通过将labview与MATLAB结合的开发的自适应滤波技术，可用于实用与仿真分析

摘要：随着社会工业生产的不断进步，各种噪声污染越来越严重。目前普遍采用的模拟降噪方法已不能满足要求，未来的研究将朝着以数字信号处理器及相关算法为技术支撑的数字降噪技术发展，其中一个重要应用则为数字降噪耳机的设计。数字降噪耳机设计主要是通过自适应滤波器来实现的。文中采用LMS 算法在MATLAB 中实现了自适应滤波器的设计与实现。在MATLAB 中建立了数字降噪耳机系统模型，并且针对该模型利用MATLAB 语言进行编程及C 语言编程。模型以及程序仿真结果表明此设计实现了对信号中混有的环境噪声进行降噪，并且效果远远高于模拟降噪技术。 　　1 引言 　　降噪耳机是降噪技术的一个重要应用。我国的降

本压缩包是基于最低无码率的自适应滤波算法程序，大家可以研究一下希望有帮助

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。