python librosa.core.stft() 和 matlab spectrogram(x)

Question

我正在将 Python 代码转换为 MATLAB。Python 代码，使用以下命令：stft_ch = librosa.core.stft(audio_input[:, ch_cnt], n_fft=self._nfft,                              hop_length=self._hop_len, win_length=self._win_len,                              window='hann')其中audio_input.shape=(2880000, 4), self._nfft=2048,self._hop_len=960和self._win_len=1920。转换为 MATLAB 时，我使用了：stft_ch = spectrogram(audio_input(:, ch_cnt), hann(win_len), win_len-hop_len, nfft);在那里我核实size(audio_input)=2880000, 4，win_len=1920，win_len-hop_len=960和nfft=2048。我从 MATLAB 得到一个输出，size(stft_ch)=1025, 2999其中 Python 显示stft_ch.shape=(1025, 3001)。2999MATLAB 输出中的大小很清楚，并且在if window 是向量的文档中表现出色k = ⌊(Nx – noverlap)/(length(window) – noverlap)⌋。但是，我在Python 文档中找不到tset的长度。为什么尺寸之间存在差异？我的转换好吗？是否有一个 Python 函数可以产生更类似于 MATLAB 的spectrogram()输出，以便我可以获得相同大小的复数输出？

Answer 1

很长一段时间后，并没有得到满意的赏金，我自己找到了答案。

MATLAB 函数spectrogram()输出一个时间向量，该向量对应于每个窗口的中间，同时省略最后一个窗口。例如，具有 3 个样本窗口和 1 个样本重叠的 10 个样本长度的信号将产生以下 4 个窗口：

1:3, 3:5, 5:7, 7:9, 其中m:n表示一个窗口，包括从m到n包括第nth 个样本的样本。

因此，窗户的中心将是：2,4,6,8。请注意，不包括第 10 个样本。

似乎 MATLAB 需要number_of_windows对(number_of_windows-1)*hop_length+window_size<=number_of_samples.

另一方面，在 python 版本liberosa.core.stft()上，t 是每个帧的第一个样本的时间，帧覆盖的比输入信号多。例如，具有 3 个样本窗口和 2 个样本跳（跳和不重叠）的 10 个样本长度的信号将产生以下 4 个窗口：

1:3, , 3:5, 5:7, 7:9, 9:11, 其中m:n表示一个窗口，包括从m到n包括第nth 个样本的样本。

因此，窗口的开头将是：1,3,5,7,9。请注意，包括第 11 个不存在的样本。

似乎 liberosa 需要最小number_of_windows化到number_of_windows*hop_length>number_of_samples.

就我而言：

(2999-1)*960+1920=2880000<=2880000 对于 MATLAB。3001*960=2880960>2880000 而 30000*960=2880000 !> 2880000 在 python 中。

请注意，时间可以通过设置center=True标志以 python 为中心。

这是我能找到的最好的解释。欢迎任何其他解释作为答案。