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/Y52bkppp
>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.部分仿真图预览
3.算法概述
最小均方算法，简称LMS算法，是一种最陡下降算法的改进算法， 是在维纳滤波理论上运用速下降法后的优化延伸，最早是由 Widrow 和 Hoff 提出来的。 该算法不需要已知输入信号和期望信号的统计特征，“当前时刻”的权系数是通过“上一 时刻”权系数再加上一个负均方误差梯度的比例项求得。 其具有计算复杂程度低、在信号为平稳信号的环境中收敛性好、其期望值无偏地收敛到维纳解和利用有限精度实现算法时的平稳性等特性，使LMS算法成为自适应算法中稳定性最好、应用最广的算法。
4.部分源码
clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
x = [-10:0.1:10]';
x = x+2*(rand(size(x))-0.5);
x = max(min(x,10),-10);
y = x+x.^2+10*sin(x)+5*(rand(size(x))-0.5);
XI = linspace(min(x),max(x),10);
YI = lsq_lut_piecewise( x, y, XI );
plot(x,y,'.',XI,YI,'+-')
legend('experimental data (x,y(x))','LUT points (XI,YI)')
title('Piecewise 1-D look-up table least square estimation')
A162
