Comparison and Proposal of Denoising Models for Improving Speech Recognition Performance in Battlefield Environment

국방혁신 4.0에서 유ㆍ무인 복합전투체계 구축은 기동력 향상과 인명피해 감소 등 전투의 효율성을 극대화하는 중요한 사업이다. 유ㆍ무인 복합전투체계의 성공적인 운영을 위해서는 유인과 무인 시스템 간의 원활한 의사소통이 필수적이며, 이를 위해 통신체계 성능이 매우 중요하다. 그러나 전장에서는 총성, 폭발음 등으로 인해 음성이 명확하게 전달되기 어려워, 소음 제거 기술의 발전이 필요하다. 이러한 기술은 통신장비의 성능을 향상시키고, 전투원과 무인체계 간의 신뢰성 있는 상호작용을 지원하는 핵심 요소가 될 것이다. 특히, 총성 및 폭발음과 같은 강한 소음을 포함한 전장 환경에서 통신의 명확성을 확보하기 위한 다양한 딥러닝 기반의 소음제거 모델을 비교ㆍ분석하였다. CNN, SEGAN, Wave-U-Net 모델을 적용하여 소음제거 성능을 평가하고, 각 모델의 음질 향상 효과를 PESQ와 STOI 지표를 통해 측정하였다. 연구 결과, CNN 모델은 PESQ 1.59, STOI 0.82로 음질 향상 효과가 가장 낮았고, SEGAN 모델은 PESQ 1.72, STOI 0.92로 더 나은 성능을 나타냈다. 특히, Wave-U-Net 모델은 PESQ 1.82, STOI 0.92로 가장 높은 음질 향상을 보였으며, 전장소음의 복잡성을 효과적으로 처리하는 데 성공하였다. 본 연구의 결과는 전투 중 인명 피해를 줄이고, 군과 무인체계 간의 원활한 소통을 위한 기초 자료로 활용될 수 있을 것으로 기대된다.