使用FFT比較兩個音頻文件的唯一方法？

Question

我是新來的信號處理，並嘗試使用FFT比較兩個音頻文件。 將文件讀入字節，然後轉換爲複數，然後將其發送到fft。 然後計算複數的幅度（從fft輸出）。試圖比較幅度，但它們不匹配。

請讓我知道我是否缺少任何東西。

是否有任何其他方式比較兩個音頻文件？

Answer 1

通常，整個文件的FFT不會相等 - 考慮40秒。包含四個10秒的文件。正弦波段分別爲20Hz，40Hz，60Hz和80Hz。

整個文件的相應頻譜將顯示在這四個頻率處的峯值，但是任何10秒。摘錄最多有兩個。因此，它們不匹配。

現在，你想要做的事聽起來有點像Shazam，幸運的是，他們已經發布了a research paper它如何工作。也許這會解決你的問題。

對於另一種方法（儘管可能無法處理音調和速度變化），請考慮以上我的示例的含義：您不應嘗試匹配40秒內創建的光譜圖。到僅代表10秒的一個。所以你必須找到第二個文件從哪個10秒的原始文件中取出。爲了達到這個目的，你可以使用一個簡單的滑動窗口（從第1到第10步，然後是第2到第11步等等的數據開始），或者你可以將第二個文件切成更小的塊，然後組合用string searching的技術進行初始滑動窗口。