水中ソナーに適応しきい値アルゴリズムを実装するにはどうすればよいですか

水中ソナーレシーバーで受信したデータをフィルター処理するために、MATLABで適応しきい値アルゴリズムを実装したいと考えています。受信したデータには、水中ノイズと鏡面反射によるインタラクティブなノイズ成分が含まれています。CFARDメソッドは近いですが、私の目的を果たしません。ソナーのスキャン深度内の水中に配置されたオブジェクトを画面上で確認できるように、データを画像化する必要があります。どんな助けでも大歓迎です。

編集：

水中環境です。トランスデューサーと同じ環境にある固体ターゲットによって反射された後、ソナートランスデューサーから受信した信号にしきい値を設定しようとしています。問題は水中音響イメージングソナードメインに属しています。問題は、水中の環境騒音をモデル化できなかったことです。このトピックについて今まで読んだことから、ノイズモデルは分布に従います$K$。また、環境ノイズは本質的に加法的ではなく、インタラクティブです。したがって、しきい値は適応可能でなければなりません。質問ではCFARDメソッドについても触れました。高エネルギーの広い領域で単一のポイントを見つけることに関心があるだけなので、これはレーダーアプリケーションでの信号処理に役立ちます。水中音響イメージングソナーについても同じことが言えません。そこでは、ターゲットを画面にビデオとして表示しようとします。私はそれを今より明確にしたと思います。

おそらくコンテンツが不足しているため、あなたの質問はほとんど貢献されていません。最近の会議中に、博士論文「非ガウス環境での検出（非ガウス環境での検出）」に出会いました。フランス語なので、ここに要約を複製します。

長い間、環境の多くのオブジェクト（クラッタ）で送信された信号のさまざまな戻りから生じるレーダーエコーは、ガウスベクトルによってのみモデル化されてきました。次に、関連する最適な検出手順が、古典的な整合フィルターによって実行されました。次に、レーダーシステムの技術的改善により、クラッターの本来の性質をガウス型と見なすことはできなくなった。このような場合、マッチドフィルターの最適性はもはや有効ではありませんが、検出しきい値の値をクラッターの複数の局所的な変化に適合させるために、この検出器に対してCFAR技術（Constant False Alarm Rate）が提案されました。それらの多様性にもかかわらず、これらの技法はどれも、これらの状況で堅牢でも最適でもありませんでした。SIRP（球面不変ランダムプロセス）などの非ガウスの複雑なプロセスによるクラッターのモデリングにより、コヒーレント検出の最適な構造が見つかりました。これらのモデルは、K分布やワイブルの法則など、多くの非ガウスの法則を記述しており、関連する方法で多くの実験的状況をモデル化することが文献で認められています。モデルの統計的アプリオリなしにそれらの特徴的なコンポーネント（つまり、テクスチャー）の法則を特定するために、この論文では、ベイズアプローチによって問題に取り組むことを提案します。テクスチャ法則の2つの新しい推定法がこの命題から生まれました。1つ目はモーメント母関数のパデ近似に基づくパラメトリック法であり、2つ目はモンテカルロ推定から得られます。これらの推定は、参照クラッターデータに対して実行され、PEOD（パデ推定最適検出器）およびBORD（ベイジアン最適検出器レーダー）という名前の2つの新しい最適検出戦略につながります。「漸近的BORD」と呼ばれるBORDの漸近的表現（法の収束）は、その法とともに確立されます。この最後の結果は、漸近BORDの最適な理論的パフォーマンスへのアクセスを提供し、データ相関行列が非特異である場合、BORDにも適用できます。BORDの検出性能と漸近BORDの検出性能は、実験的なグラウンドクラッターデータで評価されます。クラッタに対するSIRPモデルの関連性、BORDの最適性、およびあらゆるタイプの環境への適応性の両方を検証する結果が得られました。

数学は読みやすいはずです。何らかの助けになれば、著者または博士論文委員会による英語の参照を追跡できます。