我目前正在研究干涉测量，但我才刚刚开始研究信号处理。我想更好地了解信号处理在最大化某些硬件设备的信号检测方面可能产生的影响。
我对此的概念化是，当涉及到“感知”任何事物时，我们必须首先从硬件开始。然后，该硬件通过某种物理机制进行测量。然而，物理现实是，这种“测量”不一定是完美的——也就是说，我们想要测量的“事物”不一定是硬件测量的唯一“事物”——这就是定义信号与噪声开始发挥作用——也就是说，噪声被定义为任何不是我们感兴趣的“事物”的东西。
所以，基于这个推理，我似乎很清楚，如果你想最大化信号检测，那么你能做的“一阶”和最有影响力的事情就是以某种方式改变硬件以更好地测量你的“东西”对你不感兴趣的“事物”感兴趣，而不是感兴趣。但是在实践中，通过改变硬件来检测更多的信号并不一定实用（由于技术因素，经济因素，社会因素，收益递减等），所以我们有一个“二阶”的方法来提取信号，这是在硬件进行测量之后处理测量。这种硬件测量后处理是信号处理，据此，我们使用数学方法将我们感兴趣的“事物”（信号）的测量值与聚合测量值隔离开来，其中包括对我们不感兴趣的“事物”（噪声）的测量值。
在干涉测量中，人们经常试图测量非常微妙的“事物”，其中硬件设备不一定适合这种情况（但仍然可行），并且存在大量噪声。这通常是因为这样的硬件设备昂贵和/或技术困难。在信号处理方面，我阅读了许多干涉测量研究论文，声称他们使用自己的/独特的/定制的/任何信号处理算法从这些测量中提取信号。
我的问题如下：
- 考虑到修改硬件首先获得改进测量的限制，信号处理在帮助我们检测更多信号方面实际上能做多少？例如，如果我们使用“坏”/“不太好”的设备来测量一些微妙的现象，那么信号处理实际上可以帮助我们多少（也就是说，检测到的信号有多少改进尽管硬件不足，信号处理真的能得到我们吗）？（虽然我没有研究过信号处理本身，但我有学过数学和统计学，我知道有各种各样的定理可以让我们对事物设定界限——包括在信息论中——所以我想知道我们可以在信号处理中对我在这里提出的这样一个问题做出什么陈述；但是，需要明确的是，我不一定要对这个问题进行数学和/或严格的回答，所以请随意给出您认为对回答此类问题有用的任何答案。）
- 在上述干涉测量案例中，您为什么认为人们使用“自定义”信号处理算法，而不是我认为的“典型”信号处理算法？在这种情况下，这种做法能否显着改善信号检测？面对如此困难的情况（“不太好”的硬件、微妙的信号），是否建议创建“定制的”信号处理算法？