Algoritmo Least Mean Square

(LMS)
La caracterstica ms importante del algoritmo LMS es su
simplicidad.
En general requiere de apenas 2 procesos, donde uno de ellos
es el Proceso de filtrado para hallar (a) la salida del filtro y
(b) la estimacin del error por la comparacin de la salida y la
respuesta que se desea.
Por su parte, el Proceso de adaptativo se encarga del ajuste
automtico de los valores de los coeficientes del filtro, de
acuerdo con la estimacin del error calculado anteriormente.
La combinacin de ambos procesos constituye la estructura
LMS como se ilustra en la figura.

Donde u(n) representa la entrada, d(n) la respuesta deseada y

e(n) la estimacin de error. Con dicha entrada, el filtro
transversal producir una salida (n|n) utilizada como una
estimacin de la respuesta deseada d(n).

Sin embargo, la principal limitacin del algoritmo LMS es su

velocidad de convergencia la cual es lenta. Dicha velocidad
est ligada a un parmetro conocido como tamao de paso.
Este parmetro cumple la siguiente condicin prctica:

Donde
Potencia de entrada: sumatoria de valores del cuadrado
medio de todos los valores de entrada dentro del filtro
transversal.
Entonces, se originan 2 situaciones al utilizar determinado
valor de :
Si asignamos un valor pequeo a , la adaptacin ser
lenta, ya que es equivalente a tener un algoritmo LMS
con demasiada memoria. Sin embargo, el exceso del
error cuadrtico medio despus de la adaptacin ser
pequeo en promedio debido a la gran cantidad de datos
utilizados por el algoritmo para la estimacin del error.
Por otro lado, cuando el valor de sea grande, la
adaptacin ser relativamente rpida, pero esto tendr
como costo el incremento en promedio del exceso del
error cuadrtico medio despus de la adaptacin.

El algoritmo LMS utilizando Matlab

Cualquier sistema avanzado de comunicacin que procese
imagen, audio u otro tipo de dato a una alta velocidad,
requiere del uso de algn sistema de cancelacin de
interferencias.