python - 基于 FFT 的音频分类

Question

在 python 中，我只通过检查频率和幅度来执行警报识别。我的代码采用 1s 声音的 FFT，然后将其与预定频率及其幅度进行比较。由于警报包含更高的频率（6k-9kHz 等）和一个长数组（44100 个不同的元素），我可以在没有 ML 的情况下成功。由于高分辨率的 FFT，即使在 7010Hz 和 7016Hz 等近距离频率下，我也可以区分幅度变化，并且由于这些频率在录制环境中没有任何外部噪声，因此我可以猜出正确的警报。但是，我想用 ML 来实现它，因为用很多警报来执行它是很困难的。有很多音频分类源/工作示例等，但我找不到最适合我的。他们通常使用特征提取，MFCC，但我不 我不想通过使用 MFCC 来失去我的分辨率，因为它结合了接近的频率。所以我只想构建一个机器学习算法，它只检查每个类中的两个数组；频率和幅度（都有 44100 个元素）你能推荐任何资源来构建这个算法吗？我检查了下面的源代码，没问题，但我不想使用 MFCC 类型的方法。如果您发表评论，我可以通过示例来提出我的问题。 pyAudioClassification

标签： pythonmachine-learningclassificationfftsound-recognition

Answer 1

除了具有特定频率之外，警报通常还具有特征性的时间特征。要么是波动的，要么是开/关模式。

要检测这些，您应该将 STFT 转换为对数刻度的 melspectrogram。这可以使用 100-1000 毫秒的分析时间窗口进行分类。卷积神经网络往往做得最好，但你也可以只使用随机森林分类器。