什么是SI-SDR和CI-SDR？

已于 2023-03-06 17:25:13 修改
阅读量2.1k 收藏 5
点赞数 1
文章标签： 人工智能 python 深度学习
于 2023-01-18 16:22:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43564719/article/details/128726000
版权

首先进行名词解释：
SI-SDR：Scale-invariant Signal-to-Distortion Ratio
CI-SDR：Convolutive transfer function invariant Signal-to-Distortion Ratio

SDR&SNR:

众所周知SDR_loss的计算方法：
SI-SNR或者叫SI-SDR，他将生成向量 X* 投影到真实向量的垂直方向，我们叫他为 XE ，再把XE作为分母，我们可以得出在两向量平行的时候评估结果是无限大的，而且向量X*方向偏差越大， XE 的值就越大，SISDR越小。（越大还原效果越好）
![](https://img-blog.csdnimg.cn/af570931a8574fa090c46af5d17f
与之相对应的是SNR。SNR是用真实值减去生成值的评分作为分母，真实值的平方作为分子再取对数，所得到的最终结果越大越好。
在这里插入图片描述

SISDR_LOSS

对于loss,我们将SISDR的计算过程取反（loss越小越好）：
I：speaker num;
公式参数详解见第二篇文
引入扩展项ˆai，弥补潜在的扩展目标之间的误差和估计。计算方法为：
在这里插入图片描述
在这里插入图片描述

CISDR_LOSS

convolutive transfer function invariant Signal-to-Distortion Ratio (CI-SDR)（时域卷积SDR）
然而当考虑多通道混响设置时，SI-SDR会产生奇怪的伪影。例如，如果SI-SDR是在一个通道作为估计值和另一个通道作为目标之间计算的，即它们具有不同的RIR，虽然听不出什么差别，但SI-SDR显示了巨大的差异。
因此我们引入CI-SDR的概念：
与SI-SDR不同，扩展项a是一个具有512个系数的有限脉冲响应滤波器。与SISDR相比CISDR在对观测信号的处理上多了时域卷积。
在这里插入图片描述

参考

SMS-WSJ: DATABASE, PERFORMANCE MEASURES, AND BASELINE RECIPE
FOR MULTI-CHANNEL SOURCE SEPARATION AND RECOGNITION
CONVOLUTIVE TRANSFER FUNCTION INVARIANT SDR TRAINING CRITERIA FOR
MULTI-CHANNEL REVERBERANT SPEECH SEPARATION

A
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
tsl-sdr:软件定义的无线电解调和解码工具
05-09
软件定义的无线电工具 这是使用TSL的工具的存储库，这些工具用于软件定义的无线电和信号处理。 获取TSL 请查看。 最简单的方法是构建debian软件包。 您不需要此程序包即可运行可执行文件，而仅需进行构建（所有内容都是静态链接的）。 建造 请安装CMake。 大多数回购都有包装。 同样，您可能至少需要以下RF接口库之一： librtlsdr为RTL-SDR（称为librtlsdr0 Debian中变体） libuhd为USRP（称为libuhd003 Debian中变体） libdespairspy for Airspy（在查找）。 只需在项目内部创建一个目录，例如build ，更改为该目录并指示CMake进行操作。 简单地： git clone https://github.com/pvachon/tsl-sdr mkdir tsl-sdr/build cd tsl-sdr
snr_loss_窗函数损失_loss_计算信噪比损失_
09-30
针对窗函数造成的信噪比损失的计算，有问题的可以联系我
李宏毅DLHLP.11.Speech Separation.1/2. Deep Clusterring, PIT
老毛的博客
10-09 1114
文章目录介绍Speaker SeparationEvaluationPermutation IssueDeep ClusterringMaskingIdeal Binary Mask (IBM)Deep Clustering 介绍 本门课程是2020年李宏毅老师新课：Deep Learning for Human Language Processing（深度学习与人类语言处理） 课程网站 B站视频 公式输入请参考：在线Latex公式 Speech Separation: • Humans can focus
语音/音乐分离综述
yanyu2940497的博客
05-16 1938
—其实是鸡尾酒会效应，但是任意信号分离难度比较大。语音和噪音分离-enc，音乐分离，语音和语音之间分离，大概分这几种吧。其实严格来说还需要搭配声学事件检测之类的来进行，但是此处假定信号成分已知。——然后语音分离常见的是两个人分离，任意说话人数量的分离也是可以的，但是三个人以上的难度陡增。一般可分为单通道和多通道——多通道可能会用到额外的麦克风阵列辅助，也可能是每个通道做单通道分离。当然也可以是先单通道预分离再结合。——分离问题属于欠定问题，很适合用深度学习来解决。
stratux:基于RTL-SDR的航空气象和交通接收器
04-28
Stratux RTL-SDR UAT工具 与Raspberry Pi 3B一起使用。 不要与树莓派3 B +使用。 支持带有Edimax EW-7811Un Wi-Fi加密狗的Raspberry Pi 2，但不建议在新版本中使用。 经过测试，可与最常见的R820T和R820T2 RTL-SDR设备一起使用。 具有stratux识别/支持的应用程序： ForeFlight 10+-天气，交通，AHRS。 西雅图航空电子FlyQ EFB 2.1.1+。 AvNav EFB 2.0.0+。 导航仪。 WingX Pro7 8.6.2以上 FltPlan去。 AerovieReports。 AvPlan EFB。 iFly GPS 9.4+。 DroidEFB 2.1.1+。 威力 飞行员地图集 经测试的天气/交通显示： 阿瓦雷 其他EFB？ 请参阅。 问题？
【Dual-Path-RNN-Pytorch源码分析】loss函数:SI-SNR
安安爸Chris的专栏
09-12 6300
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||
深度学习与人类语言处理学习笔记（三）—— 语音分离（理论篇）
weixin_36488653的博客
10-14 3041
文章目录Speech Separation1. Evaluation1.1 Signal-to-noise ratio（SNR）1.2 Scale invariant signal-to-distortion ratio（SI-SDR）2. Deep Clustering2.1 Masking3. Permutation Invariant Triaining（PIT）4. TasNet - Time-domain Audio Separation Network5. 存在问题5.1 未知说话人的个数5.
音频人声分离
Mianbao_的博客
03-01 4310
语音分离：语音和非语音（噪音）；人声分离：多个说话者的声音分离。 Speaker Separation：输入一段声音序号，输出两段声音序号。目前聚焦在两个说话者声音序号混在一起、单一麦克风的情况下，训练和测试是不同的语者；输入和输出的声音长度是一样的，所以一般不用Seq2Seq模型。 一、评估 1.Signal-to-noise ratio（SNR） 模型的输出和真实语音越接近就代表模型的性能越好；E越小，SNR就无穷大。 SNR缺点：每个声音序号当作向量来表示，模型输出和真实语音
Chapter3-1_Speech Separation(Deep Clustering, PIT)
zjuPeco的博客
05-24 2351
文章目录1 内容简述2 评价指标2.1 Signal-to-noise ratio (SNR)2.2 Scale invariant signal-to-distortion ratio (SI-SDR)2.3 其他的评价指标3 Permutation Issue4 Deep Clustering 本文为李弘毅老师【Speech Separation - Deep Clustering, PIT】的课程笔记，课程视频youtube地址，点这里????(需翻墙)。 下文中用到的图片均来自于李宏毅老师的PPT，
speech separation
博学 笃志 切问 近思
10-04 2349
人类很神奇，在嘈杂的环境中，人类可以只专注于听其中一种声音，这就是鸡尾酒会效应。Speech Separation要做的事情就是，机器跟人一样，把它想要得到的声音从嘈杂的环境抽取出来。本文将讲述Speech Separation的算法。
sdr-server:用于rtl-sdr的高性能TCP服务器
03-10
关于 主要特点 在多个独立客户端之间共享可用的RF带宽： 总带宽可以为436,600,000 Hz的2016000个样本/秒 一位客户可能以436,700,000 hz的速度请求48000个样本/秒 另一个客户可能以435,000,000 hz的速度请求96000个样本/秒 多个客户端可以同时访问同一频段 输出保存到磁盘或通过TCP套接字流回 可以压缩输出（默认情况下为true） 输出将被抽取到所请求的带宽 客户可以要求重叠的射频频谱 Rtl-sdr仅在第一个客户端连接（即节省太阳能等）之后启动。 仅在最后一个客户端断开连接时停止 MacOS和Linux（Debian Raspberrypi） 设计 每个客户端都有自己的dsp线程 每个dsp线程都执行 用于SIMD优化 仅支持RTL-SDR 原料药 在定义 客户端可以连接并发送请求以启动侦听： center_freq-这是必需的中
multi-sdr-gps-sim：multi-sdr-gps-sim即时生成IQ数据流，以使用HackRF或ADLAM-Pluto等SDR平台模拟GPS L1基带信号
02-13
多sdr-gps-sim multi-sdr-gps-sim生成GPS L1基带信号IQ数据流，然后由软件定义的无线电（SDR）平台发送该数据流。 目前支持的是HackRF，ADLAM-Pluto和二进制IQ文件输出。 该软件通过终端中基于诅咒的文本用户界面（TUI）与用户进行交互。 Takuji Ebinuma基于和IvanKor的工作的。 生成GPS信号 用户可以直接通过命令行分配静态位置，也可以通过预定义的输入文件发送运动数据。 另外，可以通过用户输入实时修改模拟位置。 用户还通过GPS广播星历文件指定GPS卫星星座。 每日GPS广播星历文件是单个站点导航文件的合并。 然后，这些文件用于为视野中的GPS卫星生成模拟的伪距和多普勒。 然后，该模拟范围数据将用于生成GPS信号的数字化I / Q样本，然后将其馈送到ADALM-Pluto SDR中以传输GPS L1频率。 如果相应
SDR 原版驱动RTL-SDR.COM
04-28
SDR 原版驱动RTL-SDR.COM
meta-gnss-sdr:GNSS-SDR的OpenEmbedded层
04-04
meta-gnss-sdr 此定义了一个OpenEmbedded层，用于在嵌入式设备上执行 。 请勿使用此存储库的主分支，仅用于实验目的。 如果您对构建图像和虚拟化环境中此层中定义的SDK有兴趣，请检查 检查此仓库的分支以获取不同版本的的meta-gnss-sdr层。 有关如何使用此层的说明： : 。 更多信息： 版权和许可 版权：:copyright:2016-2021 CarlesFernández-Prades。 版权所有。 该存储库的内容是根据许可发布的。
speechmetrics:语音质量指标MOSNet，BSSEval，STOI，PESQ，SRMR和SISDR的包装
05-13
语音指标 该存储库是目标度量的几种可免费获得的实现的包装，用于评估语音信号的质量。 它既包括相对指标，也包括绝对指标，这意味着分别需要或不需要参考信号的指标。 如果您发现语音指标有用，则欢迎您为相应的指标引用原始论文，因为这只是原始作者所提供的实现的包装。 如果您想到了一些可以在此处包含的可用python实现的指标，请告诉我！ 安装 在我们最近的测试中，在ubuntu上安装顺利，但是在pypesq上pypesq可能会出现一些编译器错误。 对于cpu的用法： pip install numpy pip install git+https://github.com/aliutkus/speechmetrics#egg=speechmetrics[cpu] 对于gpu的使用（在MOSNet上） pip install numpy pip install git+https://git
Speech Separation，语音分离详解——语音信号处理学习（七）
最新发布
m0_56942491的博客
11-17 1724
本文主要介绍了语音分离任务中的评估指标，包括信噪比(SNR)和幅度不变信号失真比(SI-SDR/SI-SNR)等；同时讨论了样本排列问题、深度聚类、PIT以及TasNet等技术应用在语音分离任务中的优缺点和发展。此外，还探讨了未知说话人数、多麦克风、视觉信息和任务导向优化等方面的研究。
模型训练——Loss函数 归纳汇总
wsy1234567890的博客
11-24 6894
上一篇文章《语音降噪模型归纳汇总》是在知乎写的第一篇文章，很意外地收到了点赞收藏和关注，如此的反馈给了我极大的鼓舞，这里就再梳理了一下loss函数相关的知识，以求方便能作为一份工具性质的文章展现出来。能力一般，水平有限，欢迎大家指正。 干货分享：欢迎收藏点赞加关注 目录 前言 什么是损失（Loss）？ 预测值（估计值）与实际值（预期值、参考值、ground truth）之间会存在差异, “损失”意味着模型因未能产生预期结果而受到的惩罚。 损失函数的作用？ 损失函数将通过比较模型的预测输出和预期输出来确定
【损失函数】Keras Loss Function
化甘
07-01 3799
文章目录ReferanceSNR (Signal-to-Noise Ratio)Si-SNR (Scale invariant Signal-to-Noise Ratio)PIT (Permutation Invariant Training)uPIT (utterance-level PIT)uPIT-SiSNR 损失函数，也是模型训练中非常重要的一块。 常见损失函数： 语音分离： uPIT-SiSNR 语音增强：l1, mse Referance 关于uPIT Si-SNR https://blo
语音质量评估 Speech quality assessment 方法与代码编写
weixin_30957413的博客
09-28 4920
语音质量评估 Speech quality assessment 方法与代码编写
si-sdr代码
05-24
以下是一个简单的 Python 实现 Si-SNR (Scale-Invariant Signal-to-Noise Ratio) 的代码： ```python import torch def si_snr(estimation, target): """ 计算 Scale-Invariant Signal-to-Noise Ratio (SI-SNR) :param estimation: 估计的音频信号, shape=[batch_size, signal_length] :param target: 目标音频信号, shape=[batch_size, signal_length] :return: 平均 SI-SNR 值 """ assert estimation.shape == target.shape, "估计的音频信号和目标音频信号的形状不匹配" batch_size = estimation.size(0) # 求出 target 的能量 target_energy = torch.sum(target ** 2, dim=1, keepdim=True) + 1e-8 # 计算 scale invariant 的估计信号和目标信号 scale = torch.sum(target * estimation, dim=1, keepdim=True) / target_energy est_target = scale * target est_noise = estimation - est_target # 求出 signal-to-distortion ratio (SDR) target_power = torch.sum(target ** 2, dim=1, keepdim=True) + 1e-8 est_target_power = torch.sum(est_target ** 2, dim=1, keepdim=True) + 1e-8 est_noise_power = torch.sum(est_noise ** 2, dim=1, keepdim=True) + 1e-8 sdr = 10 * torch.log10(est_target_power / est_noise_power) # 求出平均 SI-SNR return torch.mean(sdr - 10 * torch.log10(target_power / est_noise_power)) ``` 需要注意的是，这个实现假设输入的两个信号都已经经过了预处理，比如说标准化和截断。如果你的输入信号没有经过这些预处理，你需要在计算 SI-SNR 之前先进行处理。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值