自适应滤波器在系统辨识、信道均衡、回声消除、主动噪声控制等领域获得了广泛应用。采用自适应滤波器对稀疏系统进行估计广泛存在于上述应用中。针对稀疏系统估计,权值向量的低阶范数约束和比例自适应是两种最常用的加快自适应滤波器收敛速度的优化方法。本文系统研究三种不同场景下的鲁棒稀疏自适应滤波器设计及其性能优化。针对系统输出信号被脉冲噪声干扰的场景,提出了一类稀疏仿射投影最小对数双曲余弦（sparse affine projection least lncosh,S-AP-Llncosh）滤波器。当滤波器的输入信号相关性较强时,仿射投影方法通过重复利用过去时刻的数据白化输入信号,确保滤波器能够获得较快的收敛速度;当环境中有重尾型脉冲干扰时,最小对数双曲余弦方法能有效抑制脉冲噪声对滤波精度的影响。此外,通过模型驱动法对滤波器的步长进行优化,解决了定步长滤波器必须在收敛速度和稳态失调之间进行折中的问题。针对滤波器输入信号被噪声干扰的场景,提出了推导比例总体自适应滤波器的通用优化模型。然后基于这一模型,提出了比例总体归一化最小均方（proportional total normalized least mean square,PTNLMS）滤波器和比例最大总体相关熵（proportional maximum total correntropy,PMTC）滤波器。比例总体归一化最小均方滤波器在高斯噪声环境中收敛较快且计算量低;比例最大总体相关熵滤波器在非高斯噪声环境中收敛较快且具有鲁棒性。此外,对滤波器的稳态性能进行了分析。针对系统的输入信号采集有缺失的场景,提出了缺失数据插补归一化最小均方（imputation based missing data normalized least mean square,Imd-NLMS）滤波器。该场景下采用归一化最小均方滤波器会产生较大的估计偏差。缺失数据插补归一化最小均方滤波器能有效降低估计偏差,且对输入相关矩阵的特征值变化的敏感度低于最小均方滤波器。此外,基于比例自适应策略,提出了缺失数据插补比例归一化最小均方（imputation based missing data proportional normalized least mean square,Imd-PNLMS）滤波器及其凸组合优化滤波器,有效提高了稀疏系统辨识的能力。本文通过多组实验验证了所提稀疏自适应滤波器在各自场景中的性能优越性以及理论分析结果的准确性,为工程技术人员设计稀疏自适应滤波器提供了理论依据和方法指导。