LMS（最小均方）算法是一種在自適應濾波和信號處理中廣泛套用的算法。它基於維納濾波理論，旨在通過調整濾波器權重來最小化期望信號與濾波器實際輸出之間的均方誤差。LMS算法不需要輸入信號和期望信號的統計特徵知識，它通過在當前時刻的權係數上加上一個負均方誤差梯度比例項來更新權係數。
LMS算法的核心在於其權重更新公式，這可以表示為w(n+1)=w(n)+μ*e(n)*x(n)，其中w(n)是濾波器權重向量，x(n)是輸入信號，e(n)是誤差信號，μ是步長因子，控制權重更新的速度。
LMS算法的特點包括計算複雜度低、在信號為平穩信號的環境中收斂性好、其期望值無偏地收斂到維納解和利用有限精度實現算法時的穩定性。這些特性使得LMS算法成為自適應算法中最穩定和套用最廣泛的算法之一。
LMS算法與維納濾波器不同，其系統係數隨輸入序列而改變，而維納濾波器則使用輸入序列的自相關函式來構造最佳係數。LMS算法採用平方誤差最小的原則，而不是均方誤差最小，這使得它在系統進入穩定之前有一個調整時間，這個時間受到算法步長因子的控制。
總的來說，LMS算法通過不斷調整濾波器權重，使得輸出誤差的均方值最小，從而實現對輸入信號的有效處理和回響。