IDBD算法是一种增量元学习算法。包括两个部分，第一部分针对作为其基础的LMS算法，其中包括利用时变步长参数的一个细小改动，并且FIR滤波器的M个抽头权值都依照向量方法自动调整；第二部分由三个公式组成的附加项，其中两个涉及相关记忆参数，第三个是元学习率参数的人工调整。

IDBD算法的缺点是采用元步长参数k，很可能需要手动调整参数；紧接着需要解决的一个重要问题是，如何使IDBD算法避免手动调整，也就是说，设参数k为一个定值。找到一种方法使得IDBD算法从一种应用转到另一种应用时，其元步长参数k预设值的大波动是稳定的。 改善IDBD算法的第一步是将参数k归一化，使它变为无量纲的。与原始IDBD算法相比，这种方法大大减小了对参数k的依赖性。为了使IDBD算法对元步长参数k更加不敏感，下一步就是界定参数k的容许值。特别的，当样本函数中发生过调时，减小步长使其不过调。