为了解决最小均方(Least Mean Square, LMS)算法收敛速度和稳态误差之间的矛盾,提出了一种新的变步长归一化(Normalized) LMS(NLMS)算法.这种算法根据滤波器系数的梯度计算新的步长.当算法尚未收敛时,使用较大的步长;随着收敛程度的加深,逐渐减小步长.试验显示了该算法具有很好的收敛性能和跟踪性能.与其它的变步长LMS算法相比,该算法在标准NLMS算法基础上增加的运算量和存储量都很少且与阶数无关;而且该算法的参数受观测噪声的影响很小,在观测噪声强度发生变化的情况下不需要重新调整参数,仍然可以保持很好的收敛性能.