在数字信号处理过程中,信号受到噪声干扰的现象十分常见,这些被噪声干扰的信号在识别以及后续的分析处理和判断工作中给我们带来一定的困扰。所以,在含有噪声的混合信号中检测并成功提取出我们所需要的有用信号是一个很重要课题。目前在信号理论相关领域中,我们习惯把噪声假设成高斯噪声,然后根据它的分布函数特点把噪声处理掉。但是随着科技的不断提高,我们的设备越来越复杂,在通信过程中遇到的都是非高斯噪声。按照高斯噪声处理效果并不理想,提取出的信号容易失真甚至出现严重的破坏和损失,最后使整个系统性能退化。本文从自适应滤波原理入手研究并提出新的算法,用于消除和抑制非高斯噪声。首先,介绍了几种常见的噪声,然后分析高斯噪声和非高斯的区别,根据非高斯噪声的特点提出了几种数学模型。接着分析它们的概率密度函数以及指出了它们的统计特性。其次,根据自适应滤波算法的原理,我们介绍了常见的自适应滤波器和它的基本结构和应用,然后对自适应滤波算法进行了列举。本文采用的是自适应滤波的一种典型应用——自适应噪声抑制系统。在非高斯噪声的前提下,常见的一些算法对信号的处理并不理想,因此本文研究了新的算法。本文结合归一化LMS(NLMS)算法和LMS-Newton算法的优点提出了NLMS-Newton算法,并根据它的特点给予了一些改进。在经过模拟验证后可以看出,虽然该算法的运算量变大了,但是收敛速度和稳定性得到了明显的提升。最后,在计算机上应用仿真软件MATLAB对该新算法进行仿真,根据信号处理后图像对算法的稳定性能和收敛性能进行对比分析。