Как реализовать алгоритм адаптивного порога для подводного сонара

Я хочу реализовать адаптивный алгоритм определения порога в MATLAB для фильтрации данных, полученных подводным гидролокатором. Полученные данные имеют интерактивную шумовую составляющую, возникающую в результате подводного шума и зеркального отражения. Метод CFARD близок, но он не служит моей цели. Я должен изобразить данные так, чтобы я мог видеть объект на экране, который находится под водой в пределах глубины сканирования гидролокатора. Любая помощь будет оценена.

РЕДАКТИРОВАТЬ:

Это подводная среда. Я пытаюсь определить порог сигнала, который был получен от гидролокатора после того, как он был отражен твердой мишенью, которая находится в той же среде, что и преобразователь. Проблема относится к области гидролокатора подводного акустического изображения . Проблема в том, что я не смог смоделировать подводный шум окружающей среды. Из того, что я до сих пор читал об этой теме, модель шума следует распределению$K$, Кроме того, шум окружающей среды не аддитивен по своей природе, скорее он интерактивен. Следовательно, порог должен быть адаптивным. Я также упомянул метод CFARD в своем вопросе. Это полезно для обработки сигналов в радиолокационных приложениях, поскольку мы просто заинтересованы в поиске единственной точки на большой площади, которая имеет высокую энергию. Чего нельзя сказать о подводной акустической сонарной съемке, где мы пытаемся отобразить цель на экране в виде видео. Надеюсь, я сделал это сейчас более понятным.

Ваш вопрос получил довольно мало сообщений, вероятно, из-за недостатка содержания. Во время недавней конференции, я наткнулся на диссертационный: Detection ан Environnement не Gaussien ( Обнаружение в негауссовой среде ). Так как это на французском языке, я воспроизвожу здесь резюме:

В течение длительного времени радиолокационное эхо, исходящее от различных возвратов передаваемого сигнала на многие объекты окружающей среды (беспорядок), моделировалось исключительно гауссовскими векторами. Соответствующая оптимальная процедура обнаружения затем выполнялась классическим согласованным фильтром. Затем технологическое усовершенствование радиолокационных систем показало, что истинная природа беспорядка больше не может считаться гауссовой. Хотя в таких случаях оптимальность согласованного фильтра больше не действительна, для этого детектора были предложены методы CFAR (Constant False Alarm Alarm Rate), чтобы адаптировать значение порога обнаружения к множественным локальным изменениям помех. Несмотря на их разнообразие, ни один из этих методов не оказался ни надежным, ни оптимальным в этих ситуациях. При моделировании беспорядка негауссовыми сложными процессами, такими как SIRP (сферически инвариантный случайный процесс), были найдены оптимальные структуры когерентного обнаружения. Эти модели описывают многие негауссовы законы, такие как законы K-распределения или Вейбулла, и признаны в литературе для моделирования многих экспериментальных ситуаций соответствующим образом. Чтобы определить закон их характеристического компонента (а именно, текстуры) без статистического априора на модели, мы предлагаем в этом тезисе решить проблему с помощью байесовского подхода. Из этого предложения вытекают два новых метода оценки закона текстуры: первый - это параметрический метод, основанный на аппроксимации Паде функции, производящей момент, а второй - на основе оценки Монте-Карло. Эти оценки выполняются для эталонных данных о беспорядке и приводят к двум новым оптимальным стратегиям обнаружения, соответственно названным PEOD (оценочный оптимальный детектор Паде) и BORD (радар байесовского оптимального детектора). Асимптотическое выражение BORD (схождение в законе), называемое «асимптотической BORD», устанавливается вместе с его законом. Этот последний результат дает доступ к оптимальным теоретическим характеристикам асимптотического BORD и может также применяться к BORD, если матрица корреляции данных не является единственной. Характеристики обнаружения BORD и асимптотического BORD оцениваются на основании экспериментальных данных о помехах от земли. Мы получили результаты, которые подтверждают актуальность модели SIRP для беспорядка, оптимальность BORD и его адаптируемость к любому типу среды.

Математика должна быть читабельной. Если это поможет, вы можете отследить английскую ссылку автора или докторской диссертации.