### 常用的信号去噪性能评价指标 对于信号处理领域而言，衡量去噪算法的效果至关重要。常用的评价指标包括信噪比(SNR)[^1]、均方误差(MSE)[^2] 和峰值信噪比(PSNR)[^3]。 #### 信噪比 (SNR) 信噪比定义为原始无噪声信号功率与残余噪声功率之比： \[ \text{SNR} = 10\log_{10}\left(\frac{\sum x_i^2}{\sum(x_i-\hat{x}_i)^2}\right)\] 其中 \(x\) 表示原信号, \(\hat{x}\) 是经过降噪后的估计信号[^1]。 ```python import numpy as np def calculate_snr(original_signal, denoised_signal): noise = original_signal - denoised_signal snr_value = 10 * np.log10(np.sum(original_signal ** 2) / np.sum(noise ** 2)) return snr_value ``` #### 均方误差 (MSE) 均方误差用来度量两个向量之间的差异程度: \[ MSE=\frac{1}{n}\sum^n_{i=1}(y_i-\hat y_i)^2 \] 这里 \(y\) 代表真实值而 \(\hat y\) 则是指预测或重构得到的结果[^2]。 ```python def mean_squared_error(true_values, predicted_values): mse_value = np.mean((true_values - predicted_values)**2) return mse_value ``` #### 峰值信噪比 (PSNR) 当涉及到图像数据时，通常会采用 PSNR 来评估质量损失情况。该参数不仅考虑了绝对误差大小还加入了最大可能振幅的影响因素： \[ PSNR = 10\log_{10}\left (\frac{{MAX_I}^2}{MSE}\right ) \] 这里的 \( MAX_I \) 对于8位灰度图像是指255；而对于其他类型的媒体文件，则取决于其动态范围[^3]。 ```python def peak_signal_to_noise_ratio(max_pixel_value, true_image, noisy_image): mse_val = mean_squared_error(true_image.flatten(),noisy_image.flatten()) if mse_val == 0: return 'INF' psnr_value = 20 * np.log10(max_pixel_value / np.sqrt(mse_val)) return psnr_value ```