与模型的音频比较

Question

我希望能够用 Java 解决以下问题 - 因为它是我最熟悉的语言，也是我的首选。

我希望能够建立一个声音模型 - 例如基于不同狗吠声的 100 个声音样本的狗吠声......一旦我有了这个样本，我希望能够从麦克风并根据模型对其进行处理，以确定记录的样本与模型足够接近的概率，从而确定记录的声音是否是狗。

我想到了以下几点：

获取 100 条狗的傅立叶变换。

获取 100 人的平均 FT - 这是现在的模型。

录制声音片段 - 生成傅里叶变换。

从模型 FT 中扣除声音片段 FT，看看它们的比较如何？

我对音频的经验并不丰富 - 所以如果有人能告诉我这是否是正确的方法 - 使用什么 FFT 库 - 以及从 100 个样本构建平均 FT 的过程是什么 - 那太好了！

谢谢

Answer 1

尽管我已多次阅读有关 FT 的文章，但我自己从未专门使用过它们。

但是，我使用了库 CoMIRVA。它实现了基于 FT 的技术来比较音乐 (www.cp.jku.at/comirva)。简而言之，它通过比较音色（http://en.wikipedia.org/wiki/Timbre）来比较两个“音频源”。当我使用它时，它在某些情况下效果很好，而在其他情况下效果不佳。然而，那是音乐。我不知道它是否适用于狗吠。

我建议您看一下它并详细了解它实现的技术。您将在标题音频处理下找到更多详细信息。我建议您阅读这两份报告（Mandel 和 Ellis、Aucouturier 和 Pachet）。

祝你好运！