使用FFT比较两个音频文件的唯一方法是什么？

Question

我是信号处理的新手，并尝试使用FFT比较两个音频文件。 将文件读取为字节，然后转换为复数，然后将其发送到fft。 然后计算复数的大小（从fft输出）。试图比较幅度，但它们不匹配。

如果我错过了什么，请告诉我。

有没有其他方法来比较两个音频文件？

Answer 1

通常，完整文件的FFT不相等 - 考虑40秒。包含四个10秒的文件。分别为20Hz，40Hz，60Hz和80Hz的正弦波段。

整个文件的相应频谱将显示这四个频率的峰值，但任何10秒。摘录最多会有两个。因此，他们不匹配。

现在，你想要做的事听起来有点像Shazam，幸运的是，他们已经发布a research paper它是如何工作的。也许这会解决你的问题。

对于另一种方法（尽管可能无法处理音高和速度变化），请考虑上面示例的含义：您不应该尝试匹配在40秒内创建的频谱图。到只代表10秒的那个。所以你必须找到第二个文件的原始文件的10秒段。

要实现这一点，您可以使用一个简单的滑动窗口（从秒1到10，然后是2到11等数据开始），或者您可以将第二个文件切割成更小的块并组合初始使用string searching中的技术滑动窗口。