频谱质心

class torchaudio.transforms.SpectralCentroid(sample_rate: int, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, pad: int = 0, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, wkwargs: ~typing.Optional[dict] = None)

计算沿时间轴每个通道的频谱质心。

频谱质心定义为频率值的加权平均值，加权值为其幅值。

参数：

• sample_rate (int) – 音频信号的采样率。

• n_fft (int, 可选) – FFT 的大小，创建 n_fft // 2 + 1 个 bin。 (默认值：400)

• win_length (int 或 None, 可选) – 窗口大小。 (默认值：n_fft)

• hop_length (int 或 None, 可选) – STFT 窗口之间跳跃的长度。 (默认值：win_length // 2)

• pad (int, 可选) – 信号的双侧填充。 (默认值：0)

• window_fn (Callable[..., Tensor], 可选) – 用于创建应用/乘以每个帧/窗口的窗口张量的函数。 (默认值：torch.hann_window)

• wkwargs (dict 或 None, 可选) – 窗口函数的参数。 (默认值：None)

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.SpectralCentroid(sample_rate)
>>> spectral_centroid = transform(waveform)  # (channel, time)

forward(waveform: Tensor) → Tensor

参数：

waveform (Tensor) – 尺寸为 (…, time) 的音频张量。

返回：

大小为 (…, time) 的频谱质心。

返回类型：

Tensor