Mel-scale特征的学习与应用

音频特征提取中常使用梅尔频谱和梅尔倒谱技术，并通过librosa库中的melspectrogram和mfcc函数实现这一过程。melspectrogram返回梅尔频谱数据，而mfcc则在此基础上进行离散余弦变换（DCT），生成梅尔倒谱系数序列。提取流程包括预加重、分帧、加窗、FFT、Mel滤波与对数运算等步骤，并利用这些变换来增强低频信息的表达能力或减少高频率信息的影响。需要注意的是，虽然两者均基于Mel滤波器设计但其具体应用结果存在差异，在实际使用中需根据需求选择合适的方法并注意其局限性。

在音频处理中进行特征提取时会频繁使用到梅尔频谱与梅尔倒谱这一技术 这一节内容将详细阐述librosa库中的melspectrogram函数及其与mfcc函数之间的区别

这两个API的官方定义被呈现出来

    def 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,
    ):
    y:输入时域下的音频信号。shape= （n