torch.hamming_window

torch.hamming_window(window_length, periodic=True, alpha=0.54, beta=0.46, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

汉明窗函数。

$$w[n] = \alpha - \beta\ \cos \left( \frac{2 \pi n}{N - 1} \right),$$

其中，$N$ 是完整的窗口大小。

输入 window_length 是一个正整数，控制返回的窗口大小。 periodic 标志决定是否从对称窗口中裁剪掉最后一个重复值，并准备作为周期性窗口用于 torch.stft() 等函数。因此，如果 periodic 为 True，则上述公式中的 $N$ 事实上是 $\text{window\_length} + 1$。此外，我们始终有 torch.hamming_window(L, periodic=True) 等于 torch.hamming_window(L + 1, periodic=False)[:-1])。

注意

如果 window_length $=1$，则返回的窗口包含单个值 1。

注意

这是 torch.hann_window() 的一个通用版本。

参数

• window_length (int) – 返回窗口的大小

• periodic (bool, 可选) – 如果为 True，则返回一个用作周期函数的窗口。如果为 False，则返回一个对称窗口。

• alpha (float, 可选) – 上述公式中的系数 $\alpha$

• beta (float, 可选) – 上述公式中的系数 $\beta$

关键字参数

• dtype (torch.dtype，可选) – 返回张量的所需数据类型。默认：如果为 None，则使用全局默认值（参见 torch.set_default_dtype()）。仅支持浮点类型。

• layout (torch.layout，可选) – 返回窗口张量的所需布局。仅支持 torch.strided（密集布局）。

• device (torch.device，可选) – 返回张量的所需设备。默认：如果为 None，则使用默认张量类型当前设备（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将为 CPU；对于 CUDA 张量类型，device 将为当前 CUDA 设备。

• requires_grad (bool, 可选) – 是否应记录返回张量上的操作。默认：False。

返回值

一个大小为 $(\text{window\_length},)$ 的一维张量，包含窗口数据。

返回类型

张量