找到numpy数组之间最小差异的位置

Question

我有两个音乐文件：一个是无损的，声音间隔很小（此时只是静音，但可以是任何东西：正弦波或只是一些噪音）和一个mp3：

In [1]: plt.plot(y[:100000])
Out[1]: 

^{pr2}$

这个列表是相似的，但不完全相同，所以我需要缩小这个差距，以找到一个列表在另一个列表中的第一次出现，且增量误差最小。在

下面是我的解决方案（5.7065秒）：

^{3}$

有什么Python式的方法可以解决这个问题吗？在

编辑： 在计算特殊点之间的平均距离（例如，数据==0.5）后，我将搜索区域从25000减少到2000。这给了我0.3871s的合理时间：

a = np.where(y[:100000].round(1) == 0.5)[0]
b = np.where(y2[:100000].round(1) == 0.5)[0]

mean = int((a - b[:len(a)]).mean())
delta = 1000

error = []
for i in range(mean - delta, mean + delta):
...

Answer 1

你要做的是这两个信号的cross-correlation。在

使用scipy库中的^{}可以轻松完成此操作：

import scipy.signal
import numpy as np

# limit your signal length to speed things up
lim = 25000

# do the actual correlation
corr = scipy.signal.correlate(y[:lim], y2[:lim], mode='full')

# The offset is the maximum of your correlation array,
# itself being offset by (lim - 1):
offset = np.argmax(corr) - (lim - 1)

您可能想看看类似问题的this答案。在

Answer 2

让我们先生成一些数据

N = 1000
y1 = np.random.randn(N)
y2 = y1 + np.random.randn(N) * 0.05
y2[0:int(N / 10)] = 0

在这些数据中，y1和y2几乎是相同的（注意添加的小噪声），但是{}的前10%是空的（类似于您的示例）

我们现在可以计算两个向量之间的绝对差，并找到第一个绝对差值低于灵敏度阈值的元素：

^{pr2}$

如果重叠部分确实“几乎完全相同”，则此方法有效。如果相似度较低，您将不得不考虑更聪明的对齐方式。在

Answer 3

我想你要找的是相关性。这里有一个小例子。在

import numpy as np

equal_part = [0, 1, 2, 3, -2, -4, 5, 0]
y1 = equal_part + [0, 1, 2, 3, -2, -4, 5, 0]
y2 = [1, 2, 4, -3, -2, -1, 3, 2]+y1

np.argmax(np.correlate(y1, y2, 'same'))

输出：

^{pr2}$

所以这会返回时间差，两个信号之间的相关性达到最大值。如您所见，在这个例子中，时差应该是8，但这取决于您的数据。。。 还要注意两个信号的长度相同。在