如何为水下声纳实现自适应阈值算法

我想在MATLAB中实现自适应阈值算法，以过滤水下声纳接收器接收到的数据。接收到的数据具有交互式噪声分量，该噪声分量是由水下噪声和镜面反射引起的。CFARD方法很接近，但是没有达到我的目的。我必须对数据成像，以便能够在屏幕上看到位于声纳扫描深度内水下的物体。任何帮助将不胜感激。

编辑：

这是一个水下环境。我试图对从声纳换能器接收到的信号在被与换能器位于同一环境中的固体目标反射后的阈值进行阈值处理。问题属于水下声成像声纳领域。问题是，我无法对水下环境噪声进行建模。从我读到目前为止关于这个话题，噪声模型遵循 -配送$K$。而且，环境噪声本质上不是加性的，而是交互性的。因此，阈值必须是自适应的。我在问题中也提到了CFARD方法。这对雷达应用中的信号处理很有用，因为我们只是想在大面积的高能量处找到一个点。关于水下声成像声纳，我们无法做到相同，因为我们试图将目标作为视频显示在屏幕上。我希望我现在已经弄清楚了。

您的问题获得的贡献很少，可能是因为缺少内容。在最近的一次会议上，我遇到了博士论文：检测连接环境公司非高斯（Gaussien） （检测在非高斯环境）。由于它是法文，因此在此复制摘要：

长期以来，高斯矢量已专门对来自发射信号在环境的许多对象（杂波）上的各种回波产生的雷达回波进行了建模。然后，由经典匹配滤波器执行相关的最佳检测过程。然后，雷达系统的技术改进表明，杂波的真实本质不再被视为高斯。尽管在这种情况下匹配滤波器的最优性不再有效，但针对该检测器提出了CFAR技术（恒定误报率），以使检测阈值的值适应杂波的多个局部变化。尽管它们具有多样性，但在这些情况下，这些技术都没有变得可靠或最佳。通过非高斯复杂过程（如SIRP（球不变随机过程））对杂波进行建模，已发现了相干检测的最佳结构。这些模型描述了许多非高斯定律，例如K分布或威布尔定律，并且在文献中被认可以相关方式对许多实验情况进行建模。为了在不对模型进行统计先验的情况下确定其特征成分（即纹理）的定律，我们提出了一种贝叶斯方法来解决该问题。该命题提出了两种新的纹理定律估计方法：第一种是基于矩生成函数的Padé逼近的参数方法，第二种是基于蒙特卡洛估计的结果。这些估计是在参考杂波数据上执行的，并导致了两种新的最佳检测策略，分别称为PEOD（Padé估计最佳检测器）和BORD（贝叶斯最佳检测器雷达）。BORD（在法律上趋同）的渐近表达，称为“渐近BORD”，是与它的定律一起建立的。最后的结果提供了渐近BORD的最佳理论性能的机会，并且如果数据相关矩阵不是奇异的，也可以将其应用于BORD。利用实验性地物杂波数据评估了BORD和渐近BORD的检测性能。我们获得的结果验证了SIRP模型对于杂波的相关性，BORD的最优性及其对任何类型环境的适应性。

数学应该是可读的。如果有帮助，您可以通过作者或博士学位论文委员会追踪英语参考。