自适应滤波：模型随误差在线更新

固定滤波器假设环境统计稳定，自适应滤波器根据误差信号在线调整系数，适合回声抵消、主动降噪和通道跟踪。更新过快会噪声大甚至发散，过慢则跟不上变化。

LMS算法

LMS沿瞬时平方误差的负梯度近似更新，简单稳健。步长由输入功率和相关性限制；输入尺度改变时固定步长表现会大变。

归一化LMS按当前输入能量调整步长，降低幅度变化影响。分母需小正数防止静音时除零，但该常数也影响低能量行为。

噪声抵消需要参考与目标噪声相关、与期望信号尽量不相关。若参考含有期望信号，算法会把真正信号也消掉。

回声抵消中远端和近端同时说话会使误差不再只代表回声，需双讲检测冻结或调整更新。扬声器非线性与房间变化也限制线性模型。

看学习曲线、稳态失调、跟踪速度和主观/任务指标。只展示最终波形可能隐藏启动阶段爆音与短暂发散。

上线前设置系数范数、步长和输出限幅保护，并在参考失真或断线时冻结更新。自适应算法改变系统本身，安全边界必须独立于学习结果。对多通道算法还需检查输入相关导致的收敛速度差异。

练习：模拟一条时变回声路径，比较LMS与NLMS在输入幅度突变时的收敛和失调。