比较wav文件

Posted 2023-02-25

【中文标题】比较wav文件

【英文标题】：comparing wav files

【发布时间】：2010-12-01 08:32:48

【问题描述】：

我有一个（大部分）工作程序来比较两个 wav 文件，看看较小的文件是否在较大的文件中。这是在 java 中完成的。

我首先确保两个 wav 文件都是规范波形格式。然后我使用 AudioInputStream 从它们中获取一个字节数组的数据。我以特定帧速率（例如现在：4096 字节）的块取出数据。我取较小输入的第一块，然后在较大输入中遍历相同大小的块。

我采用这些块并创建具有相同数据的双数组。我得到他们的 FFT 并使用相关函数在结果相关系数数组中找到一个峰值。然后我转到较小输入的下一部分，看看是否出现了类似的峰值。

这行得通，当文件相同时，峰值很明显，并且大多数时候结果都是正确的。我没有得到误报。然而，我确实得到了假阴性。

这是因为我不确定如何“对齐”数据。较小的文件可能来自较大文件中的任何点。大多数时候，这是通过我这样做的分块方法捕获的。但有时，就好像文件不同，没有找到峰值，尽管文件应该返回高相关性。

如果我取出一个误报（没有峰值）的文件，稍微调整一下，在它们的末尾或开头剪掉几千字节，然后再次运行程序，它会突然发现峰，这是一个非常明确的匹配。因此，它确实有效，只是以某种方式找不到相关性明显的峰值。我的相关函数翻译了 FFT 以使它们匹配，所以我认为这将涵盖所有内容，但显然我并没有涵盖所有数据。

我不确定如何将较小文件的块“对齐”到较大文件中的任何位置，以便相关函数能够确定相关发生的位置。一切正常，我只需要消除误报。有什么建议吗？

【参考方案1】：

使用卷积滤波器比较两个波形。它会告诉您是否以及在何处发生匹配。计算卷积的快速算法是available。

【讨论】：

我相信这是我正在做的事情的总体思路。我确实知道比赛的地点和地点；相关值的大幅飙升很容易判断。我只是不确定如何在分块文件时执行此操作。我不能做整个文件，因为它们会变得很大，所以我需要逐块做，这会丢失一些数据。

如何将较小文件的一个块与较大文件的每一对相邻块匹配（允许重叠）？这应该保证您会找到匹配项，即使较小文件的块跨越较大文件中的块边界。找到一个匹配项后，您可以确认较小文件的其余部分与该偏移量匹配。

【参考方案2】：

这称为matched filter。由于分块，您的实施受到了影响。传统上，您将输入视为连续流，从每个样本开始提取一个块，然后进行相关。因此，如果您的输入长度为 10k 个样本，您最终会运行过滤器 10k 次，每次将 4k 个样本带入过滤器（在您的示例中）。但是，这很慢。有几种方法可以加快速度：

使用小块（例如 256 点）来加快 FFT 计算。您的相关性可能看起来不太好，导致更多误报，但也许您可以列出可能的匹配项并返回并查看更大的块。

不是从输入中的每个样本开始获取缓冲区，而是从每第 512 个样本开始获取 4k 缓冲区，然后进行相关性（类似于Marcelo Cantos's suggestion in his comment)。然后，在 512 中查找峰值中间的样本，因为时移会导致尖峰移动。此外，边缘处额外的非相关样本将导致峰值不是全值的，所以如果你有，你需要放松这个约束再次，这可能会导致更多误报，因此您再次不得不求助于列表方法。

在实现细节方面，我假设您已经从较小的文件中预先计算了块？此外，您不会说是否检查时域或频域中的相关性。您可以在频域中寻找平坦的幅度，这相当于时域中的尖峰，以节省逆 FFT。您必须做一些实验来确定频谱的平坦程度，但这可能会大大缩短时间。

【参考方案3】：

我不确定我是否完全掌握了您正在使用的算法，但这里有一个想法：如果您可以通过手动剪掉开头和结尾的位来识别波浪，那么这不是您的可能解决方案吗？算法也是？

【参考方案4】：

你可以看看this paper。它解释了 shazam 服务使用的算法，该算法从几秒钟的样本中识别音乐。 另一种方法here，使用自组织地图来聚类相似的音乐。不完全是你想做的事，但它可以给你一些想法。