我使用scipy.signal.stft获取音频的stft。没有问题，我得到了结果。但我不明白的是，当169600 samples的采样率为fs=44100 Hz的音频被用来计算stft时，我得到3次返回f, t和{{ 1}}。这里Zxx的形状为Zxx。
为计算(2049, 84)，我使用大小为stft的窗口，并使用4096作为窗口类型。默认情况下，hanning window在帧之间使用scipy.signal.stft重叠。
我的问题：是否有window_size // 2个重叠框架？如果是，如果不是，如何计算stft中重叠帧的数量？如果2049不是过度采样的数量，那么该数字是什么意思？
答案 0 :(得分：1)
实值信号的FFT产生具有厄米对称性的光谱。这意味着可以从下半部分获得光谱的上半部分。此外，当FFT大小N是偶数时，中点是它自己的对称性。结果，频谱完全由N//2 + 1频率点（scipy.signal.stft返回的频谱的大小）确定。在您的情况下，N为4096，因此您可以沿频率轴获得4096//2 + 1或2049点的频谱。您应该能够确认f确实是2049频率值的数组（在44100/4096中从0到44100/2 Hz或以~10.77Hz为增量）。
就时间值而言，您可以将其计算为
number_of_samples = 169600
number_time_values = (number_of_samples+window_size)//(window_size - window_size//2)
% = (169600 + 4096)//(4096 - 2048)
% = 84
分子中的+window_size（在您的情况下为+4096）项是由于boundary = 'zeros'默认选项，它在您的实际169,600个输入样本之前和之后用零填充输入。