TVAR模型，即時變自回歸（Time-Varying AutoRegressive）模型，是一種用於分析和處理非平穩隨機信號的參數模型。該模型通過使用坐標法，將時變參數近似為一系列基函式的加權和，從而將非平穩問題轉化為平穩問題。這種方法可以提高參數估計的精確度，尤其適用於大時寬頻寬積的信號處理，相比非參數模型具有更高的解析度。
TVAR模型在套用時需要解決兩個主要問題：基函式序列的選擇（包括基函式的類型和自由度）和模型階數的確定。一種有效的基函式選擇是使用徑向基函式（RBF），其中高斯徑向基函式被證明在逼近時變參數方面優於傳統多項式函式基。
此外，TVAR模型還包括各種最佳化方法，如主成分分析法（KLT）和時變最優參數搜尋（TV-OPS）法。在TV-OPS法的改進中，提出了一種基於衰退因子的歸一化階次投影距離（NOPD）的定階準則，並給出了最優基函式自由度的確定方法。
TVAR模型的套用範圍很廣，例如，它可以結合Radon變換和CLEAN思想套用於多分量Chirp信號的檢測，提出了一種稱為Radon-TVAR的新方法，這種方法能有效檢測多分量Chirp信號。