A Supervised Learning Autoencoder-based Ultrasonic Distance Measurement System using Sinusoidal Activation Function

초음파를 사용한 거리측정 시스템은 비교적 간단하며 저렴해서 여러 산업 및 응용 분야에서 널리 사용 중에 있다. 그러나 좁은 벽면이나 목표물 주변에 장애물이 존재하는 환경에서는 초음파의 빔폭(Beam-width) 특성상 주변 장애물이나 벽면의 반사신호로 인한 정확한 거리측정이 어렵다. 본 논문에서는 이러한 환경에서 초음파 반사 신호의 파형을 분석하고 정확히 목표물과의 거리를 측정하는 새로운 딥러닝(Deep-learning) 신호처리 기법을 제안한다. 2단 병렬 구조의 지도학습 오토인코더(Autoencoder) 모델을 사용했으며 Sin함수와 값이 0.008인 Leaky_ReLU를 결합한 새로운 활성화 함수를 제안한다. 이는 기존의 활성화 함수인 ReLU, Leaky_ReLU 보다 RMSE가 개선되었고 TEST에서 모델의 목표물 예측 정확도가 높음을 실험적으로 증명하였다. 최종적으로 모델의 목표물 예측 데이터를 기반으로 거리를 측정하면 좁은 벽면이나 장애물이 있는 환경에서도 정확히 목표물의 위치를 예측할 수 있다.