自适应滤波器一直是信号处理领域的研究热点之一，经过多年的发展，已经被广泛应用于数字通信、回声消除、图像处理等领域。自适应滤波算法的研究始于20世纪50年代末，Widrow和Hoff等人最早提出最小均方算法(LMS)。算法由于结构简单，计算量小，易于实时处理，因此在噪声抵消，谱线增强，系统识别等方面得到了广泛的应用。为了克服定步长LMS算法中收敛速度、收敛精度及跟踪速度等对步长大小选取相互矛盾的缺点，人们提出了许多变步长LMS算法，但是，当输入信号具有强相关性时，例如语音信号，LMS算法及NLMS

0 引  言 　　自适应滤波器一直是信号处理领域的研究热点之一，经过多年的发展，已经被广泛应用于数字通信、回声消除、图像处理等领域。自适应滤波算法的研究始于20世纪50年代末，Widrow和Hoff等人最早提出最小均方算法(LMS)。算法由于结构简单，计算量小，易于实时处理，因此在噪声抵消，谱线增强，系统识别等方面得到了广泛的应用。为了克服定步长LMS算法中收敛速度、收敛精度及跟踪速度等对步长大小选取相互矛盾的缺点，人们提出了许多变步长LMS算法，但是，当输入信号具有强相关性时，例如语音信号，

0 引  言 　　自适应滤波器一直是信号处理领域的研究热点之一，经过多年的发展，已经被广泛应用于数字通信、回声消除、图像处理等领域。自适应滤波算法的研究始于20世纪50年代末，Widrow和Hoff等人早提出均方算法(LMS)。算法由于结构简单，计算量小，易于实时处理，因此在噪声抵消，谱线增强，系统识别等方面得到了广泛的应用。为了克服定步长LMS算法中收敛速度、收敛精度及跟踪速度等对步长大小选取相互矛盾的缺点，人们提出了许多变步长LMS算法，但是，当输入信号具有强相关性时，例如语音信号，LMS