librosa能量_librosa语音信号处理

librosa是一个非常强大的python语音信号处理的第三方库，本文参考的是librosa的官方文档，本文主要总结了一些重要且常用的功能。

先总结一下本文中常用的专业名词：sr：采样率、hop_length：帧移、overlapping：连续帧之间的重叠部分、n_fft：窗口大小、spectrum：频谱、spectrogram：频谱图或叫做语谱图、amplitude：振幅、mono：单声道、stereo：立体声

1.读取音频

librosa.load(path, sr=22050, mono=True, offset=0.0, duration=None)

读取音频文件。默认采样率是22050，如果要保留音频的原始采样率，使用sr = None。

参数：

path ：音频文件的路径。

sr ：采样率，如果为“None”使用音频自身的采样率

mono ：bool，是否将信号转换为单声道

offset ：float，在此时间之后开始阅读(以秒为单位)

duration：float，仅加载这么多的音频(以秒为单位)

返回：

y ：音频时间序列

sr ：音频的采样率

2.重采样

librosa.resample(y, orig_sr, target_sr, fix=True, scale=False)

重新采样从orig_sr到target_sr的时间序列

参数：

y ：音频时间序列。可以是单声道或立体声。

orig_sr ：y的原始采样率

target_sr ：目标采样率

fix：bool，调整重采样信号的长度，使其大小恰好为

scale：bool，缩放重新采样的信号，以使y和y_hat具有大约相等的总能量。

返回：

y_hat ：重采样之后的音频数组

3.读取时长

librosa.get_duration(y=None, sr=22050, S=None, n_fft=2048, hop_length=512, center=True, filename=None)

计算时间序列的的持续时间(以秒为单位)

参数：

y ：音频时间序列

sr ：y的音频采样率

S ：STFT矩阵或任何STFT衍生的矩阵(例如，色谱图或梅尔频谱图)。根据频谱图输入计算的持续时间仅在达到帧分辨率之前才是准确的。如果需要高精度，则最好直接使用音频时间序列。

n_fft ：S的 FFT窗口大小

hop_length ：S列之间的音频样本数

center ：布尔值

如果为True，则S [:, t]的中心为y [t * hop_length]

如果为False，则S [:, t]从y[t * hop_length]开始

filename ：如果提供，则所有其他参数都将被忽略，并且持续时间是直接从音频文件中计算得出的。

返回：

d ：持续时间(以秒为单位)

4.读取采样率

librosa.get_samplerate(path)

参数：

path ：音频文件的路径

返回：音频文件的采样率

5.写音频

librosa.output.write_wav(path, y, sr, norm=False)

将时间序列输出为.wav文件

参数：

path：保存输出wav文件的路径

y ：音频时间序列。

sr ：y的采样率

norm：bool，是否启用幅度归一化。将数据缩放到[-1，+1]范围。

6.过零率

计算音频时间序列的过零率。

librosa.feature.zero_crossing_rate(y, frame_length = 2048, hop_length = 512, center = True)

参数：

y ：音频时间序列

frame_length ：帧长

hop_length ：帧移

center：bool，如果为True，则通过填充y的边缘来使帧居中。

返回：

zcr：zcr[0，i]是第i帧中的过零率</