wav生成mel spectrogram的方法
加载wav文件到浮点数时间序列
注意默认的sr=22050,不想输入采样率又避免使用了默认，需要sr=None
mono是bool值，是否转换成单通道。
offset是指一段时间后才开始load音频。
dtype是指定存放的数据类型，默认是float32.
wav, source_sr = librosa.load(fpath_or_wav, sr=None)
从wav时间序列到mel spectrogram
可以有两种输入：y是wav文件的时间序列；S是声谱图。
S声谱可以由短时傅里叶变换求得。
n_fft是FFT窗口，int型，是采样点的个数。
hop_length是步幅，可以理解为卷积中的strides，int型，是采样点的个数。重叠则是overlapping = n_fft - hop_length
win_length：Each frame of audio is windowed by window(). The window will be of length win_length and then padded with zeros to match n_fft.
Window：可以是窗函数，可以是a window specification (string, tuple, or number)，也可以是array。
center：布尔型。True的话，t时刻的frame中心是y[t * hop_length]；False的话，t时刻的frame开始是y[t * hop_length]
power：float。指的是梅尔谱的类型。1代表能量谱energy，2代表功率谱power。
mel=librosa.feature.melspectrogram(y=None, sr=22050, S=None, n_fft=2048, hop_length=512, win_length=None, window='hann', center=True, pad_mode='reflect', power=2.0, **kwargs)
先短时傅里叶变换得到功率谱，再从功率谱到mel spectrogram
补充(摘自)
能量谱也叫能量谱密度，能量谱密度描述了信号或时间序列的能量如何随频率分布。能量谱是原信号傅立叶变换的平方。
功率谱是功率谱密度函数（PSD）的简称，它定义为单位频带内的信号功率。一段信号的功率谱等于这段信号自相关函数的傅里叶变换。
所以求功率谱就有了两种方法：1.(傅立叶变换的平方)/(区间长度)；2.自相关函数的傅里叶变换。
功率谱的单位是W/Hz，单位是dB时是做了对数处理（10logX）。取对数的目的是使那些振幅较低的成分相对高振幅成分得以拉高，以便观察掩盖在低幅噪声中的周期信号。
倒频谱（Cepstrum）也叫倒谱、二次谱和对数功率谱等。倒频谱的工程型定义是：信号功率谱对数值进行傅立叶逆变换的结果。（信号→求功率谱→求对数→求傅里叶逆变换）
为什么翻译作倒频谱呢？我个人的理解是，频谱（功率谱）反应的频率特征点横坐标是频率f（Hz），在倒频谱中对应的特征点的横坐标是时间t（s），而f与t互为倒数。从这里也可以看出，虽然倒频谱也叫“频谱”，其横坐标却并不是频率，而是时间。
D = np.abs(librosa.stft(y))**2
S = librosa.feature.melspectrogram(S=D, sr=sr)
需要注意短时傅里叶变换librosa.stft
librosa.core.stft(y, n_fft=2048, hop_length=None, win_length=None, window='hann', center=True, dtype=<class 'numpy.complex64'>, pad_mode='reflect')
