帮我写一个自适应滤波的代码

好的，以下是一个简单的自适应滤波器的代码，实现了降噪的功能：

import numpy as np

def adaptive_filter(input_signal, filter_order, step_size, regularization_parameter):
    filtered_signal = np.zeros(input_signal.shape)
    w = np.zeros(filter_order)  # 初始化权值向量
    P = np.eye(filter_order) * regularization_parameter
    for i in range(filter_order, len(input_signal)):
        x = np.flip(input_signal[i-filter_order:i], 0)  # 构造输入向量
        y_hat = np.dot(w, x)  # 预测信号值
        e = input_signal[i] - y_hat  # 误差
        k = np.dot(P, x) / (step_size + np.dot(np.dot(x, P), x))  # 计算增益矩阵
        w = w + k * e  # 跟新权值向量
        P = (P - np.outer(k, np.dot(x, P))) / step_size  # 更新误差协方差矩阵
        filtered_signal[i] = y_hat  # 将预测值存入输出向量
    return filtered_signal

该代码通过递归的方式依次计算每个采样点的预测值和滤波权值，并将预测值存入输出向量中，以输出降噪后的信号。其中，`input_signal` 是输入信号（一维向量），`filter_order` 是滤波器的阶数，`step_size` 是算法学习速率，`regularization_parameter` 是正则化参数。请注意，以上代码示例仅为参考，实际使用中需要根据具体需求进行调整和优化。