问题描述
result=librosa.feature.mfcc(signal,16000,n_mfcc=13,n_fft=2048,hop_length=400)
result.shape()
信号长 1 秒，采样率为 16000，我计算了 13 MFCC，跳长为 400。输出维度为 (13,41)。为什么我得到 41 帧，不是应该是 (time*sr/hop_length)=40 吗？
解决方法
您使用时间序列作为输入 (signal)，这意味着 librosa 首先使用 melspectrogram 函数计算梅尔频谱图。它需要一堆参数，您已经指定了其中一个 (n_fft)。需要注意的是，melspectrogram 还提供了两个参数 center 和 pad_mode，分别具有默认值 True 和 "reflect"。
来自文档：
pad_mode：字符串： 如果 center=True，则在信号边缘使用的填充模式。 默认情况下，STFT 使用反射填充。
中心：布尔值： 如果为 True，则填充信号 y，以便帧 t 以 y[t * hop_length] 为中心。 如果为 False，则帧 t 从 y[t * hop_length]
开始换句话说，默认情况下，librosa 使您的信号更长（垫）以支持居中。
如果您想避免这种行为，您应该将 center=False 传递给您的 mfcc 调用。
说了这么多，请记住，如果 n_fft 长度为 2048 并且跳长度为 400，您不一定会得到 (time*sr/hop_length)=40 帧，因为您还必须考虑 window 而不仅仅是 hop 长度（除非你以某种方式填充）。跳跃长度仅由您移动该窗口的样本数指定。