pYIN（Probabilistic YIN）算法是由 Matthias Mauch 和 Simon Dixon 于 2014 年提出的一种基音（Fundamental Frequency, F0）检测算法。它是在 De Cheveigné 和 Alain de Cheveigné 于 2002 年提出的经典 YIN 算法基础上的改进版本，主要引入了概率模型和隐马尔可夫模型（HMM）来增强算法的鲁棒性。
以下是对 pYIN 算法的详细介绍：
1. 核心原理与改进点
pYIN 算法通过两大关键策略来解决 YIN 算法在实际应用中面临的问题：
1.1 概率阈值分布 (Probabilistic Threshold Distribution)
YIN 算法通过计算差分函数（Difference Function）来寻找最小值点，从而估计基音周期。然而，它需要一个绝对阈值来确定“最佳匹配”点，这在实际信号中可能不适用。
pYIN 的解决方案是：
- 多阈值处理：不再使用单一阈值，而是引入一个阈值的概率分布。算法会使用该分布中的多个阈值对同一段信号进行处理。
- 候选基音生成：通过这种方式，pYIN 能够为每一帧生成多个基音候选值（F0-candidates），并为每个候选值分配一个概率权重，而不仅仅是一个单一的估计值。
这一步骤显著提高了对信号变化的适应性，减少了因阈值设定不当导致的错误估计。
1.2 隐马尔可夫模型 (Hidden Markov Model, HMM) 平滑
YIN 算法在处理每一帧信号时是独立的，容易出现基音轨迹跳变（即基音估计值不连续、噪声化）。
pYIN 通过引入 HMM 来进行时序平滑：
- 状态定义：HMM 的状态由“基音候选值 + 基音不存在”组成。
- 解码过程：使用 Viterbi 算法（Viterbi Decoding）在所有帧的候选值中寻找最有可能的全局基音轨迹。
- 发声检测：这个 HMM 不仅平滑了基音频率，还能对每帧进行“是否为有声帧”的决策（Voicing Detection），即判断该帧是否应该包含基音信息。
这种处理显著缓解了 YIN 算法在连续音高变化时的“断裂”问题，能够产生更平滑、更连续的基音轨迹。
2. 工作流程概述
pYIN 算法的工作过程可以分为以下几个阶段：
- 差分函数计算：计算信号的差分函数，以消除音量（振幅）对基音估计的影响。
- 概率阈值应用：利用一个阈值的概率分布，对信号进行多次 YIN 处理，生成多个 F0 候选值及其概率。
- 候选值排序：对每一帧的候选值按概率进行排序。
- HMM 平滑与 Viterbi 解码：使用 HMM 结合 Viterbi 算法，对所有帧的候选值进行时序平滑，最终输出连续的基音轨迹。
- 输出结果：输出每帧的基音频率以及该帧是否为有声帧的概率。
3. 实现与应用
pYIN 已成为音频信号处理领域的经典基线算法之一。它被广泛实现于多个音频分析工具中：
- Librosa：Python 中最流行的音频处理库之一，在其
pyin函数中实现了该算法。 - Essentia：开源的音频分析库，也提供了 pYIN 实现。
- Chromaprint/AcoustID：音频指纹识别技术中也使用了该算法来提取基音信息。
4. 总结
pYIN 算法通过引入概率分布和 HMM 平滑，有效地克服了 YIN 算法在阈值设定和连续性方面的局限。它在语音识别、音乐信息检索、声乐分析等领域具有广泛的应用价值，是目前基音估计领域最成熟、最可靠的算法之一。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！