i.MX8M Plus(8MP) 환경에서 RANC(Road-noise Active Noise Control)와 ANC(Active Noise Control)를 동시에 다루는 것은 하드웨어와 알고리즘의 최적화가 완벽히 맞물려야 하는 고급 프로젝트입니다. 특히 8MP의 DSP와 NPU, 그리고 MATLAB/Simulink를 어떻게 유기적으로 연결할지가 핵심입니다.
프로젝트 수행을 위한 아키텍처와 단계별 가이드를 정리해 드립니다.
1. ANC와 RANC 소개
직접 차를 운전할 때 라디오를 끄고 귀를 기울여 보라. 일반적인 차량 모델에 타고 있다면 실내 공간으로 들어오는 소음을 들을 수 있을 것입니다. 엔진이나 타이어에서 나는 소리이든 바람 소리이든, 이러한 불편한 소음은 장거리 운행 중인 운전자에게 피로감을 주고 안전에 영향을 미칠 수도 있습니다.
과거엔 자동차 제조사들 대부분은 소음을 줄이기 위해 흡차음재(Acoustic Dampening Material)를 사용했습니다. 그러나 차량의 무게가 늘어나며 연료 소비도 덩달아 증가했습니다.
이제는 노이즈 캔슬링 헤드폰에 사용되는 능동 소음 제거 기술(ANC)이 수백 만 대의 차량에 적용되고 있다. ANC(Active Noise Cancellation) 기술은 자동차의 협대역 엔진 소음을 제거하는 데는 효과적이지만, 타이어에서 발생하는 노면 소음을 억제하는 데는 그리 효과적이지 않습니다.
아나로그디바이스(ADI)와 현대자동차는 공동 기술 워크숍에서 노면 소음 제거에 관한 논의를 진행으며, 현대차는 브랜드를 차별화하고 차량의 소음을 획기적으로 감소시키는 기술을 개발하기를 원했습니다.
과제로는 [디지털 방식의 노면 소음 제거 시스템을 업계 최초로 출시하고, 이를 경제적이고 덜 복잡하면서 가볍게 만들어 양산 배치를 가속화한다]를 삼았으며, 목표로는 [전 차종에 걸쳐 오디오 커넥티비티와 인포테인먼트 애플리케이션을 개발하고, 보다 역동적인 자동차 경험을 개발한다]로 정했습니다.
주행 중인 차량에서 발생하는 소음은 20~10,000Hz의 주파수 범위를 갖습니다. 부밍음(20~150Hz), 타이어 마찰음(150~250Hz), 웅웅거리는 소리(250~500Hz)는 저주파(500Hz 미만) 소음으로, 주로 도로에서 발생합니다. 반면, 고주파(500Hz 이상) 소음은 에어컨, 통풍 시트, 풍절음 등에서 발생합니다.
노면 소음은 타이어와 노면이 마찰하면서 발생하는 소음입니다. 시속 60~80km 구간에서는 노면 소음이 차량 내부 소음의 주요 원인이 되며, 차량 내부 소음 수준의 변화는 탑승자에게 스트레스를 유발할 수 있습니다.
1.1 ANC (Active Noisse Control)
능동 소음 제거(ANC) 기술은 저주파(65~125Hz)에 가장 적합합니다.
헤드폰 제조업체 등 다른 회사에서도 이미 ANC 기술을 널리 사용하고 있지만, 적용이 훨씬 간편합니다. 노이즈 캔슬링 헤드폰에서 헤드폰 스피커와 고막 사이의 비교적 작은 간격은 ANC(액티브 노이즈 캔슬링) 기술이 효과적으로 작동하는 주요 요인 중 하나입니다.
소음 측정 및 분석 기술의 한계로 인해, 기존 차량용 ANC 기술은 엔진의 협대역 럼블음(rumble)처럼 소음이 일정하고 소음 발생 시점을 예측할 수 있는 저주파에만 활용 가능했습니다. 현재의 ANC 기술은 주로 엔진 소음과 같은 지속적인 소음을 차단하는 데 사용되어 왔습니다. 엔진소음은 예측 가능한 범위 내에서만 발생하며 엔진의 한계 회전수가 정해진 범위를 벗어나지 않기 때문이죠. 또한 엔진의 연소시기 또한 미리 알 수 있기 때문에 소음이 언제 발생할지도 예측할 수 있습니다.
ANC의 한계
또한, 노면소음을 차단하기에는 처리해야 할 타이어 종류, 노면 상태 등 변수가 너무 많기 때문에 ANC 기술을 적용할 수 없었습니다. 노면 요철 등 충격으로 인해 발생한 불규칙한 광대역 소음은 ANC의 신호 및 계산 속도가 반대파를 생성할 정도로 빠르게 반응하지 못하기 때문에 실내로 들어옵니다. ANC의 소프트웨어와 하드웨어는 노면 소음이 탑승객의 귀에 도달하는 데 걸리는 0.004초(4ms) 내에 소음 제거를 처리해야 하는데 이는 결코 쉽지 않았습니다.
이에, 양사 연구팀은 업계 최초의 완전 디지털 방식의 노면 소음 저감 능동형 소음 제어(Road-noise Active Noise Control, RANC) 시스템을 차량에 적용하기 위해 협력했습니다.
1.2 RANC (Road-noise Active Noise Control)
RANC의 신호 처리는 단순히 빠른 것이 아니라, 소음이 도로에서 실내로 이동하는 속도보다 4배 이상 빠릅니다. RANC는 노면 소음을 분석해 차량의 스테레오 스피커를 통해 반대되는 음파를 보내 실내의 탑승자가 듣기 전에 소음을 상쇄하는 작업을 단 0.002초(2ms)만에 해냅니다. 테스트에서 RANC는 실내 소음을 3dB(절반) 줄였습니다.
RANC 시스템은 가속도 센서, DSP(Digital Signal Processor), 마이크, Amp 등을 사용하여 소음을 제거합니다. 또한 차량에 이미 내장된 오디오 시스템을 활용하여 시스템을 최대한 단순하게 설계했습니다.
RANC는 진동의 전달 경로에 위치한 가속도 센서로 도로에서 차량으로 전달되는 진동을 계산하고, 제어 컴퓨터는 도로 소음을 분석합니다. 진동 발생원을 찾아내는 데 있어 센서의 최적 위치를 찾는 것이 가장 중요한 요소 중 하나입니다.
• 가속도계: 모든 타이어 가까이에 위치해 타이어와 서스펜션의 진동을 포착
• 프로세서: DSP의 알고리즘이 동일한 크기의 위상이 반대되는 음파를 스피커를 통해 전달하여 밀리초 이내에 진동 소음을 상쇄
• 마이크: 동시에 마이크가 실내 소리를 측정하여 정확한 소음 저감 신호가 생성되도록 보장
• 스피커: 실내 스피커는 신호 루프를 닫고 불쾌한 음파를 감쇠. 그 결과 각 탑승객 주위의 실내 공간이 보다 조용하고 안락한 주행 경험으로 이어짐.
도로 소음이나 엔진 소음이 탑승자에게 도달하는 데 약 0.009초밖에 걸리지 않으므로, 전체 처리 과정은 그보다 훨씬 짧아야 합니다. 최적화된 계산 및 신호 전송 속도 덕분에 소음을 분석하고 DSP(디지털 신호 처리기)에서 반전된 음파를 생성하는 데 단 0.002초밖에 걸리지 않습니다.
마이크는 도로 소음 제거 상태를 지속적으로 모니터링하고 DSP로 정보를 전송합니다. RANC는 운전석, 조수석, 뒷좌석 각각에 대해 정확한 소음 분석과 빠른 계산을 통해 도로 소음을 효과적으로 제거할 수 있습니다.
이는 RANC 시스템이 초당 30만 킬로미터를 이동하는 광 신호를 사용하기 때문에 가능합니다. 적절한 알고리즘과 기술을 사용하면 거리에 관계없이 모든 노이즈를 제어할 수 있습니다. 또한 RANC는 계산 및 측정에 필요한 모든 시간을 최소화했습니다.
A2B 솔루션
고비용에 무거운 점대점 동축 케이블을 대체하기 위해, ADI의 A2B를 저지연의 비용 효율적인 UTP(비차폐 트위스트 페어) 연결 솔루션으로 제시하였습니다. A2B는 동일한 케이블로 최대 32채널 오디오, 제어 및 팬텀 파워를 제공할 뿐 아니라, 데이지 체인 네트워크 토폴로지를 최적화하여 배선 하네스 무게와 복잡성을 더욱 줄여줍니다.
A2B 는 다양한 애플리케이션을 위한 여러 원격 센서를 데이지 체인 시퀀스로 연결하므로 중복 케이블 연결을 크게 줄여줍니다. 그 결과 케이블 하네스 무게와 케이블 수가 극적으로 줄어 전체 설계 비용과 복잡성(디자인, 설치, 유지보수)이 감소합니다.
ADI의 오토모티브 캐빈 커넥티비티를 총괄하는 블래드 불라브스키(Vlad Bulavsky) 제너럴 매니저는 “처음 현대자동차 연구팀에 참여했을 때, 우리는 ADI DSP 및 A2B 기술과 로드맵을 제시했다. 현대차의 과제는 RANC 시스템을 실용적으로 구현하는 것이었다. 여러 차례의 브레인스토밍 회의 결과, 현대자동차의 차세대 자동차를 위한경쟁사 프로세서를 대체하기 위해, ADI A2B, 가속도계 및 그리핀 DSP를 사용하는 실용적이고 배치 가능한 RANC 솔루션을 제시할 수 있었다"고 말했습니다.
매니저는 “RANC는 효율적인 시스템 솔루션을 구성하기 위해 다양한 기술이 필요한 애플리케이션의 좋은 사례"라고 밝히고 “ADI의 DSP, A2B 커넥티비티, 가속도계 및 소프트웨어 IP가 모두 매끄럽게 결합함으로써 매우 까다로운 음향 문제에 고성능, 비용 효율적인 솔루션을 제공한다"고 말했다.
현대차와 ADI는 2015년부터 2016년까지 지속적으로 만나면서 이 솔루션에 대해 협력했습니다. 그 결과, 그 결과, 2020년 초에 획기적인 RANC 시스템이 양산 단계에 들어가 현대차의 플래그십 모델인 GV80에 탑재되었습니다.
전기차에 적용되는 RANC 및 ADI DSP, A2B, 가속도계 기술의 미래는 무궁무진한 가능성을 보여준다. 전기 추진 시스템에는 엔진 소음이 없기 때문에 노면 소음이 더 크게 들린다. 견고한 소음 제거 기술이 정숙한 실내와 안락함을 보장하기 위해 전기차에 더욱 필수적인 이유가 여기에 있다.
1.3 미래를 향한 비전
한 차원 높은 사운드 시스템:
이제 자동차는 단순히 A 지점에서 B 지점으로 이동하는 수단을 넘어 개인의 취향을 반영합니다. 사람들은 다른 어느 곳보다 많은 시간을 차 안에서 음악을 들으며 보냅니다.
현대자동차는 새로운 정숙한 실내 공간의 이점을 확대해 Quantum Logic® 서라운드를 탑재한 Lexicon® 프리미엄 오디오 시스템을 사용하여 도로에 맞게 전문적으로 튜닝된 스테이지 품질의 사운드를 개발했습니다.
GV80은 1050W의 출력과 실내 17곳의 위치에 전략적으로 배치된 21개의 스피커와 서브 우퍼를 결합하여 모든 탑승객에게 완벽하게 튜닝된 몰입감 높은 청취 경험을 선사합니다.
2. Project 설계
2.1 ANC 프로젝트 설계: 하이브리드 접근법
차량 내 정숙성을 위한 ANC는 저지연(Low Latency)이 생명이므로, NPU보다는 DSP를 주력으로 활용해야 합니다.
• 알고리즘: 주로 FxLMS(Filtered-x Least Mean Square) 알고리즘을 사용합니다.
• 구현 경로:
(1) MATLAB/Simulink: ANC 알고리즘을 모델링하고, Embedded Coder를 사용하여 C/C++ 코드를 생성합니다.
(2) DSP 포팅: 생성된 코드를 DSP에 이식합니다.
(3) 피드백 루프: 가속도계(Reference)와 에러 마이크(Error) 신호를 I2S/SAI 인터페이스를 통해 DSP로 직접 입력받아 2ms 이내의 레이턴시로 처리해야 합니다.
2.2 통합 파이프라인 아키텍처 (RNAC + ANC + SE)
8MP의 자원을 효율적으로 배분하는 것이 성공의 열쇠입니다.
| 기능 | 권장 프로세서 | 최적화 기술 |
| RNAC / ANC | DSP | MATLAB Embedded Coder (Fixed-point 튜닝 필수) |
| Speech Enhancement (SE) | NPU (VIP8000) | TFLite (INT8 Quantization), RNNoise 또는 NSNet 계열 |
| Source Separation | NPU (VIP8000) | Conv-TasNet 또는 Wave-U-Net (ONNX Runtime 가속) |
| 시스템 제어 (AAOS) | Cortex-A53 (CPU) | Android Audio HAL (Hidl/Aidl) 연동 및 오디오 패치 |
2.3 세부 기능별 구현 전략
① Speech Enhancement & Source Separation
전통적인 필터 방식보다 Deep Learning 기반이 유리합니다.
• 방법: 음성과 노이즈가 섞인 데이터를 수집(KsponSpeech 활용 가능)하여 노이즈를 제거하도록 모델을 학습합니다.
• 8MP 포팅: 학습된 모델을 TFLite로 변환하여 NPU에서 구동합니다. 이때 오디오 버퍼 사이즈를 작게 유지하여 AAOS에서의 오디오 지연을 최소화해야 합니다.
② ANC 성능 향상을 위한 MATLAB 시뮬레이션
• ANC 시뮬레이션: MATLAB의 Audio Toolbox와 DSP System Toolbox를 활용합니다.
• Secondary Path Modeling: 스피커에서 에러 마이크까지의 경로(Secondary Path)를 먼저 측정하여 필터에 반영하는 시뮬레이션을 돌려야 합니다.
• 가속 시뮬레이션: MATLAB에서 생성한 코드를 C++로 변환한 뒤, 8MP의 ARM CPU와 DSP에서 각각 연산 속도를 벤치마킹하여 부하를 분산합니다.
2.4 AAOS 위에서의 운영 및 연동
AAOS 환경에서 이 모든 신호 처리 로직을 운영하려면 Audio HAL(Hardware Abstraction Layer) 커스터마이징이 필수입니다.
(1) Stream Routing: 마이크 입력 데이터를 AAOS 프레임워크로 넘기기 전, DSP/NPU 하드웨어 가속기(Preprocessing)를 먼저 거치도록 오디오 경로를 강제 설정합니다.
(2) Shared Memory: CPU와 DSP/NPU 간의 대용량 음성 데이터 전송 시 복사(Copy) 오버헤드를 줄이기 위해 Ion 또는 DMABUF를 통한 공유 메모리 방식을 사용합니다.
(3) Low Latency Mode: AAOS의 AAudio나 OpenSL ES를 활용하여 사용자에게 들리는 피드백 지연 시간을 최소화합니다.
2.5 실무적인 조언: "NPU vs DSP"
• ANC는 무조건 DSP: 딥러닝 기반 ANC(Deep ANC)도 연구되고 있지만, 8MP 정도의 사양에서는 안정적인 실시간성을 위해 DSP 기반의 FxLMS가 훨씬 현실적입니다.
• SE/SS는 NPU: 음성 향상이나 화자 분리는 연산량이 많고 패턴 인식이 중요하므로 NPU가 압도적으로 유리합니다.
추천 진행 순서:
- MATLAB에서 ANC/RNAC 알고리즘 로직 검증 (Simulink).
- 해당 로직을 C코드로 뽑아 8MP의 ARM CPU에서 먼저 구동 확인.
- 성능 확보를 위해 로직을 HiFi4 DSP(ANC)와 NPU(SE)로 각각 이관 및 최적화.
이 프로젝트에서 가장 우려되는 부분이 무엇인가요? 예를 들어 DSP로의 코드 이식인가요, 아니면 데이터 수집 단계에서의 노이즈 프로파일링인가요? 고민하시는 지점에 맞춰 더 깊은 기술적 조언을 드릴 수 있습니다.
참고:
https://www.hyundaimotorgroup.com/ko/story/CONT0000000000090019
'Project ES > : : Project : : i.MX8M & ADI' 카테고리의 다른 글
| 소음 환경 속 Noise Robustness 향상을 위한 전처리 (0) | 2026.04.17 |
|---|---|
| ONNX Runtime, TFLite를 활용한 모델 최적화와 임베디드 포팅 (0) | 2026.04.17 |
| [Ondevice-AI] Target B'D에 Conformer 포팅 Overview (0) | 2026.04.17 |