为了减少非高斯噪声对系统性能的影响，核风险敏感损失函数（KRSL）因其高凸性被广泛用作自适应滤波器的成本函数。基于此，为了提高系统在非高斯条件下的滤波精度，本文将广义高斯密度（Generalized，Density，GGD）函数用作krsl的核函数函数，然后提出了广义核风险敏感损失（GK·RSL），并给出了GK·RSL的重要性质。为了进一步识别稀疏系统，结合GK·RSL的优点，提出了一种基于稀疏惩罚约束的广义递归核风险敏感损失稀疏惩罚约束算法（grkrsl SPC）。仿真结果表明，GRK和RSL－SPC算法可以显著提高系统在非高斯噪声下的滤波精度和鲁棒性