伍彩云，李汶东

(沈阳理工大学 装备工程学院，沈阳 110159)

自适应滤波器在许多信号处理应用中起着非常重要的作用[1]，如回波抵消、线路增强、信道均衡、系统识别和时延估计[2]等。由于横向结构FIR滤波器实施方便，最小均方(Least Mean Squares，简称LMS)算法运算简单，因而基于LMS算法的横向自适应滤波器在信号处理领域获得广泛应用[3]。然而随着实际应用条件的不断变化，LMS算法越来越难以满足实际需求，原因是经典LMS算法自身存在着诸多缺陷，如随着输入自相关矩阵最大特征值与最小特征值之比的增大，算法收敛速度会降低。研究者们提出了一些解决这一问题的方法，其中二维最小均方误差(Two Dimensional Least Mean Square，TDLMS)算法是较流行的一种，其利用正交变换和功率归一化对输入信号进行去相关，改善了输入自相关矩阵的特征值分布，从而提高了收敛速度[4]。经典LMS算法还有一大缺陷，步长一旦选定即不能再改变，步长一旦过大，收敛速度虽会加快，但稳态误差同时也会增大，收敛速度和稳态误差不能同时得到满足[5]；所以产生多种改进方法和思路，如步长随误差变化而变化的可变步长类LMS算法。除此之外，还有如文献[6]提到的一种改进的收敛LMS滤波器，其将两个不同步长的基本LMS滤波器并行结合，称为CLMS(Convex Combination of Least Mean Square)算法；该滤波器被认为是收敛速度和稳态误差的最佳组合，其要求滤波器系数从一个LMS滤波器转移到另一个LMS滤波器，但该复合结构的实现成本既包括LMS滤波器单元的成本，也包括系数传递方案的成本。……