나, 저장된 소음데이터를 저장매체를 통해 제공하는 것을 특징으로 하는 문제소음 발음원 식별을 위한 소음데이터 인공지능 학습장치
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 EP03667664 EP 유럽특허청(EPO) FAMILY
2 JP32095258 JP 일본 FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 CN111325313 CN 중국 DOCDBFAMILY
2 EP3667664 EP 유럽특허청(EPO) DOCDBFAMILY
3 JP2020095258 JP 일본 DOCDBFAMILY
4 US2020193291 US 미국 DOCDBFAMILY
국가 R&D 정보가 없습니다.