自适应滤波器实际上是能够自动调节其本身的加权系数w，以最小均方为准则的最佳滤波器。它不要求预先知道信号与噪声的自相关系数，而且在信号与噪声的自相函数即使随时间做慢变化它也能做自动适应，自动调节到满足最小均方误差的要求，近年来广泛的应用于各种信号处理中。 最小均方(LMS，least-mean-square)算法由于其具有计算量小、易于实现、平稳环境下的收敛性好、均值无偏地收敛到维纳解以及利用有限精度实现算法时的稳定性等优点而在自适应滤波理论中应用最广泛。LMS算法是一种搜索算法，它对目标函数进行适当的调整，简化了对梯度向量的计算。LMS算法的基本思想：调整滤波器自身参数，使滤波器的输出信号与期望输出信号之间的均方误差最小。这样系统输出为有用信号的最佳估计。本文在对传统的LMS算法及一些改进的其它LMS算法(归一化LMS(NLMS)算法、解相关LMS算法、变换域LMS算法)进行分析，并针对对该算法中步长选取影响收敛速度与稳态误差的这一对矛盾，通过建立步长因子与输入信号和误差之间的关系提出了一种改进的归一化变步长LMS算法。并利用系统辨识的仿真试验证实了新算法性能的提高。