3. 时域自适应滤波：LMS算法原理、NLMS算法、变步长LMS算法
各位同学，欢迎来到第三讲。今天咱们聊聊自适应滤波的核心——LMS算法家族。
说实话，我刚入行那会儿，看到“自适应”三个字就觉得很高大上。后来做多了才发现，它其实就是个“自动调参”的过程。你想想看，声反馈消除的场景里，反馈路径一直在变——人走动、门开关、麦克风位置偏移……固定滤波器根本扛不住。这时候，自适应滤波就派上用场了。
3.1 从最朴素的思路说起：LMS算法
LMS，全称Least Mean Square，最小均方。名字听着唬人，核心思想其实很简单：每次迭代都沿着误差下降最快的方向，调整滤波器系数。
它的更新公式长这样：
w(n+1) = w(n) + μ * e(n) * x(n)其中：
w(n)：当前滤波器系数μ：步长因子（学习率）e(n)：误差信号（期望输出 - 实际输出）x(n)：输入信号
说白了，就是拿误差和输入信号的乘积，乘以一个步长，然后加到当前系数上。每次更新都让误差减小一点点。
核心要点：LMS算法的本质是梯度下降法。它用瞬时误差的平方作为代价函数，沿着负梯度方向更新权值。
我在项目中遇到过一个问题：步长μ选大了，算法发散；选小了，收敛慢得像蜗牛。这就像开车——油门踩大了容易翻车，踩小了半天到不了目的地。
经验之谈：μ的取值范围一般在0到1之间。实际工程中，我习惯从0.01开始试，观察误差曲线再调整。
3.2 归一化：NLMS算法登场
LMS有个明显的短板——它对输入信号的幅度很敏感。信号大时，更新步长实际变大了；信号小时，更新又变慢了。这很不稳定。
怎么解决？归一化。
NLMS（Normalized LMS）的更新公式：
w(n+1) = w(n) + μ * e(n) * x(n) / (||x(n)||² + δ)这里：
||x(n)||²：输入信号的功率（向量内积）δ：一个很小的正数，防止分母为0
你看，分母除以输入信号的功率，相当于把步长做了归一化。这样一来，无论输入信号是大是小，实际的有效步长都保持稳定。
NLMS的优势：
- 收敛速度与输入信号幅度无关
- 稳定性更好，不容易发散
- 实际工程中几乎取代了原始LMS
嗯，这里要注意：δ的取值不能太大，否则归一化效果就没了。我一般取0.001到0.01之间，具体看信号动态范围。
3.3 更精细的控制：变步长LMS算法
NLMS虽然解决了幅度敏感问题，但步长还是固定的。这就带来一个矛盾：
- 大步长：收敛快，但稳态误差大
- 小步长：稳态误差小，但收敛慢
能不能两全其美？当然可以——让步长动态变化。
变步长LMS（Variable Step-Size LMS）的核心思想：误差大时用大步长快速收敛，误差小时用小步长精细调整。
一种常见的变步长策略：
μ(n) = μ_max * (1 - exp(-α * |e(n)|²))或者更简单的：
μ(n) = μ_max * (|e(n)| / (|e(n)| + β))其中：
μ_max：最大允许步长α, β：调节参数，控制步长变化的敏感度
避坑指南：我曾经在项目中直接用误差的绝对值作为步长，结果发现噪声大的时候步长剧烈抖动，滤波器反而更不稳定了。后来加了平滑处理才解决。
变步长LMS的典型应用场景：
- 声反馈路径突然变化时（比如有人走过麦克风）
- 系统启动阶段需要快速收敛
- 稳态阶段需要低残留误差
3.4 三种算法对比
| 算法 | 收敛速度 | 稳态误差 | 计算复杂度 | 适用场景 |
|---|---|---|---|---|
| LMS | 慢（受信号幅度影响） | 中等 | 低（O(N)） | 信号幅度稳定、对收敛速度要求不高的场景 |
| NLMS | 较快（与幅度无关） | 中等 | 低（O(N)） | 大多数工程场景，推荐首选 |
| 变步长LMS | 快（动态调整） | 低 | 低（O(N)） | 路径变化频繁、需要快速响应的场景 |
从表中可以看出，三种算法的计算复杂度都是O(N)，差别不大。但实际效果差异明显。我个人习惯：能上NLMS就上NLMS，如果对收敛速度有更高要求，再考虑变步长。
3.5 知识体系结构图
下面这张图展示了本章的知识脉络，帮你理清思路：
3.6 实际工程中的选择建议
说了这么多理论，到底怎么选？我根据实际项目经验，给你几个参考：
- 新手入门：从NLMS开始，参数少，效果好，不容易翻车
- 资源受限的嵌入式系统：LMS就够了，省掉归一化的除法运算
- 声反馈路径频繁变化：变步长LMS，快速跟踪变化
- 追求极致性能：变步长NLMS（把归一化和变步长结合起来）
小技巧：实际调试时，先把步长设大一点，观察误差是否快速下降。如果发散，立即减小步长。等误差稳定后，再切换到小步长模式。这就是手动版的“变步长”。
好了，这一讲的内容就到这里。三种算法各有千秋，但核心思想是一致的——用误差驱动更新，让滤波器自己适应环境变化。下一讲我们会深入频域，看看频域自适应滤波又是怎么一回事。
公众号:蓝海资料掘金营，微信deep3321