什麼是最小均方 lms 演算法，什麼是最小均方 LMS 演算法

1樓：匿名使用者

全稱 least mean square 演算法。中文是最小均方演算法。

感知器和自適應線性元件在歷史上幾乎是同時提出的，並且兩者在對權值的調整的演算法非常相似。它們都是基於糾錯學習規則的學習演算法。感知器演算法存在如下問題：

不能推廣到一般的前向網路中；函式不是線性可分時，得不出任何結果。而由美國斯坦福大學的widrow和hoff在研究自適應理論時提出的lms演算法，由於其容易實現而很快得到了廣泛應用，成為自適應濾波的標準演算法。

lms演算法步驟：

1,、設定變數和參量：

x(n)為輸入向量，或稱為訓練樣本

w(n)為權值向量

b(n)為偏差

d(n)為期望輸出

y(n)為實際輸出

η為學習速率

n為迭代次數

2、初始化，賦給w(0)各一個較小的隨機非零值，令n=03、對於一組輸入樣本x(n)和對應的期望輸出d，計算e(n)=d(n)-x^t(n)w(n)

w(n+1)=w(n)+ηx(n)e(n)4、判斷是否滿足條件，若滿足演算法結束，若否n增加1，轉入第3步繼續執行。

2樓：匿名使用者

lms演算法是智慧天線系統基本且重要的方法，基於lms演算法的陣列天線已廣泛用於自適應天線系列，在抗多徑干擾方面取得較好效果。圖4-13為lms演算法原理圖。lms演算法是在最小均方誤差準則(mmse)指導下.

利用最陡下降法推匯出來的。