Question

我正在努力实现以下目标：

使用Skype，拨打我的邮箱（正常）
输入密码并告知邮箱我要记录新的欢迎信息（有效）
现在，我的邮箱告诉我在发出哔声后记录新的欢迎信息
我想等待哔哔声然后播放新信息（不起作用）

我是如何努力实现最后一点的：

使用FFT和滑动窗口（工作）创建频谱图
为哔哔声创建“指纹”
在来自skype

我面临的问题如下：
来自skype和参考蜂鸣声的音频的FFT结果在数字意义上是不同的，即它们是相似的但不相同，尽管从具有Skype音频记录的音频文件中提取蜂鸣声。下图显示左侧Skype音频的哔声谱图和右侧的参考哔声谱图。如你所见，它们非常相似，但不一样...... uploaded a picture http://img27.imageshack.us/img27/6717/spectrogram.png

我不知道，怎么从这里继续。我应该对其进行平均，即将其划分为列和行，并按照here所述比较这些单元格的平均值？我不确定这是最好的方法，因为他已经声明，对于短音频样本它不能很好地工作，并且哔哔声的长度不到一秒......

有关如何进行的任何提示？

Answer 1

您应该确定峰值频率和持续时间（可能是频率持续时间内的最小功率（RMS是最简单的衡量标准）

这应该很容易衡量。为了使事情变得更加聪明（但对于这个简单的匹配任务来说可能完全没有必要），你可以在哔哔声窗口期间断言其他峰值不存在。

更新

要比较完整的音频片段，您需要使用Convolution algorithm。我建议使用现成的库实现，而不是自己动手。

最常见的快速卷积算法通过循环卷积定理使用快速傅里叶变换（FFT）算法。具体地，通过对每个序列进行FFT，逐点相乘，然后执行逆FFT，找到两个有限长度序列的循环卷积。然后使用该技术结合零扩展和/或丢弃输出的部分来有效地实现上面定义的类型的卷积。其他快速卷积算法，如Schönhage-Strassen算法，在其他环中使用快速傅里叶变换。

维基百科将http://freeverb3.sourceforge.net列为开源候选人

修改已添加指向API教程页面的链接：http://freeverb3.sourceforge.net/tutorial_lib.shtml

其他资源：

http://en.wikipedia.org/wiki/Finite_impulse_response

http://dspguru.com/dsp/faqs/fir

在debian上使用相关工具的现有包：

[brutefir - a software convolution engine][3]
jconvolver - Convolution reverb Engine for JACK

libzita-convolver2 - C++ library implementing a real-time convolution matrix
teem-apps - Tools to process and visualize scientific data and images - command line tools
teem-doc - Tools to process and visualize scientific data and images - documentation
libteem1 - Tools to process and visualize scientific data and images - runtime

yorick-yeti - utility plugin for the Yorick language

Answer 2

首先，我会在频率方向上平滑一点，以便频率的微小变化变得不那么相关。然后简单地取每个频率并减去两个幅度。平衡差异并加起来。也许首先将信号归一化，因此总振幅的差异无关紧要。然后将差异与阈值进行比较。

在音频文件中查找音频样本（频谱图已存在）

2 个答案:

更新

其他资源：