這應該是我在2023年6月份完成的乙個小專案。
在這個資訊**的時代，資料壓縮和資訊檢索早已成為一項非常重要的工作。文字的壓縮和檢索已經具備非常成熟的技術了，而音訊等多**資訊檢索方面還有待進一步的研究。一方面可以是資料量的壓縮，比如想辦法把資料從10 mb壓縮到3 mb。另一方面是對內容方面的剪輯，比方說從一首4分鐘的歌裡面提取出30秒作為它「最具表現力」的部分，而這種「最具表現力」的部分，通常指的就是一首歌曲的「副歌」部分，即歌曲的高潮部分，因為副歌往往是大家朗朗上口的片段。如果能從一首歌曲中截取出它的副歌部分，聽眾在很短的時間內，就可以從直觀上，從感官上對這首歌作出一些評價。應用場景可以是在具有版權保護的**公司給聽眾一段試聽的曲目，或是讓聽眾在ktv中直接選擇歌唱副歌的部分，也可以是讓聽眾在段時間內挑出符合他自己口味的歌曲。
本專案利用訊號處理、時頻分析、特徵提取、影象卷積等技術，實現了從一首流行歌曲中，挑選出它的副歌部分的功能。
思想是，副歌部分的旋律會重複，如果能找到重複的旋律，基本上就找到了歌曲的副歌部分。
具體流程是，對一維的音訊訊號進行短時傅利葉變換，得到時頻分析的二維矩陣，通過計算每幀與其他幀的相似程度，構造乙個自相似矩陣。再利用影象處理的卷積運算，對該自相似矩陣做線條檢測，最終確定出副歌的位置。
左圖：自相似矩陣；右圖：線條檢測的結果。
框出來的地方，就是最相思的地方。
可以看到，這首歌曲的第500幀~第800幀，與它的第100幀與第400幀很相似。
可以認為，這是該歌曲的副歌部分。