自适应滤波理论是统计信号处理领域中的一个重要组成部分。由于在未知时变环境下，自适应滤波器具有更强的适应性以及更优的滤波性能，自适应滤波算法的研究成为当今自适应信号处理领域中活跃的研究课题。　　 本文首先在查阅大量国内外相关领域文献的基础上，对自适应滤波算法进行了研究。自适应滤波算法可以分为两类最基本的算法：LMS算法和RLS算法。由于LMS算法具有计算复杂度低的特点，是应用最广泛的自适应滤波算法，因此本文将LMS算法作为重点研究对象。　　 针对LMS算法的收敛性能受自相关矩阵特征值扩展影响的问题，本文分析了LMS算法的三种改进算法：归一化LMS算法、变换域LMS算法和TD NLMS算法。分析结果表明，TD NLMS算法通过在变换域中使用功率归一化步长因子，能够很好的解决特征值扩展所导致的失调量与收敛速度之间的矛盾。经过算法仿真，对于不同的特征值扩展情况，TD NLMS算法都具有几乎相同的收敛性能，即经过约400次迭代后，均方误差收敛到-35dB。　　 在理论分析基础上，本文提出了TD NLMS算法实现的硬件结构，并且使用VerilogHDL语言在FPGA平台上进行了设计实现，包括了流水线LMS模块、DCT模块和归一化模块。流水线LMS模块对标准LMS算法进行了改进，乘法运算采用3级流水线结构，使算法模块的时钟频率从56.32 MHz提高到了122.38 MHz。通过利用对称性进行奇偶项分离，设计了8点DCT模块，明显降低了DCT变换的计算复杂度，算法模块的时钟频率达到了108.92 MHz。通过采用5级流水线除法器，设计了归一化模块，使功率归一化的处理速度得到了很大提高，算法模块的时钟频率达到了100.03 MHz。　　 最后，本文给出了各算法模块的综合报告，并对所提出的TD NLMS算法的电路结构进行了功能仿真和时序仿真。仿真结果表明，TD NLMS算法的硬件结构满足功能要求和时序要求。