LMS算法
最小均方算法，簡(jiǎn)稱
LMS算法，是一種最陡下降算法的改進(jìn)算法，是在維納濾波理論上運(yùn)用速下降法后的優(yōu)化延伸，最早是由Widrow和Hoff提出來的。該算法不需要已知輸入信號(hào)和期望信號(hào)的統(tǒng)計(jì)特征，“當(dāng)前時(shí)刻”的權(quán)系數(shù)是通過“上一時(shí)刻”權(quán)系數(shù)再加上一個(gè)負(fù)均方誤差梯度的比例項(xiàng)求得。其具有計(jì)算復(fù)雜程度低、在信號(hào)為平穩(wěn)信號(hào)的環(huán)境中收斂性好、其期望值無偏地收斂到維納解和利用有限精度實(shí)現(xiàn)算法時(shí)的平穩(wěn)性等特性，使
LMS算法成為自適應(yīng)算法中穩(wěn)定性最好、應(yīng)用最廣的算法。
