（项目思路的草稿）chord recognition based on template

This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.

这篇笔记是什么

想复现一下《fundamentals of ....》这本书里的一个小项目“基于模版的和弦识别“，但要简单很多。而且这一次我不想看这本书附带的公开jupyter notebook代码，想完全自己实现。

草稿

下面的这些草稿写于2022-12-07 .

假设现在有5GB的三和弦生成音频

每次读取10000个或者1000个到内存里面去

然后比较当前频谱与【每一个】生成音频频谱的相似度，需要保存每一个相似度的数值，最后用argmax()找到最接近的

这样做肯定不够友好，因为实在太慢，所以templated based的这个方法：

1，要么仅仅用来验证。通过GMM等算法，我划定了100个候选人，然后我从硬盘里读出这100个候选人的音频文件再进行更细致的对比。注意这100个候选人也可以考虑“当场生成”。

2，要么考虑使用k-means等聚类算法。目前仍然没有明确思路。

另外，要考虑以下因素：

HMM

现在进入下一个阶段

不仅要统计最优结果，还要统计接近最优结果的一系列结果，这样可以让程序更灵活，即使判断octave错误，也可以判断inversions；即使有一个异常chord跑到了最底部，还能通过 多数投票表决 的方法把它投出去！

后续

上面的这部分草稿写得有点少，后来我又加了很多思路并完成了代码，但很多新加的思路并没有写到这篇笔记里...