C#音频指纹技术与局部敏感哈希

Question

我之前找到了一些类似的帖子，但没有一个真正回答了我的问题。

在我的指纹识别中，我生成了一个包含5个整数的记录集。例如： 33,42,88,121,194

这些对应于具有最高幅度的频率，用于特定音乐样本。 例如：对于30毫秒的音频样本，我有以下频率桶：

0-40 40-80 80-120 120-180 180-250

我试图生成一个哈希（宽容性的），它将为33,42,88,121,194生成与以下值相同的哈希：

33,43,88,122,195

其中频率存在轻微差异时，会形成类似的哈希。

首先，这是局部敏感哈希（LSH）吗？因为我读到这是音频指纹识别的最佳方法。

如果不是，请问是否能提供一些伪代码或C#函数，以实现我正在寻找的功能？我已经阅读了关于LSH、Matlab和Perl实现的文章，但我并不理解它们，所以向它们的链接并不会对我太有帮助。

再次感谢！

- user1112324

Answer 1

这可能是一个重复的问题：比较两个频谱图以找到它们匹配的算法的偏移量，看起来你试图做的是为样本中峰值的粗略分布生成直方图。有几种方法可以做到这一点，另一个“示例”在这里：比较两个频谱图以找到它们匹配的算法的偏移量

其中一种方法是使用峰值数据及其（随时间）分布的快速傅里叶变换，以产生样本的精简形式的粗略等效物。要做到这一点，您可以大致按以下方式操作：

1. 将样本分成若干个离散部分（比如1秒）
2. 对于每个样本部分，开发一个指纹来近似表示该样本（比如取5-7个高低峰值，对它们进行归一化，然后哈希它们）
3. 现在你可以将每个指纹单独保存（在一个集合中），或者在序列上运行变换以生成一个单一的指纹，具体取决于你的需求。大多数情况下，你只需要将这些序列连接起来，以获得1秒间隔的线性指纹。

要比较指纹，你需要对第二个样本运行相同的过程，然后使用Diff算法进行比较，使用一些“模糊”来确定它们之间的接近程度。你需要在两个维度上比较指纹，即离散指纹的顺序和每个样本的总体差异。

关于如何制作一个粗略的Java版Shazaam的文章已经发布了一段时间：http://www.redcode.nl/blog/2010/06/creating-shazam-in-java/，可能对你有所帮助。

- GrayWizardx

---

感谢您之前提供的链接，我使用它来循环遍历所有频率（从FFT返回）并找到特定范围/桶中具有最高振幅的频率。我想我的问题在于，我可以使用这种方法识别mp3文件，但是对于声音数据是一个真正的挑战。 - user1112324

样本中的"静态"越多，匹配的可能性就越小。当您处理波形（即纯约束语音数据）时，可以对波形进行采样并对每个采样应用FFT，然后独立地查看FFT，例如高频范围、中频范围和低频范围。如果您喜欢这个答案，请点赞和接受。 - GrayWizardx