自适应滤波器(LMS)基本知识

一、基本原理

实验中测得一个观测信号u(t)，得到一个再由这个信号的基本特征（如频谱分析中带通滤波或者小波变换）重建出一个期望信号d(t)。由u(t)与d(t)之间进行一系列运算之后得到输出的滤波后信号y(t)。
基本步骤如下：

1. 初始化：给定初始权重系数w(0)，迭代步长$\mu$
2. 计算输出：$y(t) = $w(t{)}^{⊺}u(t)$
3. 误差计算：$e(t)=d(t)-y(t)$
4. 权重更新：$w(t+1)=w(t)+\mu e(t)u(t)$

二、算法过程

def lms_algo(xn, dn, M, mu):
    iteration = len(xn)
    en = np.zeros((iteration, 1))
    W = np.zeros((M, iteration))
    for k in range(M, iteration):
        x = xn[k:k-M:-1]
        y = np.dot(W[:, k - 1], x)
        en[k] = dn[k] - y
        W[:, k] = W[:, k - 1] + 2*mu * en[k] * x
    yn = np.empty_like(xn)
    for k in range(M, len(xn)):
        x = xn[k:k - M:-1]
        yn[k] = np.dot(W[:, -2], x)
    return yn, W, en

在我看来，LMS算法的核心在于期望信号的选取。

参考文章：https://zhuanlan.zhihu.com/p/358236441