自维纳滤波
维纳滤波的基本概念？
维纳滤波的基本概念？
S（n)是有用信号，V（n）是噪声，由于噪声的存在，输入滤波器信号为x（n）=s（n） v（n）。h（n）是滤波器系统函数
y（n）是输出，S上面有东西那个S(n），意思是输出信号跟输乳原始信号S（n）表达式不一定相等，不过这只是一种表示符号而已。
lms自适应横向滤波器的基本原理？
原理:
输入信号x(n)通过参数可调数字滤波器后产生输出信号y(n)，将其与期望信号d(n)进行比较，形成误差信号e(n)， 通过自适应算法对滤波器参数进行调整，最终使e(n)的均方值最小。
自适应滤波可以利用前一时刻已得的滤波器参数的结果，自动调节当前时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。
自适应滤波器实质就是一种能调节自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要输入信号的先验知识，计算量小，特别适用于实时处理。
只有在信号和噪声的统计特性先验已知的情况下，这两种滤波技术才能获得最优滤波。在应用中，常常无法得到信号和噪声统计特性的先验知识。在这种情况下，自适应滤波技术能够获得极佳的滤波性能，因而具有很好的应用价值。
自适应滤波的优点？
自适应滤波是近年以来发展起来的一种最佳滤波方法。它是在维纳滤波,Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能。从而在工程实际中,尤其在信息处理技术中得到了广泛的应用。自适应滤波存在于信号处理、控制、图像处理等许多不同领域，它是一种智能更有针对性的滤波方法，通常用于去噪。
lms算法简要说明？
LMS算法是基于维纳滤波，然后借助于最速下降算法发展起来的。
通过维纳滤波所求解的维纳解，必须在已知输入信号与期望信号的先验统计信息，以及再对输入信号的自相关矩阵进行求逆运算的情况下才能得以确定。
因此，这个维纳解仅仅是理论上的一种最优解。所以，又借助于最速下降算法，以递归的方式来逼近这个维纳解。
从而避免了矩阵求逆运算，但仍然需要信号的先验信息，故而再使用瞬时误差的平方来代替均方误差，从而最终得出了LMS算法。
因LMS算法具有计算复杂程度低、在信号为平稳信号的环境中的收敛性好、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稳定性等特性，使LMS算法成为自适应算法中稳定性最好、应用最广泛的算法。