自适应滤波算法研究一直是信号与信息处理领域的热点,已经广泛应用于语音处理、回波消除、信道均衡、系统辨识、谱线增强、自适应阵列处理和生物医学信号处理等诸多领域。随着信息通信和技术的发展,传统的自适应滤波算法面临着新的挑战,例如,一些通信系统信道的脉冲响应时间很长,这导致传统的自适应滤波算法迭代时间增加、收敛速度慢。另外,很多实际应用环境中广泛存在着冲击性强、不符合高斯分布的脉冲噪声,在这种非高斯噪声环境下,基于二阶统计量的传统自适应滤波算法的性能会大大下降,甚至是不能工作。针对脉冲响应时间长的系统,充分利用其块稀疏性,即非零的脉冲响应值成块出现的特性可以提高算法性能。块稀疏成比例仿射投影（Block-sparse Proportionate Affine Projection Algorithm,BS-PAPA）算法在计算对应的步长因子时,采用混合l_21,范数约束替代传统的₁l范数约束。这种约束条件充分利用了未知系统的块分布特征,从而取得了更好的收敛性能和识别性能。本文在深入研究传统的自适应滤波算法的基础上,考虑非高斯噪声的影响,选用最小误差熵（minimum error entropy,MEE）准则替代传统的最小均方误差（mean square error,MSE）准则,并且结合系统的块稀疏特性,提出了基于最小误差熵准则的块稀疏成比例仿射投影（minimum error entropy block-sparse proportionate affine projection algorithms,MEE-BS-PAPA）自适应滤波算法,该算法结合了BS-PAPA算法针对块稀疏信道良好的收敛特性和熵的算法对非高斯噪声干扰的抑制能力。理论分析和仿真结果表明本文提出的算法在非高斯噪声和高斯噪声干扰下均具有良好的收敛性能、稳态性能和跟踪性能。