Kulaklık Teknolojilerinde Aktif Gürültü Engelleme: Adaptif Filtreleme Algoritmaları ve Müzik Sinyalinin Korunması
DOI:
https://doi.org/10.5281/zenodo.23026923Anahtar Kelimeler:
Adaptif filtreleme, aktif gürültü engelleme, LMS, müzik teknolojileri, psikoakustik ANC, su yatağı etkisiÖzet
Aktif Gürültü Engelleme ya da daha genel adıyla Aktif Gürültü Kontrolü, istenmeyen birincil gürültü dalgasına karşılık, uygun genlik ve faz farkına sahip ikincil bir ses dalgası üretilmesi ilkesine dayanır. Bu ikincil dalga, çoğu uygulamada ve çalışmada “anti-gürültü” olarak adlandırılır. Aktif gürültü engelleme sistemi, özellikle düşük frekanslı çevre gürültülerinin azaltılmasında oldukça etkilidir fakat ANC’nin entegre olarak çalıştığı sistemlerde yalnızca gürültü azaltma oranını bir başarı olarak kabul etmek doğru olmayacaktır. Çünkü kulaklık sürücüsü aynı anda hem anti-gürültü sinyalini hem de müzik sinyalini üretmektedir. Bu durum, aktif gürültü engelleme sistemi algoritmalarının müzik sinyalinin frekans dengesi, faz farkı ve dinamik yapısı üzerinde etkili olmasına sebep olabilir.
Araştırmada LMS, NLMS, FxLMS ve RLS tabanlı adaptif filtreleme algoritmaları, matematiksel hesaplama karmaşıklığı, sistem kararlılığı ve kulaklık donanımlarına uygulanabilirlik açısından karşılaştırılıp değerlendirilmiştir. Geri beslemeli ANC sistemlerinde müzik sinyalinin hata mikrofonu tarafından algılanması, ses telafi filtrelerinin gerekliliği, su yatağı etkisi, distorsiyon, psikoakustik değerlendirme ölçütleri ve derin öğrenme tabanlı yeni yaklaşımlar tartışılmıştır. Araştırma, nitel araştırma desenine dayalı doküman analizi yöntemiyle yürütülmüştür.
Bu araştırma ile birlikte, kulaklık tabanlı ANC sistemlerinin başarısının sadece sağlanan desibel azalımıyla değil, azaltma sırasında müzik sinyalinin ne ölçüde korunduğuyla değerlendirilmesi gerektiği sonucuna ulaşılmıştır. Araştırma, ANC teknolojilerinin geleceğinde adaptif filtreleme, psikoakustik tasarım, kullanıcıya özel kalibrasyon ve derin öğrenme tabanlı modellerin birlikte ele alınmasının önemini vurgulamaktadır.
İndirmeler
Referanslar
Akhtar, M. T. (2023). Developing a new filtered-X recursive least squares adaptive algorithm based on a robust objective function for impulsive active noise control systems. Applied Sciences. https://doi.org/10.3390/app13042715
An, F., Wu, Q., & Liu, B. (2022). Audio compensation with cascade biquad filters for feedback active noise control headphones. Processes. https://doi.org/10.3390/pr10040730
Barroso Cerqueira, A. F. (2016). Active noise control headphones. Fenix.
Bose Aviation. (t.y.). History. Bose Aviation Headsets. https://boseaviation.com/about/history/
Bowen, G. A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal. https://doi.org/10.3316/QRJ0902027
Burgess, J. C. (1981). Active adaptive sound control in a duct: A computer simulation. The Journal of the Acoustical Society of America. https://doi.org/10.1121/1.386908
Colelough, B., & Zheng, A. (2024). Effects of dataset sampling rate for noise cancellation through deep learning. arXiv. https://doi.org/10.48550/arXiv.2405.20884
Elliott, S. J., & Nelson, P. A. (1993). Active noise control. IEEE Signal Processing Magazine. https://doi.org/10.1109/79.248551
George, N. V., & Panda, G. (2013). Advances in active noise control: A survey, with emphasis on recent nonlinear techniques. Signal Processing. https://doi.org/10.1016/j.sigpro.2012.08.013
Haykin, S. (2002). Adaptive filter theory (4th ed.). Prentice Hall.
Hoshina, T., Fujiyama, D., Koike, T., & Ikeda, K. (2022). Effects of an active noise control technology applied to earphones on preferred listening levels in noisy environments. Journal of Audiology & Otology. https://doi.org/10.7874/jao.2021.00612
Kajikawa, Y., Gan, W.-S., & Kuo, S. M. (2012). Recent advances on active noise control: Open issues and innovative applications. APSIPA Transactions on Signal and Information Processing. https://doi.org/10.1017/ATSIP.2012.4
Kuo, S. M., & Morgan, D. R. (1999). Active noise control: A tutorial review. Proceedings of the IEEE. https://doi.org/10.1109/5.763310
Liebich, S., Anemüller, C., Vary, P., Jax, P., Rüschen, D., & Leonhardt, S. (2016). Active noise cancellation in headphones by digital robust feedback control. 2016 24th European Signal Processing Conference (EUSIPCO). https://doi.org/10.1109/EUSIPCO.2016.7760567
Liu, R., Liu, Q., Wang, Y., Yu, W., & Cheng, G. (2025). Neural network-based ANC algorithms: A review. Journal of Vibroengineering. https://doi.org/10.21595/jve.2025.25037
Liu, Y., & Lei, Z. (2024). Review of advances in active impulsive noise control with focus on adaptive algorithms. Applied Sciences. https://doi.org/10.3390/app14031218
Lueg, P. (1936). Process of silencing sound oscillations (U.S. Patent No. 2,043,416). U.S. Patent and Trademark Office.
Merriam, S. B. (2009). Qualitative research: A guide to design and implementation. Jossey-Bass.
Mishaly, Y., Wolf, L., & Nachmani, E. (2025). Deep active speech cancellation with multi-band Mamba network. arXiv. https://arxiv.org/abs/2502.01185
Ray, L. R., Solbeck, J. A., Streeter, A. D., & Collier, R. D. (2006). Hybrid feedforward-feedback active noise reduction for hearing protection and communication. The Journal of the Acoustical Society of America. https://doi.org/10.1121/1.2259790
Rivera Benois, P., Papantoni, V., & Zölzer, U. (2018). Psychoacoustic hybrid active noise control structure for application in headphones. Proceedings of the 25th International Congress on Sound and Vibration.
Widrow, B., & Hoff, M. E. (1960). Adaptive switching circuits. 1960 IRE WESCON Convention Record.
İndir
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2026 Premium e-Journal of Social Sciences (PEJOSS)
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
