利用Python通过频谱分析和KNN完成iphone拨号的语音识别

最近这段时间，学校里的事情实在太多了，从七月下旬一直到八月底实验室里基本天天十二点或者通宵，实在是没有精力和时间来写博客。这周老师出国开会，也算有了一个短暂的休息机会，刚好写点有意思的东西。

上周在天津的会议上碰到一个北交的姐们儿，她想利用小波变换来处理失超信号，刚好之前自己就有这个想法，所以回来后就想着把相关的内容好好复习复习，最相关的就是傅里叶分析和小波变换了。数学推导固然重要，但写那个实在是太乏味了，然后想到之前网上一个新闻，说一个同学通过新闻里记者拨号的声音反推出了周鸿祎的手机号码，就想着能不能自己也做一个这样的号码识别程序呢？

说做就做，首先整理一下思路，我觉得大概的流程应该包括一下几步：

1 单键声音的采集与分析

这是后面号码识别的基础，针对每个按键音分析其在频域上的分布规律进而得到一个基准，后面再采集到的声音可据此进行判定。

2 声音的降噪

自己录的这些声音总不会太完美，直接进行频谱分析，会得到一个非常杂乱的结果，所以有效的声音降噪可以帮助我们更加精确地进行判断。

3 号码识别思路

我想的方案主要是两种，刚好也符合我最近复习的这两种变换

A 对声音文件进行有效区域划分，然后对每个区域单独进行频谱分析，然后比对训练数据，推断每一处对应的号码，最后输出。

B 采用小波分析，输出对应声音文件的小波时频图，观察其在不同时刻频域各处强度的变化，进而确定所拨的号码。

两种方案我感觉应该都可以，不过第一种感觉相对要简单一点，所以我们就先来试试第一个。

Ok，那第一步我们得先找到合适的单个按键音数据，这个上网一搜iphone按键音就找到了，下载下来发现刚好又是wav文件，可以用Python自带的wave库直接处理，简直美滋滋。

简单说一下wave库，用它读取一个wave文件后，我们可以获取四个参数，包括通道数目，样本宽度，采样率以及采样数目。根据通道数目，你可以确定是单通道和双通道，如果是单通道你直接读取采样文件就行，但如果是双通道，采样是一左一右轮着来的，所以到时候你还得把它分成两列，然后选择其中一列来读。从网上下载的这些音源刚好是单声道的，所以直接读取就行了，下面以0为例，读取它的波形并画出来。