最小均方算法（Least Mean Squares，簡稱LMS算法）是一種廣泛套用於自適應濾波和信號處理的算法。它基於維納濾波理論，通過使用最陡下降法進行最佳化。LMS算法的特點包括：
簡單性：算法實現起來相對簡單，適用於多種套用場景。
無需統計特徵：該算法不需要知道輸入信號和期望信號的統計特徵。
收斂性：在平穩信號環境下，LMS算法具有良好的收斂性，其期望值能無偏地收斂到維納解。
穩定性：在有限精度實現時，LMS算法表現出良好的穩定性。
LMS算法的工作原理是：在當前時刻的權係數是基於上一時刻的權係數，再加上一個負均方誤差梯度的比例項。這種方法使得濾波器係數能夠根據當前信號誤差進行自適應調整，以最小化誤差信號的均方值。
LMS算法的提出者是史丹福大學的Bernard Widrow教授和他的首位博士生Marcian Hoff，他們在1960年首次提出了這種算法。
儘管LMS算法在許多套用中表現出色，但它的收斂速度可能會受到誤差曲面特徵值分布的影響。當特徵值分布較分散時，LMS算法的收斂速度可能會變慢。因此，在某些情況下，可能需要考慮使用其他收斂速度更快的自適應算法。