我试图找到一种方法来比较使用不同仪器上播放的相同音符的MATLAB短500毫秒录音的相似度 .
详细介绍这个特定主题：我是一名音乐专业学生，其任务是客观地确定各种现代低铜乐器的音调，以确定哪种乐器应该取代过时的“ophicleide”或Bass keyed bugle . 我首先使用它的光谱仪和其他6种仪器的视觉比较，但这种方法过于主观 .
我用相同的麦克风，设备，增益级别和相同的音符录制了所有乐器 . 出于这个原因，我相信信号足够类似于使用MATLAB工具 .
我相信比较 fft 将是最准确的计算 . 我首先尝试了一个频域相关，并测试了相同音调的不同段（ eu 和 eu2 是变量）
>> corr(abs(fft(eu)),abs(fft(eu2)))
ans = 0.9963
这是朝着正确方向迈出的一步，但是当我比较不同的信号时，我似乎得到了相反的结果:(次中音和ophicleide声音几乎相同）
>> corr(abs(fft(eu)),abs(fft(ophi)))
ans = 0.5242
次中音和低音单簧管声音完全不同，但这表明相关性较高
>> corr(abs(fft(eu)),abs(fft(basscl)))
ans = 0.8506
我尝试了在网上找到的归一化最大互相关幅度公式，但我得到了相同的结果
>> norm_max_xcorr_mag = @(x,y)(max(abs(xcorr(x,y)))/(norm(x,2)*norm(y,2))); x =eu2; y = eu; norm_max_xcorr_mag(x,y)
ans = 0.9638
比较其他样本时，我得到了类似的结果
>> norm_max_xcorr_mag = @(x,y)(max(abs(xcorr(x,y)))/(norm(x,2)*norm(y,2))); x = eu; y = basscl;
ans = 0.6825
相比
>> norm_max_xcorr_mag = @(x,y)(max(abs(xcorr(x,y)))/(norm(x,2)*norm(y,2))); x = eu; y = ophi; norm_max_xcorr_mag(x,y)
ans = 0.3519
Euphonium和Bass单簧管（basscl）具有完全不同的声音和完全不同的谐波系列，但这些公式显示出比次谐波和Ophicleide更接近的相关性，其频带看起来几乎完全相同 .
我担心这些相关性显示真实音高的相关性（我在所有这些乐器上播放相同的音符，但是Ophicleide可能会失调高达1 Hz）它也可能是相位，甚至是总振幅 .
在比较这些复杂波形的谐波泛音的比例时，有没有人知道更好的明确方法？
还是我吠叫错了树？
2 回答
关于您的具体问题，您计算的数量基本上是光谱相干函数的最大值 . 问题在于，如果信号在统计上是静止的，则频谱相干性仅是两个信号之间相关性的良好量度 . 也就是说，如果信号中频率的概率分布不随时间变化 .
不幸的是，乐器音符不太可能是静止的，因为在不同乐器上对同一音符“听起来”与人耳之间的差异进行分类时，最重要的特征是由于谐波和调制很可能是时间在笔记的持续时间内变化 .
因此，不需要使用频谱相干性，而是需要频域或时频域度量，以更好地捕获音符光谱的非静态部分之间的相似性 .
此时，选择MATLAB函数的问题就不那么简单了（尽管从Signal Processing Toolbox文档中查看this example可能会帮助您入门，如果您有这个工具箱的话） . 这更像是研究信号处理和特征分类技术的问题 . 在这里你真的要去关于音乐声学的文献 . 这是just one abstract link - 我无法访问ACM，但如果您是学生，您可以通过您的大学访问 .
祝你听起来像一个有趣的问题！
我不是这个主题的专家，但我知道有几个音频功能可以帮助解决这些问题：线性预测编码（LPC）和梅尔频率倒谱系数（MFCC） .
快速搜索将显示大量信息 . 作为一个例子，我发现this one和this one（没有阅读它们，但它们看起来相关） .
这应该让你开始 . 根据您的兴趣，您可以深入了解此主题 . 例如，有一件事是比较不同乐器演奏的音符的稳定状态，但我的理解是瞬态（攻击）在感知上非常相关 .
祝好运！