最常用的一种方法就是对录音（wav波形声音）进行傅里叶变换，可以得出这段录音的频谱，也就是短时音调-时间图。不过由于录制录音的时候，环境不可能绝对安静，肯定会混有噪声，而且人声唱歌或多或少的会有走调，所以分析出来的这段音调不一定准确。可以通过判断短时能量及短时过零率去噪、频率-时间曲线平滑化去噪，以及基于统计的节拍修正、音调校准等方法进行修正。到了这时，仍然几乎不可能得到完全准确的音调序列。这时，便可以像字符串模糊匹配算法一样进行处理；也可以求带权值的编辑距离（也称为动态时间规整算法），距离越小越接近；或者直接从统计的角度，求方差；或者直接对比旋律升降趋势；都可以，上述方法对不同风格的歌曲检索的效果都不一样。当然，如果歌曲较多的话，还可以使用隐马尔科夫链对歌曲风格等特征进行分类，然后只在接近的类别里检索；以及并行检索等。此时的曲库里存的应该是每首歌的标准音调序列。
另外还有一种直接识别共振峰的方法，只在论文中见到过，没仔细看。
本文如未解决您的问题请添加抖音号：51dongshi（抖音搜索懂视），直接咨询即可。
热心网友
回答时间：2023-09-16 11:48
