是使用FFT比較兩個音頻文件的唯一方法嗎？

Question

我是信號處理的新手，並嘗試使用FFT比較兩個音頻文件。 將文件讀取為字節，然后轉換為復數，然后將其發送到fft。 然后計算復數的大小（從fft輸出）。 試圖比較幅度，但它們不匹配。

如果我想念什么，請告訴我。

還有其他比較兩個音頻文件的方法嗎？

Answer 1

通常，整個文件的FFT將不相等-請考慮40秒。 包含四個10秒的文件。 分別在20Hz，40Hz，60Hz和80Hz的正弦波段。

整個文件的相應頻譜將在這四個頻率處顯示峰值，但任何10秒。 摘錄最多會有兩個。 因此，它們不匹配。

現在，您嘗試做的事情聽起來有點像Shazam，而且幸運的是，他們已經發布了有關其工作原理的研究論文 。 也許那可以解決您的問題。

對於另一種方法（盡管可能無法處理音調和速度變化），請考慮上面示例的含義：您不應嘗試匹配在40秒內創建的頻譜圖。 到只代表10秒的時間 因此，您必須找到第二個文件取自原始文件的哪個10秒段。

為此，您可以使用一個簡單的滑動窗口（從1到10秒，然后是2到11秒，以此類推）開始，或者可以將第二個文件切成更小的塊，然后將初始滑動窗口與字符串搜索技術。