使用FFT比較兩個音頻文件然后實時比較

Question

我正在為 Android 制作一個應用程序，它將保存用戶語音命令，然后在應用程序運行時； 將來自麥克風輸入的實時數據與保存的數據進行比較。 到目前為止，我已經將語音保存在 wav 文件中，現在我想將它與輸入 stream 進行比較。我使用這個 API 應用了 FFT，因為它與 Android 兼容：

http://code.google.com/p/musicg/

我也不太了解這個 api 但是，我認為 FFT 數據存儲在 FrequencyTimeDomainRepresentation object 中。我在 inte.net 上搜索並發現我必須使用 window 來比較數據但是，我不知道該怎么做所以。 我不知道如何比較數據。

請告訴我如何比較 FFT 數據以及如何將保存的文件數據與輸入的 stream 數據進行匹配，我的意思是代碼。 同時，我正在嘗試使用 java 比較兩個音頻文件，暫時不使用 android。

任何幫助將不勝感激，謝謝。

Answer 1

正如評論中提到的，這是一個與 dsp 相關的問題。 您應該在 dspexchange 上詢問詳細信息。

但是給你一個快速的'n'dirty答案。 准確定義你的算法應該做什么。 它應該做語音識別嗎？ 如果您只想簡單地衡量相似性，請使用互相關（詢問谷歌）。 您也不需要為此進行 FFT（最近 FFT 似乎被過度使用了很多。每個人都不知道他在做什么，卻想出了 FFT 的東西）。 一旦你知道你想做什么並且你知道你真的需要它，FFT 可能會發揮作用； 也許是為了應用一些心理聲學 model。但即便如此，一個簡單的 haar 變換可能更足夠、更簡單和更快，尤其是在移動設備上。