【MetricGAN系列】

MetricGAN
    原文：https://arxiv.org/abs/1905.04874
    MetricGAN的主要思想是用神经网络模拟目标评估函数的行为，它可以用来模拟不可微目标评估函数的行为，如PESQ。该网络用来计算代理损失。为了帮助语音增强模型，计算代理损失的网络和增强模型会交替更新。
    设表示归一化在0和1之间的目标评估度量的函数，其中表示度量的输入，例如，对于PESQ和STOI，我们想度量的是一对增强语音(或带噪语音)及其对应的干净语音，为了保证判别网络的行为接近PESQ或STOI的度量，的目标函数，分别用于干净语音指标估计和增强语音指标估计。其中,。

生成网络的训练完全依赖于判别网络的代理损失

表示期望分配的分数，如果希望生成干净语音，则将其设为1。

其流程如图

MetricGAN+

        原文：https://arxiv.org/abs/2104.03538

        相对于MetricGAN，MetricGAN+的改进主要有三点。

1.        增加带噪语音的目标评价分数来训练判别器D
2. 增加重放缓冲区样本比例，由0.1调整至0.2。重放缓冲区原理如下。
3. 用于掩模估计的可学习Sigmoid函数：用可学习参数α控制Sigmoid函数形状，且将函数形式改为(β=1.2)

MetricGAN-U

        原文：https://arxiv.org/abs/2110.05866

        U代表的意思是Unsupervised Learning。为了实现无监督学习，将MetricGAN中要求的干净语音去掉，判别器的目标函数改为。

此时很明显，Q计算的指标必须为非侵入性的，也就是不需要干净语音来计算。这样的指标包括ITU-T p.563, SRMR, DNSMOS等。原论文中使用的是SRMR和DNSMOS两个指标，分别用于降噪和解混响。

流程图如下