http://librosa.github.io/librosa/install.html
函数声明：
librosa.core.stft(y, n_fft=2048, hop_length=None, win_length=None, window='hann', center=True, dtype=<class 'numpy.complex64'>, pad_mode='reflect')
常用参数说明：
y：输入的numpy数组，要求都是实数
n_fft：fft的长度，默认2048
hop_length：stft中窗函数每次步进的单位
win_length：窗函数的长度
window：窗函数的类型
return：一个1+n_fft/2*1+len(y)/hop_length的二维复数矩阵，其实就是时频谱
参考：
http://librosa.github.io/librosa/generated/librosa.core.stft.html#librosa.core.stft
主要用这两个
matplotlib.pyplot.pcolormesh()
matplotlib.pyplot.colorbar()
二维FFT常用在图像处理上，首先要能理解二维FFT的意义，否则很难明白它到底是怎么工作的。
第一列是原图和对应的频率信息，第二列是去除低频部分后，FFT逆变换得到的图像。第三列是去除高频部分后FFT逆变换得到的图像。
从第二列可以看出高频贡献了图像的细节。从白到黑的边界保留了下来。而原图中大片的白与大片的黑在这个图中没什么区别。
第三列中保留了原图中的亮部与灰部，而由黑到白的临界线却很模糊。细小的白线黑线也没能显示。所以低频贡献了图像的明暗。
2.工作原理理解
二维FFT就是先对行做次一维FFT，这样每个元素都是关于行频率信息了，然后再对列做一维FFT,这样每个元素都包含了行和列的频率信息。每个元素都是个复数，取绝对值可得到振幅，从实部与虚部的比值可等到相位，在二维矩阵的位置信息包含了频率大小和方向。方向在一维FFT中是不用考虑的。
FFT2的结果也是正频率从0到高然后负频率从高到0.fftshift()之后会将低频放到中间位置。
第一幅图的频谱是中间一条白线，也就是说许多个正弦波沿横向传播。纵向上没有变化。
第三幅图的频谱是十字形加一条从左下角到右上角的直线。说明原图在横向，纵向都有变化，变化的方向从左下角到右上角。
从中心到频谱图上某一点构成的向量方向就是这个波传播的方向。
正负对称才能消除虚部，这点与一维FFT原理一致。
语音的时域分析和频域分析是语音分析的两种重要方法，但是都存在着局限性。时域分析对语音信号的频率特性没有直观的了解，频域特性中又没有语音信号随时间的变化关系。而语谱图综合了时域和频域的优点，明显的显示出了语音频谱随时间的变化情况、语谱图的横轴为时间，纵轴为频率，任意给定频率成分在给定时刻的强弱用颜色深浅来表示。颜色深的，频谱值大，颜色浅的，频谱值小。语谱图上不同的黑白程度形成不同的纹路，称之为声纹，不同讲话者的声纹是不一样的，可用作声纹识别。
下面是在python中绘制语谱图：
# 导入相应的包
import numpy, waveimport matplotlib.pyplot as pltimport numpy as npimport os
filename = 'bluesky3.wav'
# 调用wave模块中的open函数，打开语音文件。f = wave.open(filename,'rb')
# 得到语音参数
params = f.getparams()
nchannels, sampwidth, framerate,nframes = params[:4]
# 得到的数据是字符串，需要将其转成int型
strData = f.readframes(nframes)
wavaData = np.fromstring(strData,dtype=np.int16)
# 归一化
wavaData = wavaData * 1.0/max(abs(wavaData))
# .T 表示转置
wavaData = np.reshape(wavaData,[nframes,nchannels]).T
f.close()
# 绘制频谱
plt.specgram(wavaData[0],Fs = framerate,scale_by_freq=True,sides='default')
plt.ylabel('Frequency')
plt.xlabel('Time(s)')
plt.show()
