我正在将python代码转换为MATLAB。 python代码使用以下命令：
stft_ch = librosa.core.stft(audio_input[:, ch_cnt], n_fft=self._nfft, hop_length=self._hop_len,win_length=self._win_len, window='hann')
audio_input.shape=(2880000,4)，self._nfft=2048，self._hop_len=960和self._win_len=1920所在的位置。转换为MATLAB时，我使用了：
stft_ch = spectrogram(audio_input(:, ch_cnt), hann(win_len), win_len-hop_len, nfft);
我在其中验证了size(audio_input)=2880000,4，win_len=1920，win_len-hop_len=960和nfft=2048的位置。
我得到一个size(stft_ch)=1025,2999的输出，其中python显示stft_ch.shape=(1025, 3001)的2999大小的MATLAB输出清晰可见，并壮大了documentation，其中k =⌊（Nx – noverlap）/ （length（window）– noverlap）⌋如果窗口是矢量。
但是，我在python documentation中找不到t的范围的设置。
为什么尺寸之间有区别？我的转换好吗？
答案 0 :(得分：4)
很长一段时间之后，赏金未得到满足，我自己找到了答案。
MATLAB函数spectrogram()输出一个时间向量，该向量对应于每个窗口的中间，而省略了最后一个窗口。例如，一个10个样本长度的信号具有3个样本窗口和1个样本重叠，将导致以下4个窗口：
1:3，3:5，5:7，7:9，其中m:n代表一个窗口，其中包含从m到n的样本包括第n个示例。
因此，窗口的中心为：2,4,6,8。请注意，不包括第10个样本。
MATLAB似乎需要将最大的number_of_windows附属于(number_of_windows-1)*hop_length+window_size<=number_of_samples。
相反，在python版本liberosa.core.stft()上，t是每个帧的第一个样本的时间，并且这些帧覆盖的范围大于输入信号。例如，一个具有3个采样窗口和2个采样跳（跳且不重叠）的10个采样长度信号，将导致以下4个窗口：
1:3，3:5，5:7，7:9，9:11，其中m:n代表一个窗口，其中包含来自m的样本到第n个样本，到第n个。
因此，窗口的开头应为：1,3,5,7,9。请注意，其中包括第11个不存在的样本。
liberosa似乎要求最小的number_of_windows附属于number_of_windows*hop_length>number_of_samples。
就我而言：
（2999-1）* 960 + 1920 = 2880000 <= 2880000（对于MATLAB）。 3001 * 960 = 2880960> 2880000，而30000 * 960 = 2880000！> 2880000（在python中）。
请注意，可以通过设置center=True标志来将时间集中在python中。
这是我能找到的最好的解释。 任何其他解释都将作为答复。