Linux 比较录音

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，并确定其中最相似的一个

在最后的产品中，我需要在Linux上用C++实现它，但是现在我在Matlab进行实验。我可以很容易地看到FFT图。但我不知道如何比较它们

如何计算两个FFT图的相似性

---

编辑：录音中只有语音。事实上，我正试图找出一些电信公司的应答机的反应。区分两条信息就足够了：“目前无法联系到此人”和“不再使用此号码”

这在很大程度上取决于您对“最相似”的定义。根据您的用例，这可能是很多事情。如果您只想比较整个文件的裸光谱，您可以将两个FFT返回的值关联起来

但是，当文件在时间上发生扭曲时，光谱往往会发生很大变化。要找出与此不同的地方，您需要进行加窗fft并比较每个窗口的频谱。然后，它定义了可以在应用程序中使用的差分函数

如果你需要感知上的相似性，FFT可能无法满足你的需要。一部分录音很可能更接近这个问题。同样，您可能需要计算窗口MFCC，而不是整个录制的MFCC

如果你有音乐录音，你需要完全不同的方法。有一篇博客文章描述了Shazam是如何工作的，所以你可以在谷歌上找到它。或者如果你想要真正的音乐相似性，看看

编辑：

---

上述问题的最佳解决方案是所述的（“shazam算法”，如上所述）。然而，这有点复杂，更简单的解决方案可能就足够了。

如果您知道只有5个不同的可能传入文件，我建议首先尝试一些简单的方法，比如计算两个信号之间的欧几里得距离（时间或傅里叶）。这可能会给你带来好的结果

---

编辑：因此，使用不同的可能开始，尝试进行自相关，看看哪个文件的峰值更高。

我建议您计算简单的声音参数，如基频。有几种方法可以得到这个值——我尝试了自相关和倒谱，对于语音信号，它们工作得很好。有了这样的功能，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-您要比较的，在-您要匹配的）。根据这些标准比较几个时间间隔可以告诉您哪个基本样本最匹配

---

当然，一切都取决于你的意思。要比较函数，您可以引入其他参数，如音量、噪音、咔哒声、音调…

没有音乐或感知解释。它们只是电信公司的固定录音。尽管如此，由于线路的原因，它们的质量可能较低，或者录音的开始时刻可能不同。如果它们除了噪音之外是相同的，我也不建议比较FFT，而是建议进行互相关。这应该会有足够好的结果。我会有大约10-15次录音。你认为可以很快完成吗？你能参考一些关于计算音频文件欧几里得距离的资料吗？另一点是，传入记录的起始时刻可能会相差几秒钟。你认为采用欧几里得距离可以解决这个问题吗？如果起点可能不同，你可以尝试互相关（）并查看哪个文件的峰值更高。我从类似的问题开始，并构建了自己的音频查找打印解决方案。尝试在该区域搜索图书馆。。。