自适应滤波-----LMS（Least Mean Square）算法

自适应滤波的意义所在

自适应滤波器解决非平稳的过程，因为实际信号的统计特性可能是非平稳的或者是未知的。

自适应滤波器的特点：

1.没有关于待提取信息的先验统计知识

2.直接利用观测数据依据某种判据在观测过程中不断递归更新

3.最优化

自适应滤波分类：

处理器的结构划分：横向结构、格型结构

 重复一次计算自适应需要的数据划分：成批处理法、递归处理法

按调节算法划分：随机梯度和最小二乘

区分：ARMA 和MA模型   IIR和FIR

应用：

噪声抵消、回声抵消、谱线增强、通道均衡、系统辨识、时间延迟估计

算法的通俗解释：

 最小均方自适应滤波，通过两路信号