本项目利用MATLAB软件平台，深入实现随机信号处理中核心的AR（自回归）模型参数估计算法，并结合经典的Wiener滤波器与Kalman滤波器进行系统设计与性能分析。项目主要包含以下几个完整的功能模块：1. AR模型建模与数据生成：构建不同阶数的AR模型，利用高斯白噪声驱动生成平稳随机信号，作为后续处理的基准数据；2. 参数估计算法实现：编写代码实现Yule-Walker方程法、Burg算法以及最小二乘法（Least Squares），对观测数据的AR模型系数、反射系数及噪声方差进行无偏或渐进无偏估计，比较不同算法在不同数据长度下的收敛性与准确度；3. Wiener滤波器设计：基于最小均方误差（MMSE）准则，计算维纳-霍夫方程（Wiener-Hopf），设计FIR或IIR结构的Wiener滤波器，实现对受噪信号的平稳过程最佳线性估计与去噪；4. Kalman滤波器设计：构建线性动态系统的状态空间模型（状态方程与观测方程），实现Kalman滤波的预测与更新递归算法，完成对系统状态的实时最优估计；5. 综合评估与可视化：将AR参数估计结果与真实值对比，绘制Wiener与Kalman滤波前后的时域波形图、功率谱密度图（PSD），并通过计算均方误差（MSE）、信噪比（SNR）等指标，量化评估各算法的估计性能与滤波效果。
