1. 研究目的与意义
自适应滤波器通过迭代自动地调节自身参数,以满足某种准则的要求从而实现最优滤波。它可以在未知环境中跟踪输入信号的时变特性，因此成为信号处理中重要的工具。 本课题首先要求学生仿真并实现最为简单的最小均方误差算法，在此基础上提出改进算法以提高收敛速度、稳定误差和计算复杂度。
自适应滤波器属于现代滤波器的范畴，它是 20 世纪 40 年代发展起来的自适应信号处理领域的一个重要应用。自适应信号处理主要是研究结构可变或可调整的系统，它可以通过自身与外界环境的接触来改善自身对信号处理的性能。自适应滤波器的应用领域很广泛，包括通信、雷达、声纳、导航系统、生物医学和工业控制等领域。与固定滤波器相比,自适应滤波器的特点是滤波频率自动适应输入信号频率变化，因此其适用范围更广泛2. 国内外研究现状分析
目前自适应滤波器的研究主要集中在两个方面：自适应滤波的数字滤波算法研究和模拟信号的直接自适应滤波研究。自适应滤波的数字滤波算法研究主要集中在最小均方自适应滤波、最小二乘自适应滤波、递归最小二乘自适应滤波、平方根自适应滤波、阶递归自适应滤波、粒子群优化算法思想的组合自适应滤波算法等方面，并且各种自适应算法的性能分析和应用一直是研究的热点。以上各种滤波算法主要通过MALTEB或FPGA硬件平台实现。算法性能的高低和平台处理速度直接影响信号处理的实时性，并且受模数转换器器件性能影响。
自适应滤波器的数字滤波算法研究到目前为止已经取得了丰硕的成果，但其适合于信号频率低而且少变的情况。当信号频率较高时，它难以实现信号的实时处理；当信号频率变化快时，它无法实现跟踪滤波。
3. 研究的基本内容与计划
课题主要研究常用的自适应滤波结构和三种经典的自适应滤波算法：最小均方误差（lms）算法，归一化最小均方误差（nlms）算法和递归最小二乘（rls）算法。在理论原理的基础上使用matlab仿真工具对算法进行仿真分析。研究三种滤波算法的原理以及不同性能指标下的优缺点
1、准备工作：阅读相关材料，了解研究课题的相关基本知识；（2017.2.8-2017.3.4）
2、分析研究阶段：进行仿真研究，结合自己所掌握的知识，对比国内国外相关研究，提出自己的方案和想法；（2017.3.5-2017.4.30）
4. 研究创新点
1.本研究在算法选择上规避了目前具有良好应用前景的以神经网络算法及其滤波器设计为代表的非线性自适应理论，希望以后能够通过学习和工作掌握该面的知识。
2.在系数训练算法性能分析环节，明显感觉到自身关于算法性能分析的能力
欠缺，希望能够在以后的学习中提高这方面的能力。
