librosa.feature.melspectrogram()

频率转换为mel标度的谱图

librosa.feature.melspectrogram()

计算Mel scaled 频谱

librosa.filters.mel(sr, n_fft, n_mels=128, fmin=0.0, fmax=None, htk=False, norm=1)
创建一个滤波器组矩阵以将FFT合并成Mel频率

参数：

• sr ：输入信号的采样率
• n_fft ：FFT组件数
• n_mels ：产生的梅尔带数
• fmin ：最低频率（Hz）
• fmax：最高频率（以Hz为单位）。如果为None，则使用fmax = sr / 2.0
• norm：{None，1，np.inf} [标量]
• 如果为1，则将三角mel权重除以mel带的宽度（区域归一化）。否则，保留所有三角形的峰值为1.0
• 返回：Mel变换矩阵

提取MFCC特征

librosa.feature.mfcc(y=None, sr=22050, S=None, n_mfcc=20, dct_type=2, norm='ortho', **kwargs)

参数：

y:np.ndarray [shape=(n,)] 或 None
音频时间序列

sr:number > 0 [scalar]
y的采样率

S:np.ndarray [shape=(d, t)] or None
对数功能梅尔谱图

n_mfcc: int > 0 [scalar]
要返回的MFCC数量

dct_type:None, or {1, 2, 3}
离散余弦变换（DCT）类型。默认情况下，使用DCT类型2。

norm:None or ‘ortho’
规范。如果dct_type为2或3，则设置norm =’ortho’使用正交DCT基础。
标准化不支持dct_type = 1。

kwargs:额外的关键参数
参数melspectrogram，如果按时间序列输入操作

返回： M:np.ndarray [shape=(n_mfcc, t)]
MFCC序列

对输入数据沿选定轴的导数进行局部估计

librosa.feature.delta(data, width=9, order=1, axis=- 1, mode='interp', **kwargs)

Delta特征采用Savitsky-Golay滤波计算。

计算能量

librosa.feature.rmse