我记录了跨越几秒钟的音频，并包含两个具有相同频率的相似音调。他们相距几秒钟。我想做的是从第一个音调的末尾和第二个音调的开始，从这些音频文件分开的样本方面。假设在48kHz音频和字节阵列中签名16位PCM来表示原始音频。
我正在努力解决这个问题；
a）运行DFT以检测音调的特定频率的发生
b）由于两个音调最大，以某种方式找出峰以及它们在两个音调开始/结束的位置
c）通过频段通滤波器运行音频文件以滤除所有其他频率，我可能会以两行或两个非零段的最终形式
中的两个段什么是最直接的方法（随时建议其他技术）？
通过快速的傅立叶变换运行样品，与您在某个公差内的预期频率匹配，然后在不匹配时计数样本数？
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium