聽歌識曲，顧名思義，用設(shè)備“聽”歌曲，然后它要告訴你這是首什么歌。而且十之八九它還得把這首歌給你播放出來。這樣的功能在QQ音樂等應(yīng)用上早就出現(xiàn)了。我們今天來自己動手做一個自己的聽歌識曲

我們設(shè)計的總體流程圖很簡單：

-----
錄音部分
-----

我們要想“聽”，就必須先有錄音的過程。在我們的實驗中，我們的曲庫也要用我們的錄音代碼來進行錄音，然后提取特征存進數(shù)據(jù)庫。我們用下面這樣的思路來錄音

# coding=utf8import waveimport pyaudioclass recode(): def recode(self, CHUNK=44100, FORMAT=pyaudio.paInt16, CHANNELS=2, RATE=44100, RECORD_SECONDS=200,    WAVE_OUTPUT_FILENAME="record.wav"):  '''  :param CHUNK: 緩沖區(qū)大小  :param FORMAT: 采樣大小  :param CHANNELS:通道數(shù)  :param RATE:采樣率  :param RECORD_SECONDS:錄的時間  :param WAVE_OUTPUT_FILENAME:輸出文件路徑  :return:  '''  p = pyaudio.PyAudio()  stream = p.open(format=FORMAT,      channels=CHANNELS,      rate=RATE,      input=True,      frames_per_buffer=CHUNK)  frames = []  for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):   data = stream.read(CHUNK)   frames.append(data)  stream.stop_stream()  stream.close()  p.terminate()  wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')  wf.setnchannels(CHANNELS)  wf.setsampwidth(p.get_sample_size(FORMAT))  wf.setframerate(RATE)  wf.writeframes(''.join(frames))  wf.close()if __name__ == '__main__': a = recode() a.recode(RECORD_SECONDS=30, WAVE_OUTPUT_FILENAME='record_pianai.wav')

我們錄完的歌曲是個什么形式？

如果只看一個聲道的話，他是一個一維數(shù)組，大概長成這個樣子

我們把他按照索引值為橫軸畫出來，就是我們常常看見的音頻的形式。

音頻處理部分

我們在這里要寫我們的核心代碼。關(guān)鍵的“如何識別歌曲”。想想我們?nèi)祟惾绾螀^(qū)分歌曲？ 是靠想上面那樣的一維數(shù)組嗎？是靠歌曲的響度嗎？都不是。

我們是通過耳朵所聽到的特有的頻率組成的序列來記憶歌曲的，所以我們想要寫聽歌識曲的話，就得在音頻的頻率序列上做文章。

復(fù)習(xí)一下什么是傅里葉變換。博主的《信號與系統(tǒng)》的課上的挺水，不過在課上雖然沒有記下來具體的變換形式，但是感性的理解還是有的。

傅里葉變換的實質(zhì)就是把時域信號變換成了頻域信號。也就是原本X,Y軸分別是我們的數(shù)組下標(biāo)和數(shù)組元素，現(xiàn)在變成了頻率(這么說不準(zhǔn)確，但在這里這樣理解沒錯)和在這個頻率上的分量大小。