波形相似度是指兩個波形之間的相似程度，可以用于音頻分析、圖像處理等領域。在Python中，可以使用多種算法來計算波形相似度，比如歐幾里得距離、余弦相似度、皮爾遜相關系數等。

# 計算歐幾里得距離
def euclidean_distance(a, b):
distance = 0
for i in range(len(a)):
distance += (a[i] - b[i])**2
return math.sqrt(distance)
# 計算余弦相似度
def cosine_similarity(a, b):
dot_product = 0
norm_a = 0
norm_b = 0
for i in range(len(a)):
dot_product += a[i] * b[i]
norm_a += a[i]**2
norm_b += b[i]**2
return dot_product / (math.sqrt(norm_a) * math.sqrt(norm_b))
# 計算皮爾遜相關系數
def pearson_correlation(a, b):
mean_a = sum(a) / len(a)
mean_b = sum(b) / len(b)
numerator = 0
denominator_a = 0
denominator_b = 0
for i in range(len(a)):
numerator += (a[i] - mean_a) * (b[i] - mean_b)
denominator_a += (a[i] - mean_a)**2
denominator_b += (b[i] - mean_b)**2
denominator = math.sqrt(denominator_a) * math.sqrt(denominator_b)
return numerator / denominator

以上是三個常用的波形相似度計算函數。在使用時，需要給函數傳入兩個波形（如兩段音頻），并使用相應的函數進行計算。比如：

a = [1, 2, 3, 4, 5]
b = [2, 3, 4, 5, 6]
euclidean_distance(a, b) # 輸出：2.23606797749979
cosine_similarity(a, b) # 輸出：0.9970544855015815
pearson_correlation(a, b) # 輸出：1.0

通過波形相似度的計算，我們可以更好地分析和比較音頻、圖像等數據，這對于科研、工程等領域都具有很大的幫助。