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。

研究论文-一种变步长LMS算法及其Matlab仿真

基于RLS算法的语音噪声回声消除处理MATLAB代码，可以对有回声或者有噪音的语音信号进行自适应滤波处理重建原始语音信号。

LMS 自适应滤波的 C 语言源代码，在 VS2012 下测试过可以运行。也包含了 MATLAB 程序用于画图验证结果。