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。由于警报包含更高的频率(6k-9kHz 等)和长数组(44100 个不同的元素)，因此我可以在没有 ML 的情况下成功完成它。得益于高分辨率的 FFT，即使在 7010Hz 和 7016Hz 等接近的频率下，我也可以区分幅度变化，并且由于这些频率在录音环境中没有任何外部噪声，我可以猜测正确的警报。 然而，我想用机器学习来实现它，因为很难用大量的警报来执行它。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，但我不想因为使用 MFCC 而失去分辨率，因为它结合了接近的频率。 所以我只想构建一个 ML 算法，它只检查每个类中的两个数组；频率和振幅(都有 44100 个元素) 你能建议任何来源来构建这个算法吗？我检查了下面的源，这是可以的，但我不想使用 MFCC 类型的方法。如果你发表评论，我可以用例子来阐述我的问题。 pyAudioClassification
最佳答案
除了特定频率之外，警报通常还具有特征时间特征。要么是波动的，要么是开/关模式。
要检测这些，您应该将 STFT 转换为对数尺度梅尔谱图。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，但您也可以只使用随机森林分类器。
关于python - 基于FFT的音频分类，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56015252/