KR20000019780A

KR20000019780A - Adaptive filter circuit

Info

Publication number: KR20000019780A
Application number: KR1019980038050A
Authority: KR
Inventors: 김형일
Original assignee: 윤종용; 삼성전자 주식회사
Priority date: 1998-09-15
Filing date: 1998-09-15
Publication date: 2000-04-15

Abstract

PURPOSE: An adaptive filter circuit is provided to reduce a mean square error while adapting to a rapid circumstance variation. CONSTITUTION: In an adaptive filter circuit, N adaptive filters(10-0-10-n) are realized with a least mean square algorithm, perform an adaptive calculation for updating values of a set of coefficients, and output an error signal according to a differential between an input signal and a reference signal. N divergence judging parts(20-0-20-n) receive the error signal, respectively to judge whether the coefficients diverge. The judging parts output the error signals corresponding to non-diverged coefficients, respectively. A comparison part(30) compares the error signals applied from the adaptive filter to output an index K of a minimum error signal. An update part(40) updates the values of the coefficient of the adaptive filters with values of a set of coefficients of the adaptive filter corresponding to the index K. The adaptive filters have different adaptive coefficients from each other.

Description

ADAPTIVE FILTER CIRCUIT

본 발명은 적응 필터(adaptive filter)에 관한 것으로, 좀 더 구체적으로는 LMS(Least Mean Square) 알고리즘으로 구현된 적응 필터의 성능을 개선한 적응 필터 회로에 관한 것이다.The present invention relates to an adaptive filter, and more particularly, to an adaptive filter circuit for improving the performance of an adaptive filter implemented by a Least Mean Square (LMS) algorithm.

적응 필터(adaptive filter)는 블라인드 채널 이퀄라이져(blind channel equalizer), 이어실 캔슬러(earseal canceller), 노이즈 감쇠기(noise reducer) 등과 같은 시스템에서 사용된다.Adaptive filters are used in systems such as blind channel equalizers, earseal cancelers, noise reducers, and the like.

적응 신호 처리(adaptive signal processing)의 기술중 가장 보편적인 알고리즘(algrithm)으로 LMS(Least Mean Square) 알고리즘이 있다. 이 방법은 구현하기 쉽고, 수학적 모델링이 간편하기 때문에 그동안 많은 분야에서 널리 응용되고 있다. LMS 알고리즘에서 계수(coefficients)의 파라메터(parameter)를 추정하는데 있어서 [수학식 1]과 같이 추정 오차 e(n)과 적응 상수 μ 값을 이용하게 된다.Among the techniques of adaptive signal processing, the most common algorithm (algrithm) is the LMS (Least Mean Square) algorithm. This method has been widely applied in many fields since it is easy to implement and simple mathematical modeling. In estimating the parameters of coefficients in the LMS algorithm, the estimation error e (n) and the adaptive constant μ value are used as shown in Equation 1.

[수학식 1][Equation 1]

a(n+1) = a(n)+μ⋅x(n)⋅e(n)a (n + 1) = a (n) + μ⋅x (n) ⋅e (n)

상기 [수학식 1]에서 x(n)은 입력 신호이고, e(n)은 추정 오차이다. 추정 오차 e(n)을 수학식으로 표현하면 [수학식 2]와 같다.In Equation 1, x (n) is an input signal, and e (n) is an estimation error. When the estimation error e (n) is expressed by Equation 2, Equation 2 is obtained.

[수학식 2][Equation 2]

적응 상수(adaptive coefficient) μ는 입력 신호 x(n)의 특성에 따라 μ_min 과 μ_max 사이의 값으로 설정된다. 그러나, 실제 상황에서는 입력 신호의 특성을 알 수 없으므로 실험을 통해 적절한 값으로 설정하게 된다. 이러한 경우, 특성이 다른 신호의 입력에 대해서는 좋은 성능을 기대할 수 없다.The adaptive coefficient μ depends on the characteristics of the input signal x (n). μ _min and μ _max Is set to a value between. However, in the actual situation, since the characteristics of the input signal are unknown, an appropriate value is set through experiments. In this case, good performance cannot be expected for the input of signals with different characteristics.

또, 적응 상수 μ의 값이 커지면 파라메터(parameter)의 갱신(update) 량이 증가하므로 실제 파라메터 값으로 추정하는데 빨리 도달할 수 있지만, 국부 최대값(local maxima)으로 수렴할 가능성이 커져 수렴후 MSE(Mean Square Error) 값이 커진다는 불리한 단점이 있다. 반대로, 상수 μ의 값이 작으면, 수렴후 안정성은 보장되지만 갱신량이 적으므로 수렴속도에 문제가 있다.In addition, if the value of the adaptation constant μ is increased, the amount of update of the parameter increases, so that it is possible to arrive quickly to estimate the actual parameter value, but the possibility of convergence to the local maxima increases, which increases MSE ( Mean Square Error) has a disadvantage in that the value increases. On the contrary, if the value of the constant μ is small, stability after convergence is guaranteed, but there is a problem in convergence speed because the update amount is small.

이와 같이, LMS 알고리즘의 성능 척도는 수렴 속도와 MSE 값에 의해 좌우되며, 적응 상수 μ의 값에 따라 수렴 속도와 MSE 값은 서로 트래이드 오프(trade off) 관계에 있다. 다시 말하면, 적응 상수 μ의 값을 크게 하여 수렴 속도를 개선하면 MSE 값이 커지는 단점이 있고, 상수 μ의 값을 작게하여 MSE 값을 개선하면 수렴 속도가 느려지는 단점이 있다. 이것은 LMS 알고리즘에서의 문제점이다.As such, the performance measure of the LMS algorithm depends on the convergence rate and the MSE value, and the convergence rate and the MSE value are traded off with each other according to the value of the adaptation constant μ. In other words, when the convergence speed is improved by increasing the value of the adaptive constant μ, the MSE value is increased, and the convergence speed is slowed when the MSE value is improved by decreasing the value of the constant μ. This is a problem in the LMS algorithm.

종래의 VSSLMS(Variable Step-Size LMS) 알고리즘은 상술한 바와 같은 문제점을 보완한 알고리즘이다. 이것은 추정 오차 값에 따라 적응 상수 μ의 값을 조정하는 것으로서, 추정 오차가 커지면 적응 상수 μ 값을 크게 조정하고, 추정 오차가 작아지면 적응 상수 μ 값을 작게 조정하는 것이다.The conventional Variable Step-Size LMS (VSSLMS) algorithm is an algorithm that compensates for the problems described above. This is to adjust the value of the adaptation constant μ according to the estimated error value. When the estimation error is large, the adaptation constant μ is adjusted to a large value, and when the estimation error is small, the adaptation constant μ is adjusted to be small.

그러나, VSSLMS 알고리즘의 단점은 갑자기 환경이 변하거나 특성이 다른 신호가 입력되면 적응 능력이 떨어진다는 것이다. 최악의 경우에는 적절한 수렴 값을 찾지 못하고 발산(divergence)하는 문제점이 있었다.However, a disadvantage of the VSSLMS algorithm is that its adaptability is poor when the environment suddenly changes or signals with different characteristics are input. In the worst case, there was a problem of not finding an appropriate convergence value and diverging.

따라서, 본 발명의 목적은 상술한 제반 문제점을 해결하기 위해 제안된 것으로, MSE 값을 줄이면서, 급격한 환경 변화에 빠르게 적응하는 적응 필터를 제공하는데 있다.Accordingly, an object of the present invention is to solve the above-mentioned problems, and to provide an adaptive filter that quickly adapts to sudden environmental changes while reducing MSE value.

도 1은 본 발명의 바람직한 실시예에 따른 적응 필터의 구성을 보여주는 블록도이다.1 is a block diagram showing the configuration of an adaptive filter according to a preferred embodiment of the present invention.

*도면의 주요 부분에 대한 부호의 설명** Description of the symbols for the main parts of the drawings *

10_0, 10_1, … , 10_n : 필터 20_0, 20_1, …, 20_n : 발산 판별부10_0, 10_1,... , 10_n: filter 20_0, 20_1,... , 20_n: divergence determining unit

30 : 비교기 40 : 계수 갱신부30: comparator 40: coefficient update unit

상술한 바와 같은 본 발명의 목적을 달성하기 위한 본 발명의 특징에 의하면, 적응 필터 회로는: LMS(Least Mean Square) 알고리즘으로 구현되어, 일련의 계수들의 값을 갱신(update)하는 적응 연산을 수행하고, 입력 신호와 기준 신호와의 차에 따른 오차 신호를 출력하는 N 개의 적응 필터들과; 상기 오차 신호를 각각 입력받아 상기 계수들이 발산(divergence)하는 지의 여부를 판별하여, 발산하지 않는 계수들에 대응하는 상기 오차 신호를 출력하는 N 개의 발산 판별 수단들 및; 상기 적응 필터들로부터 인가되는 오차 신호들을 비교하여, 최소 오차 신호의 인덱스 K를 출력하는 비교 수단과; 상기 적응 필터의 일련의 계수들의 값을 상기 인덱스 K에 대응하는 상기 적응 필터의 일련의 계수들의 값으로 갱신하는 갱신 수단을 포함하되; 상기 적응 필터들은 서로 다른 적응 상수(adaptive coefficient) 값을 갖는다.According to a feature of the present invention for achieving the object of the present invention as described above, the adaptive filter circuit is implemented by: Least Mean Square (LMS) algorithm, performing an adaptive operation to update the value of a series of coefficients N adaptive filters for outputting an error signal according to a difference between the input signal and the reference signal; N divergence discrimination means for receiving the error signal and determining whether the coefficients diverge, and outputting the error signal corresponding to the coefficients that do not diverge; Comparison means for comparing the error signals applied from the adaptive filters and outputting an index K of the minimum error signal; Updating means for updating the value of the series of coefficients of the adaptive filter with the value of the series of coefficients of the adaptive filter corresponding to the index K; The adaptive filters have different adaptive coefficient values.

바람직한 실시예에 있어서, 상기 비교 수단은 미리 지정된 시간 주기마다 인덱스 K를 출력한다.In a preferred embodiment, the comparing means outputs an index K every predetermined time period.

(실시예)(Example)

이하 본 발명에 따른 실시예를 첨부된 도면 도 1을 참조하여 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

본 발명의 신규한 적응 필터 회로는 각각 다른 적응 상수 μ 값을 갖는 n 개의 적응 필터를 구비하여 보다 넓은 영역의 신호 특성을 처리할 수 있다. 또한, 각각의 필터의 결과로서 e_k(i) , k = 0, 1, …, n 값을 비교하여 가장 우수한 특성을 갖는 필터의 계수 a_k(i) 를 다른 필터들에 적응함으로써 적응 초반에는 빠른 수렴성을 가지며 어느 정도 안정된 수렴성을 보일 때에는 낮은 MSE(Mean Square Error) 값을 갖게 된다. 따라서, 종래의 적응 필터가 갖고 있던 문제점 즉, 적응 상수 μ 값에 따른 MSE 값과 수렴 속도간의 트래이드 오프 문제를 개선하는 효과를 얻을 수 있다. 또한, 급격한 환경 변화에도 개선된 트랙킹 능력(tracking ability)을 갖는다.The novel adaptive filter circuit of the present invention has n adaptive filters, each having a different adaptive constant μ value, to handle a wider range of signal characteristics. Also, as a result of each filter e _k (i) , k = 0, 1,... , coefficients of the filter with the best characteristics by comparing the values of n a _k (i) By adapting to other filters, we have fast convergence at the beginning of the adaptation and have low Mean Square Error (MSE) value when the convergence is somewhat stable. Therefore, it is possible to obtain an effect of improving the problem of the conventional adaptive filter, that is, the tradeoff problem between the MSE value and the convergence speed according to the adaptive constant μ value. In addition, it has an improved tracking ability in spite of sudden environmental changes.

도 1은 본 발명의 바람직한 실시예에 따른 적응 필터의 구성을 블록적으로 보여주고 있다.1 is a block diagram illustrating a configuration of an adaptive filter according to an exemplary embodiment of the present invention.

도 1을 참조하면, 적응 필터 회로는 N 개의 필터들(filters)(10_0, 10_1, …, 10_n)과 상기 필터의 에러 출력 단자에 각각 접속된 발산 판별부(20_0, 20_1, …, 20_n), 비교기(30) 그리고 계수 갱신부(40)로 구성된다.Referring to FIG. 1, the adaptive filter circuit includes N filters 10_0, 10_1,..., 10_n and divergence determination units 20_0, 20_1,..., 20_n respectively connected to error output terminals of the filter. Comparator 30 and the coefficient updater 40.

상기 필터들(10_0, 10_1, ..., 10_n)은 LMS(Least Mean Square) 알고리즘으로 구현된 적응 필터(adaptive filter)이다. 상기 필터(10_0, 10_1, …, 10_n)는 일련의 계수들 a_k(t) 의 값을 추정하는데 이를 수학식으로 표현하면 [수학식 3]과 같다.The filters 10_0, 10_1, ..., 10_n are adaptive filters implemented by a Least Mean Square (LMS) algorithm. The filter 10_0, 10_1, ..., 10_n has a series of coefficients. a _k (t) Estimate the value of, which is expressed by Equation 3 below.

[수학식 3][Equation 3]

a_k(t+1) = a_k(t) + μ_k⋅x(t)⋅e_k(t)a _k (t + 1) = a _k (t) + μ _k ⋅x (t) ⋅e _k (t)

상기 [수학식 3]에서 추정 오차 e_k(t) 의 값은 [수학식 4]와 같다.Estimation Error in Equation 3 e _k (t) The value of is equal to [Equation 4].

[수학식 4][Equation 4]

상기 [수학식 1] 및 [수학식 2]에서 k는 1부터 n 사이의 값을 가지며, x(t) 는 입력 신호이다. 적응 상수(adaptive coefficient) μ_k 는 일반적으로 입력 신호 x(t) 의 특성에 의해 설정되는데, 본 발명에서는 n 개의 적응 필터들(10_0, 10_1, ... , 10_n)이 각각 다른 적응 상수 μ_k 의 값을 갖는다. 상기 적응 상수 μ_k 는 매우 작은 값으로부터 매우 큰 값으로 설정한다.In [Equation 1] and [Equation 2] k has a value between 1 and n, x (t) Is the input signal. Adaptive coefficient μ _k Normally input signal x (t) In the present invention, n adaptive filters 10_0, 10_1, ..., 10_n have different adaptive constants. μ _k Has the value of. The adaptation constant μ _k Sets from very small values to very large values.

상기 적응 필터들(10_0, 10_1, ... , 10_n)로부터 출력되는 오차 신호들 e_k(t) 즉, e₀(t) , e₁(t) , ... , e_n(t) 은 각 필터에 대응하는 발산 판별부(20_0, 20_1, ... , 20_n)로 입력된다. 상기 발산 판별부들(20_0, 20_1, ... , 20_n)은 상기 오차 신호들을 각각 입력받아 상기 적응 필터들(10_0, 10_1, ... , 10_n)의 계수들 a_k(t) 이 발산(divergence)하는 지의 여부를 판별한다. 상기 계수들이 발산하는 지의 여부는 상기 오차 신호들의 발산 여부를 판별하는 것으로 알 수 있다. 수렴, 발산 여부의 판별 방법은 잘 알려져 있으므로 상세한 설명을 생략한다.Error signals output from the adaptive filters 10_0, 10_1,..., 10_n e _k (t) In other words, e ₀ (t) , e ₁ (t) , ..., e _n (t) Is input to the divergence determination units 20_0, 20_1, ..., 20_n corresponding to each filter. The divergence determining units 20_0, 20_1, ..., 20_n receive the error signals, respectively, and coefficients of the adaptive filters 10_0, 10_1, ..., 10_n. a _k (t) It is determined whether or not this divergence is performed. Whether the coefficients diverge may be determined by determining whether the error signals diverge. Since the method of determining whether convergence or divergence is well known, detailed description thereof will be omitted.

상기 발산 판별부들(20_0, 20_1, ... , 20_n)은 오차 신호가 발산하지 않는 경우, 그 오차 신호를 비교기(30)로 제공한다. 비교기(30)는 상기 발산 판별부들(20_0, 20_1, ... , 20_n)로부터 입력되는 오차 신호들을 비교하여, 가장 작은 값을 가지는 오차 신호 즉, 최소 오차 신호의 인덱스 k를 출력한다. 이 때, 인덱스 k는 매 샘플링(sampling) 마다 출력될 수 있고, 몇 번의 샘플링 후에 오차 파워로 인덱스를 출력할 수 있다. 오차 파워로 인덱스를 구할 때 이를 수학식으로 표현하면 [수학식 5]와 같다.The divergence determination units 20_0, 20_1,..., 20_n provide the error signal to the comparator 30 when the error signal does not diverge. The comparator 30 compares error signals inputted from the divergence determination units 20_0, 20_1,..., 20_n, and outputs an index k of the error signal having the smallest value, that is, the minimum error signal. At this time, the index k may be output for every sampling, and the index k may be output with error power after several samplings. When the index is obtained by the error power, it is expressed as Equation 5 below.

[수학식 5][Equation 5]

상기 [수학식 5]에서 E_k(t) 는 각각 k 번째 적응 필터에 대응하고, M 번째 샘플링 주기 마다 출력되는 오차 신호들이다. 비교기(30)는 상기 오차 파워 가운데 가장 작은 값을 갖는 오차 신호의 인덱스 k를 출력한다.In Equation 5 above E _k (t) Respectively correspond to the k-th adaptive filter and are error signals output every M-th sampling period. The comparator 30 outputs the index k of the error signal having the smallest value among the error powers.

만일 입력 신호가 어떤 특성을 갖는 신호로 고정되어 있다면(stationary), 매 샘플링마다 인덱스를 구하지 않고, [수학식 5]와 같이 오차 파워로 인덱스를 구함으로써 불필요한 계산을 줄일 수 있다.If the input signal is stationary as a signal having a certain characteristic (stationary), unnecessary calculation can be reduced by obtaining an index with error power as shown in [Equation 5], instead of obtaining an index for each sampling.

상기 비교기(30)에서 출력되는 인덱스 k는 계수 갱신부(40)로 입력된다. 상기 계수 갱신부(40)는 상기 비교기(30)로부터 인덱스 k를 입력받아, 모든 필터들(10_0, 10_1, …, 10_n)의 계수들 즉, a₀(i) , a₁(i) , …, a_n(i) 을 상기 인덱스 k에 대응하는 적응 필터(10_k)의 계수들인 a_k(i) 로 갱신(update)한다. 여기서 i는 필터들(10_0, 10_1, …, 10_n)이 갖는 계수의 인덱스이며, 1부터 p 사이의 값을 갖는다.The index k output from the comparator 30 is input to the coefficient updater 40. The coefficient updater 40 receives the index k from the comparator 30, so that the coefficients of all the filters 10_0, 10_1,... a ₀ (i) , a ₁ (i) ,… , a _n (i) Are coefficients of the adaptive filter 10_k corresponding to the index k. a _k (i) Update with. I is an index of a coefficient of the filters 10_0, 10_1, ..., 10_n, and has a value between 1 and p.

만일 입력 신호 x(t)가 특성이 다른 신호로 갑자기 바뀌어 지금까지 적응한 계수 μ의 값이 더 이상 유효하지 않더라도 여러 개의 적응 필터들(10_0, 10_1, …, 10_n)이 서로 다른 적응 상수 μ의 값을 갖고 새로 계산하므로, 하나의 적응 필터로 계산하는 것보다 빠르게 적응한다. 따라서, 출력 신호의 찌그러짐을 최소화하는 효과를 얻을 수 있다.If the input signal x (t) is suddenly changed to a signal with a different characteristic and thus the value of the coefficient μ thus adapted is no longer valid, several adaptive filters 10_0, 10_1, ..., 10_n have different adaptation constants μ. The new calculation takes a value, so it adapts faster than one adaptive filter. Thus, the effect of minimizing distortion of the output signal can be obtained.

종래의 적응 필터는, 적응 상수 μ의 값이 커지면 파라메터의 갱신(update) 량이 증가하므로 실제 파라메터 값으로 추정하는데 빨리 도달할 수 있지만, 국부 최대값(local maxima)으로 수렴할 가능성이 커져 수렴후 MSE(Mean Square Error) 값이 커진다는 불리한 단점이 있었다. 반대로, 상수 μ의 값이 작으면, 수렴후 안정성은 보장되지만 갱신 량이 적으므로 수렴하기까지 많은 시간이 걸린다. 다시 말하면, 적응 상수 μ의 값을 크게 하여 수렴 속도를 개선하면 MSE 값이 커지는 단점이 있고, 상수 μ의 값을 작게하여 MSE 값을 개선하면 수렴 속도가 느려지는 단점이 있다.In the conventional adaptive filter, when the value of the adaptation constant μ is increased, the amount of update of the parameter increases, so that it is possible to arrive quickly to estimate the actual parameter value, but it is more likely to converge to the local maxima, and thus MSE after convergence (Mean Square Error) has the disadvantage of increasing the value. On the contrary, if the value of the constant μ is small, stability after convergence is guaranteed, but it takes a long time to converge since the update amount is small. In other words, when the convergence speed is improved by increasing the value of the adaptive constant μ, the MSE value is increased, and the convergence speed is slowed when the MSE value is improved by decreasing the value of the constant μ.

본 발명의 바람직한 실시예에 따른 적응 필터 회로는 각각 다른 적응 상수 μ 값을 갖는 n 개의 적응 필터를 구비하여 보다 넓은 영역의 신호 특성을 처리할 수 있다. 또한, 각각의 필터의 결과로서 e_k(i) , k = 0, 1, …, n 값을 비교하여 가장 우수한 특성을 갖는 필터의 계수 a_k(i) 를 다른 필터들에 적응함으로써 적응 초반에는 빠른 수렴성을 가지며 어느 정도 안정된 수렴성을 보일 때에는 낮은 MSE(Mean Square Error) 값을 갖게 된다. 따라서, 종래의 적응 필터가 갖고 있던 문제점 즉, 적응 상수 μ 값에 따른 MSE 값과 수렴 속도간의 트래이드 오프 문제를 개선하는 효과를 얻을 수 있다. 또한, 급격한 환경 변화에도 개선된 트랙킹 능력(tracking ability)을 갖는다.The adaptive filter circuit according to the preferred embodiment of the present invention may be equipped with n adaptive filters each having a different adaptive constant μ value to process a wider range of signal characteristics. Also, as a result of each filter e _k (i) , k = 0, 1,... , coefficients of the filter with the best characteristics by comparing the values of n a _k (i) By adapting to other filters, we have fast convergence at the beginning of the adaptation and have low Mean Square Error (MSE) value when the convergence is somewhat stable. Therefore, it is possible to obtain an effect of improving the problem of the conventional adaptive filter, that is, the tradeoff problem between the MSE value and the convergence speed according to the adaptive constant μ value. In addition, it has an improved tracking ability in spite of sudden environmental changes.

블라인드 채널 이퀄라이저(blind channel equalizer), 이어실 캔슬러(earseal canceller), 노이즈 감쇠기(noise reducer) 등과 같이 적응 필터(adaptive filter)를 사용하는 시스템에서 상술한 바와 같은 적응 필터 회로를 사용하는 경우, 정상적인 상태에서는 빠른 수렴 속도와 작은 MSE(Mean Square Error) 값을 갖는다. 또한, 급격한 환경 변화에 따른 적응 필터의 발산을 효과적으로 방지할 수 있으며, 복원 신호의 순간적인 찌그러짐을 최대한 막을 수 있는 장점이 있다.When using an adaptive filter circuit as described above in a system using an adaptive filter, such as a blind channel equalizer, earseal canceller, noise reducer, etc., The state has a fast convergence speed and a small mean square error (MSE) value. In addition, it is possible to effectively prevent the divergence of the adaptive filter due to a sudden environmental change, and has the advantage of preventing the instantaneous distortion of the reconstruction signal to the maximum.

이상에서, 본 발명에 따른 회로의 구성 및 동작을 상기한 설명 및 도면에 따라 도시하였지만 이는 예를 들어 설명한 것에 불과하며 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능함은 물론이다.In the above, the configuration and operation of the circuit according to the present invention are shown in accordance with the above description and drawings, but this is merely described, for example, and various changes and modifications are possible without departing from the spirit of the present invention. .

이상과 같은 본 발명에 의하면, 적응 필터를 사용하는 시스템에서 본 발명의 적응 필터 회로를 적용할 때, 빠른 수렴 속도와 작은 MSE(Mean Square Error) 값을 갖는다. 또한, 급격한 환경 변화에 따른 적응 필터의 발산을 효과적으로 방지할 수 있으며, 복원 신호의 순간적인 찌그러짐을 최대한 막을 수 있다.According to the present invention as described above, when applying the adaptive filter circuit of the present invention in a system using the adaptive filter, it has a fast convergence rate and a small Mean Square Error (MSE) value. In addition, it is possible to effectively prevent the divergence of the adaptive filter due to a sudden environmental change, and to prevent the instantaneous distortion of the reconstruction signal.

Claims

In the adaptive filter circuit,

N adaptive filters implemented by a Least Mean Square (LMS) algorithm to perform an adaptive operation for updating a value of a series of coefficients and to output an error signal according to a difference between an input signal and a reference signal;

N divergence discrimination means for receiving the error signal and determining whether the coefficients diverge, and outputting the error signal corresponding to the coefficients that do not diverge;

Comparison means for comparing the error signals applied from the adaptive filters and outputting an index K of the minimum error signal;

Updating means for updating the value of the series of coefficients of the adaptive filter with the value of the series of coefficients of the adaptive filter corresponding to the index K;

The adaptive filter circuit characterized in that the adaptive filter has a different adaptive coefficient value.

The method of claim 1,

And said comparing means outputs said index K every predetermined time period.