Je travaille sur un projet de reconnaissance de motifs audio simples. J'ai deux ensembles de données, chacun composé de 4 à 32 paires de notes/durée. Un ensemble est prédéfini, l'autre provient d'un flux de données entrant. La longueur des deux ensembles de données fortement corrélés est souvent différente, mais à peu près la même "forme". Mon but est de trouver une sorte de classement quant à la corrélation entre les deux ensembles de données.Je cherche des idées pour un algorithme de correspondance de motifs simple à exécuter sur un microcontrôleur
J'ai converti les fréquences entrantes en tangage et décalé le pas du flux de données entrant afin que sa hauteur moyenne corresponde à celle de l'ensemble de données prédéfini. J'étire/compresse également les durées du jeu de données entrant pour correspondre à la durée globale de l'ensemble prédéfini. Voici deux exemples graphiques de données qui doivent être classés comme fortement corrélées:
http://s2.postimage.org/FVeG0-ee3c23ecc094a55b15e538c3a0d83dd5.gif
(Désolé, en tant que nouvel utilisateur, je ne pouvais pas poster directement des images) Je fais cela sur un Microcontrôleur 8 bits, donc les ressources sont minimes. La vitesse est moins un problème, une seconde ou deux de traitement n'est pas un briseur d'affaire.
Cela ne me surprendrait pas s'il y a une solution évidente, j'ai juste regardé le problème trop longtemps. Des idées?
Merci à l'avance ...
le lien de l'image ne fonctionne pas – stmax