最小二乘自适应格型滤波器算法原理介绍，很有参考意义。采用递推的方法实现最小二乘，一个递推算法的完成，终止条件是估计的误差或误差信号能否满足某一条件，LSL算法的关键是基于预测误差滤波器的格型结构，即由M 阶（前向、后向）预测误差递推计算M+1 阶（前向、后向）预测误差

时域LMS与RLS算法---自适应滤波算法

对比传统的归一化最小均方算法（NLMS），系数比例自适应算法（PNLMS）拥有较快的初始收敛速度，但是PNLMS无法很好处理稀疏系统辨识问题。因此基于L0范数的IPNLMS(L0-IPNLMS)算法被提出，本文对L0-IPNLMS算法提出改进以提高对稀疏系统进行辨识的性能。分析了近年来的几种系数比例算法的性能及其局限性，通过建立步长因子μ与误差信号e之间的非线性关系，提出了一种结合Sigmoid函数和L0范数的变步长系数比例NLMS滤波算法，仿真结果表明提出的算法拥有更好的收敛性和稳态误差。

LMS算法自适应滤波器的MATLAB仿真与DSP实现.zip

随机信号处理大作业，基于LMS和RLS算法更新自适应滤波器的权值向量,画出两种算法的e2(n)曲线作比较，用matlab写的，效果还可以

在改进算法中,步长因子与误差信号自相关函数之间建立了一种改进的非线性函数关系。将改进算法应用到系统辨识中,通过计算机仿真结果看出,自适应滤波性能在收敛速度和稳态失调误差等方面得到改善。

在没有任何关于信号和噪声的先验知识的条件下,自适应滤波器利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数, 以适应信号和噪声未知或随机变化的统计特性, 从而实现最优滤波。

LMS自适应滤波器FPGA实现的新方法，是用硬件的方式实现LMS算法，速度比在DSP上实现快的多，不错的论文

针对周期平稳随机信号, 提出自适应周期滤波方法. 该文给出自适应周期滤波器的一般结构和实现步骤, 推导出周期最小均方算法和周期最小二乘算法. 完成的仿真算例验证了所提出的自适应周期滤波方法的有效性. 

这里面的代码是核递归最小二乘法自适应滤波程序，里面给出了程序所用的核函数.文件以及主程序文件，是刘伟峰编写的《核自适应滤波》这本书的程序。