python计算短时自相关函数 音频信号_librosa与python_speech_features

在语音识别领域，比较常用的两个模块就是librosa和python_speech_features了。

最近也是在做音乐方向的项目，借此做一下笔记，并记录一些两者的差别。下面是两模块的官方文档

LibROSA - librosa 0.6.3 documentation​librosa.github.io Welcome to python_speech_features’s documentation!​python-speech-features.readthedocs.io

直接对比两文档就可以看出librosa功能十分强大，涉及到了音频的特征提取、谱图分解、谱图显示、顺序建模、创建音频等功能，而python_speech_features只涉及了音频特征提取。就特征提取的实现方法和种类来看，两者也有所不同。

python_speech_features的特征

支持的特征：

• python_speech_features.mfcc() - 梅尔倒谱系数
• python_speech_features.fbank() - 滤波器组能量
• python_speech_features.logfbank() - 对数滤波器组能量
• python_speech_features.ssc() - 子带频谱质心特征

提取mfcc、logfbank特征的方法

from 

python_speech_features的比较好用的地方就是自带预加重参数，只需要设定preemph的值，就可以对语音信号进行预加重，增强高频信号。

python_speech_features模块提供的函数

python_speech_f