任何系统都不可避免地受到各种噪声的影响，如何有效地消除和抑制噪声是近年来的热门研究课题之一。噪声抑制方法可分为两大类：被动噪声抑制和主动噪声抑制。被动式噪声抑制方法是从声学材料和声学结构入手，对抑制高频噪声较为有效，但对低频噪声效果并不好，且设备笨重、体积庞大、安装困难。主动式噪声抑制方法解决了低频噪声抑制问题，且系统的体积小、重量轻。随着数字信号处理技术和控制系统理论的发展，主动噪声抑制技术开始以自适应为主要研究方向。自适应滤波是近30年以来发展起来的一种最佳滤波方法。它是在维纳滤波，Kalman滤波等线性滤波基础上发展起来的一种滤波方法，具有更强的适应性和更优的滤波性能。本文介绍了自适应滤波器的基本原理，对自适应算法中最基本的两种算法：最小均方(LMS)算法和最小二乘(RLS)算法进行了深入研究，分析了典型算法的特性及各参数对算法性能的影响，并对比了典型算法的优缺点。自适应LMS滤波器结构简单，易于实现，其缺点是收敛速度很慢，抗干扰差。基于最小二乘准则，RLS算法对输入信号的自相关矩阵逆进行递推估计更新，收敛速度更快，跟踪能力更强，其收敛性能与输入信号的频谱特性无关，系统更加稳定。通过对比各种RLS滤波算法的优缺点，对现有变遗忘因子的RLS算法进行了改进，实现了自适应自调谐滤波器。为验证算法的可行性，从理论上对算法的跟踪能力、收敛性、抗干扰能力进行了分析，并且通过Matlab软件对其进行对比仿真，证实了改进的RLS算法的优越性。用VHDL硬件描述语言，在Quartus II软件开发平台上编写改进的算法程序，并用SOPC实验箱中的Cyclone系列EP1C6Q240C8芯片，实现算法。最终提出完善的系统设计方案，形成一个较成熟的周期信号采集系统，其适用于较弱低频周期信号的的滤波处理，可以独立应用。