主動降噪中使用的降噪演算法基礎理論是自適應濾波器，通過找到最優的權重引數來設計最優的自適應濾波器。受到早年計算機發展的限制，針對主動降噪都是使用模擬電子技術，由於模擬技術可變性較小，功能較為單一，電路複雜等不足等限制，主動降噪一直被認為是一種不可能完成的任務。2023年，由howells提出的adapt noise cancellation系統來消除訊號的雜訊。2023年， 最小均方根誤差演算法被使用於主動降噪的系統中，很多的學者和專家已經對於lms演算法的收斂能力和跟蹤能力進行了廣泛的評估與研究，有兩個主要的引數會使得整個降噪系統的引數發生變化並且產生額外的均方誤差。通常所使用的演算法是最速梯度下降法，由於lms演算法使用的是固定步長來逐步靠近整個系統的最優係數，這樣使得系統處理速度較慢，達到最優解的時間較長，不能及時的對雜訊進行處理分析，所以只對頻率比較低的雜訊有必然的效果。對此，對於這個癥結研究者提出了很多分支，比如vsslms，fxlms，nlms等演算法來解決lms演算法中間出現的一些問題。
vsslms是針對最小均方誤差演算法不足所推出的一種改進演算法，通過對最小均方誤差中的步長引數進行優化調整。根據所接收到的雜訊和期望的殘差大小，當殘差越大的時候加大收斂步長，使得更快速的接近維納解，當殘差較小的時候，通過調小收斂步長，來避免超調的情況。這樣相較於傳統的最小均方誤差能夠更快的達到目標收斂值。在變步長濾波演算法中，一開始會設定乙個較大的步長值來快速收斂，到接近收斂的階段會設定較小的步長來防止超調量的產生，這樣能夠迅速地跟蹤目標訊號，處理了傳統演算法中運算速度慢的問題。
fxlms同樣也是對最小均方誤差演算法的一種改進演算法，在揚聲器和誤差感測器組成的次級通道中引入乙個模擬的次級通道模型，輸入參考訊號x(n)處理得到x』(n)訊號，再使用x』(n)訊號與誤差訊號進行對比，通過更新權值來修正lms演算法的權值，這樣無論目標是頻帶多小多大都可以於實際的狀況來進行調整從而順應環境，且整個演算法只有乘加運算對於嵌入式系統十分友好。通過與固定權重係數的最小均方誤差演算法進行比較，fxlms在處理低頻雜訊方面具有非常顯著的優勢。
nlms也是一種最小均方誤差的延伸方法，與普通的最小均方演算法的區別也在於步長，nlms中的收斂最優步長是乙個時變的變數。輸入訊號按自身能量歸一化，通常nlms適用於回聲消減，能夠提公升在雜訊中語音頻號的訊雜比。
當前研究的熱點主要是集中在車內降噪、主動式耳機降噪、nvh降噪、工廠降噪等方向，對於主動降噪演算法不斷地進行改良，選取更合理的結構使得整個系統更加簡單易用。國內主要的研究機構主要有南京大學聲學研究所，由中科院聲學所建立的會聽聲學在國內的消費電子領域、軍工領域也有所建樹。國外的技術相對成熟，例如bose，sony，sennheiser等國際知名大廠，都有大量的成熟產品。
在主動降噪演算法中，lms演算法是常見主動降噪系統的根本，由於其複雜度相對較小，實時性較好，容易使用硬體實現效果。但是由於最小均方誤差演算法本身固有的一些引數，使得其在日常的使用中存在一些困難。通過降噪演算法的改進，出現了許多針對主動降噪進行優化的改進演算法，使得主動降噪的應用場合更為廣泛。主動降噪通過與傳統的被動降噪的優點相結合消除高頻和低頻的大部分雜訊，人們將會在未來逐漸擺脫雜訊對於人們生產和生活的影響。