前言在工业传感、生物医疗、语音通信等领域，信号采集过程中不可避免会受到电磁干扰 (EMI)、环境噪声等污染，如何从含噪信号中有效提取目标信号是信号处理的核心问题之一。自适应噪声对消 (Adaptive Noise Cancellation, ANC) 是一种经典的干扰抑制方案，而归一化最小均方 (Normalized Least Mean Square, NLMS) 算法因其结构简单、鲁棒性强、对输入功率不敏感的优势，成为工程中最常用的自适应滤波算法之一。本文将从基础原理出发，一步步推导 NLMS 算法的数学公式，通过手动数值实例直观展示迭代过程，最后给出完整可运行的 Python 代码实现 EMI 噪声对消仿真，帮助读者彻底掌握这一经典算法。1. 自适应噪声对消系统的基本框架自适应噪声对消的核心思想是利用与干扰相关的参考信号，自适应地估计主信号中的干扰分量并将其抵消，其核心逻辑：通过参考传感器采集 EMI 干扰信号，使用自适应算法实时调整滤波器系数，从主信号中减去估计的干扰分量。1.1 系统信号模型系统包含两路独立采集的输入信号：主输入（含噪目标信号）：d(n) = s(n) + v_1(n)其中 s(n)是需要保留的有用目标信号，v_1(n)是叠加在主路径上的干扰 噪声信号（如 EMI 电磁干扰）。参考输入（干扰参考信