선택적 노이즈 캔슬링 기술(SNC)은 교통사고를 예방하는데 도움이 되는 핵심적인 음향 정보를 유지하면서 방해되는 소음을 줄인다. 기존의 액티브 노이즈 캔슬링(ANC)은 외부 소음을 전반적으로 차단하여 편안한 환경을 제공하지만, 자동차의 경적 소리나 엔진의 소음 같은 교통 관련 소리도 차단하여 교통 상황의 인식을 저해한다. 선택적 노이즈 캔슬링은 딥러닝 기술에 기반하여 교통 관련 소리를 인식하고, 해당되지 않는 소음에 한해 상쇄파를 발생시킨다. 이를 통해 효율적으로 필요한 음향 정보를 전달받고 주변 상황을 분석할 수 있다.
교통 관련 소리 분류를 위해 파이썬 라이브러리 librosa 기반의 모델을 사용하였다. 라이브러리 내에 저장된 경적 소리 데이터를 학습시키고, 테스트 결과를 통해 입력된 음향 정보가 경적 소리가 맞는지를 판단하는 이항분류 기법을 적용하였다. NVIDA 사의 Jetson Xaiver NX 모듈에 학습시킨 딥러닝 모델을 적용시켜 실시간 음향 분석을 통해 배경 소음과 경적 소리를 분류하는지 확인하였고, 경적 소리가 아닐 때 위상이 반전된 파를 발생시켜 노이즈 캔슬링이 이루어지도록 설계하였다.
본 대회에선 키트를 이용한 회로를 통해 선택적 노이즈 캔슬링을 구현하였다. 실제 기술 적용을 위해 향후 딥러닝 기반 분류 소프트웨어는 어플리케이션의 형태로 핸드폰에 설치하고, 음향 기기와의 실시간 통신을 통해 선택적 노이즈 캔슬링이 기존의 노이즈 캔슬링 하드웨어로 구현되도록 할 것이다. 또한, 교통 관련 소리 외에도 다양한 소리를 학습시킨 딥러닝 모델을 사용하면 환경에 맞추어 필요한 음향 정보를 받을 수 있도록 확대 및 발전시킬 수 있을 것이다.