【滤波器】最小均方(LMS)自适应滤波器

一、自适应滤波器简介

根据输入信号的时变统计特性，借助自适应算法实时地调整滤波器的参数和结构，这样的滤波器称为自适应滤波器。传统的IIR和FIR滤波器在处理输入信号时，其参数是预先设定好的，无法根据外界信号的随机变化来调整滤波系数，因而对随机信号的滤波效果较差；而自适应滤波器的系数可以自动连续地适应于输入信号，以获得最佳的期望响应。

自适应滤波器常称为时变性的非线性系统，在实际应用过程中，它有两个阶段：一是学习训练阶段，滤波器根据所处理信号的特点，不断修正自身的滤波器系数，以使均方误差最小(Least Mean Square，LMS)。二是使用阶段，均方误差已经达到最小值，意味着滤波器的系数达到最优，此时的滤波器由非线性系统变为了线性系统。

线性自适应滤波器由两部分组成：自适应滤波器的结构和自适应权值调整算法，其中滤波器的结构又分为IIR和FIR两种。

二、LMS自适应滤波器

1、原理概述

在自适应滤波器设计中，最小均方(Least Mean Square，LMS)算法使用随机梯度下降的方法实现代价函数的最小化，具有计算复杂度低、无需统计数据的先验知识和均值无偏地收敛到维纳解等优点，成为自适应算法中应用最广泛的