信息处理 - YIN 音高检测算法（如何改进我的结果） - 吾爱随笔录

我在我的一个学校项目中使用 YIN 算法，该项目使用吉他声音的音高检测。当我弹奏一个音符时，我会在开始时获得随机频率，直到它们稳定下来。我在想那些可能是来自于琴弦上的拨弦动作。

我正在阅读原始论文：

Cheveigne A, Kawahara H. - YIN，语音和音乐的基频估计器

试图对库进行逆向工程并改善我的结果。我正在学习计算机科学，我的信号处理知识有限。总结：

步骤 1) Auto-correlation:- 我们试图找到信号与自身的相关性，该相关性在一个窗口内移动了一个滞后。

在此处输入图像描述

函数可能有无限的值。我们选择了非零滞后的最高峰。在滞后范围内。（为什么是最高峰？这是否意味着最响亮的频率？）。的上限很高。该算法可能会选择更高阶的峰值（什么是更高阶的峰值？） $\tau$

以下步骤是为了提高结果的准确性

步骤 2) Difference Function:- 以差分函数的形式对信号进行建模。。给出：

d (τ) = \sum_{j = 1}^{j = W} (x_{j} - x_{j + τ})^{2}

$d(\tau) = \sum_{j=1}^{j=W} (x_j - x_{j+\tau})^2$

d (τ) = \sum_{j = 1}^{j = W} (r_{t} (0) + r_{t + τ} (0) - 2 r_{t} (τ)

$d(\tau) = \sum_{j=1}^{j=W} (r_t(0) + r_{t+ \tau}(0) -2r_t(\tau)$

所以我们基本上使用幅度作为偏差。

步骤 3） Cumulative mean normalization 用累积归一化差异替换差异函数以避免选择零滞后值：

d_{t} (τ^{'}) = \frac{d_{t} (τ)}{(1 / τ) \sum_{j = 1}^{τ} d_{t} (j)}

$d_t(\tau')=\frac{d_t(\tau)}{(1/\tau)\sum_{j=1}^{\tau}d_t(j)}$

第4步） Absolute Threshold（有人可以解释这部分吗？）

第 5 步） Parabolic Interpolation：将估计拟合为抛物线曲线。 $d(\tau)$

第 6 步） Choose The Best Local Estimate：不言自明

我正在尝试将吉他声音与单声道 MIDI 进行比较。

我认为我应该考虑修改的参数是窗口大小和阈值以改善我的结果，或者我可以丢弃前几帧。谁能指出我正确的方向？

我正在使用的参数：

采样率：44100

窗户尺寸：1024

啤酒花尺寸：512

阈值：0.1