提出了一种基于凸联合的Krylov子空间自适应最小均方(least mean square, LMS)算法。首先采用Krylov子空间变换将未知系统的冲击响应转换为Krylov子空间下的稀疏结构,利用其稀疏特性,将一种改进的比例归一化LMS(improved proportionate normalized LMS, IPNLMS)算法和一种变阶数归一化LMS(variable taplength normalized LMS, VTNLMS)算法进行凸联合,最后通过Krylov子空间反变换得到未知系统冲击响应。仿真结果验证了所提出的凸联合自适应LMS算法具有更快的收敛速度和更小的稳态误差。