核心提示：a94包括matlab仿真录像...
1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/Y5ibm59x
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分源码
3.部分仿真图预览
4.算法概述
LMS(Least Mean Square), 由 Widrow 和 Hoff 于1960年提出，也称Δ规则。该算法与感知器网络的学习算法在权值调整上都基于纠错学习规则，但 LMS 更易实现，因此得到广泛应用，成为自适应滤波的标准算法。LMS滤波器是一类能够“学习”未知传递函数的自适应滤波器。 LMS 滤波器使用一种梯度下降法，其中滤波器系数根据瞬时误差信号更新。自适应滤波器常用于通信系统、均衡器和噪声去除。
LMS过滤器由两个组件组成，如下图所示。第一个组件是一个标准的横向或FIR滤波器。第二部分是系数更新机制。LMS滤波器有两个输入信号。“输入”输入FIR滤波器，而“参考输入”对应于FIR滤波器的期望输出。即更新FIR滤波器系数，使FIR滤波器的输出与参考输入匹配。滤波器系数更新机制是基于FIR滤波器输出与参考输入之间的差值。随着滤波器的适应，这个“错误信号”趋于零。LMS处理函数接受输入和参考输入信号，生成滤波输出和误差信号。
RBF神经网络通常只有三层，即输入层、中间层和输出层。其中中间层主要计算输入x和样本矢量c（记忆样本）之间的欧式距离的Radial Basis Function (RBF)的值，输出层对其做一个线性的组合。
