前情提要：

【超详细】科普：别再只会用自相关！YIN 和 PYIN 如何破解音频隐藏密码？-CSDN博客

【微实验】妈妈我的MATLAB会识别声音的基频了！-CSDN博客

今天用MATLAB把算法封装成函数，然后调用对比结果。

一、算法简介

YIN 算法：一种经典的基频（F0）提取算法，通过计算信号的自相关函数及其累积均值归一化，来定位基频周期，适用于语音、乐器等信号的基频检测，具有较好的抗噪声性能。
PYIN 算法：基于 YIN 算法的改进版本，引入了概率模型，通过对基频候选值进行置信度评估，进一步提升了复杂环境下基频提取的准确性，尤其在处理清音 / 浊音过渡、低信噪比信号时表现更优。

二、MATLAB 实现步骤

1. 读取音频文件（voice.mp3）

MATLAB 中可使用audioread函数读取音频，注意 mp3 格式需确保 MATLAB 支持（可先转换为 wav 格式避免兼容问题）：

% 读取音频文件
[audio, fs] = audioread('voice.mp3'); % audio为音频数据，fs为采样率
audio = audio(:, 1); % 取单声道
t = (0:length(audio)-1)/fs; % 时间轴

2. YIN 算法实现（基频提取核心）

核心思路：计算归一化累积均值差函数（CMND），寻找最小值对应的周期即为基频周期。

function f0_yin = yin_algorithm(audio, fs, frame_len, hop_len)% 初始化参数n_frames = floor((length(audio) - frame_len) / hop_len) + 1;f0_yin = zeros(n_frames, 1);min_freq = 50; % 最低基频（Hz）max_freq = 500; % 最高基频（Hz）min_period = fs / max_freq;max_period = fs / min_freq;for i = 1:n_frames% 取一帧数据frame = audio((i-1)*hop_len + 1 : (i-1)*hop_len + frame_len);frame = frame - mean(frame); % 去直流% 计算自相关函数r = xcorr(frame, frame);r = r(frame_len:end); % 取后半部分（正延迟）% 计算累积均值差函数（CMND）cmnd = zeros(length(r), 1);cmnd(1) = 1; % 避免除以0for tau = 2:length(r)sum_r = sum(r(1:tau-1));if sum_r == 0cmnd(tau) = 1;elsecmnd(tau) = r(tau) / (sum_r / (tau-1));endend% 寻找最小CMND对应的周期（在有效范围内）tau_range = round(min_period) : round(max_period);[~, min_idx] = min(cmnd(tau_range));tau = tau_range(min_idx);f0_yin(i) = fs / tau;end
end

3. PYIN 算法实现（引入概率模型）

在 YIN 算法基础上，增加基频候选值的置信度计算，筛选最可能的基频：

function [f0_pyin, conf] = pyin_algorithm(audio, fs, frame_len, hop_len)% 调用YIN算法获取初始基频候选f0_initial = yin_algorithm(audio, fs, frame_len, hop_len);n_frames = length(f0_initial);f0_pyin = zeros(n_frames, 1);conf = zeros(n_frames, 1); % 置信度（0-1）% 简化的概率评估（示例）：基于基频连续性和CMND最小值for i = 2:n_frames-1% 计算当前帧与前后帧的基频偏差delta = abs(f0_initial(i) - (f0_initial(i-1) + f0_initial(i+1))/2);% 置信度与偏差成反比conf(i) = max(0, 1 - delta / 100); % 假设偏差<100Hz时置信度较高% 根据置信度筛选基频if conf(i) > 0.5f0_pyin(i) = f0_initial(i);elsef0_pyin(i) = NaN; % 低置信度时标记为无效endend
end

4. 可视化结果

将音频波形、YIN 与 PYIN 提取的基频曲线绘制在同一图中，直观对比效果：

% 参数设置
frame_len = 2048; % 帧长
hop_len = 512; % 帧移% 提取基频
f0_yin = yin_algorithm(audio, fs, frame_len, hop_len);
[f0_pyin, ~] = pyin_algorithm(audio, fs, frame_len, hop_len);% 生成基频时间轴
f0_t = (0:length(f0_yin)-1)*hop_len / fs;% 绘图
figure;
subplot(2,1,1);
plot(t, audio);
title('语音波形');
xlabel('时间（s）');
ylabel('振幅');subplot(2,1,2);
plot(f0_t, f0_yin, 'b', 'LineWidth', 1.2);
hold on;
plot(f0_t, f0_pyin, 'r--', 'LineWidth', 1.2);
title('基频提取结果');
xlabel('时间（s）');
ylabel('基频（Hz）');
legend('YIN算法', 'PYIN算法');
grid on;
hold off;

三、效果说明

emm这个音频太长了，密密麻麻看不太出来。

？？？

把帧移改小一点呢

运行代码后，会显示语音波形图和基频曲线对比图，其中 PYIN 算法的结果（红色虚线）相比 YIN 算法（蓝色实线）更平滑，无效值（NaN）更少，尤其在语音停顿或噪声段表现更稳定。
可通过调整frame_len、hop_len、min_freq、max_freq等参数优化提取效果，适配不同类型的voice.mp3文件。

对比：