随着信息技术、通信技术和传感器技术、网络技术的快速发展,分布式络越来越多的在工业自动化、交通运输、精准农业、物联网、环境监测等重要工业领域广泛应用,基于分布式网络的自适应滤波算法也受到了极大的关注。最小均方算法（LMS）具有实现简单、计算量小、实时性强等诸多优点,分布式LMS算法算法得到了广泛的研究,并被用来解决信道估计、轨道跟踪等问题。然而当系统存在输入噪声、系统稀疏性较强时,LMS算法的性能并不理想。偏差补偿LMS算法和稀疏系统LMS算法克服了传统算法的缺点,结合分布式自适应网络,其性能将会进一步提升。本文研究了偏差补偿最小均方算法（BCLMS）以及针对稀疏系统的偏差补偿最小均方算法,并针对分布式自适应网络研究了扩散式稀疏系统BCLMS算法。本文在BCLMS算法和前向/后向预测输入噪声方差估计方法的基础上,提出了一种计算简便的输入噪声方差估计方法以及BCLMS-I与BCLMS-II两种新的偏差补偿LMS算法。本文对提出的算法进行了稳态性能分析,并在广义平稳高斯白噪声限定条件下推导出了算法的稳态均方偏差（MSD）。相比BCLMS算法,新算法具有计算量少、收敛性好的特点。针对稀疏系统参数估计问题,本文结合基于?₀范数与?₁范数的稀疏系统自适应滤波算法,提出了针对簇稀疏系统的偏差补偿LMS算法,结合分布式自适应滤波算法的相关研究,实现了基于扩散式策略的分布式偏差补偿LMS算法。