讨论了传统的LM S 在信号处理中的不足, 研究了小波变换自适应算法(WLM S)的滤波器结构 和实现, 并将其应用于主动噪声控制。仿真结果表明, 与传统的LM S 算法相比,WLM S 算法的收敛速度 和稳定性得到显著的提高。

对LMS自适应算法进行了详细的性能分析与讨论，针对LMS算法运算较复杂、适应性较弱、稳定性差的缺点提出了一种HLMS（混合LMS）算法。建立了自适应噪声抵消系统，利用MATILAB软件对食堂、体育馆两处的录音信号进行计算机语音去噪仿真分析。实验结果表明，两种自适应方法均能有效抑制各种噪声污染，提高语音信噪比为60%~85%，而且对引入的语音信号失真也较小，二者均在10%以下。HLMS算法比LMS算法更简洁，LMS算法调节性能敏感于参考输入的方差，而HLMS算法敏感于参考输入的均方根值，因此HLMS算法的适应性比LMS算法更强，在非平稳随机输入情况下HLMS算法更能提供稳定的工作性能，更能较好的恢复原始语音信号。

LMS可以用于ICS系统，这里简单介绍了一下LMS算法

核自适应滤波算法，在时间序列预测上有很多引用，核递推最小二乘，KLMS,KRLS,KAPA，EXKRLS，可用于混沌时间序列预测 算法齐全

一篇论文，基于LabVIEW的自适应滤波器设计与研究

使用自适应相关滤波器的视觉目标跟踪

介绍了稀疏路径回声消除PNLMS、MPNLMS、IPNLMS和MIPNLMS的几种自适应滤波算法，并进行了Matlab的仿真比较。仿真结果表明，PNLMS的初始收敛速度优于NLMS，但当脉冲响应变得密集后性能明显下降，甚至不如NLMS。IPNLMS将NLMS与PNLMS结合，从而无论脉冲响应稀疏或是非稀疏，它都有较好的收敛速度。MPNLMS和MIPNLMS对PNLMS在权系数的分配上引入了对数函数，在相同条件下，使其收敛速度得到提高，但随着脉冲响应变得密集，MPNLMS的收敛速度有所下降，而MIPNLMS保持了最快的收敛速度。

最小误差熵准则下的鲁棒约束自适应滤波

根据图像的性质，自动调节滤波器，以使达到更优的滤波效果

【信号去噪】基于低通和自适应滤波LMS去噪matlab源码.md