自适应的最小均方（LMS）算法：只要自适应线性组合器每次迭代运算时都知道输入信号和参考响应，选用LMS算法很合适。

LMS_plot设为1和0分别运行线性均衡（ZF MMSE）和自适应均衡(LMS RLS)

智能天线已成为当今无线通信领域的一大研究热点，它结合了天线阵列技术与信号空时处理，在系统设计中增加了空时处理的自由度，改善了系统性能，增加了系统容量及频谱利用率。本文重点研究阵列天线信号处理中的自适应波束形成算法，它能利用传感器阵列实现增强有用信号并抑制干扰和噪声的目的。移动无线通信 基于LMS思维自适应波束形成算法研究，

采用LMS算法利用自适应滤波器进行系统辨识，输入信号为白噪声，滤波器阶数为50，收敛步长为0.01，通过比较未知系统和自使用滤波器的幅频响应来观察辨识的效果。

以AMESim软件操作界面为示例，详细讲解有关软件的相关操作

LMS Virtual.Lab声学手册，简单介绍了LMS Virtual.Lab声学应用

LMS+Virtual.Lab+13.6+安装说明 详细介绍LMS+Virtual.Lab+13.6安装流程

采用matlab实现最小均方滤波（LMS）算法功能，算法简洁

采用matlab实现最小二乘滤波（RLS）算法功能，算法简洁

最小均方算法（Least Mean Square, LMS）是一种简单、应用为广泛的自适应滤波算法， 是在维纳滤波理论上运用速下降法后的优化延伸，早是由 Widrow 和 Hoff 提出来的。 该算法不需要已知输入信号和期望信号的统计特征，“当前时刻”的权系数是通过“上一 时刻”权系数再加上一个负均方误差梯度的比例项求得。这种算法也被称为 Widrow-Hoff LMS 算法，在自适应滤波器中得到广泛应用， 其具有原理简单、参数少、收敛速度较快而且易于实现等优点。