Neste trabalho de pesquisa, novos algoritmos de filtragem adaptativa orientados a identificac¸ ` ao de sistemas esparsos s ˜ ao desenvolvidos. tais algorit- ˜ mos baseiam-se no uso de restric¸ao de norma aplicada ao vetor de coefi- ˜ cientes, de forma semelhante a outros algoritmos voltados a sistemas esparsos, destacando-se os algoritmos baseados nas projec¸oes em esferas de ˜ norma ?1 (?1 norm ball), recentemente propostos. em contraste com tais algoritmos, a abordagem aqui proposta incorpora uma restric¸ao de norma ˜ ao processo de otimizac¸ao simultaneamente ˜ a restric¸ ` ao afim, que caracteriza ˜ o algoritmo nlms (normalized least-mean-square algorithm). com uma concepc¸ao mais simples do que alguns importantes algoritmos da lite ˜ ratura, essa nova abordagem leva a algoritmos eficazes com menor complexidade computacional e com parametros de controle de f ˆ acil ajuste. uma formulac¸ ´ ao˜ geral para obtenc¸ao dos algoritmos ˜ e proposta de maneira a permitir a uti- ´ lizac¸ao de diferentes tipos de normas em sua concepc¸ ˜ ao. a partir de tal ˜ formulac¸ao, duas fam ˜ ´ilias de algoritmos sao derivadas, a saber: os algorit- ˜ mos com restric¸ao de norma ˜ ?1 [?1-norm constrained (?1nc) algorithms] e os algoritmos com restric¸ao de norma ˜ ?0 [?0-norm constrained (?0nc) algorithms], sendo que diferentes versoes desses algoritmos s ˜ ao apresenta- ˜ das e discutidas. atraves de simulac¸ ´ oes num ˜ ericas, os algoritmos propos- ´ tos sao avaliados, exibindo resultados promissores quando comp ˜ arados com outros algoritmos da literatura para aplicac¸oes em identificac¸ ˜ ao de sistemas ˜ esparsos. modelos estocasticos para os algoritmos propostos s ´ ao tamb ˜ em de- ´ rivados, buscando predizer seu comportamento em diferentes condic¸oes de ˜ operac¸ao.