基于加权零吸引因子最小均方算法(RZA-LMS),提出了一种应用于系统辨识的新型自适应滤波算法(ARZA-LMS)。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e 与误差信号e 之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验

为提高雷达系统在复杂电磁环境下的抗干扰能力,对雷达干扰对消系统及其自适应滤 波算法进行了分析,给出了一种改进的变步长LMS自适应滤波算法。该算法利用类Sigmoid函 数去调节步长,减少了运算量,并在类Sigmoid函数中利用误差信号的自相关值调整步长,从而 解决了算法较快的收敛速度与较小的稳态误差之间的矛盾,并且降低了算法对输入噪声的敏感 性。将该算法应用到自适应干扰对消系统中进行了计算机仿真验证,计算机仿真结果与理论分 析一致,表明了该算法具有一定的可行性和优越性。

最近关于改进LMS算法的总结，是幻灯片的格式，60多页的PPT

针对传统的自适应滤波器算法步长变化和收敛精度之间的矛盾,及抗干扰能力差的问题,提出了改进的LMS算法,并运用MATLAB对这一算法进行实例分析研究,试验测试结果表明:改进的LMS算法应用到矿井提升机故障诊断中,在解决步长变换和收敛精度之间矛盾的基础上,也提高了抗干扰能力。

使用matlab仿真LMS改进的算法，学习LMS算法时仿真使用