传统自适应估计方法是基于噪声服从高斯分布并且系统被精确建模的假设而导出的,它们在满足假设的环境下表现出良好的估计性能和稳健性。然而,这些假设在许多实际环境中并不成立,传统自适应估计方法在此环境下性能将会恶化。为了解决稀疏系统、超高斯噪声、亚高斯噪声和输入噪声等复杂环境下的估计问题,并进一步改善稳健自适应估计方法的估计性能,本论文通过采用不同的改善策略提出了系列新的稳健自适应估计方法,并详细分析了其稳定性和收敛特性。本论文的具体研究工作有:（1）为了改善成比例自适应估计方法在收敛阶段的估计性能,提出了新的成比例仿射投影算法。通过设计成比例增益正比于当前估计值与之前估计值之间的偏差,该估计方法能够在整个收敛阶段表现出快速的收敛。另外,相比于成比例自适应估计方法,新的成比例仿射投影算法简化了估计过程进一步降低了算法计算复杂度。自适应估计方法的性能分析对于指导自适应估计器的设计具有重要的作用。然而,基于仿射投影的成比例自适应估计方法的性能尚未得到分析。在此,通过能量保守理论进行了算法稳态性能分析,推导出了稳态额外均方误差的统一表达式。另外,通过随机游走模型进行了算法跟踪性能分析,给出了能够取得最小稳态额外均方误差的最优步长参数。（2）在回声信道辨识应用中,系统为稀疏系统,系统输入为语音信号（有色信号）,背景噪声为超高斯噪声。为了解决冲击噪声干扰下的回声信道辨识问题,提出了新的成比例M估计仿射投影算法。该方法采用M估计来提升抗冲击噪声干扰能力,同时采用高效递归的方式来降低计算复杂度。为了进一步提升自适应估计方法在估计回声信道的估计性能,提出了新的M估计仿射投影归一化子带自适应滤波算法,并分析了其稳定性。同时,也提出了新的成比例M估计仿射投影归一化子带自适应滤波算法,用来加快估计稀疏系统的收敛速度。（3）声学回声消除是控制由免提音频终端产生的声学回声的有效策略。在双通话过程中,近端语音信号将作为超高斯噪声影响自适应回声消除的效果。在该环境下,传统的集员归一化子带自适应滤波算法性能严重恶化,甚至不收敛。为了增强集员归一化子带自适应滤波算法在超高斯噪声影响下的抗干扰能力,通过设计稳健集员误差边界提出了新的稳健集员归一化子带自适应滤波算法,并分析了其稳态性能。为了进一步提升自适应估计方法在估计稀疏系统的估计性能,提出了基于稳健集员归一化子带自适应滤波的稀疏感知自适应估计方法,并分析了其稳态性能。（4）类仿射投影算法具有比仿射投影算法更好的估计性能和更低的计算复杂度。然而,类仿射投影算法没有考虑滤波器输入的干扰。当存在滤波器输入噪声时,类仿射投影算法将产生一定估计偏差。针对两种类仿射投影算法,为了消除估计偏差,根据无偏准则提出了对应的新的类仿射投影算法。在输入信号为有色信号时,归一化子带自适应滤波算法表现出良好的估计性能和较低的计算复杂度。由于归一化子带自适应滤波算法并没有考虑输入噪声,归一化子带自适应滤波算法在具有输入噪声的环境下其估计结果表现出一定的偏差。为了消除估计偏差,根据无偏准则提出了新的归一化子带自适应滤波算法。另外,提出了一种新的输入噪声估计方法,该方法无需输入输出噪声方差比。（5）在亚高斯噪声环境下,归一化最小四次方算法表现出比传统的归一化最小均方算法更好的估计性能。然而,归一化最小四次方算法并没有考虑输入噪声的干扰。在输入噪声干扰下其估计结果将于真实值存在一定偏差。为了处理具有亚高斯噪声及输入噪声的复合因素环境,根据无偏准则提出了新的归一化最小四次方算法。在超高斯噪声环境下,稳健集员归一化最小均方算法具有抗冲击噪声干扰的性能且具有较低的计算复杂度。然而,在输入噪声的干扰下,稳健集员归一化最小均方算法的估计结果将于真实值存在一定偏差。为了处理具有超高斯噪声及输入噪声的复合因素环境,通过最小化新的代价函数提出了新的稳健集员归一化最小均方算法。