嵌入式知识篇---LMS（Least Mean Square，最小均方）自适应滤波和自动校准
LMS自适应滤波和自动校准是精密测量仪器、通信系统和工业控制中，两种解决“误差与干扰”的关键技术。LMS主要处理动态变化的系统外部噪声，而自动校准主要消除系统内部固有的静态或准静态误差。
以下为你详细拆解两者的原理、算法与实现。
🧠 LMS自适应滤波：追着噪声跑的数字算法
LMS（Least Mean Square，最小均方）自适应滤波，本质上是一种不需要知道信号先验统计特性，就能实时跟踪、抵消噪声的算法。它基于维纳滤波理论，通过迭代方式，自动调整自身滤波器的系数（权重），使输出信号与期望信号之间的均方误差最小。
1. 核心原理：最陡下降法的简化版
目标：最小化代价函数
J(w) = E[e²(n)]，即误差平方的数学期望。方法：沿着误差关于权重的梯度负方向，以步长
μ逐步更新滤波器系数w。标准公式为：w(n+1) = w(n) + μ · e(n) · x(n)
其中：w(n)：当前时刻滤波器权向量x(n)：当前输入信号向量e(n)= 期望信号d(n)- 滤波器输出y(n)μ：步长因子
收敛速度与精度的博弈：
大µ：收敛快，但稳态误差大，甚至可能发散。
小µ：收敛慢，但稳态误差小，滤波精度高。
工程技巧：常采用变步长LMS，即在初始阶段用大µ快速收敛，接近稳态后用小µ保证精度。
2. 经典应用：自适应噪声消除
这是最直观的应用场景。一个信号s叠加了噪声n0，直接滤波无法分离。但若能获得一个与n0相关、与s无关的参考噪声信号n1，LMS就能大显身手：将n1作为滤波器输入，通过自适应调整，使滤波器输出y精确逼近真实噪声n0，再从主信道中减去，即可还原信号s。胎心监护仪、战斗机舱内通话系统就常用此原理。
3. 自适应滤波器的四种主要结构
系统辨识：用未知系统与滤波器输出之差来建模。用于信道均衡、回波消除。
逆滤波：使滤波器输出逼近一个延时脉冲，以求得未知系统的逆。用于信道均衡。
干扰消除：如上文所述，从主信号中滤除可参考的干扰。用于生物电信号提取。
线性预测：用信号自身的时延版本作参考，分离宽带与窄带成分。用于语音信号增强。
⚙️ 自动校准：向已知标准看齐的系统修正
自动校准是仪器或系统在运行过程中，无需人为大幅干预，通过内部基准源或闭环机制，自动消除因温漂、老化、器件容差等因素造成的增益误差和零点偏移的技术。
1. 核心方法分类
基于内部基准源的校准
系统内部集成了高精度、低温漂的基准电压或标准电阻。在执行校准命令时，系统将输入切换到这些已知基准上。零点校准：将输入端短路到地，测量系统的本底偏置，存入寄存器，实际测量时从结果中减去该值。
增益校准：将输入端切换到精密基准源，计算当前测量值与基准值的偏差，得出增益修正系数，用于修正后续所有读数。
典型芯片：高精度ADC（如ADS1256）常集成此功能，可一键完成自校准。
传递校准法
用外部临时接入的高一级精度标准器对内部进行调整，完成后断开。这种方法常用于智能变送器中，通过手持通讯器对其内部的A/D、D/A模块进行标定。闭环跟踪校准
系统自身构成一个比较回路，连续或周期性地将输出反馈回输入端，与设定或被测量进行比较。例如电子天平，其内部会周期性地用电磁力平衡机构对码盘进行回零检查，实现零点自动跟踪。
2. 关键步骤（以智能传感器为例）
一个典型的数字式传感器自动校准流程如下：
环境参数监测：先读取内部温度传感器，判断漂移补偿的必要性。
系统切换：微处理器控制模拟开关，断开外部信号，接入零点/基准。
顺序校准：先执行零点校准获取偏移量
O，再执行增益校准获取修正系数G。系数存储与补偿：将
O和G存入非易失性存储器。正常工作时，输出结果 =G × (原始读数 - O)。复归与状态指示：切回测量通道，并给出校准完成标志。
3. 与LMS的根本区别
自动校准处理的是系统自身的、变化相对缓慢的确定性误差（如运放偏置、电阻分压比漂移），它依靠的是一个不变的物理基准。而LMS处理的是外部环境中、统计特性未知且快速变化的随机干扰，它依靠的是一个“干净”的参考信号，算法在持续地追着误差跑。两者在系统中常常并存，一个治本，一个治标。