signal noise and no discrimination

signal noise and no discrimination under time and frequency shifts. The MSE shares this monotonic sensitivity to signal noise, but the bigger issue is the dependence of there sponse to a time lag on the autocorrelation of the input signal. For periodic and semi periodic signals, the presence of several local minima and maxima could be misleading for prediction verification. The WSSIM1D shares this problem under a time lag, though performs better with signal noise. Strikingly, the WSSIM overcomes both of these issues, indicating the best performance. For jittery phase error, all the metrics perform similarly, and for the higher ordernoise, though the shapes of each metric differ, none is obviously better than the others.

ผลลัพธ์ (ไทย) 1:

สัญญาณเสียงและการไม่เลือกปฏิบัติภายใต้กะเวลาและความถี่ MSE หุ้นนี้ไว monotonic เพื่อสัญญาณเสียง แต่ปัญหาใหญ่คือ ที่พึ่งของ sponse มีให้ช่วงห่างเวลา autocorrelation ของสัญญาณอินพุต สำหรับงวด และกึ่งสัญญาณประจำงวด สถานะกมินิมาท้องถิ่นและแมกหลายอาจเข้าใจสำหรับการตรวจสอบคาดเดา WSSIM1D ร่วมปัญหานี้ภายใต้ช่วงห่างเวลา แม้ว่า จะทำดีกับสัญญาณเสียง กว่า WSSIM overcomes ทั้งสองประเด็น แสดงประสิทธิภาพสูงสุด สำหรับข้อผิดพลาดของระยะภาพกระตุก วัดทั้งหมดทำในทำนองเดียวกัน และสำหรับ ordernoise สูง แม้ว่ารูปร่างของแต่ละวัดแตก ไม่มีแน่นอนดีกว่าผู้อื่น

ผลลัพธ์ (ไทย) 2:

สัญญาณรบกวนและไม่มีการเลือกปฏิบัติภายใต้เวลาและการเปลี่ยนแปลงความถี่ หุ้น MSE นี้ไวต่อเนื่องเพื่อส่งสัญญาณเสียง แต่ปัญหาที่ใหญ่กว่าคือการพึ่งพาอาศัยกันของการตอบมีการล่าช้าเวลาในอัตของสัญญาณอินพุท สำหรับสัญญาณเป็นระยะ ๆ เป็นระยะ ๆ และกึ่งการปรากฏตัวของท้องถิ่นน้อยหลายคนและสูงสุดที่อาจจะทำให้เข้าใจผิดสำหรับการตรวจสอบการทำนาย หุ้น WSSIM1D ปัญหานี้อยู่ภายใต้ความล่าช้าเวลา แต่ประสิทธิภาพที่ดีขึ้นกับสัญญาณรบกวน เปี๊ย, WSSIM ครอบงำทั้งของปัญหาเหล​​่านี้แสดงให้เห็นประสิทธิภาพที่ดีที่สุด สำหรับข้อผิดพลาดเฟสกระวนกระวายใจทุกตัวชี้วัดประสิทธิภาพใกล้เคียงกันและสำหรับ ordernoise สูงขึ้นแม้ว่ารูปร่างของแต่ละตัวชี้วัดที่แตกต่างกันอย่างเห็นได้ชัดไม่มีใครดีกว่าคนอื่น

ผลลัพธ์ (ไทย) 3:

สัญญาณเสียงรบกวน และไม่มีการเลือกปฏิบัติภายใต้เวลาและความถี่ในการเปลี่ยนแปลง MSE หุ้นนี้ไวอย่างเดียวเสียงสัญญาณ แต่ปัญหาใหญ่คือการพึ่งพาของ sponse มีการล่าช้าเวลาบนอัตสหสัมพันธ์ของสัญญาณ . สำหรับตารางธาตุและกึ่งสัญญาณเป็นระยะ , การแสดงตนของหลายประเทศและอาจจะทำให้เข้าใจผิดไม่นี่ ม๊าส้มโอเพื่อการตรวจสอบพยากรณ์การ wssim1d หุ้นปัญหานี้ภายใต้เวลาล่าช้า แม้ว่าประสิทธิภาพที่ดีขึ้นด้วยเสียงสัญญาณ อา , wssim ทั้งสองเอาชนะปัญหาเหล่านี้แสดงประสิทธิภาพที่ดีที่สุด สำหรับตัวชี้วัดทั้งหมดไหว ความผิดพลาดเฟสทําในทํานองเดียวกัน และสูงกว่า ordernoise แม้ว่ารูปร่างของแต่ละตัวชี้วัดที่แตกต่างกัน ไม่มีใครจะเห็นได้ชัดที่ดีกว่าคนอื่น ๆ