最小均方算法的MATLAB实现，完成了自适应滤波算法的仿真。

数字校准是高性能流水线ADC设计中的关键技术之一。文章提出了一种基于LMS算法，自动迭代一阶三阶误差系数的后台数字校准技术。该校准技术能够有效地减小电容失配、运放有限增益等非线性因素对系统的影响，提高系统的线性度。使用Simulink对所搭建的16位流水线ADC进行仿真，当采样频率为100MHz，输入信号频率为45MHz时，通过校准，流水线ADC 的有效位数ENOB从9.6位提升至15.7位，信噪比SNR由67.5dB提升至97.6dB，无杂散动态范围SFDR由64.9dB提升至110.8dB。

利用MATLAB仿真软件对LMS和RLS两种算法进行仿真，通过仿真比较了两种算法的收敛速度，对两种算法收敛后的误码率进行分析。

LMS与RLS算法，现代数字信号处理中极其重要的算法，本PPT简介了LMS与RLS算法的由来与推导，最小均方（LMS）自适应滤波器、递推最小二乘（RLS）滤波器格型滤波器都是我们自适应滤波器中较为强大的滤波器，也提及了他对维纳滤波器的优势所在。

自适应信号处理中LMS，RLS类算法，非常适合做语音增强和语音降噪等算法研究

基于MATLAB实现的LMS和rls算法，通过测试，可以输出学习曲线和误差曲线

（1）利用MATLAB/SIMULINK工具，通过计算机声卡录取音频文件。 （2）使用该音频文件，产生带回音的音频文件。 （3）要求回音产生的次数、间隔、大小可以调整。 （4）从声卡播放混有回音的音频文件。 （5）设计去回音的系统，消除音频中的回音。 （6）通过MATLAB/SIMULINK从声卡播放消去回音的音频文件。

2012年virtual lab用户大会论文，NVH.

使用最小均方（LMS）算法进行信道均衡- 幅度和相位响应的比较

时域LMS与RLS算法自适应滤波算法-RLS_finish2.m 本帖最后由 dingkillerwhale 于 2013-5-20 09:56 编辑 数据由于太大无法上传 以下是LMS算法以及RLS算法，其中RLS针对恒模信号与非恒模信号进行区分