精选优质文档-倾情为你奉上LMS自适应滤波算法1960年Widrow和Hoff提出最小均方误差算法（LMS），LMS算法是随机梯度算法中的一员。使用“随机梯度”一词是为了将LMS算法与最速下降法区别开来。该算法在随机输入维纳滤波器递归计算中使用确定性梯度。LMS算法的一个显著特点是它的简单性。此外，它不需要计算有关的相关函数，也不需要矩阵求逆运算。由于其具有的简单性、鲁棒性和易于实现的性能，在很多领域得到了广泛的应用。1 LMS算法简介LMS算法是线性自适应滤波算法，一般来说包含两个基本过程：（1） 滤波过程：计算线性滤波器输出对输入信号的响应，通过比较输出与期望响应产生估计误差。（2） 自适应过程：根据估计误差自动调整滤波器参数。如图1-1所示，用Xn=xn xn-1 x(n-N+1)T表示n时刻输入信号矢量，用Wn=w_0 (n) w_1 (n) w_(N-1) (n)T表示n时刻N阶自适应滤波器的权重系数，d(n)表示期望信号，en表示误差信号，vn是主端输入干扰信号，u是步长因子。则基本的LMS算法可以表示为
