En este documento, proponemos un novedoso algoritmo de mínimos cuadrados normalizados (NLMS) para aplicaciones de identificación de sistemas. Nuestro enfoque implica analizar el rendimiento de desviación cuadrática media del algoritmo NLMS utilizando un modelo de caminata aleatoria para seleccionar dos parámetros óptimos, el tamaño de paso y los parámetros de regularización, para la rápida convergencia de las señales de entrada coloreadas. Verificamos que el algoritmo propuesto mostró una convergencia más rápida que los algoritmos existentes, incluso en escenarios de cambios repentinos en el sistema.