自适应滤波器（adaptive filter）(2)--LMS算法

自适应滤波器（Adaptive Filter）（1）–简介
自适应滤波器（adaptive filter）(2)–LMS算法

1.自适应 FIR 滤波器基础知识

自适应滤波器的一些经典应用包括系统识别、通道均衡、信号增强和信号预测。建议的应用程序是降噪，这是一种信号增强。下文描述了此类应用程序的一般案例。

当信号x（k）因噪声n1（k）损坏时，信号n2（k）与噪声相关。当算法收敛时，输出信号 e（k）将是信号的增强版本。

平均方形误差 （F[e [k]= [|E[e（k）|2]）是重量参数的二次函数。此属性很重要，用于自适应过滤器，因为它只有一个通用的最小值。这意味着它适用于许多类型的自适应算法，并将导致一个体面的收敛行为。相比之下，IIR 过滤器需要更复杂的算法和对此问题的分析。

有许多自适应算法可用于信号增强，如牛顿算法、最陡峭的