python librosa音频处理库 Core IO and DSP（翻译文档）
英文文档地址：http://librosa.github.io/librosa/core.html
由于本人才疏学浅，如有翻译错误，请指出，谢谢！
一、Audio processing
1.1 librosa.core.load
加载音频，audioread这种方式能加载的音频格式，我一般都把音频处理成wav格式然后通过该函数加载。
参数为：path:音频路径
sr:音频频率（你可以不用原始的音频频率，他有重采样的功能）
mono:该值为true时候是单通道、否则为双通道
offset:读音频的开始时间，也就是可以不从头开始读取音频
duration:持续时间，可以不加载全部时间，通过与offset合作读取其中一段音频
dtype:返回的音频信号值的格式，一般不设置
res_type:重采样的格式，一般不用
返回值：y:音频的信号值
sr:音频的采样值，如果参数没有设置返回的是原始采样率
1.2 librosa.core.to_mono
把双通道的音频处理成单通道，也就是1.1中的mono
1.3 librosa.core.resample
重采样音频，也就是更改音频的采样率
参数为：y:信号值
orig_sr:原始的采样频率
target_sr:你想要的采样频率
res_type:重采样的数据类型
fix:bool值，是否要改变信号长度，true为不改变。
scale:缩放重采样信号，使y和y_hat具有大致相等的总能量。
返回值：y_hat:重采样后的信号
1.4 librosa.core.get_duration
获取音频值、特征矩阵或者是文件名持续时间的秒数（我的理解是通过信号值或者是特征值来获取持续时间秒数）
参数为：y:信号值
sr:采样率
S:特征值
n_fft:S特征的傅里叶变化窗口大小
hop_length:同上，S特征获取中窗口移动中每次的步长
center:（这个不太懂，附上原文）
- If True, S[:, t] is centered at y[t * hop_length] #S是该帧中心
- If False, then S[:, t] begins at y[t * hop_length]#S是该帧开始点
filename:直接通过原始文件来算
返回值：d:持续的秒数
1.5 librosa.core.autocorrelate
有界自相关
参数为：y:信号值
max_size:要求自相关的长度
axis:沿着的维
返回值：y关于max_size的自相关值
1.6 librosa.core.zero_crossings
寻找过零点
参数为：y:信号值
threshold: -threshold <= y <= threshold 在这范围的值都算0
ref_magnitude:threshold的可缩放
pad:类似与卷积的pad,为0是valid zero-crossing.
zero_pos:
If True then the value 0 is interpreted as having positive sign.#0为正值
If False, then 0, -1, and +1 all have distinct signs.#各自有各自的意思
axis:维，沿着什么方向
返回值：二值数据，如果是过零点返回true，不是则为false
可以通过np.nonzero(z)返回索引值
1.7 librosa.core.clicks
类似摘取，想要一部分的音频
参数为：times:什么时候点击（click）即摘取，秒数为单位
frames:摘取的帧的索引值
sr:输出的采样率
hop_length:即步长，翻译为每帧之间的采样数
click_freq:从什么频率后开始摘取
click_duration:摘取的持续时间
click:摘取方式
length:输出的长度
返回值：click_signal:摘取的信号合成
二、Spectral representations
2.1 librosa.core.stft
短时傅里叶变化
参数为：y:信号值
n_fft:傅里叶窗口大小
hop_length:步长，每帧之间的采样数
win_length:窗长，小于等于n_fft，然后pad匹配
window:窗类型，汉明窗等
center:特征是信号的中心还是起始点
dtype:类型
pad_model:对于边缘进行pad
返回值：D：短时傅里叶变化后的矩阵
2.2 librosa.core.istft
逆短时傅里叶变化，把短时傅里叶变化的矩阵转为时间序列（信号值）
Converts a complex-valued spectrogram stft_matrix to time-series y by minimizing the mean squared error between stft_matrix and STFT of y as described in [1].
In general, window function, hop length and other parameters should be same as in stft, which mostly leads to perfect reconstruction of a signal from unmodified stft_matrix.
参数为：stft_matrix:短时傅里叶变化的矩阵
其他参数解释同2.1
返回值：y:时间序列，把短时傅里叶变化变为原来的时间序列，所以是逆！
2.3 librosa.core.ifgram
Compute the instantaneous frequency (as a proportion of the sampling rate) obtained as the time-derivative of the phase of the complex spectrum as described by [1].
Calculates regular STFT as a side effect.
参数为：norm:STFT归一化
ref_power:最小化阈值估计瞬时频率
返回值：if_gram:瞬时频率
D:短时傅里叶变化
2.4 librosa.core.cqt
计算音频的常数Q变化的值，常数Q转换（ConstantQtransform）与短时距傅立叶转换一样为重要时频分析工具，其中特别适用于音乐信号的分析，这个转换产生的频谱最大的特色是在频率轴为对数标度（logscale）而不是线性标度（linearscale），且窗口长度（windowlength）会随着频率而改变
参数为：fmin:最小频率
n_bins:从最小频率开始，频率窗的数
bins_per_octave:每倍频程的bin数量
tuning:调整bin