Recientemente, un algoritmo de estimación M tipo proyección afín (APLM) ha ganado popularidad por su capacidad para manejar eficazmente las perturbaciones de fondo impulsivas. Sin embargo, el rendimiento del algoritmo APLM se ve negativamente afectado por la desalineación en estado estacionario. Para abordar este problema manteniendo una complejidad computacional equivalente, se introduce una función de costo robusta basada en el estimador de seno de Andrew (ASE) y se propone un algoritmo correspondiente de estimador de seno de Andrew de proyección afín (APASE) en este documento. Para mejorar aún más la capacidad de seguimiento y acelerar la tasa de convergencia, desarrollamos el algoritmo APASE de tamaño de paso combinado (CSS-APASE) utilizando una combinación de dos tamaños de paso diferentes. Se llevan a cabo una serie de estudios de simulación en escenarios de identificación de sistemas y cancelación de ecos, lo que confirma que los algoritmos propuestos pueden alcanzar una desalineación reducida en comparación con otros algoritmos actualmente disponibles en casos de ruido impulsivo. Mientras tanto, también establecemos un límite en la tasa de aprendizaje para garantizar la estabilidad de los algoritmos propuestos.