第3章 自适应算法核心

第 3 章 · 自适应算法核心

章节摘要：本章是全册的技术心脏：从最小均方算法的误差曲面讲起，推到 ANC 的标准答案 FxLMS，再纵览工程中真正在用的变体族，最后涉足非线性方法。读完你应能亲手写出可运行的 LMS 与 FxLMS 伪代码，并为一个具体场景选定算法与步长。

学习目标

读完本章，你应当能够：

1. 写出 LMS 权值更新公式的每一项含义，说出步长参数如何同时决定收敛速度与稳态残余，并在给定采样率与路径增益下估算稳定步长上限。
2. 解释为什么标准 LMS 直接用于 ANC 会失稳，以及 FxLMS 用一个次级路径估计模型如何修复梯度方向。
3. 给出 FxLMS 的完整伪代码并估计其每采样周期的乘加开销，为第 6 章的算力选型提供依据。
4. 比较 NLMS、泄漏因子、RLS、频域分块四种工程变体的适用场景，说明各自的付出与回报。
5. 判断一个 ANC 场景是否需要非线性算法，并说出函数链接网络与递归网络两条技术路线的差别。
6. 按照收敛速度、稳态残余、算力开销、跟踪能力四个维度，为一个真实场景完成算法选型并陈述理由。

核心概念速览

一句话金句：自适应算法是一台永不闭市的自动交易员——每来一个采样就结算一次误差，按固定比例修正头寸，步长是它的风险偏好，次级路径模型是它对市场的认知。

把第 2 章的静态画像换成动态过程：权值向量是当前持仓，误差信号是盯市盈亏，梯度是行情对头寸的敏感度，更新公式是再平衡策略。算法设计的全部艺术在于一个折中——修正得快，行情突变时跟得上，但每个采样残留的噪声也多；修正得慢，稳态安静，却追不上时变行情。

下面这张时序图给出 FxLMS 一个采样周期内的完整动作序列，它是本章四节共同围绕的主循环。

图注：FxLMS 的主循环时序。注意"次级路径模型"参与了两件事——生成滤波参考与修正梯度方向，这两个角色正是第 5 章在线建模存在的理由。

子章节导航

3.1 自适应滤波基础——从二次误差曲面与维纳解讲起，给出 LMS 的更新律、收敛条件与步长折中，并以一段可运行代码观察收敛全过程。这是理解一切 ANC 算法的最小内核。

3.2 FxLMS 核心算法——解释参考信号为何必须先经次级路径模型滤波，给出完整信号流图与伪代码，并用一次车载调参案例展示步长与模型精度如何在工程里互相牵制。

3.3 算法变体与演进——梳理 NLMS、泄漏因子、RLS、频域分块等变体的动机与代价，回答"什么场景该换什么算法"的选型问题。

3.4 非线性 ANC 算法——处理线性假设失效的行情：执行器饱和与声学非线性，介绍函数链接网络与深度方法两条路线及其工程现状。

子章节之间的逻辑关系

四节是一条"内核加固再扩展"的链。3.1 建立最内核的学习机制，3.2 把声学物理（次级路径）嵌入这个内核，得到行业标准算法；3.3 在标准算法的外围按场景需求换装不同模块；3.4 则在"线性叠加"这个根本假设松动时另起炉灶。与前两章的接口关系：本章所有公式里的滤波参考信号来自第 2 章的次级路径模型，本章的算力开销数据是第 6 章硬件选型的输入，本章的步长折中将在第 5 章与鲁棒性约束正面相遇。

3.1 内核：LMS 与误差曲面
      |
      v  嵌入次级路径模型
3.2 标准：FxLMS 信号流与伪代码
      |
      v  按场景换装
3.3 变体：NLMS / 泄漏 / RLS / 频域分块
      |
      v  假设松动时
3.4 扩展：非线性控制器
​

前置知识与后续延伸

前置知识只需要矩阵与向量乘法的直觉：权值向量乘输入向量得到标量输出，梯度是"误差对各权值的敏感度列表"。随机过程的概念（相关性、方差）在 3.1 有一段速成。本章公式密度是全册最高的，建议边读边在纸上推一遍 3.2 的伪代码——推完你会发现 FxLMS 不过是在 LMS 上插了一个滤波器，心理难度骤降。

往后看，3.2 的"模型失配导致发散"是第 5 章整章存在的理由；3.3 的变体清单对应第 4 章不同架构的算法偏好（前馈偏 NLMS、反馈偏泄漏与滤波重构）；3.4 的非线性方法与第 8 章 AI 融合一脉相承。如果时间只够精读两节，选 3.1 与 3.2——市面上绝大多数 ANC 产品的主环路，就是这两节的全部内容加工程细节。