result=librosa.feature.mfcc(signal, 16000, n_mfcc=13, n_fft=2048, hop_length=400)
result.shape()
该信号为1秒长，采样率为16000，我计算了13个具有400跳长的MFCC。输出维度为(13,41)。为什么我得到41帧，不是应该是(time*sr/hop_length)=40吗？
TL；DR回答
是的，它是正确的。
答案很长
您使用时间序列作为输入(signal(，这意味着librosa首先使用melspectrogram函数计算melspectrogram。它需要一堆参数，其中您已经指定了一个(n_fft(。需要注意的是，熔谱图还提供了两个参数center和pad_mode，默认值分别为True和"reflect"。
来自文档：
pad_mode:string:如果center=True，则在信号边缘使用填充模式。默认情况下，STFT使用反射填充。
center:boolean：如果为True，则填充信号y，使帧t以y[t*hop_length]为中心。如果为False，则帧t开始于y[t*hop_length]
换句话说，默认情况下，librosa会使信号更长(焊盘(，以支持居中。
如果您想避免这种行为，您应该将center=False传递给您的mfcc调用。
也就是说，当将center设置为False时，请记住，如果n_fft长度为2048，跳变长度为400，则不一定会得到(time*sr/hop_length)=40帧，因为您还必须考虑窗口，而不仅仅是跳变长度(除非您以某种方式填充(。跳跃长度只是通过移动该窗口的样本数量来指定。
举一个极端的例子，考虑一个非常大的窗口和非常短的跳跃长度：假设10个样本(例如time=1s、sr=10Hz(，窗口长度为n_fft=9，hop_length=1具有center=False。现在想象一下在10个样本上滑动窗口。
◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◻︎
◻︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎
t 0123456789
◻︎ sample not covered by window
◼︎ sample covered by window
首先，窗口在t=0处开始并且在t=8处结束。我们可以通过hop_length将其移位多少次，并且仍然期望它不会耗尽样本？正好一次，直到它从t=1开始并在t=9结束。加上第一个未移位的帧，得到2帧。这与不正确的CCD_ 26明显不同。
正确的是：(time*sr-n_fft)//hop_length+1=(1*10-9)//1+1=2和//表示Python风格的整数除法。
当使用默认值，即center=True时，信号两端都填充了n_fft // 2样本，因此n_fft不在等式中。