python指纹识别算法_shazam听歌识曲算法解析+python实现-2 生成指纹

听歌识曲是如何工作的，看完这个你就懂啦！

使用的算法是《An Industrial-Strength Audio Search Algorithm》，部分算法借鉴了Github的dejavu(https://github.com/worldveil/dejavu)项目。

上一篇：

为获得良好的阅读体验，你可能先需要了解 散列(哈希)，python基础语法，一定的代码阅读能力，一定的语文理解能力(up写的很乱)。

在开始阅读本篇文章之前，最好认真阅读一下论文《An Industrial-Strength Audio Search Algorithm》，最好是一个字一个字，一个图一个图的把paper看下来(然后你就不需要来看这篇文章了，笑)

paper下载链接：https://www.ee.columbia.edu/~dpwe/papers/Wang03-shazam.pdf

中文翻译：https://blog.csdn.net/yutianzuijin/article/details/49787551

建议读英文的鸭。

好的，那么正式开始。

基本原理：对于每个音频，我们都要给他生成一些特殊的指纹，然后用这些指纹和要识别的歌曲进行比较，最后取匹配率最高的那个，就是识别出来的歌曲啦~

听起来是不是非常简单鸭~~~~

那么怎么生成这个指纹呢，好问题！我们要分为三个步骤：生成频谱图(频域图像)。

在频谱图的基础上计算出Constellation Map(星状图)

对星状图进行处理，生成指纹哈希。

首先是生成频谱图。

为了生成频谱图，我们就得把歌曲最开始拿出来的数据进行一波傅里叶变换，把时域信号转变为频域信号。什么？你不知道傅里叶变换(Fourier Transformation)？不如看看这个：https://zhuanlan.zhihu.com/p/19759362

但是，傅里叶变换有一个缺陷，那就是它在变换过程中把时间信息丢失了，也就是说傅里叶变换不能反映时间维度局部区域上