Як я реалізую алгоритм адаптивного порогового значення для підводного сонара

Я хочу реалізувати адаптивний алгоритм порогу в MATLAB для фільтрації даних, отриманих підводним приймачем. Отримані дані мають інтерактивну шумову складову, що виникає в результаті підводного шуму та дзеркального відображення. Метод CFARD близький, але він не відповідає моєму призначенню. Я повинен зображувати дані так, щоб я міг бачити об'єкт на екрані, який розміщується під водою в межах скандалу сонара. Будь-яка допомога буде дуже вдячна.

Редагувати:

Це підводне середовище. Я намагаюся пороговувати сигнал, який надійшов від сонарного перетворювача після того, як він був відбитий твердою ціллю, що знаходиться в тому ж середовищі, що і перетворювач. Проблеми належать до підводного домену підводного акустичного зображення . Проблема в тому, що я не зміг моделювати підводний шум навколишнього середовища. З того, що я читав до цього часу про цю тему, модель шуму випливає з розподілу$K$. Також екологічний шум не має надмірної природи, швидше він є інтерактивним. Отже, поріг повинен бути адаптивним. Я також згадав метод CFARD у своєму запитанні. Це корисно для обробки сигналів у радіолокаційних програмах, оскільки нам просто цікаво знайти єдину точку на великій площі, яка має високу енергію. Те ж саме не можна сказати про підводний акустичний сонар візуалізації, де ми намагаємось відображати ціль на екрані у вигляді відео. Я сподіваюся, що це я зрозумів зараз.

Ваше запитання отримало досить мало внесків, можливо, через нестачу вмісту. Під час нещодавньої конференції я натрапив на кандидатську дисертацію: Détection en Environmentnement non Gaussien ( Виявлення в не-гауссовому середовищі ). Оскільки це є французькою мовою, я відтворюю реферат тут:

Протягом тривалого часу радіолокаційні відгомони, що надходять від різних повернень переданого сигналу на багатьох об'єктах навколишнього середовища (безлад) були виключно модельовані гауссовими векторами. Відповідна оптимальна процедура виявлення потім була виконана класичним відповідним фільтром. Тоді технологічне вдосконалення радіолокаційних систем показало, що справжній характер скупчення вже не можна вважати Гауссом. Незважаючи на те, що оптимальність відповідного фільтра в таких випадках більше не є дійсною, для цього детектора були запропоновані методи CFAR (Постійна помилкова тривога) для адаптації значення порогу виявлення до кількох локальних варіацій скупчення. Незважаючи на їх різноманітність, жодна з цих методик не виявилася ні надійною, ні оптимальною в цих ситуаціях. При моделюванні скупчення не гауссовими складними процесами, такими як SIRP (сферично інваріантний випадковий процес), були знайдені оптимальні структури когерентного виявлення. Ці моделі описують безліч законів Гаусса, такі як закони розподілу K або Weibull, і в літературі визнані для моделювання багатьох експериментальних ситуацій відповідним чином. Щоб визначити закон їх характерної складової (а саме текстури) без статистичних апріорі на моделі, ми пропонуємо в цій тезі вирішити проблему байєсівським підходом. З цієї пропозиції випливають два нові методи оцінки закону текстури: перший - параметричний метод, заснований на наближенні Паде до функції генерування моменту, а другий - результатом оцінки Монте-Карло. Ці оцінки проводяться за даними еталонних захаращень і призводять до двох нових оптимальних стратегій виявлення, відповідно названих PEOD (Padé Estimated Optimum Detector) та BORD (Байєсівський оптимальний детектор радар). Асимптотичне вираження БОРД (конвергенція в законі), що називається "Асимптотична БОРДА", встановлюється разом із її законом. Цей останній результат дає доступ до оптимальних теоретичних показників асимптотичного БОРДА, а також може застосовуватися до БОРД, якщо матриця кореляції даних не є сингулярною. Ефективність виявлення BORD та асимптотичної BORD оцінюється на даних експериментальних навантажень. Ми отримали результати, що підтверджують актуальність моделі SIRP для безладу, оптимальності BORD та її адаптованості до будь-якого типу середовища.

Математика повинна бути читабельною. Якщо вам це допоможе, ви можете відстежити посилання на англійську мову від автора чи комітету кандидатських дисертацій.