最小均方誤差算法

最小均方誤差（Least Mean Squares, LMS）算法是一種用於調整系統參數以最小化誤差的方法。它是一種梯度下降算法，通常用於自適應濾波器和信號處理中。

LMS算法的步驟如下：

1. 初始化濾波器係數（權重）w[n]。
2. 計算輸入信號x[n]與濾波器輸出y[n]之間的誤差e[n]。
3. 根據誤差e[n]計算梯度（即誤差的即時變化率）。
4. 根據梯度更新濾波器係數w[n]。
5. 重複步驟2-4，直到達到停止條件（如達到最大疊代次數或誤差小於某個閾值）。

公式表示為：

w[n+1] = w[n] - μ e[n] x[n]

其中，w[n]是第n次疊代的濾波器係數，μ是學習率，e[n]是第n次疊代的誤差，x[n]是第n次疊代的輸入信號。

LMS算法的優點是簡單、快速，適用於實時處理。它的缺點是可能收斂速度較慢，且對輸入信號的自相關特性沒有充分利用。