子带自适应滤波器在通信系统辨识,语音回声消除等领域有着广泛的应用,其基本思想是通过子带分割抽取降低输入信号的相关性,从而提高收敛速度,但随着其应用领域的不断拓展,传统的子带自适应滤波算法不断面临着新的挑战,例如在水声通信等实际应用场合中普遍存在的非高斯冲击噪声导致基于₂l范数的子带自适应滤波（Subband Adaptive Filter,SAF）算法性能退化甚至失效。另外,无线通信、视频通话等系统常常呈现稀疏特性,现有的许多子带自适应滤波算法并未充分利用这一特性,从而导致算法应用于稀疏系统时,复杂度增加、收敛速度变慢。本文深入全面地研究了抑制非高斯噪声十分有效的符号子带自适应滤波（Sign Subband Adaptive Filter,SSAF）算法,通过理论分析和仿真实验讨论了其对稀疏系统的性能局限性。基于稀疏信号处理理论,本文首先在符号子带自适应滤波算法的代价函数中引入零吸引因子,使算法在更新过程中增加了对权向量的₁l范数约束,其次融合了比例矩阵的思想,根据待估计系统的系数大小设定比例步长,最终得到了基于?律的零吸引比例符号子带自适应滤波（Zero Attractor?-law Proportionate Sign Subband Adaptive Filter,ZAMPSSAF）算法。该算法能够保证稀疏系统中占主要部分的零系数或较小系数收敛速度加快,而小部分的大系数收敛于最优值,大量仿真实验表明,本文提出的算法在不同稀疏特性系统中,不同背景噪声环境下均具有较好的收敛性能、稳态性能。同时,本文还将提出的新算法应用于数字助听器回声反馈消除系统,仿真结果也表明本文的算法可以有效抑制非高斯和高斯背景下的声反馈现象。