自适应空域滤波即自适应阵列等。它是从六十年代初发展起来的，与信息论、检测及最佳估计理论、滤波器理论密切相关信号处理学科的一个重要分支，随着超大规模集成电路VLSI技术和计算机技术的迅速发展和自适应滤波理论本身的不断完善，使得其应用愈来愈广泛，已遍及通信、语音信号处理、图像处理、模式识别、系统辨识及自动控制等领域，是目前最活跃的研究领域之一3。自适应滤波技术的核心问题是自适应算法的性能问题，提出的自适应算法主要有最小均方LMS算法、递归最小二乘RLS算法及相应的改进算法如：归一化NLMS算法、变步长SVSLMS算法、递归最小二乘方格形RLSL算法等。这些算法各有特点，适用于不同的场合。研究自适应算法是自适应滤波器的一个关键内容，算法的特性直接影响滤波器的效果。自适应滤波器通常由两个不同的部分构成：滤波器部分，其结构适合于完成所需要的处理功能；自适应算法部分，用来调整上述滤波器的系数。在本文中，我们主要是设计稳健的自适应算法来调整其系数4。随着超大规模集成电路VLSI技术的迅速进步以及自适应滤波技术理论的研究和发展，自适应滤波在噪化信号的检测增强、噪音干扰的抵消、波形编码的线性预测，雷达声纳系统的阵列处理和波束形成、通信系统的自适应均衡、图象自适应压缩编码、图象的自适应增强复原、图象识别的自适应分割以及未知系统的自适应参数辨识等方面获得了广泛的应用。鉴于自适应滤波器具有自学习、自跟踪、对参数经常变化的动态系统有较好控制效果的特性，我们有必要对其进行深入的研究，特别是对自适应滤波器新算法的研究。
word文档可复制编辑
f本论文主要阐述了基于自适应算法设计自适应滤波器的基本过程，研究最小均方算法（LMS算法），完成基于LMS算法的自适应滤波器的设计过程。在设计过程中，在将一无法预知信号与噪声的特性的信号输入自适应滤波器，滤波器根据信号的特性，随时更改参数，以达到滤波器设计的最优化。利用Matlab仿真软件实现LMS自适应滤波算法，并从仿真结果得知步长因子是自适应滤波器中很重要的参数，以及滤波器的阶数和采样数等，对自适应滤波器降噪以及收敛性能的影响5。
22国内外研究现状
最早的对于自适应滤波器的研究可以追述到20世纪50年代。它是在维纳滤波，Kalma
滤波等线性滤波基础上发展起来的一种最佳滤波方法。作为其中一项重大突破的数字滤波器，在20世纪60年代中期形成了它的完整而正规的理论。人们根据传统数字滤波器的概r