在阅读这个 notebook 时发现了一个小技巧：在 STFT 之前先对音频的首尾进行 Padding。
在 STFT 之前进行 Padding
假设使用长度为 \(N\) 的窗口对音频进行 STFT 之前，最好在音频首尾 Padding 出 \(N/2\) 的长度。
这是因为，例如，若希望第一个窗口的中心对应到时间 0 的音频位置，就需要额外添加 \(N/2\) 长度的额外数据。
x = F.pad(x, pad=(self.n_fft // 2, self.n_fft // 2), mode='reflect')
zero padding、reflect padding
有两种常见的 Padding 策略：
- zero padding，仅用 0 填充
- reflect padding，像镜面反射一样使用已有信号进行填充