自回归(AR)参数模拟技术在系统辨识、图像插值与超分辨上具有重要应用。它是模拟随机信号的一种简单且有效的方法,具有高分辨特性。AR模型参数估计的关键问题是估计模型参数和噪声方差。一维(1-D)含噪AR模型参数估计理论与算法的研究已较成熟。而由于二维(2-D)含噪AR模型的结构复杂性使其参数估计理论与算法研究相对较少,并且1-D含噪AR模型的参数估计方法较难直接扩展到2-D模型参数估计。本文围绕含噪的2-D AR模型关键问题,展开了深入研究。主要研究工作如下:1、运用矩阵内积技术,结合逆滤波方法和Yule-Walker方程提出一种基于噪声环境下2-D AR模型参数估计的逆滤波方法,进而提出一种2-D AR模型参数估计的矩阵型递归算法。该算法通过求解线性方程组获得噪声方差估计,并利用最小二乘估计方法,将方差估计代入参数偏差校正公式,递归地校正AR模型参数估计的偏差,从而可以获得无偏参数估计。仿真实验结果表明所提出的估计算法具有较高的估计精度。2、运用矩阵内积技术,结合无偏估计技术提出一种基于噪声环境下2-D AR模型参数的无偏估计方法,进而提出一种2-D AR模型参数估计的矩阵型牛顿迭代快速算法。该算法通过将观测噪声方差的估计问题转化为一个非线性方程唯一解的求解问题,从而产生AR模型参数的无偏估计。由于该算法获得的噪声方差估计误差的减少,使得AR参数估计精度提高。从算法的计算复杂度分析,该算法具有较好的计算复杂度。仿真实验结果表明所提出的算法具有估计精度较高和速度快的优势。3、研究2-D AR模拟技术在图像超分辨上的插值应用。比较研究了四种基于2-D AR模型的图像插值算法,并从算法复杂性和估计精度上分析了其性能。