本文主要研究的是非线性自适应滤波器。通过对模糊神经网络自适应滤波器的研究，提出新的适合非线性滤波要求的算法，并要求该算法具有较好的收敛性性和较高的收敛速度。 　　论文首先总结了自适应滤波理论的发展过程，并对其发展方向做了一定的分析，确定了将结合模糊神经网络的自适应滤波器作为本文研究的重点内容。 　　然后在学习基本的线性和非线性自适应滤波理论的基础上，将最小二乘原理与直接寻优算法结合到T-S模糊神经网络中，提出了一种新的模糊神经网络算法，克服了FNN隶属度函数导数难于计算的缺点，加快了学习速率。 　　再次论文提出了基于Chebyshev函数的模糊神经网络结构和算法，利用Chebyshev函数自动生成FNN的隶属度函数，无需对其进行调整，以达到加速收敛的目的。 　　最后论文研究了一种改进型的自适应噪声抵消器，它结合自适应谱线增强原理来改进抵消器的结构，使抵消器在消除噪声干扰和回响等性能方面得到了很大的提高。 　　为了验证论文中提出的自适应算法和结构，文中还给出了仿真结果。