Jak zaimplementować adaptacyjny algorytm progowy dla podwodnego sonaru

Chcę zaimplementować adaptacyjny algorytm progowania w MATLAB do filtrowania danych odbieranych przez podwodny odbiornik sonaru. Otrzymane dane zawierają interaktywny składnik szumu wynikający z hałasu podwodnego i odbicia światła. Metoda CFARD jest bliska, ale to nie służy mojemu celowi. Muszę zobrazować dane, aby móc zobaczyć obiekt na ekranie, który jest umieszczony pod wodą w zasięgu sonaru. Każda pomoc będzie mile widziana.

EDYTOWAĆ:

To podwodne środowisko. Próbuję przekroczyć próg sygnału, który został odebrany z przetwornika sonaru po odbiciu go przez stały cel, który znajduje się w tym samym środowisku co przetwornik. Problemy należą do domeny sonaru Underwater Acoustic Imaging . Problem w tym, że nie byłem w stanie modelować podwodnego hałasu otoczenia. Z tego, co przeczytałem do tej pory na ten temat, model hałasu jest zgodny z rozkładem $K$. Również hałas otoczenia nie ma charakteru addytywnego, a raczej jest interaktywny. Dlatego próg musi być adaptacyjny. W swoim pytaniu wspomniałem również o metodzie CFARD. Jest to przydatne do przetwarzania sygnałów w aplikacjach radarowych, ponieważ jesteśmy zainteresowani znalezieniem jednego punktu na dużym obszarze o dużej energii. Tego samego nie można powiedzieć o podwodnym sonarowym obrazowaniu akustycznym, w którym próbujemy wyświetlić cel na ekranie jako film. Mam nadzieję, że wyjaśniłem to teraz.

Twoje pytanie otrzymało dość niewiele odpowiedzi, prawdopodobnie z powodu braku treści. Podczas niedawnej konferencji natknąłem się na pracę doktorską: Détection en Environnement non Gaussien ( Wykrywanie w środowisku innym niż gaussowski ). Ponieważ jest w języku francuskim, tutaj odtwarzam streszczenie:

Przez długi czas echa radarowe pochodzące z różnych zwrotów przekazywanego sygnału na wiele obiektów otoczenia (bałaganu) były modelowane wyłącznie przez wektory gaussowskie. Następnie powiązaną optymalną procedurę wykrywania przeprowadzono klasycznym dopasowanym filtrem. Następnie udoskonalenie technologiczne systemów radarowych pokazało, że prawdziwej natury bałaganu nie można już uważać za gaussowski. Chociaż w takich przypadkach optymalność dopasowanego filtra nie jest już aktualna, dla tego detektora zaproponowano techniki CFAR (stała częstość fałszywych alarmów) w celu dostosowania wartości progu wykrywania do wielu lokalnych odmian bałaganu. Pomimo ich różnorodności, żadna z tych technik nie okazała się ani solidna, ani optymalna w tych sytuacjach. Dzięki modelowaniu bałaganu za pomocą złożonych procesów niegaussowskich, takich jak SIRP (Spherically Invariant Random Process), znaleziono optymalne struktury spójnego wykrywania. Modele te opisują wiele praw niegaussowskich, takich jak rozkład K lub prawa Weibulla, i są znane w literaturze do modelowania wielu sytuacji eksperymentalnych w odpowiedni sposób. Aby zidentyfikować prawo ich charakterystycznego komponentu (mianowicie tekstury) bez statystycznej a priori na modelu, w tej pracy proponujemy rozwiązanie problemu przez podejście bayesowskie. Z tej propozycji wynikają dwie nowe metody szacowania prawa tekstury: pierwsza jest metodą parametryczną, opartą na aproksymacji Padé funkcji generowania momentu, a druga wynika z estymacji Monte Carlo. Oszacowania te są przeprowadzane na referencyjnych danych dotyczących bałaganu i prowadzą do dwóch nowych optymalnych strategii wykrywania, odpowiednio nazwanych PEOD (Padé Estimated Optimum Detector) i BORD (Bayesian Optimum Detector Radar). Asymptotyczna ekspresja BORD (konwergencja w prawie), zwana „Asymptotyczną BORD”, jest ustanowiona wraz z jej prawem. Ten ostatni wynik daje dostęp do optymalnych teoretycznych wyników Asymptotic BORD i może być również zastosowany do BORD, jeśli macierz korelacji danych nie jest pojedyncza. Skuteczność wykrywania BORD i Asymptotic BORD ocenia się na podstawie eksperymentalnych danych dotyczących bałaganu gruntu. Uzyskaliśmy wyniki, które potwierdzają zarówno trafność modelu SIRP dla bałaganu, optymalność BORD, jak i jego przystosowalność do dowolnego rodzaju środowiska.

Matematyka powinna być czytelna. Jeśli jest to pomocne, możesz śledzić angielski odnośnik autora lub komitetu doktora.