Bu belge, dijital ses sinyali işlemeye odaklanan, kapsamlı bir ders kitabından alıntılar sunmaktadır. İçerik, dijital sesin temel ilkelerinden başlayarak, niceleme ve örnekleme gibi sinyal dönüşüm süreçlerini, AD/DA dönüştürme yöntemlerini ve çeşitli filtreleme tekniklerini derinlemesine incelemektedir. Ayrıca, oda simülasyonu için yankı ve yankı modellemesi gibi konuların yanı sıra, dinamik aralık kontrolüve ses kodlama standartları da ele alınmaktadır. Son olarak, metin, ses uygulamaları için makine öğrenimi yaklaşımlarına ve sanallaştırılmış analog modelleme gibi ileri konulara değinerek, dijital ses işlemlemenin hem teorik temellerini hem de pratik uygulamalarını kapsayan geniş bir perspektif sunmaktadır.

Digital Audio Signal Processing 

Udo Zölzer Helmut Schmidt University Hamburg, Germany with Martin Holters, Etienne Gerat, Patrick Nowak, Purbaditya Bhattacharya, Lasse Köper, and Daniel Ahlers

Dijital Ses Sinyal İşleme Çalışma Kılavuzu

Bölüm 1: Giriş ve Temel Kavramlar

A. Sinyaller ve Sistemler

• Sürekli Zamanlı Sinyaller ve Konvolüsyon:Tanım: Mikrofon sinyali gibi sürekli zaman değişkenine sahip sinyaller.
• Konvolüsyon Entegrali: Sürekli zamanlı bir sistemin çıktısını hesaplamak için kullanılır, $y(t) = \int x(\tau)h(t – \tau) d\tau$.
• Fourier Dönüşümü: Zaman alanındaki bir konvolüsyonun frekans alanında çarpım olarak ifade edilmesini sağlar.
• Ayrık Zamanlı Sinyaller ve Konvolüsyon:Tanım: Örnekleme sonrası elde edilen, ayrık zaman değişkenine sahip sinyaller.
• Konvolüsyon Toplamı: Ayrık zamanlı bir sistemin çıktısını hesaplamak için kullanılır, $y(n) = \sum x(k)h(n – k)$.
• Ayrık Zamanlı Fourier Dönüşümü (DTFT): Ayrık zamanlı sinyallerin frekans spektrumunu analiz eder.
• Z-Dönüşümü: DTFT’nin bir uzantısıdır, yakınsama bölgesine bağlı olarak DTFT’nin yakınsamadığı sinyalleri ve dürtü yanıtlarını dönüştürmeye olanak tanır.
• FIR ve IIR Filtreler:Sonlu Dürtü Yanıtlı (FIR) Filtreler:Tanım: Dürtü yanıtı belirli bir sayıda örnekten sonra sıfıra düşen filtreler.
• Fark Denklemi: $y(n) = \sum_{k=0}^{N-1} b(k) \cdot x(n – k)$.
• Sistem Transfer Fonksiyonu ($H(z)$): $H(z) = \sum_{k=0}^{N-1} b(k) \cdot z^{-k}$.
• Özellikler: Doğrusal faz elde edilebilir, her zaman kararlıdır.
• Örnekler: Hareketli ortalama, üçgen, Parks-McClellan filtreleri.
• Sonsuz Dürtü Yanıtlı (IIR) Filtreler:Tanım: Dürtü yanıtı sonsuza kadar bozulan filtreler.
• Fark Denklemi: $y(n) = \sum_{k=0}^{N} b(k) \cdot x(n – k) – \sum_{k=1}^{N} a(k) \cdot y(n – k)$.
• Sistem Transfer Fonksiyonu ($H(z)$): $H(z) = \frac{\sum_{k=0}^{N} b(k) \cdot z^{-k}}{1 + \sum_{k=1}^{N} a(k) \cdot z^{-k}}$.
• Özellikler: Aynı filtreleme performansını elde etmek için FIR filtrelere göre daha düşük sıradan olabilir, kararlılık pollerin birim çember içinde olmasına bağlıdır.
• Örnekler: Basit birinci ve ikinci dereceden alçak geçiren, yüksek geçiren ve bant geçiren filtreler.
• Doğrusal Tahmin:Tanım: Mevcut bir örneği geçmiş weighted input örneklerinin doğrusal bir kombinasyonuyla tahmin etmek için bir sinyal işleme tekniği.
• Tahmin Hatası: $e(n) = x(n) – \hat{x}(n)$.
• Wiener-Hopf Denklemleri: Tahmin katsayılarını en aza indirilmiş karesel hataya göre hesaplamak için bir dizi denklem. Özyinelemeli LMS algoritması ile çözülebilirler.
• Uygulamalar: Kodlama (kaynak-filtre işleme), gürültü azaltma, konuşma sentezi.

Bölüm 2: Sayısallaştırma ve Nümerik Gösterim

B. Kuantizasyon

• Sinyal Kuantizasyonu:Tanım: Sürekli genlikli bir örneklenmiş sinyalin sayısallaştırılması.
• Klasik Kuantizasyon Modeli: Bir kuantizör, orijinal sinyale tekdüze dağılmış rastgele bir hata sinyali $e(n)$ eklenmesi olarak modellenebilir.
• Sinyal-Gürültü Oranı (SNR): İşaret gücünün hata gücüne oranı, genellikle desibel cinsinden ifade edilir. Kuantizörün giriş aralığına ve bit uzunluğuna ($w$) bağlıdır.
• İlk Dereceden İstatistikler: Giriş ve çıkış sinyallerinin olasılık yoğunluk fonksiyonları (PDF’ler) ve karakteristik fonksiyonları.
• İkinci Dereceden İstatistikler: Kuantizasyon hatasının spektral özelliklerini tanımlar.
• Dither:Tanım: Kuantizasyon sürecinden önce kuantize edilmiş sinyale rastgele bir dizi ($d(n)$) eklenmesi.
• Amaç: Düşük seviyeli sinyaller için doğrusal olmayan bozulmayı azaltmak ve kuantizasyon sürecini doğrusallaştırmak.
• Uygulama: Kesme (truncation) ve yuvarlama (rounding) işlemlerinde kullanılır.
• Etkiler: Kuantizasyon gürültüsünü tekdüze bir şekilde frekanslara yayar, gürültü modülasyonunu bastırır.
• Kuantizasyonun Spektrum Şekillendirme – Gürültü Şekillendirme:Tanım: Kuantizasyon hatasını algısal olarak daha az önemli frekans bölgelerine itmek.
• Mekanizma: Kuantizasyon hatasının bir transfer fonksiyonu ($H(z)$) aracılığıyla geri beslenmesi.
• Örnekler: Birinci dereceden yüksek geçiren şekillendirme ($H(z) = z^{-1}$), ikinci dereceden yüksek geçiren şekillendirme ($H(z) = -2z^{-1} + z^{-2}$).
• Dither ile Gürültü Şekillendirme: Hem hata sinyali hem de dither için yüksek geçiren spektrum şekillendirme elde etmek için dither sinyalini kuantizörden hemen önce eklemek.
• Sayı Gösterimi:Sabit Nokta Sayı Gösterimi:Tanım: Sayı aralığının ve hassasiyetin sabit olduğu bir gösterim. Dijital ses sinyalleri için tipik olarak 2’nin tümleyeni biçimi kullanılır.
• Dinamik Aralık: Maksimum ve minimum sayıların oranı olarak tanımlanır.
• Hata Modeli: Kuantizasyon hatasının orijinal sinyale eklenmesi olarak yaklaşık olarak modellenebilir.
• Sinyal-Gürültü Oranı (SNR): Giriş seviyesine bağlıdır.
• Kayan Nokta Sayı Gösterimi:Tanım: Mantis ve üstel kısımlardan oluşan bir sayı gösterimi. Geniş bir dinamik aralık sağlar.
• Dinamik Aralık: Sabit nokta gösterimine göre çok daha geniştir ve hem mantis hem de üstel bit uzunluğuna bağlıdır.
• Çarpma ve Toplama: Kayan nokta sayılarıyla işlemlerin nasıl yapıldığına ilişkin kurallar.
• Hata Modeli: Giriş sinyaline çarpımsal bir hata sinyali olarak modellenebilir.
• Sinyal-Gürültü Oranı (SNR): Giriş seviyesinden bağımsızdır, yalnızca mantisin bit uzunluğuna bağlıdır.
• Format Dönüşümü ve Algoritmalar Üzerindeki Etkileri:AD/DA Dönüşümü: Dönüşümün hassasiyeti ve ortaya çıkan SNR.
• Ekolayzırlar: Özyinelemeli dijital filtrelerle ekolayzırların uygulanmasında SNR üzerindeki etkileri.
• Dinamik Aralık Kontrolü: Sayı gösteriminin algoritma özellikleri üzerindeki etkisi.
• Karıştırma/Toplama: Aşırı yük rezervi ve DSP’lerdeki taşma bitlerinin rolü.
• Dönüşümler: Sabit noktadan kayan noktaya veya tersine dönüşümlerin SNR’yi değiştirmemesi.

Bölüm 3: AD/DA Dönüşümü ve Örnekleme Hızı Dönüşümü

C. Örnekleme Hızı Dönüşümü

• Temeller:Örnekleme hızı yükseltme (Upsampling) (L faktörü): Giriş değerleri arasına sıfırlar eklenir, ardından anti-görüntüleme filtresi uygulanır.
• Örnekleme hızı düşürme (Downsampling) (M faktörü): Bir anti-aliasing filtresi uygulanır, ardından her M’inci örnek alınır.
• Genlik Etkisi: Upsampling ve downsampling sırasında sinyal gücünün korunması.
• Senkron Dönüşüm:Çok Aşamalı Dönüşüm: Karmaşıklığı azaltmak için birden fazla upsampling ve downsampling aşaması kullanmak.
• Polifaz Gösterimi: Filtre işlemlerinin daha düşük bir örnekleme hızında yapılmasını sağlayan verimli bir uygulama yöntemi.
• Asenkron Dönüşüm:Tanım: Farklı ve bağlantısız örnekleme hızlarına sahip kısmi sistemler arasındaki dönüşüm.
• DA/AD Dönüşümlerinin Yaklaşımı: Birinci sistemin örnekleme hızıyla DA dönüşümü, ardından ikinci sistemin örnekleme hızıyla AD dönüşümü.
• İnterpolasyon Yöntemleri: Çıkış örneğini doğrudan içe dönük sinyalden hesaplamak için kullanılır.
• Polinom İnterpolasyonu: Çıkış örneğini belirlemek için $N$. dereceden bir polinom kullanmak.
• Lagrange İnterpolasyonu: $N+1$ örneği kullanarak interpolasyon.
• Spline İnterpolasyonu: Parçalı olarak tanımlanmış fonksiyonları kullanan interpolasyon.

D. AD/DA Dönüşümü

• Yöntemler:Nyquist Örneklemesi:Tanım: Bir sinyalin $f_S > 2f_B$ örnekleme hızıyla örneklenmesi.
• İşlem: Analog alçak geçiren filtreleme, örnekleme ve tutma, kuantizasyon, DSP, DA dönüşümü, analog yeniden yapılandırma filtresi.
• Sorunlar: Keskin bant sınırlayıcı filtre özelliklerinin zorluğu (anti-aliasing ve anti-imaging filtreler), sinc bozulması.
• Aşırı Örnekleme:Tanım: Dönüşüm sürecinin çözünürlüğünü artırmak ve analog filtrelerin karmaşıklığını azaltmak için kullanılır.
• Mekanizma: Kuantizasyon hatası gücünü bant geçiren aralıkta azaltmak için L faktörüyle aşırı örnekleme.
• AD/DA Dönüştürücü Uygulamaları: Gürültü şekillendirme ve aşırı örnekleme faktörü L ile SNR iyileşmesi.
• Delta-Sigma Modülasyonu:Tanım: Aşırı örnekleme kullanan bir dönüşüm stratejisi.
• Birinci Dereceden Modülatör: Hata sinyalinin güç yoğunluk spektrumunda yüksek geçişli bir ağırlıklandırma.
• İkinci Dereceden Modülatör: Hata sinyalinde daha yüksek bir yüksek geçişli ağırlıklandırma.
• Daha Yüksek Dereceden Modülatörler: Ek sıfırlar ve kutuplar ekleyerek durdurma bandını genişletmek.
• Desimasyon Filtresi: Aşırı örneklenmiş sinyali Nyquist hızına düşürmek için kullanılır. Tarak filtreleri yaygın olarak kullanılır.
• AD Dönüştürücüler:Spesifikasyonlar:Çözünürlük: Bir AD dönüştürücünün en küçük genliğini ($x_{min}$) belirler.
• Dönüşüm Süresi: İki örnek arasındaki minimum örnekleme aralığı.
• Örnekleme ve Tutma Devresi: Kuantizasyondan önce sinyali örnekler ve sabit tutar.
• Açıklık Gecikmesi: Tutma başlangıcı ile gerçek tutma modları arasında geçen süre.
• Açıklık Jitteri: Açıklık gecikmesinin örnekten örneğe değişimi, yararlı bant genişliğini sınırlar.
• Ofset Hatası ve Kazanç Hatası: İdeal eğriden sapmalar.
• Paralel Dönüştürücüler (Flash Dönüştürücüler):Çalışma: Giriş voltajı bir referans voltajıyla 2^w – 1 karşılaştırıcı kullanılarak karşılaştırılır. Yüksek örnekleme hızları için uygundur ancak yüksek hassasiyet için kullanışlı değildir.
• Başarılı Yaklaşım Yöntemi:Çalışma: Bir DA dönüştürücü ve bir karşılaştırıcı kullanarak bir ikili arama algoritması uygular. Daha yüksek çözünürlükler için uygundur.
• Sayacı Yöntemleri:İleri-Geri Sayıcı: Çıkış verilerini bir DA dönüştürücü aracılığıyla analog bir voltaja dönüştürür, sayma yönü fark sinyaliyle belirlenir.
• Tek Eğimli Sayıcı: Giriş voltajını bir testere dişi jeneratörü voltajıyla karşılaştırır.
• Çift Eğimli Dönüştürücü: İki aşamada çalışır, bir integratör ve bir referans voltajı kullanır.
• DA Dönüştürücüler:Devre İlkeleri: Genellikle giriş kodunun doğrudan dönüşüm tekniklerine dayanır.
• Anahtar Voltaj/Akım Kaynakları:Anahtar Voltaj Kaynakları: Eşit dirence sahip direnç ağlarına bağlanmış bir referans voltajı kullanır.
• Anahtar Akım Kaynakları: Akım-voltaj dönüştürücüye bağlanan belirli sayıda akım kaynağını anahtarlar.
• Ağırlıklı Dirençler ve Kapasitörler:Ağırlıklı Dirençler: Ağırlıklı akım kaynakları kullanılarak, dirençlerin oranı 2:1’e düşürülür.
• Ağırlıklı Kapasitörler: Kapasitörleri bir referans voltajına veya toprağa bağlayarak çalışır.
• R-2R Direnç Ağları: Ağırlıklı direnç yöntemlerine göre daha küçük direnç oranları sağlar.
• Delta-Sigma DA Dönüştürücü: Bir delta-sigma modülatörü ve bir dijital alçak geçiren filtre kullanarak aşırı örnekleme uygular.

Bölüm 4: Ses İşleme Sistemleri ve Ekolayzırlar

E. Ses İşleme Sistemleri

• Dijital Sinyal İşlemcileri (DSP’ler):Sabit Nokta DSP’ler: 2’nin tümleyeni formatında sayılarla çalışır, ALU, MAC, program ve veri belleği içerir.
• Kayan Nokta DSP’ler: Daha geniş dinamik aralık ve otomatik ölçeklendirme için kayan nokta aritmetiği kullanır.
• Dijital Ses Arayüzleri:İki Kanallı AES/EBU Arayüzü: Profesyonel ses cihazları için standart, iki kanalın seri iletimini sağlar.
• MADI Arayüzü: Çok kanallı ses iletimi için (64 kanala kadar).
• HDMI’da Ses: Video ve yardımcı verilerle birlikte dijital ses verilerini iletir.
• Ses Bilgisayar Arayüzleri: USB, Thunderbolt, Bluetooth gibi yaygın arayüzler.
• Ses Ağı Arayüzleri: LAN ve internet tabanlı protokoller (AES50, AVB, Dante, Ravenna, AES67).

1. İki Kanallı Sistemler: Stereo işleme için genellikle tek bir DSP ile gerçekleştirilir.
2. Çok Kanallı Sistemler: Çok çekirdekli CPU’lar, GPU’lar ve FPGA’lar kullanılarak paralel DSP işleme yoluyla gerçekleştirilir.

F. Ekolayzırlar

• Temeller:Alçak Geçiren ve Yüksek Geçiren Filtreler: Belirli bir kesme frekansına sahip bant geçiren ve durduran bantlara sahip filtreler.
• Bant Geçiren ve Bant Duran Filtreler: Bir merkez frekansı ve alt/üst kesme frekanslarına sahip filtreler.
• Çentik Filtreler: Belirli bir dar frekans aralığını bastırmak için kullanılır.
• Raf Filtreler: Belirli bir frekansın altında veya üstündeki tüm frekansları yükseltmek veya kesmek için kullanılır.
• Oktav ve Üçte Bir Oktav Filtreler: Ses spektrumunu belirli bantlara ayıran bant geçiren filtreler, ses işleme ekolayzırlarında kullanılır.
• Ağırlıklandırma Filtreleri: İnsan işitmesinin frekans bağımlı hassasiyetini taklit eder (örn. A-ağırlıklandırma, CCIR 468 ağırlıklandırma).
• Özyinelemeli Ses Filtreleri:Tasarım: S-alanında filtre tasarımı, ardından ikili dönüşüm ile Z-alanına eşleme.
• Alçak Geçiren/Yüksek Geçiren Filtreler: Butterworth yanıtı ile kullanılır.
• Bant Geçiren ve Bant Duran Filtreler: Normalleştirilmiş ve denormalize edilmiş transfer fonksiyonları.
• Raf Filtreleri: Düşük frekans (LFS) ve yüksek frekans (HFS) raf filtreleri.
• Tepe Filtreler: Belirli bir merkez frekansında yükseltme veya kesme için kullanılır.
• Parametrik Yapılar: Kazanç, kesme/merkez frekansı ve bant genişliğinin bağımsız kontrolünü sağlar.
• İleri beslemeli (FF) ve Geri beslemeli (FB) yapılar: Yükseltme ve kesme filtreleri için kullanılır.
• Basitleştirilmiş Allpass Ayrıştırma: Filtreleri bir doğrudan kol ve bir allpass filtre olarak ayırır.
• Gelişmiş Allpass Ayrıştırma: İkinci dereceden allpass filtrelerin kullanımını içerir.
• Kuantizasyon Etkileri:Katsayı Kuantizasyonu: İdeal frekans yanıtından sapmalara yol açar.
• Sinyal Kuantizasyonu (Yuvarlama Gürültüsü): Maksimum dinamik aralığı ve filtrenin gürültü davranışını belirler.
• Limit Döngüler: Filtre yapısında yuvarlama işlemlerinden kaynaklanan salınımlar.
• Gürültü Davranışı ve Katsayı Hassasiyeti: Filtre yapısına ve kesme frekansına bağlıdır.
• Farklı Filtre Yapılarının Gürültü Davranışının Analitik Karşılaştırması: Doğrudan biçim, Gold ve Rader, Kingsbury ve Zölzer filtreleri.
• Özyinelemeli Filtrelerde Gürültü Şekillendirme: Kuantizasyon hatasının geri beslenmesiyle gürültü transfer fonksiyonuna ek sıfırlar ekler.
• Ölçekleme: Sinyallerin her bir bağlantı noktasında sayı aralığı içinde kalmasını sağlamak.
• Özyinelemeli Olmayan Ses Filtreleri:Hızlı Konvolüsyonun Temelleri: Ayrık Fourier dönüşümü (DFT) ve ters DFT (IDFT) algoritmalarını kullanarak konvolüsyonun verimli bir şekilde hesaplanması.
• Uzun Dizilerin Hızlı Konvolüsyonu: Giriş dizisini bloklara ayırarak ve çakışma-toplama veya çakışma-kaydetme yöntemlerini kullanarak sonsuz uzunluktaki dizilerin konvolüsyonu.
• Doğrusal Fazlı Filtre Tasarımı: Faz yanıtının doğrusal olduğu filtrelerin tasarlanması.
• Çoklu Tamamlayıcı Filtre Bankası:Prensipler: Kritik örneklenmiş filtre bankaları ve öngörüsüz işlemeye olanak tanıyan değiştirilmiş bir oktav bant filtresi bankası.
• Hesaplama Karmaşıklığı: Frekans bantlarının ve dikey aşamaların sayısından bağımsız toplam karmaşıklık.
• Örnek: Sekiz bantlı çoklu tamamlayıcı filtre bankası tasarımı.

Bölüm 5: Oda Simülasyonu ve Dinamik Aralık Kontrolü

G. Oda Simülasyonu

• Temeller:Oda Akustiği: Oda dürtü yanıtının doğrudan sinyal, erken yansımalar ve sonraki yankılanma olarak ayrılması.
• Model Tabanlı Oda Dürtü Yanıtları: Işın izleme modeli ve görüntü modeli kullanılarak analitik olarak belirlenir.
• Oda Dürtü Yanıtlarının Ölçümü: Dürtü uyarımı veya yalancı rastgele diziler kullanılarak.
• Oda Dürtü Yanıtlarının Simülasyonu: Parametrik ayarlamaya olanak tanıyan özel yaklaşımlar.
• Erken Yansımalar:Tanım: Oda algısını belirleyici şekilde etkileyen ve uzamsal etkiyi oluşturan yansımalar.
• Ando’nun Araştırmaları: Tercih edilen gecikme süresi, yön, genlik ve spektrumu tanımlar.
• Gerzon Algoritması: Birden fazla ses kaynağı tarafından üretilen erken yansımaları simüle etmek için kullanılır. Craven Hipotezi, kaynak ile ilk yansıma arasındaki mesafeyi ve genlik oranlarını kullanır.
• Sonraki Yankılanma:Schroeder Algoritması: Üstel bozunmaya sahip bir dürtü yanıtını simüle etmek için özyinelemeli tarak filtreleri ve allpass filtreleri kullanır.
• Frekans Yoğunluğu ve Yankı Yoğunluğu: Oda yanıtının algısal özelliklerini artırmak için parametreler.
• Doğal Olmayan Rezonanslardan Kaçınma: Paralel devreler ve allpass filtre kademeleri kullanmak.
• Yankılanma Süresi: Geri besleme faktörü veya gecikme parametresi ile ayarlanır.
• Genel Geri Besleme Sistemleri: Ortogonal matrisler ve çapraz matrisler kullanılarak karmaşık yankılanma kuyrukları üretilir.
• Geri Besleme Allpass Sistemleri: Gecikme hatları ve gömülü allpass sistemleri kullanır.
• Oda Dürtü Yanıtlarının Yaklaşımı:Çok hızlı sinyal işleme kullanarak oda dürtü yanıtlarını tek bir adımda ölçer ve tahmin eder.
• Alt bant dürtü yanıtları, özyinelemeli olmayan bir filtre ve özyinelemeli bir tarak filtresi ile tahmin edilir.

H. Dinamik Aralık Kontrolü

• Temeller:Tanım: Bir sinyalin dinamik aralığını belirli gereksinimlere uyarlamak.
• İşlem: Giriş seviyesini ölçmek ve sinyal seviyesini bir kazanç faktörü ($g(n)$) ile ayarlamak.
• Dinamik Aralık Kontrol Cihazları: Sınırlayıcı (limiter), kompresör, genişletici (expander), gürültü kapısı (noise gate).
• Statik Eğri:Tanım: Giriş seviyesi ile ağırlıklandırma seviyesi arasındaki ilişkiyi tanımlar.
• Eşikler: Sınırlayıcı, kompresör, genişletici ve gürültü kapısı için eşik noktaları.
• Sıkıştırma Faktörü (Oran) ve Eğri (Eğim): Giriş seviyesi değişimi ile çıkış seviyesi değişimi arasındaki oran.
• Yumuşak ve Sert Diz: Kompresör eğrisindeki geçiş bölgeleri.
• Dinamik Davranış:Seviye Ölçümü: Tepe (PEAK) ve RMS (Root Mean Square) ölçümleri ile gerçekleştirilir.
• Kazanç Faktörü Düzeltme: Uygulanan kazanç faktörünü yumuşatmak için saldırı ve bırakma süreleri kullanılır.
• Zaman Sabitleri: Birinci dereceden alçak geçiren filtreler ile saldırı, bırakma ve ortalama alma sürelerini ayarlamak.
• Uygulama:Sınırlayıcı: Çıkış seviyesini bir eşiğin üzerinde sınırlar.
• Kompresör: Giriş seviyesindeki bir değişimi daha küçük bir çıkış seviyesi değişimine eşler.
• Genişletici: Giriş seviyesindeki değişiklikleri daha büyük çıkış seviyesi değişikliklerine yükseltir.
• Gürültü Kapısı: Düşük seviyeli sinyalleri bastırır.
• Kombinasyon Sistemi: Tek bir sistemde sınırlayıcı, kompresör, genişletici ve gürültü kapısı işlevlerini birleştirir.
• Ducking: İkinci bir sinyali yan zincir girişi olarak kullanarak başka bir sinyalin seviyesini kontrol etmek.
• Lookahead: Değişimlere tepki verme süresini azaltmak için doğrudan yola bir gecikme eklemek.
• Gerçekleme Yönleri:Örnekleme Hızı Azaltma: Hesaplama karmaşıklığını azaltmak için zirve/RMS hesaplamasından sonra downsampling yapmak.
• Çok Kanallı Sistemler: Stereo veya çok kanallı sinyaller için dinamik kontrolün nasıl uygulandığı.
• Çok Bantlı DRC:Tanım: Sinyali frekans bantlarına ayırmak ve her banda kendi DRC cihazını uygulamak.
• Avantajlar: Sinyalin belirli frekans bölgelerini işler, tipik DRC artefaktlarını önler.
• Dinamik Ekolayzırlar:Tanım: Filtreleri seri olarak yerleştirilir, ancak algılama paralel olarak yapılır.
• Uygulama: Filtrenin kazancını kontrol etmek için bant sınırlı sinyallerin seviyelerini algılar.
• Kaynak-Filtre DRC:Giriş: Bir ses sinyalinden spektral zarfı (filtre katsayıları) ve kaynak sinyalini ayırmak için kullanılır.
• Denoising (Gürültü Azaltma): Genişleticileri veya gürültü kapılarını kullanarak arka plan gürültüsünü azaltır.
• Transient Kontrolü: Tahmin filtresinin yakalayamadığı geçici sinyalleri işler.

Bölüm 6: Ses Kodlama ve Makine Öğrenimi

I. Ses Kodlama

• Kaybı Olmayan Ses Kodlama:Tanım: Giriş sinyalinin tam olarak yeniden yapılandırılmasını sağlayan istatistiksel bir model ve kodlama.
• Doğrusal Tahmin: Fark sinyalinin gücünü en aza indirmek için katsayı kümesi belirlenir.
• Entropi Kodlama: Yüksek olasılıklı örnekleri daha kısa veri sözcükleriyle, düşük olasılıklı örnekleri daha uzun veri sözcükleriyle kodlar.
• Kare Paketi: Fark sinyali ve tahmin edici filtre katsayılarının kodlaması.
• Uygulamalar: Depolama ortamları, iletim ve arşivleme.
• Kaybı Olan Ses Kodlama:Tanım: İnsan işitsel algısının psikoakustik modelini kullanarak sinyali kuantize eder ve kodlar.
• Genel Çalışma: Alt bant ayrıştırma, psikoakustik model parametrelerinin hesaplanması, dinamik bit tahsisi, alt bant sinyallerinin kuantizasyonu ve kodlaması.
• Sorunlar: Kodlama ve kod çözme adımları ek sorunlara neden olabilir.
• Psikoakustik:Mutlak Duyma Eşiği: Seslerin algılanabildiği en düşük seviye.
• Maskeleme: Bir sinyalin diğerlerini duyulabilir olmayan bir seviyenin altına itmesi.
• Kritik Bantlar: İnsan işitsel sisteminin geniş bantlı sinyalleri analiz ettiği bantlar.
• Sinyal-Maske Oranı (SMR): Her alt bantta maskeleme eşiğinin altındaki kuantizasyon gürültüsü seviyesini belirler.
• ISO-MPEG1 Ses Kodlama:Filtre Bankaları: Genellikle 32 alt banda ayrıştırmak için pseudo-QMF bankaları kullanılır.
• Psikoakustik Modeller: Bit tahsisi için SMR’yi hesaplamak üzere kullanılır.
• Dinamik Bit Tahsisi ve Kodlama: Şeffaf algıyı mümkün kılmak için alt bantlara bit tahsis eder.
• MPEG-2 Gelişmiş Ses Kodlama (AAC):Ana Sinyal İşleme Adımları: Ön işleme, filtre bankası (MDCT/IMDCT), zamansal gürültü şekillendirme (TNS), psikoakustik model, tahmin, yoğunluk kodlama, M/S, kuantizör, ölçek faktörleri, bit akışı oluşturma.
• MDCT (Değiştirilmiş Ayrık Kosinüs Dönüşümü) ve IMDCT: Zaman-frekans çözümleme esnekliğini sağlar.
• Zamansal Gürültü Şekillendirme (TNS): Zamansal zarfı ağırlıklandırır.
• Kuantizasyon ve Kodlama: Doğrusal olmayan kuantizasyon ve Huffman kodlama.
• MPEG-4 Ses Kodlama:Hedefler: Daha düşük bit hızlarında kodlama ve daha yüksek kalite.
• Parametrik Ses: Sinyali sinüzoidler, harmonik bileşenler ve kalıntı bileşenlerin toplamı olarak temsil eder.
• Spektral Bant Replikasyonu (SBR): Düşük frekanslı bir sinyalden yüksek frekanslı bileşenleri yeniden yapılandırır.
• Sınırlı Enerjili Katmanlı Dönüşüm (CELT):Kareleme: Bir ses sinyalini çerçevelere ayırır ve her çerçeveyi daha kısa örtüşen zaman pencerelerine böler.
• Kazanç ve Şekil Kodlama: Spektrumu kazanç ve şekil vektörlerine ayırır.
• Kazanç Kuantizasyonu: Sembolleri kaba ve ince kuantizasyon sembolleri olarak kodlar.
• Şekil Kuantizasyonu: Piramit vektör kuantizasyonu (PVQ) kullanır.
• Aralık Kodlama: Sembollerin olasılık dağılımına dayalı bir entropi kodlama yöntemi.
• CELT Kod Çözme: Bit akışlarını kod çözme, ters kuantizasyon, kazanç katsayılarının yeniden yapılandırılması.

Bölüm 7: Doğrusal Olmayan İşleme ve Sanal Analog Modelleme

J. Doğrusal Olmayan İşleme

• Giriş:Statik Doğrusal Olmayan Sistemler (Belleksiz): Yalnızca mevcut giriş sinyali değerine etki eder.
• Dinamik Doğrusal Olmayan Sistemler (Dahili Durumlu): İçsel bir durum içerir ve keyfi davranışlar sergileyebilir.
• Sinüzoidal Girişin Etkisi: Harmonikler, giriş frekansının katları olarak görünür.
• Çoklu Sinüzoidal Girişin Etkisi: Fark frekanslarına göre ek bileşenler ortaya çıkar.
• Aşırı Sürücü (Overdrive), Bozulma (Distortion), Kırpma (Clipping):Tanım: Sinyal genliğine uygulanan doğrusal olmayan işlemler.
• Farklı Sesler: Yumuşak kırpma daha hafif bir sese yol açarken, sert kırpma daha keskin bir sese yol açar.
• Diyot Kırpıcılar: Doğrusal olmayan filtrelere örnekler.
• Doğrusal ve Doğrusal Olmayan Kısımlara Ayırma: Bir doğrusal olmayan sistemi doğrusal bir filtreye ve ardından doğrusal olmayan bir eşleme fonksiyonuna ayırma.
• Doğrusal Olmayan Filtreler:Tanım: Gecikme bloklarının arkasına doğrusal olmayan eşleme fonksiyonlarının eklendiği filtreler.
• Kararlılık: Sistemin anlık kutup konumlarının büyüklüğü birim çemberden kesinlikle küçükse kararlılık sağlanır.
• Uygulamalar: Doymuş transistör veya tüp aşamaları gibi daha analog benzeri sesler oluşturur.
• Aliasing ve Gürültü Azaltma:Sorun: Doğrusal olmayan işlemler, Nyquist sınırının üzerinde harmonikler oluşturabilir ve örnekleme sonrası aliasing bozulmasına yol açabilir.
• Aşırı Örnekleme: Örnekleme frekansını artırarak aliasing bozulmasını azaltır.
• Anti-Türevli Anti-Aliasing: Doğrusal olmayan fonksiyonun integralini alarak aliasingi azaltır.
• İleri Düzey Teknikler: Çoklu örnekleme ve anti-türevli anti-aliasingin kombinasyonu.

K. Sanal Analog Modelleme

1. Tanım: Mevcut analog devrelerden dijital modeller oluşturmak.

• Model Tipleri:Blackbox Modelleri: Yalnızca analog devrenin giriş ve çıkış verilerine dayanır.
• Graybox Modelleri: Giriş ve çıkış verilerinden daha fazla bilgiye sahiptir, ancak sınırlıdır.
• Whitebox Modelleri: Analog devrenin tüm bilgilerini kullanır (voltaj, akım ilişkileri).
• Dalga Dijital Filtreler (WDF’ler):Tanım: Bir analog devreyi Kirchhoff alanından dalga alanına dönüştürmek için kullanılır.
• Dalga Değişkenleri: Gelen ve yansıyan dalgalar.
• Devre Elemanlarının Dönüştürülmesi: Dirençler, kapasitörler, indüktörler ve diyotlar.
• Adaptörler: Dalga dijital filtre elemanlarını birbirine bağlamak için kullanılır (seri veya paralel bağlantı).
• Durum Alanı Yaklaşımları:Tanım: Herhangi bir devre şemasından doğrusal olmayan bir durum alanı modeli türetmek.
• Sistem Denklemleri: Durum, giriş, çıkış ve doğrusal olmayan elementler için matris formundaki denklemler.
• Ayrıklaştırma: Zaman integrasyonu kuralları kullanılarak sürekli zaman sistemlerinin ayrık zaman modellerine dönüştürülmesi.

Bölüm 8: Makine Öğrenimi için Ses

L. Makine Öğrenimi için Ses

• Giriş:Denetimli Öğrenme: İnsan tarafından etiketlenmiş verilerle model eğitimi.
• Denetimsiz Öğrenme: Etiketlenmemiş veri kümelerindeki gizli kalıpları belirleme.
• Uygulamalar: Ses analizi, parmak izi, ayrıştırma, kör kaynak ayırma, kümeleme, boyut azaltma.
• Derin Denetimsiz Öğrenme: Oto-kodlayıcılar, derin inanç ağları (DBN), kendi kendini düzenleyen haritalar (SOM) gibi modelleri kullanır.
• Gradyan İnişi ve Geri Yayılım:Amaç: Optimal bir parametre kümesi bulmak için bir hedef fonksiyonunu en aza indirmek.
• Geri Yayılım: Gradyanların zincir kuralı ile katmanlar arasında hesaplandığı bir yöntem.
• İleri Beslemeli Yapay Sinir Ağı (ANN): Yapay nöronların bir koleksiyonuna dayanır.
• Aktivasyon Fonksiyonu: Her nöron üzerinde doğrusal olmayan bir işlem gerçekleştirir (sigmoid, Tanh, ReLU).
• Gradyan Hesaplama: Kayıp fonksiyonunun ağırlıklar ve önyargılarla ilgili kısmi türevleri.
• Parametre Güncelleme: Gradyan inişi veya daha hızlı yöntemlerle yinelemeli güncelleme.
• Evrişimsel Sinir Ağı (CNN): Özellikle görüntü ve ses sinyalleri için tasarlanmıştır.
• Evrişim Katmanları: Girdi üzerinde kayan pencereler kullanarak özellikler çıkarır.
• Gradyan Hesaplama: Geri yayılım ile filtre katsayıları ve önyargılar için.
• Uygulamalar:Parametrik Filtre Adaptasyonu:HRTF Modellemesi: Kulaklıklar aracılığıyla uzamsal ses oluşturmak için kaskad edilmiş tepe ve raf filtrelerini kullanarak başa bağlı transfer fonksiyonlarını (HRTF) modellemek.
• Türevin Formülasyonu: Kazanç, bant genişliği ve merkez frekansı gibi filtre parametrelerine göre kısmi türevlerin hesaplanması.
• Oda Simülasyonu:Geri Beslemeli Gecikme Ağı (FDN) Adaptasyonu: Geri besleme gecikme ağlarını kullanarak istenen bir oda dürtü yanıtını veya yankılanma süresini modellemek.
• Geri Yayılım: FDN parametrelerini optimize etmek için kayıp fonksiyonunun türevini hesaplar.
• Ses Gürültü Azaltma:CNN Mimarisi: Ses sinyallerindeki gürültüyü azaltmak için evrişimsel ve dikkat katmanlarını kullanır.
• Kayıp Fonksiyonu: Tahmin edilen ve gerçek çıkış arasındaki hata.
• Model Değerlendirme: SNR, PESQ, ODG gibi metrikleri kullanarak model performansını değerlendirmek.

Sınav: Kısa Cevaplı Sorular

Talimatlar: Her soruyu 2-3 cümleyle yanıtlayın.

1. Sabit nokta sayı gösterimi ile kayan nokta sayı gösterimi arasındaki temel fark nedir ve bu, dijital ses işleme algoritmaları için ne gibi sonuçlar doğurur?
2. Klasik kuantizasyon modelinde sinyal-gürültü oranı (SNR) nasıl tanımlanır? Bir kuantizörün kelime uzunluğu (w) ve pik faktörü (PF) bu SNR’yi nasıl etkiler?
3. Delta-sigma modülasyonunda “gürültü şekillendirme” kavramını açıklayın. Bu teknik, kuantizasyon hatasının spektrumunu nasıl etkiler?
4. Oda simülasyonunda “erken yansımalar” neden önemlidir ve “Gerzon Algoritması” bu yansımaları nasıl simüle eder?
5. Dinamik Aralık Kontrolü (DRC) sistemlerinde “saldırı süresi” ve “bırakma süresi” kavramlarını açıklayın. Bu parametreler bir sinyalin dinamik davranışını nasıl etkiler?
6. Kaybı olan ses kodlamasında “psikoakustik modelin” temel amacı nedir? İşaret-maske oranı (SMR) bu modelde nasıl kullanılır?
7. Doğrusal olmayan bir filtreyi tanımlayın ve doğrusal filtrelere göre kararlılık analizi açısından temel farkını açıklayın.
8. Dalga dijital filtreleri (WDF’ler) ve durum alanı yaklaşımları olmak üzere iki ana sanal analog modelleme yaklaşımı arasındaki fark nedir?
9. Makine öğreniminde “denetimli öğrenme” ile “denetimsiz öğrenme” arasındaki farkı açıklayın ve her birine dijital ses işleminden bir örnek verin.
10. Bir YSA’daki (Yapay Sinir Ağı) “aktivasyon fonksiyonunun” rolü nedir? Bilinen üç yaygın aktivasyon fonksiyonunu adlandırın.

Cevap Anahtarı: Kısa Cevaplı Sorular

1. Sabit nokta sayı gösterimi ile kayan nokta sayı gösterimi arasındaki temel fark nedir ve bu, dijital ses işleme algoritmaları için ne gibi sonuçlar doğurur? Sabit nokta gösterimi, bir sayının tam ve kesirli kısımlarının konumunu sabitler, bu da sınırlı dinamik aralık ve taşma riskiyle sonuçlanır. Kayan nokta gösterimi ise sayıyı bir mantis ve bir üstel olarak temsil ederek çok daha geniş bir dinamik aralık ve otomatik ölçekleme sağlar, bu da karmaşık ses işleme algoritmalarında doğruluğu ve esnekliği artırır.
2. Klasik kuantizasyon modelinde sinyal-gürültü oranı (SNR) nasıl tanımlanır? Bir kuantizörün kelime uzunluğu (w) ve pik faktörü (PF) bu SNR’yi nasıl etkiler? SNR, işaret gücünün kuantizasyon hata gücüne oranı olarak tanımlanır ve tipik olarak desibel cinsinden ifade edilir. Kelime uzunluğu ($w$) her bir ek bit için SNR’yi yaklaşık 6.02 dB artırırken, pik faktörü (PF) sinyalin dinamik aralığını yansıtır ve daha düşük bir PF, daha yüksek bir SNR’ye yol açar.
3. Delta-sigma modülasyonunda “gürültü şekillendirme” kavramını açıklayın. Bu teknik, kuantizasyon hatasının spektrumunu nasıl etkiler? Gürültü şekillendirme, kuantizasyon hatasını algısal olarak daha az önemli frekans bölgelerine (genellikle yüksek frekanslara) kaydırma tekniğidir. Bu, hatanın bir geri besleme döngüsü aracılığıyla filtrelenmesiyle başarılır, bu da algısal olarak önemli olan bant geçiren bölgedeki gürültü seviyesini azaltırken toplam gürültü gücünü korur.
4. Oda simülasyonunda “erken yansımalar” neden önemlidir ve “Gerzon Algoritması” bu yansımaları nasıl simüle eder? Erken yansımalar, odanın algılanmasında ve uzamsal etkinin yaratılmasında kritik öneme sahiptir. Gerzon Algoritması, doğrudan sinyal ile ilk yansıma arasındaki genlik ve gecikme süresi oranlarını kullanarak mesafeyi algılayan Craven hipotezine dayanır. Birden fazla ses kaynağı için erken yansımaları simüle etmek amacıyla bir dizi kazanç faktörü ve gecikme uygular.
5. Dinamik Aralık Kontrolü (DRC) sistemlerinde “saldırı süresi” ve “bırakma süresi” kavramlarını açıklayın. Bu parametreler bir sinyalin dinamik davranışını nasıl etkiler? Saldırı süresi, bir sinyal bir eşiği aştığında DRC cihazının tepki vermesi için gereken süredir, bırakma süresi ise sinyal eşiğin altına düştüğünde cihazın normal kazanç durumuna dönmesi için gereken süredir. Bu parametreler, cihazın dinamik değişikliklere ne kadar hızlı veya yavaş tepki vereceğini kontrol ederek, işlenen sinyalin pürüzsüzlüğünü veya pompalama gibi artefaktlarını etkiler.
6. Kaybı olan ses kodlamasında “psikoakustik modelin” temel amacı nedir? İşaret-maske oranı (SMR) bu modelde nasıl kullanılır? Psikoakustik modelin temel amacı, insan kulağının algısal sınırlarını istismar ederek, algısal olarak önemsiz olan ses verilerini atmaktır. İşaret-maske oranı (SMR), bir sinyalin belirli bir kritik banttaki maskeleme eşiğinin ne kadar üzerinde olduğunu belirlemek için kullanılır; bu, o alt banttaki sinyali şeffaf bir şekilde kodlamak için gereken bit sayısını tahsis etmek için bir temel oluşturur.
7. Doğrusal olmayan bir filtreyi tanımlayın ve doğrusal filtrelere göre kararlılık analizi açısından temel farkını açıklayın. Doğrusal olmayan bir filtre, çıktısı doğrusal olmayan bir fonksiyon aracılığıyla girdisine ve iç durumlarına bağlı olan bir sistemdir. Doğrusal filtrelerin aksine, doğrusal olmayan filtrelerin kararlılığı sabit kutup konumlarına sahip değildir; bunun yerine, kararlılık sistemin durumuna bağlı olarak anlık kutup konumlarının birim çember içinde kalıp kalmamasına bağlıdır, bu da Lyapunov kararlılık gibi daha karmaşık analizler gerektirir.
8. Dalga dijital filtreleri (WDF’ler) ve durum alanı yaklaşımları olmak üzere iki ana sanal analog modelleme yaklaşımı arasındaki fark nedir? Dalga dijital filtreleri, analog devreleri Kirchhoff alanından dalga alanına dönüştürerek modellenir, burada devre elemanları gelen ve yansıyan dalgalarla temsil edilir. Durum alanı yaklaşımları ise devreyi bir dizi doğrusal diferansiyel denklem ve doğrusal olmayan fonksiyonlar içeren durum değişkenleri açısından modelleyerek, devrenin zaman içindeki dinamiklerini tanımlar.
9. Makine öğreniminde “denetimli öğrenme” ile “denetimsiz öğrenme” arasındaki farkı açıklayın ve her birine dijital ses işleminden bir örnek verin. Denetimli öğrenme, modelin bilinen giriş-çıkış çiftlerinden (etiketli veriler) öğrendiği bir makine öğrenimi türüdür; örneğin, gürültü azaltma için gürültülü ve temiz ses kayıtlarını kullanmak. Denetimsiz öğrenme ise modelin etiketlenmemiş veri kümelerindeki gizli kalıpları veya yapıları belirlediği yerdir; örneğin, kör kaynak ayırma için farklı enstrüman izlerini ayırmak.
10. Bir YSA’daki (Yapay Sinir Ağı) “aktivasyon fonksiyonunun” rolü nedir? Bilinen üç yaygın aktivasyon fonksiyonunu adlandırın. Bir YSA’daki aktivasyon fonksiyonu, bir nöronun çıktı üzerinde doğrusal olmayan bir işlem gerçekleştirerek ağın karmaşık, doğrusal olmayan ilişkileri öğrenmesini sağlar. Bu doğrusal olmayanlık, ağın basit doğrusal modellerden daha fazlasını modellemesine olanak tanır. Bilinen üç yaygın aktivasyon fonksiyonu şunlardır: Sigmoid, Tanh ve ReLU (Rectified Linear Unit).

Makale Formatında Sorular

1. Dijital ses sinyal işleminde kuantizasyonun rolünü kapsamlı bir şekilde tartışın. Klasik kuantizasyon modeli, dither teknikleri ve kuantizasyon hatası spektrum şekillendirme (gürültü şekillendirme) arasındaki ilişkiyi açıklayın. Bu tekniklerin dijital ses sinyallerinin algılanan kalitesini nasıl toplu olarak etkilediğini analiz edin.
2. Örnekleme hızı dönüşümünün prensiplerini ve uygulamalarını açıklayın. Senkron ve asenkron dönüşüm arasındaki temel farklılıkları detaylandırın. Polifaz gösteriminin rolünü ve karmaşıklığı azaltmak için çok aşamalı dönüşüm sistemlerinde nasıl kullanıldığını analiz edin.
3. Dijital ekolayzırların tasarımı ve uygulanmasında özyinelemeli (IIR) ve özyinelemeli olmayan (FIR) filtreler arasındaki farkları karşılaştırın ve karşılaştırın. Her filtre tipinin avantajlarını ve dezavantajlarını tartışın ve dijital ses uygulamalarında performanslarını etkileyen kuantizasyon etkilerini (katsayı ve sinyal kuantizasyonu, gürültü şekillendirme dahil) analiz edin.
4. Oda simülasyonu tekniklerinin evrimini tartışın. Gerçekçi bir oda akustiği oluşturmak için erken yansımaların ve sonraki yankılanmanın nasıl modellendiğini açıklayın. Schroeder algoritmasından modern genel geri besleme sistemlerine (FDN’ler) kadar olan gelişmeleri açıklayın ve bu yöntemlerin hesaplama karmaşıklığı ile algısal kalitesini karşılaştırın.
5. Makine öğreniminin dijital ses işleme alanında nasıl devrim yarattığını tartışın. Denetimli ve denetimsiz öğrenme yöntemleri ile ilgili temel prensipleri açıklayın ve her bir öğrenme paradigmasından özel dijital ses uygulamalarına (örn. gürültü azaltma, parametrik filtre adaptasyonu, oda simülasyonu) örnekler verin. Gradyan inişi ve geri yayılım algoritmalarının bu modellerin eğitiminde nasıl rol oynadığını detaylandırın.

Anahtar Terimler Sözlüğü

• AD (Analog-Dijital) Dönüştürücü: Sürekli zamanlı bir analog sinyali ayrık zamanlı bir sayı dizisine dönüştüren cihaz.
• Açıklık Gecikmesi (Aperture Delay): Bir örnekleme ve tutma devresinde tutma modunun başlangıcı ile sinyalin gerçekten sabit tutulduğu an arasında geçen süre.
• Açıklık Jitteri (Aperture Jitter): Açıklık gecikmesinin örnekten örneğe rastgele değişimi, yüksek frekanslarda SNR’yi etkiler.
• Aktivasyon Fonksiyonu: Bir yapay sinir ağındaki nöronların doğrusal olmayan bir işlem gerçekleştirmesini sağlayan fonksiyon (örn. Sigmoid, Tanh, ReLU).
• Aliasing Bozulması: Bir sinyal Nyquist oranının altında örneklenirse veya doğrusal olmayan işlemlerden sonra yüksek frekanslı harmonikler Nyquist frekansının altına katlanırsa ortaya çıkan frekans çakışması.
• Allpass Filtre: Tüm frekanslarda birim kazancı olan ancak faz yanıtını değiştiren bir filtre. Oda simülasyonunda ve parametrik filtrelerde kullanılır.
• Anti-aliasing Filtre: Örnekleme öncesinde sinyali Nyquist frekansının üzerine çıkan frekans bileşenlerinden arındırarak aliasingi önleyen alçak geçiren filtre.
• Anti-imaging Filtre: Dijitalden analoğa dönüşüm sonrası örnekleme işlemi nedeniyle oluşan istenmeyen spektral görüntüleri kaldıran alçak geçiren filtre.
• Aralık Kodlama (Range Coding): Sembollerin olasılık dağılımına dayalı, aralığı daraltarak sembolleri kodlayan bir entropi kodlama yöntemi.
• Asenkron Dönüşüm: Farklı ve bağlantısız örnekleme hızlarına sahip sistemler arasında örnekleme hızı dönüşümü.
• Aşırı Örnekleme (Oversampling): Dönüşüm sürecinin çözünürlüğünü artırmak ve analog filtrelerin karmaşıklığını azaltmak için örnekleme hızını Nyquist oranının üzerine çıkarmak.
• Aşırı Sürücü (Overdrive): Sinyale uygulanan, genellikle yumuşak kırpmaya yol açan doğrusal olmayan bir işlemle ses kalitesini kasıtlı olarak bozma efekti.
• Ayrık Zamanlı Fourier Dönüşümü (DTFT): Ayrık zamanlı bir sinyalin frekans içeriğini analiz etmek için kullanılan matematiksel bir araç.
• Başarılı Yaklaşım Yöntemi (Successive Approximation Method): Bir AD dönüştürücüde ikili arama algoritmasına benzer şekilde çalışan bir dönüştürme tekniği.
• Bant Geçiren Filtre: Belirli bir frekans aralığındaki sinyallerin geçmesine izin veren, bu aralık dışındaki frekansları ise zayıflatan filtre.
• Bant Duran Filtre: Belirli bir frekans aralığındaki sinyalleri zayıflatan, bu aralık dışındaki frekansları ise geçirmesine izin veren filtre (örn. çentik filtre).
• Bırakma Süresi (Release Time): Dinamik aralık kontrol cihazında bir sinyal eşiğin altına düştüğünde kazancın normal durumuna dönmesi için geçen süre.
• Çakışma-Ekleme (Overlap-Add): Uzun sinyallerin hızlı konvolüsyonunda kullanılan bir yöntem; sinyal parçalara ayrılır, ayrı ayrı konvolüsyon yapılır ve sonra sonuçlar çakıştırılarak toplanır.
• CELT (Constrained Energy Lapped Transform): Kaybı olan ses kodlama yöntemi; enerjiyi sınırlı ve örtüşen bir dönüşüm kullanarak kodlar.
• CNN (Evrişimsel Sinir Ağı): Görüntü ve ses gibi yapılandırılmış verilerdeki örüntüleri öğrenmek için tasarlanmış bir yapay sinir ağı türü.
• DA (Dijital-Analog) Dönüştürücü: Ayrık bir sayı dizisini sürekli zamanlı bir analog sinyale dönüştüren cihaz.
• Dalga Dijital Filtreler (WDF’ler): Analog devreleri Kirchhoff alanından dalga alanına dönüştürerek doğrusal ve doğrusal olmayan sistemleri modellemek için kullanılan bir teknik.
• Decimation (Örnekleme Hızı Düşürme): Bir sinyalin örnekleme hızını azaltma işlemi, genellikle bir anti-aliasing filtresi ve ardından her M’inci örneğin alınmasıyla yapılır.
• Derin Öğrenme (Deep Learning): Yapay sinir ağlarının birden fazla gizli katmana sahip olduğu bir makine öğrenimi alt alanı.
• Desimasyon Filtresi: Aşırı örneklenmiş bir sinyali Nyquist örnekleme hızına düşürmek için kullanılan bir filtre.
• Dinamik Aralık Kontrolü (DRC): Bir ses sinyalinin dinamik aralığını (maksimum ve minimum sinyal seviyeleri arasındaki fark) ayarlama işlemi.
• Dinamik Ekolayzır: Kazanç ayarı sinyal seviyesine göre dinamik olarak değişen bir ekolayzır.
• Dither: Kuantizasyon bozulmasını azaltmak için bir sinyale eklenen rastgele gürültü.
• Doğrusal Filtre: Çıkışı, girişinin doğrusal bir fonksiyonu olan sistem (süperpozisyon prensibine uyar).
• Doğrusal Tahmin (Linear Prediction): Bir sinyaldeki mevcut örneği geçmiş örneklerin doğrusal bir kombinasyonuyla tahmin etme tekniği.
• Durum Alanı Yaklaşımları (State-space Approaches): Bir sistemi, iç durumlarını temsil eden bir dizi birinci dereceden diferansiyel veya fark denklemleriyle modelleme yöntemi.
• Düşük Geçiren Filtre (Lowpass Filter): Belirli bir kesme frekansının altındaki frekansları geçiren, üstündeki frekansları ise zayıflatan filtre.
• Erken Yansımalar (Early Reflections): Bir sesin kaynaktan doğrudan dinleyiciye ulaştıktan hemen sonra duvarlar gibi yüzeylerden yansıyan ilk ses dalgaları.
• Fark Denklemi: Ayrık zamanlı bir sistemin giriş ve çıkış arasındaki ilişkisini tanımlayan bir denklem.
• FIR (Sonlu Dürtü Yanıtı) Filtre: Dürtü yanıtı belirli bir sayıda örnekten sonra sıfıra düşen dijital filtre. Doğrusal faz elde edilebilir ve her zaman kararlıdır.
• Flash Dönüştürücü (Parallel Converter): Çok hızlı AD dönüşümü için kullanılan, birçok karşılaştırıcı içeren bir dönüştürücü.
• Geri Beslemeli Gecikme Ağı (FDN – Feedback Delay Network): Oda simülasyonunda ve yankılanma efektlerinde karmaşık, dağılmış yankılanma kuyrukları oluşturmak için kullanılan bir yapı.
• Geri Yayılım (Backpropagation): Yapay sinir ağlarındaki ağırlıkları güncellemek için bir hedef fonksiyonunun gradyanını verimli bir şekilde hesaplayan algoritma.
• Gerzon Algoritması: Oda simülasyonunda erken yansımaları simüle etmek için kullanılan bir yöntem.
• Gürültü Kapısı (Noise Gate): Düşük seviyeli sinyalleri bastırmak için kullanılan bir dinamik aralık kontrol cihazı, belirli bir eşiğin altındaki sesleri tamamen keser veya zayıflatır.
• Gürültü Şekillendirme (Noise Shaping): Kuantizasyon hatasını algısal olarak daha az önemli frekans bölgelerine kaydırma tekniği.
• HD (Yüksek Tanımlı) Ses: Yüksek örnekleme hızları ve bit derinlikleriyle kaydedilmiş veya iletilmiş ses, daha geniş frekans yanıtı ve dinamik aralık sunar.
• HDMI (Yüksek Tanımlı Multimedya Arayüzü): Ses ve video verilerini tek bir kablo üzerinden iletmek için tescilli bir arayüz standardı.
• HRTF (Başa Bağlı Transfer Fonksiyonu): Bir ses kaynağı ile insan kulağı arasındaki yön bağımlı transfer fonksiyonu, uzamsal ses oluşturmak için kullanılır.
• Hızlı Konvolüsyon (Fast Convolution): Konvolüsyon işlemini ayrık Fourier dönüşümü (DFT) ve ters DFT (IDFT) algoritmalarını kullanarak verimli bir şekilde hesaplama tekniği (örn. FFT ile).
• IIR (Sonsuz Dürtü Yanıtı) Filtre: Dürtü yanıtı sonsuza kadar bozulan dijital filtre. Genellikle aynı filtreleme performansını elde etmek için FIR filtrelere göre daha düşük sıraya sahiptir.
• Image Model (Görüntü Modeli): Oda akustiğinde yankıları simüle etmek için kullanılan bir yöntem, kaynakların duvarlar boyunca yansımalarını hesaplayarak görüntü kaynakları oluşturur.
• İşaret-Maske Oranı (SMR – Signal-to-Mask Ratio): Bir sinyalin belirli bir frekans bandında maskeleme eşiğinin ne kadar üzerinde olduğunu gösteren bir ölçü, psikoakustik kodlamada bit tahsisi için kullanılır.
• Kayan Nokta (Floating-point) Sayı Gösterimi: Bir sayıyı bir mantis (önemli basamaklar) ve bir üstel (ölçek faktörü) olarak temsil eden bir yöntem, geniş bir dinamik aralık sunar.
• Kaybı Olan Ses Kodlama (Lossy Audio Coding): İnsan işitsel algısının psikoakustik modelini kullanarak algısal olarak önemsiz verileri atarak ses verilerini sıkıştırma yöntemi.
• Kaybı Olmayan Ses Kodlama (Lossless Audio Coding): Orijinal ses sinyalinin herhangi bir veri kaybı olmadan tamamen yeniden yapılandırılabildiği bir sıkıştırma yöntemi.
• Kırpma (Clipping): Bir sinyalin genliğinin belirli bir eşiği aştığında kesildiği doğrusal olmayan bir işlem, tipik olarak sert veya yumuşak olabilir.
• Klasik Kuantizasyon Modeli: Bir kuantizasyon işlemini, orijinal sinyale tekdüze dağılmış rastgele bir hata sinyali eklenmesi olarak basitleştiren model.
• Kompresör: Dinamik aralık kontrol cihazı, yüksek seviyeli sinyallerin genliğini azaltır ve dinamik aralığı sıkıştırır.
• Konvolüsyon: Bir sistemin çıktısını, giriş sinyalinin sistemin dürtü yanıtıyla matematiksel olarak birleştirilmesiyle hesaplama işlemi.
• Kritik Bantlar (Critical Bands): İnsan kulağının sesi analiz ettiği frekans bantları, psikoakustik modellerde kullanılır.
• Kuantizasyon: Sürekli genlikli bir sinyalin ayrık, sonlu bir değer kümesine dönüştürülmesi işlemi.
• Kuantizasyon Hatası: Kuantize edilmiş sinyal ile orijinal sinyal arasındaki fark.
• Lagrange İnterpolasyonu: Verilen veri noktalarından geçen bir polinomu belirlemek için kullanılan bir interpolasyon yöntemi.
• LMS (En Küçük Ortalama Kareler) Algoritması: Doğrusal tahmin ve adaptif filtrelerde kullanılan, tahmini hatayı en aza indiren yinelemeli bir algoritma.
• Lookahead: Dinamik aralık kontrolünde, gelecekteki sinyal seviyelerini tahmin etmek ve ani geçişlere daha iyi tepki vermek için sinyal yoluna gecikme ekleme tekniği.
• MADI (Multichannel Audio Digital Interface): Çok kanallı dijital ses sinyallerini iletmek için bir standart.
• Makine Öğrenimi (Machine Learning): Verilerden otomatik olarak öğrenen ve deneyimle performansını iyileştiren algoritmalar geliştirmeye odaklanan yapay zeka alt alanı.
• Maskeleme (Masking): Bir sesin (maskeleyici), başka bir sesin (maskelenen) duyulabilirliğini azaltması veya tamamen duyulamaz hale getirmesi olayı.
• MDCT (Değiştirilmiş Ayrık Kosinüs Dönüşümü): Ses kodlamasında kullanılan, zaman-frekans çözünürlüğünü optimize eden ve çakışma-ekleme/çakışma-kaydetme işlemleri için tasarlanmış bir dönüşüm.
• MPEG (Hareketli Görüntü Uzmanları Grubu): Ses ve video sıkıştırma standartlarını geliştiren bir grup.
• Multiband DRC: Sinyali frekans bantlarına ayıran ve her banda ayrı bir dinamik aralık kontrol cihazı uygulayan bir sistem.
• Nyquist Örneklemesi: Bir sinyalin bilgi içeriğini kaybetmeden orijinal sinyalin bant genişliğinin en az iki katı olan bir örnekleme hızında örneklenmesi.
• Oda Akustiği: Bir odadaki ses dalgalarının davranışını ve yayılımını inceleyen bilim dalı.
• Oda Dürtü Yanıtı (RIR – Room Impulse Response): Bir odada bir kaynaktan dinleyiciye ulaşan sesin zaman alanındaki yanıtı, doğrudan sinyal, erken yansımalar ve yankılanmadan oluşur.
• Oktav Filtre: Ses spektrumunu bir oktav genişliğinde frekans bantlarına bölen bir bant geçiren filtre.
• PEAK Ölçümü: Bir sinyalin anlık veya en yüksek genlik değerini ölçme yöntemi.
• Pik Faktörü (PF – Peak Factor): Bir sinyalin maksimum genliğinin RMS değeriyle oranı.
• Polifaz Gösterimi: Çok hızlı sinyal işleme sistemlerinde filtreleme işlemini daha düşük bir örnekleme hızında yapmak için kullanılan verimli bir uygulama yöntemi.
• Psikoakustik: Sesin insan algısını inceleyen bilim dalı.
• PVQ (Piramit Vektör Kuantizasyonu – Pyramid Vector Quantization): Ses kodlamasında şekil vektörlerini kuantize etmek için kullanılan bir teknik.
• Q-faktörü: Bir rezonatörün veya filtrenin sönümlenme derecesinin ölçüsü, rezonansın keskinliğini gösterir.
• RMS (Karekök Ortalama) Ölçümü: Bir sinyalin ortalama gücünü ölçmek için kullanılan bir yöntem, sesin algılanan “yüksekliğini” temsil eder.
• Sabit Nokta (Fixed-point) Sayı Gösterimi: Bir sayının tam ve kesirli kısımları için ayrılan bit sayısının sabit olduğu bir gösterim.
• Saldırı Süresi (Attack Time): Dinamik aralık kontrol cihazında bir sinyal bir eşiği aştığında kazancın ayarlanması için geçen süre.
• Sanal Analog Modelleme (Virtual Analog Modeling): Mevcut analog devrelerin davranışlarını dijital alanda taklit etmek için modeller oluşturma süreci.
• Sinc Fonksiyonu: İdeal bir alçak geçiren filtre için dürtü yanıtı.
• Sinyal-Gürültü Oranı (SNR – Signal-to-Noise Ratio): Bir sinyaldeki istenen bilginin gücünün istenmeyen gürültünün gücüne oranı.
• Sınırlayıcı (Limiter): Dinamik aralık kontrol cihazı, sinyal seviyesinin belirli bir eşiği aşmasını engeller.
• Sonraki Yankılanma (Subsequent Reverberation): Bir odada erken yansımalardan sonra ortaya çıkan, zamanla azalan yoğun yankı kuyruğu.
• Spline İnterpolasyonu: Parçalı olarak tanımlanmış, sonlu aralıklar üzerinde var olan fonksiyonları kullanarak interpolasyon.
• Statik Doğrusal Olmayan Sistem (Memoryless Nonlinear System): Çıkışı yalnızca mevcut giriş sinyali değerine bağlı olan ve içsel bir durumu olmayan sistem.
• Sürekli Zamanlı Sinyal: Zaman içinde sürekli değişen, yani zamanın herhangi bir anında tanımlı bir değere sahip olan sinyal (örn. analog ses).
• Tanh (Hiperbolik Tanjant) Fonksiyonu: Bir aktivasyon fonksiyonu olarak kullanılan, çıktıları -1 ile 1 arasında sınırlayan sigmoid şekilli bir fonksiyon.
• Tepe Filtre (Peak Filter): Belirli bir merkez frekansında yükseltme veya kesme uygulayan bir ekolayzır filtresi.
• TNS (Zamansal Gürültü Şekillendirme – Temporal Noise Shaping): MPEG kodlamasında kullanılan, zamansal zarfı ağırlıklandırarak algılanan gürültüyü azaltan bir teknik.
• Truncation (Kesme): Sayıları belirli bir ondalık basamak veya bit sayısına indirirken, yuvarlama yapmadan kesme işlemi.
• Upsampling (Örnekleme Hızı Yükseltme): Bir sinyalin örnekleme hızını artırma işlemi, genellikle orijinal örnekler arasına sıfırlar ekleyerek ve ardından bir interpolasyon filtresi uygulayarak yapılır.
• Yapay Sinir Ağı (YSA – ANN): İnsan beynindeki nöronların çalışma prensibinden esinlenerek oluşturulmuş, verilerden öğrenen ve örüntüleri tanıyan bir hesaplama modeli.
• Yankılanma Süresi (Reverberation Time – T60): Bir odada ses basınç seviyesinin 60 dB düşmesi için gereken süre.
• Yuvarlama (Rounding): Bir sayıyı, belirli bir ondalık basamak veya bit sayısına indirirken en yakın değere yuvarlama işlemi.
• Z-Dönüşümü: Ayrık zamanlı bir sinyali karmaşık bir frekans değişkeni alanına dönüştüren bir matematiksel araç, ayrık zamanlı sistemlerin analizinde kullanılır.
• Yüksek Geçiren Filtre (Highpass Filter): Belirli bir kesme frekansının üzerindeki frekansları geçiren, altındaki frekansları ise zayıflatan filtre.