一篇关于LMS和RLS算法应用于噪声抵消的matalb仿真论文，值得一看。

为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR系统长M=11), 系统输入是取值为±1的随机序列 ，其均值为零；参考信号 ；信道具有脉冲响应： 式中w用来控制信道的幅度失真(w = 2～4，例如，取w = 2.9,3.1,3.3,3.5等),而且信道受到均值为零、方差为 (例如，取 ，相当于信噪比为30dB)的高斯白噪声 的干扰。试比较基于下列五种算法自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况，在同一坐标下画出其学习曲线)： 横向/格

通过均衡器的RLS算法在MATLAB中实现消除传输信道的噪声干扰。-Through the equalizer in the RLS algorithm in MATLAB to achieve elimination of the transmission channel noise.

对基于LMS(最小均方)、NLMS（归一化最小均方）、RLS（递归最小二乘）算法的自适应噪声抵消系统进行MATLAB仿真，发现这几种算法都能从高背景噪声中有效地抑制干扰提取出有用信号，显示出了良好的的收敛性能，相比之下RLS算法去噪效果较好，呈现出更快的收敛速度，更强的稳定性和抑噪能力(the principle of LMS (minimum mean square), NLMS (normalized least mean square), RLS (recursive least squa