SRTP_Log_20221120

Working Content:

1.原来的思路和当前的思路如下：把两个参数的噪声当成另外两个参数，现在神经网络就有了四个输出，由于我们noise一般较小，我们需要使用regularization的方法添加penalty terms来限制它们的大小

2.基于以上思路，由于一直noise是哪些个参数，所以可以只对那些个noise参数添加惩罚项。因此我直接没有用pytorch自带的regularization方法，而是在loss function里直接添加了 10 * coefx[0][1] ** 2 + 1e7 * coefx[0][3] ** 2 这一表达式来实现。

Problem:

 1. 如果直接像上述添加惩罚项，coef1的效果还算正常，可以看出noise的量级要比coef1小很多；coef2就不太正常了，noise2和它处于同一量级，并且有时候noise2更大，通过调整正则化系数也改变不了。

 2. 当前只是尝试了用该模型去测试没有noise的情况，实际有noise了还不清楚效果会如何，可能会更差。