Sualtı sonarı için uyarlanabilir eşik algoritmasını nasıl uygularım

Bir sualtı sonar alıcısı tarafından alınan verileri filtrelemek için MATLAB'da uyarlanabilir bir eşikleme algoritması uygulamak istiyorum. Alınan veriler, su altı gürültüsü ve aynasal yansımadan kaynaklanan etkileşimli bir gürültü bileşenine sahiptir. CFARD yöntemi yakın, ancak amacım hizmet etmiyor. Sonarın scandepth içine su altına yerleştirilen bir ekranda nesneyi görebilmek için verileri görüntülemeliyim. Herhangi bir yardım büyük takdir edilecektir.

DÜZENLE:

Su altı ortamıdır. Dönüştürücü ile aynı ortamda bulunan sağlam bir hedef tarafından yansıtıldıktan sonra bir sonar dönüştürücüsünden alınan bir sinyali eşleştirmeye çalışıyorum. Sorunlar Sualtı Akustik Görüntüleme sonar alanına aittir . Sorun şu ki, sualtı çevresel gürültüsünü modelleyemedim. Bu konu hakkında şimdiye kadar okuduğumdan, gürültü modeli bir dağıtımını takip ediyor$K$. Ayrıca çevresel gürültü doğada katkı maddesi değildir, interaktiftir. Dolayısıyla eşik uyarlanabilir olmalıdır. Sorumda CFARD yönteminden de bahsettim. Bu, radar uygulamalarında sinyal işleme için yararlıdır çünkü yüksek enerjiye sahip geniş bir alanda tek bir nokta bulmak istiyoruz. Hedefi ekranda video olarak göstermeye çalıştığımız sualtı akustik görüntüleme sonarı hakkında da aynı şey söylenemez. Umarım şimdi daha açıklığa kavuştum.

Sorunuz, muhtemelen eksik içerik nedeniyle oldukça az katkı aldı. Yakın tarihli bir konferans sırasında, doktora tezi ile karşılaştım: Détection tr Çevre Gaussien olmayan ( Gauss olmayan bir ortamda Tespit ). Fransızca olduğu için, özeti burada yeniden üretiyorum:

Uzun bir süredir, çevrenin birçok nesnesi (dağınıklığı) üzerinde iletilen sinyalin çeşitli dönüşlerinden gelen radar ekoları sadece Gauss vektörleri tarafından modellenmiştir. İlgili optimal saptama prosedürü daha sonra klasik uyumlu filtre ile gerçekleştirildi. Daha sonra, radar sistemlerinin teknolojik gelişimi, dağınıklığın gerçek doğasının artık Gauss olarak kabul edilemeyeceğini gösterdi. Eşleşen filtrenin iyimserliği bu gibi durumlarda artık geçerli olmasa da, algılama eşiğinin değerini karmaşanın çoklu yerel varyasyonlarına uyarlamak için bu dedektör için CFAR teknikleri (Sabit Yanlış Alarm Hızı) önerilmiştir. Çeşitliliklerine rağmen, bu tekniklerin hiçbiri bu durumlarda sağlam ya da optimal değildir. Dağınıklığın SIRP (Küresel Olarak Değişmez Rastgele Süreç) gibi Gauss olmayan karmaşık süreçlerle modellenmesiyle, tutarlı tespitin optimal yapıları bulunmuştur. Bu modeller, K-dağıtımı veya Weibull yasaları gibi Gauss dışı birçok yasayı tanımlar ve literatürde birçok deneysel durumu ilgili bir şekilde modellediği kabul edilir. Model üzerinde istatistiksel bir öncelik olmadan karakteristik bileşenlerinin (yani doku) yasasını tanımlamak için, bu tezde, sorunu Bayesci bir yaklaşımla ele almayı öneriyoruz. Doku kanununun iki yeni tahmin yöntemi bu önermeden ortaya çıkmaktadır: birincisi, moment üreten fonksiyonun Padé yaklaşımına dayanan parametrik bir yöntemdir ve ikincisi ise Monte Carlo tahmininden kaynaklanmaktadır. Bu tahminler referans dağınıklığı verileri üzerinde gerçekleştirilir ve sırasıyla PEOD (Padé Tahmini Optimum Dedektör) ve BORD (Bayesian Optimum Dedektör Radarı) olarak adlandırılan iki yeni optimum algılama stratejisine yol açar. “Asimptotik BORD” adı verilen BORD'un asimtotik ifadesi (hukukta yakınsama), yasasıyla birlikte kurulur. Bu son sonuç, Asimtotik BORD'un optimal teorik performanslarına erişim sağlar ve veri korelasyon matrisi tekil değilse de BORD'a uygulanabilir. BORD ve Asimtotik BORD bulgulama performansları deneysel zemin dağınıklığı verileri üzerinde değerlendirilir. SIRP modelinin dağınıklık ile ilgisini, BORD'un en uygunluğunu ve her türlü ortama uyumluluğunu doğrulayan sonuçlar elde ettik.

Matematik okunabilir olmalıdır. Herhangi bir yardımı varsa, yazar veya doktora tez komitesi tarafından İngilizce referansını takip edebilirsiniz.