Metalearning算法学习基础学习算法，旨在提高学习系统的性能。 增量delta-bar-delta（IDBD）算法就是这种金属学习算法。 另一方面，稀疏算法由于其良好的性能和广泛的应用而越来越受欢迎。 在本文中，我们考虑了系统的稀疏性，提出了一种稀疏的IDBD算法。 l（0）范数罚分包含在标准IDBD的成本函数中，它等同于在迭代中添加零吸引子，因此，如果目标系统确实稀疏，则可以加快收敛速度​​。 仿真表明，该算法在稀疏系统识别方面优于竞争算法。