声学特征（四） pitch-yin代码实现

---

参考sphinxbase-0.8/src/libsphinxbase/fe目录下的yin.c

yin_init

主要有三个参数，含义如下：
frame_size: 一帧的数据个数，实际求相关函数的时候$\tau =frame\_size/2$，所以该值越大，计算量会越大。对应pitch最小频率为$f_{sample}/(frame\_size/2)$.
search_threshold: 对应于step4，在获取最终的周期的时候，低于该值的第一个相关值对应的数据点即作为周期，如果所有相关值均大于该值，那么使用最小值对应的点作为周期。
search_range和smooth_window: 对应于step6，在2smooth_window+1对应的窗口内，找出所有帧的最小的相关值对应的数据点best，如果该最小值不是当前帧，那么在best-bestsearch_range和best+best*search_range数据点范围重新寻找周期值。

yin_write

1. cmn_diff
   计算一帧的相关函数值，对应于step3
   $$d^{\prime }(\tau ),\tau =1...frame\_size/2$$
2. thresholded_search
   搜索低于search_threshold的第一个点（如果没有则使用全局最小值），作为最后的周期，对应于step4。

yin_read

获得两个参数：
out_period: 周期对应的第$\tau$个点，通过$f_{sample}/\tau$转化为f0频率，作为pitch的第一维
out_bestdiff: $\tau$点对应的$d^{\prime }(\tau )$值，通过$1-\tau$作为pitch的第二维
对应于step6，具体流程：

1. 在smooth_window窗口范围内找出最小的相关值。比如窗口大小为3，则在当前帧和前面2帧的最小值中找出最小值。
2. 如果最小值就是当前值，那么直接返回当前帧的参数。
3. 如果最小值不是当前值，那么在search_range范围再次查找。

比如前两帧的结果如下：
best[0]=40,best_diff[0]=0.08
best[1]=38,best_diff[0]=0.09
当前帧的结果如下：
best[2]=50,best_diff[0]=0.12
假设search_range=0.2
最小值为0.08，对应的best为40，那么需要在当前帧的40-400.2到40+400.2之间搜索，即32-48之间调用thresholded_search函数。

后面的技术分享转移到微信公众号上面更新了，【欢迎扫码关注交流】