比较录音

Question

我有5个录制的wav文件。我想将新传入的录音与这些文件进行比较，并确定它与哪个最相似。

在最终产品中，我需要在Linux上用C ++实现它，但现在我在Matlab中进行实验。我很容易看到FFT图。但我不知道如何比较它们。

如何计算两个FFT图的相似度？

编辑：录音中只有语音。实际上，我正在努力确定一些电信公司的应答机的响应。这足以区分两条消息“此刻此人无法接触”和“此号码不再使用”

Answer 1

这很大程度上取决于你对“最像”的定义。根据您的使用情况，这可能是很多事情。如果你只想比较整个文件的裸光谱，你可以只关联两个ffts返回的值。

然而，当文件及时变形时，光谱往往会发生很大变化。要找出与此相关的差异，您需要做一个窗口fft并比较每个窗口的光谱。然后，这将定义您可以在Dynamic time warping algorithm中使用的差异函数。

如果您需要感知相似性，FFT可能无法满足您的需求。 MFCC录音很可能更接近这个问题。同样，您可能需要计算窗口化的MFCC而不是整个录制的MFCC。

如果你再次录音，你需要完全不同的方法。有一篇博客文章描述了Shazam的工作原理，因此您可以在谷歌上找到它。或者，如果您想要真正的音乐相似性，请查看this book

修改：

上面指出的问题的最佳解决方案是描述here（如上所述的“shazam算法”）。然而，这实现起来有点复杂，更容易解决方案可能做得很好。

Answer 2

如果您知道只有5种不同的可能传入文件，我建议先尝试一下这两种信号之间的欧几里德距离（时间或四次）。它可能会给你带来好结果。

编辑：因此，在不同的可能启动时，尝试进行自相关并查看哪个文件具有更高的峰值。

Answer 3

我建议您计算简单的声音参数，如基频。有几种方法可以获得这个值 - 我尝试了自相关和倒谱，对于语音信号，它们工作得很好。通过这种功能工作，您可以进行时间分析，并在给定的间隔频率上比较两个信号（基准 - 您要比较的信号，您想要匹配的信号）。根据这些标准比较几个区间可以告诉您哪个基本样本匹配最佳。

当然，一切都取决于你的意思类似于。要比较功能，您可以引入其他参数，如音量，噪音，咔嗒声，音高...