对于一个.wav心音信号，加窗，长为20ms，间隔为10ms，提取mfcc特征。请写出完整代码

在Python中，我们可以使用librosa库来进行音频处理，包括读取wav文件、窗口化、短时傅立叶变换(STFT)以及计算MFCC（梅尔频率倒谱系数）。以下是使用librosa的一个示例代码片段：

import librosa
import numpy as np

# 假设你的wav文件名为'heartbeat.wav'
filename = 'heartbeat.wav'

# 读取wav文件
y, sr = librosa.load(filename, sr=None)  # sr是采样率

# 设置窗口大小 (20ms) 和滑动步幅 (10ms)
window_size_ms = 20
hop_size_ms = 10
window_size_samples = int(sr * window_size_ms / 1000)
hop_size_samples = int(sr * hop_size_ms / 1000)

# 确保窗口长度是整数倍
n_windows = int(np.ceil(len(y) / hop_size_samples))

# 创建汉明窗函数
hann_window = librosa.hanning(window_size_samples)

# 提取MFCC
mfccs = []
for i in range(n_windows):
    start = i * hop_size_samples
    end = min(start + window_size_samples, len(y))
    windowed_signal = y[start:end] * hann_window
    stft = librosa.stft(windowed_signal, n_fft=window_size_samples, hop_length=hop_size_samples)
    mfcc = librosa.feature.mfcc(y=stft, sr=sr, n_mfcc=40)  # 可自定义n_mfcc参数
    mfccs.append(mfcc)

# 结果是一个二维数组，每个窗口的MFCC作为一列
mfccs_array = np.vstack(mfccs)

# 注意：你需要将上述代码放入try-except结构中，以便处理可能出现的错误，如文件未找到等