Robust Audio Spectrogram Transformer for Sound Source Localization in Noisy Environments

음원 위치 추정은 로봇 내비게이션, 스마트 홈 제어, 음향 모니터링 등 다양한 응용 분야에서 중요한 역할을 한다. 그러나 기존의 음원 위치 추정 기법들은 SNR(Signal-to-Noise Ratio)이 낮은 환경에서 정확도가 크게 저하되는 한계가 있다. 본 논문에서는 멀티채널 오디오 신호로부터 GCC(Generalized Cross Correlation) 특징을 추출하여 입력하는 오디오 스펙트로그램 트랜스포머 기반 음원 위치 추정 모델을 제안한다. 제안 모델은 다양한 실내 공간과 SNR 조건에서 기존의 GCC-PHAT(Generalized Cross Correlation – Phase Transform) 및 MUSIC(MUltiple SIgnal Classification) 알고리즘과 비교 평가되었다. 실험 결과, 제안 모델은 SNR 0 dB 환경에서도 평균 각도 오차 10.0163°, 평균 거리 오차 0.1626, RMSE(Root Mean Square Error) 0.89(5 m × 5 m × 5 m 기준)로 기존 기법 대비 우수한 성능을 보였다. 또한, 공간 크기 변화와 잡음 환경 변화에도 강인한 일반화 성능을 나타냈다. 본 연구는 트랜스포머 기반 딥러닝 모델이 실내 환경에서<br/>신뢰성 높은 음원 위치 추정에 효과적으로 활용될 수 있음을 실증하였다.