近来，已经开发了稀疏的自适应学习算法来利用系统稀疏性以及减轻许多应用中的各种噪声干扰。 特别地，在稀疏信道估计中，可以通过稀疏自适应滤波器从噪声测量中很好地估计具有稀疏特性的参数矢量。 在以前的研究中，大多数工作使用基于均方误差（MSE）的成本来开发稀疏滤波器，这在高斯分布的假设下是合理的。 但是，高斯假设并不总是在现实环境中成立。 为了解决这个问题，我们在工作中将l1范数或重新加权的l1范数合并到最小误差熵（MEE）标准中，以开发新的稀疏自适应滤波器，其性能可能比基于MSE的方法好得多，尤其是