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与换能器位于同一环境中的固体目标反射后进行阈值处理。问题属于水下声成像声纳领域。问题是，我无法对水下环境噪声进行建模。从我到目前为止所读到的关于该主题的内容来看，噪声模型遵循$ K $分布。而且，环境噪声本质上不是加性的，而是互动的。因此，阈值必须是自适应的。我在问题中也提到了CFARD方法。这对雷达应用中的信号处理很有用，因为我们只是想在大面积的高能量处找到一个点。关于水下声成像声纳，我们无法做到相同，因为我们试图将目标作为视频显示在屏幕上。我希望我现在已经更清楚了。
#1 楼
您的问题收到的贡献很少，可能是因为缺少内容。在最近的一次会议上，我遇到了博士学位论文：非高斯环境检测（非高斯环境中的检测）。由于它是法文，因此我在这里重述摘要：很长一段时间以来，雷达回波来自环境中许多物体上传输信号的各种返回（杂波）
仅由高斯向量建模。然后，通过经典匹配
过滤器执行相关的最佳检测程序。然后，雷达系统的技术改进表明
杂波的真实本质不再被视为高斯。尽管在这种情况下匹配滤波器的最优性不再有效，但为了适应该检测阈值，提出了针对此检测器的CFAR技术（恒定误报率）
。
尽管杂乱无章，但在这些情况下，这些技术都没有变得健壮或最优。通过使用非高斯复杂过程（如SIRP
（球不变随机过程））对杂波进行建模，找到了相干检测的最佳结构。这些模型描述了许多非高斯定律，例如K分布或威布尔定律，并且在文献中得到认可，可以用相关方式对许多实验情况进行建模。为了
在不对模型进行先验统计的情况下确定其特征成分（即
纹理）的定律，在本文中，我们建议使用贝叶斯方法解决该问题。该命题提出了两种新的纹理定律估计方法：
第一个是基于Padé逼近的参数化方法。矩生成函数，第二个函数来自蒙特卡罗估计。这些估计是在参考杂波数据上进行的，并导致了两种新的最佳检测策略，分别称为PEOD（Padé估计最佳检测器）和BORD（贝叶斯最佳检测器雷达）。
BORD（收敛性）的渐近表达称为“渐近BORD”，它与它的定律一起建立。最后的结果使我们能够获得渐近BORD的最佳理论性能，并且如果数据相关矩阵不是奇异的，也可以将其应用于BORD。利用地面杂波数据评估了BORD和
渐近BORD的检测性能。我们
获得的结果验证了SIRP模型对于杂波的相关性，BORD的最优性及其对任何环境的适应性。
数学应该可读。如果有帮助，您可以通过作者或博士学位论文委员会追踪英语参考。
评论
您好，虽然您的问题很有趣，而且是本网站的主题，但我们希望您提供更多信息。您能描述一下您的环境模型吗？您要尝试设定的阈值是什么？到目前为止，您是如何做到的？该站点支持LaTeX，因此您可以在两个$之间输入数学。好吧，您尝试了什么？这基本上是一个研究项目，您的问题基本上是要我们为环境建模并为您实现算法...您在我的第一条评论中仍然没有解决要点。
您将您的问题与典型的雷达检测问题进行了对比，但是我真的不知道您希望看到什么（即，您要阈值化的信号是什么样子？您想通过阈值化从信号中剔除什么？）某种图片会有所帮助。另外，“交互式”噪声是什么意思？可乘的？
@Saurabh这非常有趣，您能否按照其他人的要求提供更多信息。
由于缺乏对所提问题的回应，我感到很不满意。您是要检测信号中的峰值，还是仅在信号高于某个阈值时才检测？ （有点像，信号中发生了什么吗？）