传统语音增强——最小方均(LMS)自适应滤波算法

这是几个参考文献和一本自适应滤波算法与实现的PDF，可以很好地学习自适应滤波，文献是对suga自适应卡尔曼滤波的一些应用。

Paulo S.R. Diniz 著的第三版 自适应滤波算法与实现 英文版

自适应滤波算法LMS，变步长LMS自适应滤波算法

包括 Blind_Adaptive_Filtering，Fast_Transversal_RLS_Algorithms ，IIR_Adaptive_Filters，Lattice-based_RLS_Algorithms

为了减小分数阶数变阶数最小均方算法(fractionaltap-lengthleastmeansquare,FTLMS)稳态滤波器阶数误差,提出了一种变误差宽度的变阶数LMS算法,并对该算法进行稳态理论分析,给出参数选择的依据。为了验证该算法性能,设置了3种仿真环境:信噪比(signaltonoiseratio,SNR)为20dB、0dB及冲击响应权系数呈稀疏分布。仿真结果表明,与FTLMS算法相比,在SNR为20dB及冲击响应权系数呈稀疏分布仿真条件下,当收敛速度相同时,滤波器阶数稳态误差减小为10%,

本文在论述自适应滤波的基本原理及其简单应用的基础上，简要介绍了LMS自适应滤波算法、RLS自适应滤波算法、变换域自适应滤波算法、仿射投影算法、共轭梯度算法、基于子带分解的自适应滤波算法、基于QR分解的自适应滤波算法等。并对几种典型自适应滤波算法的性能特点进行比较，给出了算法性能的综合评价，最后给出了LMS算法去噪声的简单仿真。

0 引 言 　　自适应滤波理论是20世纪50年代末开始发展起来的。它是现代信号处理技术的重要组成部分，对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的范畴。对于随机数字信号的滤波处理，通常有维纳(Weiner)滤波器、卡尔曼(Kal-man)滤波器和自适应(Adaptive)滤波器。维纳滤波器的权系数是固定的，适用于平稳随机信号；卡尔曼滤波滤波的权系数是可变的，适用于非平稳随机信号。但是，只有在对信号和噪声的统计特性先验已知的情况下，这两种滤波器才能获得最优滤波。但在实际应用中，常无法确定这些统计特性的先验知识，或统计特性是随时间变化的，因此，在许多情况下，维纳滤波

两种自适应滤波比较论文，主要用途在信号处理上。

自适应滤波算法在功率谱估计中的应用研究，贾存丽，郭娜，功率谱估计是分析随机信号的一种重要分析方法，功率谱估计一般可分为经典谱估计(非参数估计)和现代谱估计(参数估计)两种方法，在��