其实所有的数字滤波器都逃不过延时加权求和的六字真谛，但我们之前讨论的FIR滤波器，其截止频率等参数都是事先已经定好；如果事先已知有用信号与噪声信号的频率相差较远，用这种滤波器是可以完成滤波的。
但如果噪声与有用信号频率相差不大或者噪声近似高斯白噪声呢，这个情况该如何面对？这意味着滤波器参数不能再保持固定不变，也就意味着加权系数不能是定值，而是应该根据信号的某些统计特性改变。
维纳滤波器就是这样一种自适应滤波器，根据维纳霍夫方程可以求得维纳滤波器的加权系数。但是，维纳滤波器有其本身的局限性，在求解加权系数时，需要知道期望信号与输入信号的互相关函数，输入信号的自相关函数。这导致计算过程设计到矩阵运算，并且滤波器不适合非平稳信号，非平稳信号的相关性不是仅仅跟时间有关。
为了简化计算量，LMS不通过求均方误差的数学期望最小去获得最佳权值，而是直接对均方误差求最小值获得权值，然后不断地重复这个过程，直到接近最优维纳解。
维纳的权值更新方程：
所以，LMS算法相比于前面讲过的FIR滤波器，不仅要对输入信号进行加权求和，还要求滤波器输出信号与期望信号的差值，然后根据差值更新权值信息。LMS算法的FPGA实现结构里，我们依然使用FIR的基础模块，基础模块实现加权和权值更新，然后通过generate for调用基础模块，对所有结果求和；顶层求误差；
示例中使用的输入信号为带噪信号，期望信号是带噪的语音信号。
base_generator.v 基础模块实现过程，当时使用的是Altera的芯片，所以设置了如果FPGA_FAMILY为“ALTERA”，会调用Altera的乘法器IP核进行权值增量的计算和加权计算过程。
wire signed [X_W+E_W-1:0]coef_tmp;// xin * err
reg signed [X_W+E_W:0]coef_nxt;// wout(k+1)
reg signed [X_W+E_W-1:0]coef;// wout(k)
reg signed [X_W-1:0]x_r;// Save xin value for later calculation
reg signed [E_W-1:0]e_r;// Save err value for later calculation
reg[2:0]state;
//因为调用了Altera的IP核，不使用Altera就用*代替
generate if (FPGA_FAMILY == "ALTERA")
begin
mult16 m1(
.dataa(x_r),
.datab(e_r),
.result(coef_tmp)
);
mult16 m2(
.dataa(x_r),
.datab(wout),
.result(yout)
);
end
else
begin
assign coef_tmp = x_r * e_r;
assign yout = x_r * wout;
end
endgenerate
always @ (posedge clk or negedge rst_n)
begin
if (!rst_n)
begin
state<='d0;
coef_nxt<='d0;
coef<='d0;
wout<='d0;
update<='d0;
x_r<='d0;
e_r<='d0;
end
else
case (state)
3'd0:
begin
if (en)
begin
state<=3'd1;
x_r<=xin;
e_r<=err;
end
update<=1'b0;
end
3'd1:
begin
coef_nxt<=coef_tmp + coef;
coef<=coef_nxt[X_W-1+E_W:0];
wout<=coef_nxt[X_W-1+E_W-:W_W];
state<=3'd0;
update<=1'b1;
end
default: state<=3'd0;
endcase
end
always块里面，首先保存输入信号和误差信号，然后进行加权结果输出，权值更新。
lms16_order.v中间模块部分代码，首先使用generate for调用了基础模块，然后对计算输出结果进行了扩位；这里没有使用Shift-RAM代替输入信号的延迟数组，也没有在求和过程使用流水线；这两个地方其实是需要改进的。
genvar i;
generate for (i = 1; i < 16; i = i + 1) begin:order
base_generator
#(
.FPGA_FAMILY(FPGA_FAMILY),
.X_W(X_W),
.E_W(E_W),
.W_W(W_W)
)
bg_inst
(
.clk(clk),
.rst_n(rst_n),
.en(en),
.xin(xin_arr[i-1]),
.err(err),
.yout(yout_arr[i]),
.wout(wout[(((i+1)*W_W)-1)-:W_W]),
.update(b_update[i])
);assign yout_exp[i] = {{4{yout_arr[i][X_W+W_W-1]}}, yout_arr[i]};endendgeneratealways @ (posedge clk or negedge rst_n)beginif (!rst_n)beginen<=1'b0;state<=3'd0;yout_ori<='d0;update<=1'b0;endelsecase (state)3'd0:beginif (en_i)beginen<=1'b1;state<=3'd1;endupdate<=1'b0;end3'd1:beginen<=1'b0;if (b_update == 16'hffff)beginyout_ori <= yout_exp[0] + yout_exp[1] + yout_exp[2] + yout_exp[3] + yout_exp[4] + yout_exp[5] + yout_exp[6] + yout_exp[7] +yout_exp[8] + yout_exp[9] + yout_exp[10] + yout_exp[11] + yout_exp[12] + yout_exp[13] + yout_exp[14] + yout_exp[15];state<=3'd0;update<=1'b1;endenddefault: state <= 3'd0;endcaseendlms.v顶层实现部分代码，对滤波器求和结果与期望信号求误差信号，这里，u值采取了截位填充符号位的做法，信号右移N位，同时最高位填入N位符号位，误差数据相当于除以2的N次方
lms16_order
#(
.FPGA_FAMILY(FPGA_FAMILY),
.X_W(X_W),
.E_W(E_W),
.W_W(W_W),
.Y_W(D_W)
)
l_inst
(
.clk(clk),
.rst_n(rst_n),
.en_i(en_i),
.xin(xin),
.err(err_tmp),
.update(lms_up),
.xnxt(),
.wout(wout),
.yout(lms_yout)
);
always @ (posedge clk or negedge rst_n)beginif (!rst_n)beginupdate<=1'b0;err<='d0;d_r<='d0;endelse if (lms_up)beginupdate<=1'b1;err<=d_r-lms_yout;d_r<=din;endelsebeginupdate<=1'b0;endendalways @ (*)case (u)8'd0: err_tmp<=err;8'd1: err_tmp<={err[E_W-1],err[E_W-1:1]};8'd2: err_tmp<={{2{err[E_W-1]}},err[E_W-1:2]};8'd3: err_tmp<={{3{err[E_W-1]}},err[E_W-1:3]};8'd4: err_tmp<={{4{err[E_W-1]}},err[E_W-1:4]};8'd5: err_tmp<={{5{err[E_W-1]}},err[E_W-1:5]};8'd6: err_tmp<={{6{err[E_W-1]}},err[E_W-1:6]};8'd7: err_tmp<={{7{err[E_W-1]}},err[E_W-1:7]};8'd8: err_tmp<={{8{err[E_W-1]}},err[E_W-1:8]};8'd9: err_tmp<={{9{err[E_W-1]}},err[E_W-1:9]};8'd10: err_tmp<={{10{err[E_W-1]}},err[E_W-1:10]};8'd11: err_tmp<={{11{err[E_W-1]}},err[E_W-1:11]};8'd12: err_tmp<={{12{err[E_W-1]}},err[E_W-1:12]};8'd13: err_tmp<={{13{err[E_W-1]}},err[E_W-1:13]};8'd14: err_tmp<={{14{err[E_W-1]}},err[E_W-1:14]};8'd15: err_tmp<={{15{err[E_W-1]}},err[E_W-1:15]};default: err_tmp<=err;endcase