基于FFT的音频分类

Question

在python中，我仅通过检查频率和幅度来执行警报识别。我的代码对1s声音进行FFT，然后将其与预定频率及其幅度进行比较。由于警报包含较高的频率（6k-9kHz等）和较长的数组（44100个不同的元素），因此如果没有ML，我可以成功实现。由于具有高分辨率的FFT，即使在诸如7010Hz和7016Hz之类的接近频率下，我也可以分辨出幅度变化，并且由于这些频率在记录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，因为很难通过大量警报来执行它。有许多音频分类来源/工作示例等，但我找不到最适合我的一种。他们通常使用特征提取MFCC，但我不想因为使用MFCC而失去分辨率，因为它结合了紧密的频率。 因此，我只想构建一个ML算法，该算法仅检查每个类中的两个数组。频率和振幅（都有44100个元素） 您可以建议任何来源来构建此算法吗？我在下面的源代码中进行了检查，但可以，但是我不想使用MFCC类方法。如果您有任何评论，我可以举例说明。 pyAudioClassification

Answer 1

除了具有特定的频率外，警报通常还具有特征性的时间特征。要么是循环模式，要么是开/关模式。

要检测到这些，您应该将STFT转换为对数比例的质谱图。您可以使用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，但是使用随机森林分类器也可以。