این پایان نامه به ارائه ی الگوریتم های فیلتر تطبیقی زیر باند نرمالیز شده با اندازه گام متغیر بر اساس دو روش می پردازد. در روش اول اندازه گام طوری تغییر می کند که بیشترین کاهش در میانگین مربعات انحراف ضرایب، در هر تکرار حاصل گردد. در روش دوم با استفاده از اطلاعات آماری پاسخ ضربه کانال، اندازه گام بهینه با حداقل کردن میانگین مربعات انحراف ضرایب، بدست می آید. الگوریتم هایی که در این پایان نامه بر پایه این دو روش محقق گردیدند عبارتند از: الگوریتم فیلتر تطبیقی زیر باند نرمالیز شده با اندازه گام متغیر، الگوریتم فیلتر تطبیقی زیر باند نرمالیز شده با انتخاب پویای زیر باند ها و اندازه گام متغیر، الگوریتم فیلتر تطبیقی زیر باند نرمالیز شده با اصلاح جزیی ضرایب و اندازه گام متغیر، الگوریتم فیلتر تطبیقی زیر باند نرمالیز شده با انتخاب پویای زیر باند ها و اصلاح جزیی ضرایب با اندازه گام متغیر. در مقایسه با الگوریتم زیر باند نرمالیز شده ی کلاسیک، الگوریتم زیر باند نرمالیز شده با اندازه گام متغیر دارای سرعت همگرایی بالاتر و خطای حالت ماندگار کمتر می باشد. برای کاهش پیچیدگی محاسباتی در الگوریتم زیر باند نرمالیز شده با اندازه گام متغیر، الگوریتم زیر باند نرمالیز شده با اصلاح جزیی ضرایب و اندازه گام متغیر پیشنهاد گردید. در این الگوریتم ضرایب فیلتر در هر زیر باند به بلوک هایی تقسیم می شود و در هر تکرار تعداد مشخصی از این بلوک ها اصلاح می گردند. با افزایش تعداد بلوک ها عملکرد این الگوریتم به الگوریتم زیرباند نرمالیز شده با اندازه گام متغیر نزدیک می شود. در الگوریتم زیر باند نرمالیز شده با انتخاب پویای زیرباندها و اندازه گام متغیر تعداد زیر باند ها برای اصلاح وزن به صورت پویا انتخاب می گردند. این الگوریتم دارای عملکرد نزدیکی به الگوریتم زیرباند نرمالیز شده با اندازه گام متغیر می باشد. با ترکیب ایده های اصلاح جزیی ضرایب و انتخاب پویای زیر باند ها، الگوریتم زیر باند نرمالیز شده با انتخاب پویای زیر باند ها و اصلاح جزیی ضرایب با اندازه گام متغیر پایه ریزی گردید. این الگوریتم با ترکیب ویژگی های اصلاح جزیی ضرایب و انتخاب پویای زیرباند ها، ضمن حفظ سرعت همگرایی بالا، کاهش پیچیدگی محاسبات را حاصل خواهد کرد. در انتهای پایان نامه عملکرد مناسب این الگوریتم ها با چندین شبیه سازی در ساختار شناسایی سیستم بررسی گردیده است.