本毕业设计主要是基于以最小均方自适应滤波器为基础而介绍的一种主要采用对加入变量项的新的最小均方最适应滤波器进行动量项系数因子的自适应调节的方法来实现对自适应滤波器的性能优化，使之既具有收敛速度快的优点，又具有较小的稳态误差的优点。关于信号和噪声自相关函数自适应滤波器不必事先给定，前一时刻获得的滤波器参数可以被当做参考来自动调节现时刻滤波器系数，以此实现最优滤波。本文主要推导了维纳滤波器的算法，并在此基础上进一步推出最小均方算法的公式，进而设计出自适应滤波器。详细阐述了自适应滤波器的基本原理，并讲述了自适应滤波器的几种基本算法，提出改进自适应滤波器算法设想，并给出理论依据，同时给出变动量项因子自适应滤波算法的基本思想及算法设计，运用Matlab汇编程序软件进行模拟仿真,通过对Matlab相关出图的分析及不同算法及改进算法的比较，得出其在各个性能指标的优劣性。仿真结果也比较理想，事实证明，改进的自适应滤波算法确实拥有在收敛速度及稳态误差上的优势，验证了算法的有效性。进行Matlab仿真，通过仿真，学习者可以快速掌握自适应滤波器的工作原理以及其基本结构，使我们更加容易的理解自适应滤波器。本文详尽推到了自适应滤波器中的三种典型算法——维纳滤波，最速下降法，LMS算法，提出LMS算法更加适用于追踪不断变化的外界环境而快速调整滤波器系数。本文着重对传统的LMS算法作了基础的仿真研究，给出其Matlab仿真结果。而后在此基础上加入权向量更新的动量项，进一步对动量项LMS算法改良优化，加入动量项因子的概念，通过优化动量项因子，使算法具有更好的收敛特性。