本文详细介绍了DPRNN（深度递归神经网络）所使用的损失函数——尺度不变信噪比（SI-SNR）。SI-SNR是一种衡量信号纯净度的指标，不受信号尺度变化影响。公式中，s^表示估计信号，s是纯净信号，通过计算两者之间的相关性和L2范数来评估。在源码实现中，信号先减去均值以消除平均影响。该损失函数用于训练过程中计算训练误差。
DPRNN使用的loss函数是 SI-SNR
SI-SNR 是scale-invariant source-to-noise ratio的缩写，中文翻译为尺度不变的信噪比，意思是不受信号变化影响的信噪比
公式
公式如下：
{
starget=⟨s^,s⟩s∣∣s∣∣2enoise=s^−stargetSISNR=10log10∣∣starget∣∣2∣∣enoise∣∣2 \begin{cases} s_{target} = \cfrac {\lang{\hat s,s}\rangle s} {||s||^2} \\ e_{noise} = \hat s - s_{target} \\ SISNR = 10 log_{10} \cfrac {||s_{target}||^2} {||e_{noise}||^2} \end{cases} ⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧starget=∣∣s∣∣2
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
