（信源五）最小均方算法--LMS

LMS算法  全称Least mean square 算法，又叫最小均方算法。其首先由Bernard Widrow和Marcian E. Hoff所提出，被用于修正滤波器参数使均方差（Mean Square Error，MSE）达到最小，大大降低了分类算法的复杂度。 
均方差这个概念的公式如下所示： 
                                                                                          
上述公式中的R表示正确的预期结果，C表示当前计算结果。这个便是LMS算法中终止算法的核心公式。 

LMS算法的步骤：
1,、设置变量和参量：
X(n)为输入向量，或称为训练样本
W(n)为权值向量
e(n)为偏差
d(n)为期望输出
y(n)为实际输出
η为学习速率
n为迭代次数
2、初始化，赋给w(0)各一个较小的随机非零值，令n=0
3、对于一组输入样本x(n)和对应的期望输出d，计算
e(n)=d(n)-X（n）
W(n+1)=W(n)+ηX(n)e(n)
4、判断是否满足条件，若满足算法结束，若否n增加1，转入第3步继续执行。

如下面流程图所示：