我想在 MATLAB 中实现一个自适应阈值算法，用于过滤水下声纳接收器接收到的数据。接收到的数据具有由水下噪声和镜面反射产生的交互式噪声分量。CFARD方法很接近，但它不符合我的目的。我必须对数据进行成像，以便能够在屏幕上看到放置在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固体目标反射后进行阈值处理，该目标与换能器位于相同的环境中。这些问题属于水下声学成像声纳领域。问题是，我无法模拟水下环境噪声。从我到现在为止关于这个主题的阅读中，噪声模型遵循-分布。此外，环境噪声本质上不是附加的，而是交互的。因此阈值必须是自适应的。我还在我的问题中提到了 CFARD 方法。这对于雷达应用中的信号处理很有用，因为我们只对在大区域中找到具有高能量的单个点感兴趣。水声成像声纳则不能这样说，我们尝试将目标作为视频显示在屏幕上。我希望我现在已经说得更清楚了。
您的问题收到的贡献很少，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：Détection en Environnement non Gaussien（非高斯环境中的检测）。由于是法语，我在这里复制摘要：
长期以来，来自许多环境物体（杂波）上发射信号的各种返回的雷达回波一直完全由高斯向量建模。然后通过经典匹配滤波器执行相关的最佳检测程序。然后，雷达系统的技术改进表明杂波的真实性质不再被认为是高斯的。尽管匹配滤波器的最优性在这种情况下不再有效，但为了使检测阈值的值适应杂波的多个局部变化，该检测器提出了 CFAR 技术（恒定误报率）。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强大或最优。通过非高斯复杂过程（例如 SIRP（球面不变随机过程））对杂波进行建模，已经找到了相干检测的最佳结构。这些模型描述了许多非高斯定律，如 K 分布或 Weibull 定律，并且在文献中被承认以相关方式对许多实验情况进行建模。为了在没有先验统计模型的情况下识别它们的特征分量（即纹理）的规律，我们在本文中建议通过贝叶斯方法来解决这个问题。从这个命题中出现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 近似的参数方法，第二种是蒙特卡洛估计的结果。这些估计是在参考杂波数据上进行的，并产生了两种新的最优检测策略，分别称为 PEOD（Padé Estimated Optimum Detector）和 BORD（Bayesian Optimum Detector Radar）。被称为“Asymptotic BORD”的 BORD（收敛于律）的渐近表达式与其定律一起成立。最后一个结果提供了渐近 BORD 的最佳理论性能，如果数据相关矩阵是非奇异的，也可以应用于 BORD。BORD 和 Asymptotic BORD 的检测性能是在实验地杂波数据上评估的。我们获得的结果验证了 SIRP 模型与杂波的相关性、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。如果有任何帮助，您可以跟踪作者或博士论文委员会的英文参考。