语音分帧后的重组还原

我们在对语音信号进行处理的时候经常需要对语音进行分帧，而在分帧的过程中帧与帧之间会有一些重叠部分。在对每一帧处理之后我们需要将语音还原成原来的形式。下面详细说明语音分帧过程及如何还原重组语音。

如下图所示，在分帧过程中，帧长为len_，重叠长度为len1, 帧移为len2。在对语音信号处理后，我们会得到一个帧长为len_的处理后的语音帧，如果我们将这个整个帧重组原始语音的话，在处理后的第二帧里面有部分与第一帧重叠。为了避免这种重复带来的问题，如果语音长度恰好可以将帧长整除，我们在重组语音过程中每次只写入长度为len2的语音，即填充黄色区域对应的数据即可，其实可以发现语音帧有部分被丢弃了，这部分占很少的一部分对语音处理影响不大。

下面以stft处理为例给出代码：

import librosa
from basic_functions import *

x, fs = librosa.load("D:\\Samples\\1.wav", sr=8000)
k = 0
nfft = 512
len_ = 240   # 帧长
len1 &