我有一个（大多数）工作程序来比较两个wav文件，看看较小的文件是否在较大的文件中。这是在java。
中完成的我首先确保两个wav文件都是规范波形格式。然后，我使用AudioInputStream从中获取数据的字节数组。我以特定帧速率的块（例如现在：4096字节）取出数据。我取较小输入的第一个块，并在较大的输入中浏览相同大小的块。
我采用这些块并使用相同的数据创建双数组。我得到他们的FFT并使用相关函数在得到的相关系数数组中找到一个峰值。然后我转到较小输入的下一个块，看看是否出现类似的峰值。
这样可行，当文件相同时峰值很明显，并且大多数时候结果都是正确的。我不会得到误报。但是，我会得到假阴性。
这是因为我不确定如何“对齐”数据。较小的文件可能来自较大文件中的任何一点。大多数情况下，这是通过我这样做的分块方法捕获的。但有时，就好像文件不同，并且没有找到峰值，尽管文件应该返回高相关性。
如果我把其中一个假阴性（没有峰值）的文件，并稍微调整一下，在它们的末尾或开始几千字节，并再次运行程序，它会突然发现峰值，这是一个非常明确的匹配。因此，它确实有效，它只是在某种程度上找不到相关性明显的峰值。相关函数我已经将FFT转换为匹配，所以我认为这将涵盖所有内容，但显然我没有覆盖所有数据。
我不确定如何将较小文件的块“对齐”到较大文件中的任何位置，以便相关函数选择相关发生的位置。一切正常，我只需消除假阴性。有什么建议吗？
答案 0 :(得分：2)
使用卷积滤波器比较两个波形。它会告诉您匹配是否发生以及发生在何处。计算卷积的快速算法是available。
答案 1 :(得分：2)
这称为matched filter。由于分块，您的实施正在受到影响。传统上，您将输入作为连续流，从每个样本开始提取块，并进行关联。因此，如果您的输入长度为10k样本，则最终运行过滤器10k次，每次将4k样本带入过滤器（在您的示例中）。但是，这很慢。有几种方法可以加快速度：
使用小块（如256点）来加快FFT计算速度。你的相关性可能看起来不那么好，导致更多的误报，但也许你可以列出可能的匹配，然后回头看看更大的块。
不是从输入中的每个样本开始缓冲，而是从每第512个样本开始取4k缓冲，比如说，并进行相关（类似于Marcelo Cantos's suggestion in his comment)。然后，寻找内部的峰值中间的512个样本，因为时移会导致尖峰移位。此外，边缘处的额外非相关样本将导致峰值不是全值，因此如果峰值不满，则需要放宽该约束。你有它。再次，这可能会导致更多的误报，所以你再次不得不求助于列表方法。
在实现细节方面，我假设您已经预先计算了较小文件中的块？此外，您没有说明是否检查时域或频域中的相关性。您可以在频域中查找平坦幅度，这相当于时域中的尖峰，以节省逆FFT。你需要做一些实验来确定频谱的平坦程度，但这可能会缩短时间。
答案 2 :(得分：0)
我不确定我是否完全掌握了你正在使用的算法，但是这里有一个想法：如果你可以通过在开头和结尾手动剪掉比特来识别波浪，那么这不是一个可能的解决方案。算法呢？
答案 3 :(得分：0)
您可以查看this paper。它解释了shazam服务使用的算法，该算法从几秒钟的样本中识别音乐 另一种方法here，使用自组织映射来聚类相似的音乐。不完全是你想要做的，但它可以给你一些想法。