Widrow和Hoff等人于1960年提出最小均方误差(LMS)算法,由于其结构简单,计算量小,稳定性好,易于实现等优点而得到广泛的应用。LMS算法的缺点是收敛速度慢,它克服不了收敛速度和稳态误差这一对固有矛盾:在收敛的前提下,如果步长取较大值,虽然收敛速度能得到提高,但稳态误差会随之增大,反之稳态误差虽然降低但收敛速度就会变慢。为解决这一矛盾,人们提出了许多改进型自适应算法。其中很大一类是变步长LMS算法。文献[4]提出Sigmoid函数变步长LMS算法(SVSLMS)。该算法在初始阶段或未知系统的系数参数发生变化时,其步长较大,从而使该算法有较快的收敛速度;而在算法收敛后,不管主输入端干扰