自适应滤波是一种能够期望信号为含有噪声的信号源。在一类应用中，自适应滤波器以某种意义上的最优化方式消除包含在基本信号中的未知干扰。经过多次迭代后，期望信号和自适应滤波器的输出信号之差就是信号源的估计。
不直接把期望信号和噪声相减，是因为在实际中我们无法获得期望信号，只能在仿真中得到。同时，自适应滤波器有个学习过程，需要用参考信号和实际输出信号来获取误差，从而考量参数配置是否合理。
自适应滤波算法有几种应用类型，不同类型的目的、原理和手段不同，所以相对应的选取输入和期望信号也很不一样。其中，系统辨识应用中，我们可以用未知系统的输入和输出训练自适应滤波器，得到近似的未知系统的滤波器。在逆系统辨识应用中，自适应滤波器的作用是提供一个逆模型，该模型可在某种意义上最好拟合未知噪声装置。在预测应用中，自适应滤波器的作用是对随机信号的当前值提供某种意义上的一个最好预测。
自适应滤波器的期望响应可以用来计算代价函数的梯度，从而进行优化。在自适应滤波器中，期望信号是一个均值为零的信号，而且在渐进收敛的过程中，误差在一段时间内为正一段时间为负，使得滤波器的参数保持动态静止或者说于最优值附近轻微波动的。
自适应滤波器是一种能够自适应滤波器不需要事先知道输入信号和噪声的统计特性，能够自身学习或估计信号的统计特性，并以此为依据调整自身参数，已达到某种准则/代价函数下的最优滤波效果。因此，自适应滤波是处理非平稳信号的一种有效手段。
