一维信号去噪综合得分

Question

我正在使用不同的方法，例如小波（不同参数）、FFT 来对 1 D single 进行降噪。我使用

skimage.metrics

来评估去噪，如下面的代码片段所示。 （这里

signal

是原始噪声信号）

import skimage.metrics as M
def get_denoise_metrics(signal, clean_signal):
  data_range = (min(signal), max(signal))
  d = {
         'normalized_root_mse' : [np.round(M.normalized_root_mse(signal, clean_signal), 4)],
         'peak_signal_noise_ratio' :  [round(M.peak_signal_noise_ratio(signal, clean_signal, data_range =data_range[1]), 4)],
         'structural_similarity' : [np.round(M.structural_similarity(signal, clean_signal, data_range =data_range[1]), 4)],
  }
  return d

由于我使用的每种去噪方法有 3 个指标（方法总数大于 10），我如何创建一个综合分数，以便基于我选择的方法。

Answer 1

一切都取决于您想要实现的目标，没有最佳答案，因为对于某些人来说 RMSE 将是最重要的，对于其他人来说峰值 SNR

话虽这么说，我给你三个建议：

简单排名

对方法进行评分并分别为每个指标创建排名。

composite_score = place_in_ranking_metric1 + place_in_ranking_metric2 + ...

任意权重

利用您的知识和直觉找到任意权重。

composite_score = w1 * score_metric1 + w2 * score_metric2 + ...

标准化，“浮点”排名

如果您认为这应该比简单的排名更好。对于每种方法，根据最佳结果标准化分数。

score_metric1 = score_metric1 / best_score_metric1
score_metric2 = score_metric2 / best_score_metric1
...
composite_score = score_metric1 + score_metric2 + ...

有时，您可能需要使用

log

、

exp

、

sqrt

或

pow

转换某些乐谱。或者其他方式。这又是非常任意的。