수중 무인체(UUV, Unmanned Underwater Vehicle)의 방사 소음은 음향 신호 특성을 나타내는 중요한 지표로, 플랫폼 성능 평가에 직결된다. 기존의 물리 기반 모델링과 수치 시뮬레이션 방법은 대상 구조 정보와 환경 경계 조건에 대한 의존도가 높고, 3차원 공간에서의 연속적 스펙트럼 응답 모델링이 어렵다는 한계가 있다. 이 문제를 해결하기 위해 연구진은 신경 방사 소음 필드(NRNF, Neural Radiated-Noise Field)를 제안했다.
NRNF는 UUV의 방사 소음 스펙트럼을 수중체의 3차원 위치, 수중 청음기(hydrophone)의 3차원 위치, UUV 요(yaw) 각도, 주파수를 입력으로 받는 연속 함수로 표현한다. 이를 통해 임의의 공간 위치에서 질의 기반 예측이 가능해진다. 위치와 주파수 정보에는 사인파 인코딩을 적용하고, 학습 가능한 3차원 장면 피처 그리드를 도입해 환경 구조와 전파 효과를 명시적으로 표현한다. 연구진은 호수 실험 데이터로 스펙트럼 예측 데이터셋을 구성하고, 수평 외삽, 깊이 외삽, 교차 실행 일반화 세 가지 설정 하에서 모델을 평가했다.
평가 결과, NRNF는 50~5,000Hz 대역에서 평균 예측 오차 3.5dB를 달성했다. 세 가지 설정 중 수평 외삽이 가장 쉬웠고, 깊이 외삽이 가장 어려웠으며, 교차 실행 일반화는 중간 수준의 난이도를 보였다. 추가 절제 실험에서는 3차원 장면 피처 그리드가 모델의 예측 안정성과 공간 일반화 성능을 크게 향상시키는 것으로 확인됐다. 이 연구는 물리 기반 시뮬레이션 없이도 신경망만으로 복잡한 수중 음향 환경을 연속 공간에서 모델링할 수 있음을 보여 주며, 수중 무인 시스템 설계와 음향 특성 평가 분야에 새로운 접근법을 제시한다.
