EXPERIMENTAL STUDY OF ACTIVE NOISE CONTROL FOR INDUSTRIAL FAN USING ADAPTIVE FILTER

Transkripsi

1 94 EXPERIMENAL SUDY OF ACIVE NOISE CONROL FOR INDUSRIAL FAN USING ADAPIVE FILER Bambang Riyanto ABSRAK Makalah ini menyajikan studi eksperimental sistem kendali bising aktif. Implementasi realtime sistem kendali aktif menggunakan DSP (Digital Signal Processor) dan diaplikasikan untuk meredam bising fan industri dalam ruang yang luas. Eksperimen dilakukan dengan menggunakan algoritma FilteredX LMS (FXLMS) dan FilteredU Recursive LMS (FULMS) untuk sistem kendali bising satu kanal, serta MFXLMS untuk kasus dua kanal. Hasil eksperimen memperlihatkan bahwa redaman terhadap bising di ruang yang luas hanya dapat diperoleh secara signifikan bila sensor galat ditempatkan pada lokasi yang cukup dekat dengan sumber bising. Kata kunci: Kendali bising aktif, DSP, satu kanal, multikanal, FXLMS, FULMS, MFXLMS, fan. ABSRAC his paper presents experimental study of active noise control in a large space. Realtime implementation of active control system employs DSP (Digital Signal Processor) and is applied to attenuate industrial fan noise in a large space. Experiments are performed using FiteredX LMS (FXLMS) and FilteredU Recursive LMS (FU LMS) in case of single channel, and MFXLMS in case of multichannel. he experiments show that a significant of noise attenuation is obtained in the large space if the error sensor is placed sufficiently closed to the primary noise source. Keywords: active noise control, DSP, Single channel, multi channel, FXLMS, FULMS, MFXLMS, fan. 1. PENDAHULUAN Masalah bising (suara bising) telah menjadi perhatian yang cukup serius saat ini seiring dengan semakin berkembangnya jumlah peralatan yang menjadi sumber bising di industri dan rumah tangga seperti: generator, kipas, blower, kompresor dan motor. Bising akustik (acoustic noise) secara singkat dapat didefinisikan sebagai suara yang tidak dikehendaki, yang kemunculannya tidak dapat dihindari. Bising dapat menimbulkan akibat yang cukup serius bagi kesehatan manusia, yaitu berkurangnya kemampuan pendengaran, bahkan bising yang terlalu keras atau yang didengar secara terus menerus bisa menyebabkan tuli. Selain itu bising juga menimbulkan efek psikologis, seperti munculnya perasaan tertekan dan jenuh, yang selanjutnya akan mengurangi produktivitas. Untuk dapat bekerja dengan baik, manusia memerlukan suasana kerja yang nyaman dan jauh dari kebisingan. Di samping itu akibatakibat lain yang disebabkan bising adalah terganggunya pembicaraan antar manusia, menimbulkan getaran pada bangunan dan sebagainya. Singkatnya, bising memberikan banyak pengaruh negatif, oleh karena itu bising harus diredam. Cara konvensional untuk meredam bising didasarkan pada penggunaan bahan absorber. Namun cara ini tidak cukup efektif diterapkan pada bising yang memiliki frekuensi cukup rendah karena memerlukan bahan absorber yang tebal dan berat. Cara yang efektif untuk mengatasi masalah ini adalah sistem kendali bising aktif (Active Noise Control, disingkat ANC). eknik pengendalian ini didasarkan pada prinsip interferensi destruktif antara bising dan suatu sinyal suara lain, lazim disebut anti sound (Elliot et al. 1993, 1994, 2001, Fuller dan vonflotow 1995, Kuo dan Morgan 1996). Sistem membangkitkan sinyal yang fasanya berlawanan dengan bising yang hendak diredam, sedemikian sehingga sinyal residu minimum (lihat Gambar 1). Sumber bising disebut sumber primer, sedangkan sumber sinyal anti bising disebut sumber sekunder. Penelitian dalam sistem kendali bising aktif mencakup fisik akustik, jenis sensor dan aktuator, optimisasi geometri, struktur & algoritma pengendali, dan jenis bising. Oleh karena sifat bising bergantung pada kondisi lingkungan, penelitian dalam struktur dan algoritma kendali telah menghasilkan struktur dan algoritma adaptif, seperti FXLMS (Filtered X Least Mean Square) yang didasarkan pada Filter FIR, dan FULMS (FilteredU Least Mean Square) yang didasarkan pada Filter IIR. Algoritma ini telah diterapkan untuk meredam bising yang berasal dari berbagai peralatan. Namun demikian, penelitian sejauh ini difokuskan pada bising dalam ruang tertutup yang sempit, seperti dalam pipa atau duct (Elliot dkk. 1993, 1994, 2001, Fuller dan vonflotow 1995, Kuo dan Morgan 1996, Riyanto 1998). Kendali bising aktif dalam kasus ini diketahui menghasilkan redaman total (di seluruh daerah frekuensi) yang cukup baik, dapat mencapai hingga 20 db. Dalam ruang yang lebih luas, Departemen eknik Elektro, FI IB, Jl. Ganesha 10 Bandung (40132) briyanto@lskk.ee.itb.ac.id Majalah IPEK Vol. 16, No. 3, Agustus 2005

2 95 masalah pengendalian bising menghadapi masalah dan kompleksitas yang tinggi, karena gelombang tidak lagi dapat dianggap menjalar dalam satu dimensi. Gambar 1. Konsep Kendali Aktif Bising. 2. SISEM KENDALI BISING AKIF Ada dua tipe bising di lingkungan, yaitu bising berpita lebar (wideband noise) dan berpita sempit (narrowband noise). Bising berpita lebar disebabkan, misalnya, oleh turbulensi, yang bersifat acak, sehingga energinya terdistribusi di pita yang lebar. Contoh untuk turbulensi pita lebar adalah suara frekuensi rendah dari pesawat jet atau bising impuls dari suatu ledakan. Sementara itu, untuk pita sempit, energinya terkonsentrasi untuk frekuensi tertentu saja. Bising ini berhubungan dengan mesin yang berputar atau berulang, sehingga frekuensinya periodik atau hampir periodik. Contoh sumber bising pita sempit diantaranya adalah: fan, turbin sebagai sumber daya pendukung; kompresor dalam lemari es, dan pompa pneumatik yang digunakan untuk mentransfer material di industri. Ditinjau dari penempatan sensor acuan, sistem kendali bising aktif dapat dikelompokkan menjadi sistem umpanbalik dan umpanmaju (Elliot 2001, Kuo dan Morgan 1996). Pada sistem umpanbalik, sensor galat yang diletakkan setelah sumber sekunder berfungsi rangkap sebagai sensor acuan. Sinyal acuan diperoleh melalui prediksi dari sinyal residu bising yang berkorelasi dengan sumber bising. Pada sistem umpanmaju, digunakan dua sensor untuk mengukur sinyal bising utama dan residunya. Sensor acuan diletakkan sangat dekat dengan sumber bising agar diperoleh hasil pengukuran yang berkorelasi dengan bising yang akan direduksi. Ditinjau dari jumlah kanal kendali yang tersedia, kendali bising aktif dibedakan atas sistem kanal tunggal (single channel ANC) dan multikanal (multichannel ANC). Sesuai namanya, sistem kanal tunggal dibangun dari satu sensor acuan, satu sumber sekunder, dan satu sensor galat. Meski sederhana, sistem ini cukup efektif untuk mengurangi bising dalam media satu dimensi, seperti halnya bising dalam saluran udara. Perhatikan Gambar 2 untuk penerapan dalam duct. Dalam diagram blok di atas, sinyal yang tidak diinginkan x( direkam dengan memakai mikrofon referensi dekat dengan sumber bising tersebut sebelum merambat ke loudspeaker sekunder (peredam). Jarak antara mikrofon referensi dan loudspeaker sumber sekunder yang cukup akan menghasilkan kausalitas dan koherensi yang tinggi antara lokasi sensor bising (referensi) dan lokasi suara yang akan diredam. Sistem kendali bising aktif memakai sinyal referensi itu untuk membangkitkan sinyal y( yang disalurkan ke loudspeaker, menghasilkan bising sekunder dalam ruang akustik yang fasanya berlawanan dengan bising primer, sehingga meredam bising tersebut. Sistem kendali bising aktif multikanal bertujuan untuk melakukan peredaman bising pada daerah yang lebih luas. Sistem kendali bising aktif multikanal terdiri atas beberapa sumber sekunder dan beberapa mikrofon galat (Kuo dan Morgan 1996, Elliot dan Boucher 1994, Bouchard 2001, Riyanto dkk. 2001). Khusus untuk sistem multikanal, proses pengolahan dapat dikelompokkan menjadi sistem terdesentralisasi dan tersentralisasi. Secara prinsip sistem terdesentralisasi terdiri atas sejumlah pengendali otonom yang tidak berkoordinasi satu dengan yang lain. Sistem ini hanya menggunakan setiap sensor galat yang ada untuk menentukan keluaran dari sumber sekunder di dekatnya, dan membebaskan tiap sensor galat dari ketergantungan satu dengan yang lain. Pada sistem tersentralisasi, hasil pengukuran sejumlah sensor acuan dan sensor galat dipusatkan pada satu unit pengendali. Keluaran dari satu sumber sekunder adalah hasil perhitungan yang memperhatikan data pengukuran seluruh kanal. Residu bising yang diukur sensor galat menyatakan interaksi berbagai sumber sekunder, dan karenanya sistem ini juga disebut fully coupled system. Pada penelitian ini, dilakukan eksperimen untuk sistem umpan maju kanal tunggal dan multi kanal. Pada sistem kanal tunggal, disajikan perbandingan struktur dan algoritma FXLMS, FULMS1 (dengan identifikasi jalur sekunder menggunakan filter FIR), FULMS2 (dengan identifikasi jalur sekunder dengan filter IIR) untuk meredam bising fan. Sinyal bising yang dihasilkan oleh fan yang digunakan dalam penelitian ini dapat dipandang sebagai bising berpita sempit dengan frekuensi bising utama di 127 Hz dan 254 Hz. Sensor yang digunakan adalah mikrofon, baik sebagai sensor referensi maupun sebagai sensor galat. Vol. 16, No. 3, Agustus 2005 Majalah IPEK

3 96 Noise Source Primary Noise x( Reference Microphone ANC y( Canceling Loudspeaker Eror Microphone Gambar 2. Sistem kendali bising aktif umpan maju satu kanal. Pada ANC multikanal, eksperimen peredaman bising fan dilakukan dengan algoritma FXLMS tersentralisasi. Masukan ke pengendali ANC adalah sinyal bising asli yang diubah ke dalam bentuk elektrik sedangkan keluaran dari setiap mikrofon galat akan digunakan untuk mengadaptasi nilainilai koefisien dalam filter yang digunakan. Pada kasus ini, dilakukan dua macam eksperimen multikanal dengan 1 mikrofon referensi, 2 mikrofon galat dan 2 speaker aktuator untuk meredam sinyal bising fan yang direkam dan bising fan secara langsung. 3. ALGORIMA ADAPIF 3.1 FXLMS Algoritma FXLMS (FilteredX Least Mean Square) merupakan modifikasi dari algoritma LMS (Least Mean Square). Modifikasi ini diperlukan untuk mengkompensasi fungsi transfer jalur sekunder yang mengikuti filter adaptif. Bagan filter adaptif dan jalur sekunder dengan algoritma FXLMS diilustrasikan dalam Gambar 3. x( W(z) P(z) y( S(z) d( + y'( e( e( dimutakhirkan (updated) setiap saat oleh algoritma LMS. e ( d( y'( X k ( d ( 2d( [ * W Xk ] ( * W Xk )...(1) d( * W e sehingga 2 ˆ e ( k 2d( [ * Xk ] 2( * W Xk ) * Xk W 2( * Xk )( d( * W Xk )...(2) 2( * Xk ) e( dan persamaan pemutakhirannya adalah ' Wk 1 Wk ( * Xk ) e( Wk X ke(...(3) dengan ' X k * Xk...(4) Algoritma yang mirip, tetapi lebih kompleks, diterapkan pada struktur multikanal tersentralisasi seperti diperlihatkan pada Gambar 4. Algoritma yang dihasilkan disebut MFXLMS (Multichannel FilterdX Least Mean Square). x( P1(z) W1(z) FXLMS W2(z) P2(z) y1( y2( e1 ( e2( S11(z) S21(z) S12(z) S22(z) d1( d2( + e1 ( e2( + Gambar 4. Sistem kendali aktif multikanal tersentralisasi. 3.2 FULMS Algoritma FULMS juga merupakan modifikasi algoritma LMS dengan struktur filter IIR, sebagaimana diperlihatkan pada Gambar 5. S^(z) x'( LMS Gambar 3. Diagram blok sistem ANC menggunakan algoritma FXLMS. Pada gambar tersebut x( adalah sinyal referensi yang berkorelasi dengan sumber bising, P (z) adalah jalur akustik dari sumber bising menuju mikrofon galat, dan S ˆ( z ) adalah model jalur sekunder S (z). W (z) adalah koefisien bobot dari filter adaptif yang nilainya Gambar 5. Diagram blok sistem ANC menggunakan algoritma FULMS. Majalah IPEK Vol. 16, No. 3, Agustus 2005

4 97 Sinyal residu (galat) diberikan oleh: e ( d( * y(...(5) dan sinyal keluaran dari filter IIR y( dihitung sebagai y( a ( x( b ( y( n 1)...(6) dimana a( dan b( adalah vektor bobot koefisen filter a ( = a ( a ( a (... a ( ] [ o 1 2 L 1 [ b 1 ( b2 (... b M ( ] b ( = dan y ( n 1) = [ y( n 1) y( n 2)... y( n M )] Definisikan vektor bobot baru w ( = a ( b( dan suatu vektor referensi baru u ( = x ( y( n 1) sehingga persamaan (6) dapat disederhanakan menjadi y( w ( u(...(7) Untuk memudahkan proses komputasi, maka pemutakhiran bobot filter (a( dan b() pada algoritma ini dapat dipisahkan menjadi: x ' a( n 1) a( ( e( '...(8) b ( n 1) b ( y ( n 1) e(...(9) dengan x' ( * x( dan y' ( * y( n 1) 4. HASIL EKSPERIMEN Perangkat eksperimen ditunjukkan pada Gambar 6 untuk kasus multikanal. Sistem ini terdiri atas DSP MS320C6701, yang melakukan seluruh pengolahan sinyal, DAC, penguat daya, speaker, mikrofon, penguat mula, dan ADC. Suatu PC terhubung ke DSP untuk melakukan pemrograman DSP dan akuisisi data secara realtime. Eksperimen dilakukan dalam ruang berukuran relatif besar (10m x 10m x 3m). Foto 1 memperlihatkan subsistem peralatan eksperimen. Dalam eksperimen ini model S(z) dibangun lebih dahulu sebelum kendali dilakukan, dengan menggunakan algoritma LMS yang diimplementasikan dalam DSP dan struktur filter FIR atau IIR. Sebagai sumber bising digunakan fan dengan 4 blade dan diameter 25 cm yang sering digunakan sebagai pendingin maupun penghisap udara (exhaus blower). Fan tersebut memiliki frekuensi bising utama di 127 Hz dan 254 Hz. Pre Amp Pre Amp MS320C6701EVM Mr Sa1 Pre Amp Sa2 Mg2 Mg1 Mr Power Amp Gambar 6. Setup eksperimen. Sb ` Power Amp Pada sistem kendali bising aktif satukanal dilakukan eksperimen untuk dua macam konfigurasi: dengan sumber bising fan sebenarnya dan dengan rekaman bising fan. Dengan mengubahubah parameter seperti: learning rate, dan orde filter ditemukan konfigurasi yang menghasilkan redaman optimum, seperti diperlihatkan pada abel 1 dan 2 (learning rate = 0.01 dan orde filter=100 untuk abel 1 dan learning rate=0.02 dan orde filter=80 untuk abel 2). redaman ditentukan berdasarkan formula = 10log(var(sebelum redama) 10log(var(setelah redama) pada frekuensi 127 Hz dan 254 Hz dihitung dengan menggunakan kerapatan spektrum daya. FULMS1 dan FULMS2 dibedakan pada penggunaan struktur filter model sekundernya, yaitu FIR untuk FULMS1 dan IIR untuk FULMS2. Pada kedua algoritma tersebut struktur filter pengendali yang digunakan adalah IIR. Dari abel 1 tampak bahwa untuk kasus predaman bising fan, FULMS1 memberikan hasil redaman yang baik di seluruh frekuensi (11.74 db), FXLMS menghasilkan redaman yang baik pada frekuensi utama(37.37db), sementara FULMS2 menghasilkan redaman yang cukup baik pada frekuensi harmonisa(3.6db). Dari abel 2 tampak bahwa FXLMS memberikan hasil redaman tertinggi di seluruh frekuensi(23.1db), FULMS1 menghasilkan redaman terbaik pada frekuensi utama(43.3db), sementara FULMS2 menghasilkan redaman terbaik pada frekuensi harmonisa(15.03db). Dalam eksperimen ini juga diukur redaman dalam dba dengan menggunakan SPL (Sound Vol. 16, No. 3, Agustus 2005 Majalah IPEK

5 98 (a) (b) (c) (d) Foto 1. Setup eksperimen ANC: a) Rangkaian ADC dan DAC, b) DSP MS32C6701 c) Penguat daya dan penguat mula d) Konfigurasi ANC Pressure Level) yang bersifat lebih sensitif terhadap pendengaran manusia. SA 10 Cm MG 43 Cm MR 35 Cm FAN Gambar 7. Geometri percobaan ANC satukanal pada Fan (MG: Mikrofon Galat, MR: Mikrofon Referensi, SA: Speaker Aktuator). SA 14 Cm 11 Cm MG 200 Cm Gambar 8. Geometri percobaan ANC satukanal untuk rekaman bising fan (MG: Mikrofon Galat, MR: Mikrofon Referensi, SA: Speaker Aktuator, SB: Sumber Bising). MR Sb abel 1. Hasil eksperimen ANC satukanal untuk bising fan dengan geometri pada Gambar 7. Algoritma pd frek pd frek 127Hz 254Hz FXLMS db db db FULMS db db db FULMS db db db abel 2. Hasil eksperimen ANC satukanal untuk rekaman bising fan dengan geometri pada Gambar 8. Algoritma pd frek 127Hz pada frek 254Hz dba FXLMS FULMS FULMS Majalah IPEK Vol. 16, No. 3, Agustus 2005

6 99 Gambar 9 memperlihatkan respons waktu sinyal bising residu yang ditangkap oleh mikrofon galat. ampak bahwa sinyal residu mencapai kondisi keadaan mantap dalam waktu yang cepat. erlihat bahwa sinyal bising memiliki amplitudo di sekitar 0,05 (dengan penyekalaa sebelum peredaman dilakukan, dan menjadi sekitar 0,02 setelah peredaman dilakukan. Pada Gambar 10, diperlihatkan kerapatan spektrum frekuensi sinyal bising sebelum dan setelah ANC diaktifkan. erlihat bahwa terdapat puncak spektrum di sekitar 127HZ dan 254Hz, dan bahwa pada frekuensi ini diamati redaman yang cukup baik. Dari hasil eksperimen pada abel 3 tampak bahwa untuk ANC multikanal diperoleh redaman yang baik (sekitar 20dB) untuk seluruh daerah frekuensi yang diukur pada kedua mikrofon galat. Di frekuensi utama dihasilkan redaman yang tinggi (3739dB) dan di frekuensi harmonisa diperoleh redaman yang cukup baik (sekitar 9dB) yang diukur pada kedua mikrofon galat. Kecenderungan yang sama juga diamati pada abel 4 untuk rekaman bising fan, meskipun dengan nilai redaman yang cukup tinggi pada frekuensi harmonisa. SA1 7 Cm MG1 40 Cm 40 Cm MR 37 Cm MG3 7 Cm SA3 Arah Angin Gambar 11. Geometri eksperimen ANC multikanal untuk bisng fan (MG: Mikrofon Galat, MR: Mikrofon Referensi, SA: Speaker Aktuator) Gambar 9. Sinyal yang ditangkap mikrofon galat (frekuensi pencuplikan 2KHz). abel 3. Hasil eksperimen ANC multikanal untuk bising fan dengan geometri pada Gambar 11. Mik Galat 1 Galat 1 di Frek 127 Hz Galat 1 di Frek 254 Hz db db db Mik Galat 2 Galat 2 pd Frek 127 Hz Galat 2 pd Frek 254 Hz db db db Sa1 12 Cm Mg1 Gambar 10. Plot kerapatan spektrum daya sinyal sebelum dan sesudah diredam. Pada kasus ANC multikanal dilakukan eksperimen dengan 2 macam konfigurasi: dengan sumber bising fan sesungguhnya dan dengan rekaman bising fan (lihat Gambar 11 dan 12). Dengan mengubahubah parameter seperti learning rate dan orde filter, untuk kasus bising fan dihasilkan nilai redaman sebagaimana diperlihatkan pada abel 3, sedangkan untuk kasus rekaman bising diperlihatkan pada abel 4. Sa2 14 Cm 100 Cm Mg2 150 Cm Mr 8 Cm Gambar 12. Geometri ANC multi kanal untuk rekaman bising fan. Sb Vol. 16, No. 3, Agustus 2005 Majalah IPEK

7 100 abel 4. Hasil eksperimen ANC multikanal untuk meredam rekaman bising fan dengan Geometri pada Gambar 12. Mik Galat 1 Mik Galat 1 pd Frek 127 Hz Mik Galat 1 pd Frek 254 Hz db db db Mik Galat 2 Mik Galat 2 pd Frek 127 Hz Mik Galat 2 pd Frek 254 Hz db db db 5. SIMPULAN Sistem kendali bising aktif dengan algoritma FXLMS dan FULMS dapat digunakan secara efektif untuk meredam bising yang diakibatkan oleh fan. Untuk kasus predaman bising fan, FULMS1 memberikan hasil redaman yang baik di seluruh frekuensi, FXLMS menghasilkan redaman yang baik pada frekuensi utama, sementara FULMS2 menghasilkan redaman yang cukup baik pada frekuensi harmonisa. Sensitivitas mikrofon dan korelasi antara sinyal referensi dan sinyal galat juga berperan penting dalam menentukan kinerja redaman yang diperoleh. Secara keseluruhan algoritma FULMS 1 memberikan peredaman yang paling baik, walaupun perbedaan itu tidak signifikan. Pada percobaan ANC multikanal, algoritma MFXLMS menghasilkan redaman yang cukup baik yaitu di sekitar 1824 db. Hasil eksperimen memperlihatkan bahwa redaman terhadap bising di ruang yang luas hanya dapat diperoleh secara signifikan bila sensor galat ditempatkan pada lokasi yang cukup dekat dengan sumber bising. Penelitian lebih lanjut diarahkan pada dua aspek: 1) menggabungkan peredam pasif dan aktif, dan 2) meningkatkan korelasi antara mikrofon galat dan referensi untuk meredam posisi yang cukup jauh. Pengembangan ke kasus nonlinier dengan jaringan syaraf tiruan didiskusikan oleh penulis (Riyanto, 2000, 2001, 2004). DAFAR ACUAN Bouchard, M. dan Quednau, S. (2000), Multichannel Recursiveleast Squares Algorithms and Fasttransversal Filters for Active Noise Control and Sound Reproduction Systems, rans. on Speech and Audio Processing, Vol. 8, n. 5, pp Elliot, S.J. (2001), Signal Processing for Active Control, Academic Press. Elliot, S.J. dan Nelson, P.A. (1993), Active Noise Control, IEEE Signal Processing Magazine, Vol. 10, No. 4, pp Elliot, S.J. dan Bouncher, C.C.(1994), Interaction between Multiple Feedforward Active Noise Control Systems, IEEE ransactions on Speech and Audio Processing, Vol. 2, No. 4, pp Fuller, C.R. dan von Flotow, A.H. (1995), Active Control of Sound and Vibration, IEEE Control Systems Magazine, Vol. 15, No. 6, pp. 919 Kuo, S. M. dan Morgan, D.R. (1996), Active Noise Control Systems: Algorithms and DSP Implementations, New York: John Wiley & Sons. Proakis, J.G. (1996), Digital Signal Processing: Principles, Algorithms, and Application, New Jersey: PrenticeHall, Inc. Riyanto, B. (2000), OnLine Secondary Path Identification of Active Noise Control Using Neural Networks, Int. Conf. Modeling and Simulation, Pittsburgh, USA.. Riyanto, B. (1998), Active Control of Acoustic Noise Using Adaptive Filter Algorithm: A Realime DSP Implementation Based on Feedforward Configuration, ISASI 98. Riyanto, B. dan Uchida, K. (2001), Active Control of Acoustic Noise Using Adaptive H Filter Algorithm, Movic 01, Osaka. Riyanto, B., Nasution, L. dan Uchida (2001), K. Active Control of Acoustic Noise Using Radial Basis Function Networks, Int. Conf. On Modeling, Identification and Control, Innsbruck, Austria. Riyanto, B., Yacoub, R. dan Uchida, K (2004), Identification of Secondary Path in ANC Using Diagonal Recurrent Neural Networks with EKF Algorithm, Proc. 5 th ASCC, Melbourne. Diterima: 17 Juni 2004 Disetujui untuk diterbitkan: 23 Agustus 2005 Majalah IPEK Vol. 16, No. 3, Agustus 2005