快捷方式

torch.bartlett_window

torch.bartlett_window(window_length, periodic=True, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) Tensor

Bartlett 窗口函数。

w[n]=12nN11={2nN1如果 0nN1222nN1如果 N12<n<N,w[n] = 1 - \left| \frac{2n}{N-1} - 1 \right| = \begin{cases} \frac{2n}{N - 1} & \text{如果 } 0 \leq n \leq \frac{N - 1}{2} \\ 2 - \frac{2n}{N - 1} & \text{如果 } \frac{N - 1}{2} < n < N \\ \end{cases},

其中 NN 是完整窗口的大小。

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,并准备好作为周期性窗口,用于 torch.stft() 等函数。因此,如果 periodic 为 True,则上述公式中的 NN 事实上是 window_length+1\text{window\_length} + 1。此外,我们始终有 torch.bartlett_window(L, periodic=True) 等于 torch.bartlett_window(L + 1, periodic=False)[:-1])

注意

如果 window_length =1=1,则返回的窗口包含单个值 1。

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。

关键字参数
  • dtype (torch.dtype,可选) – 返回张量的所需数据类型。默认值:如果为 None,则使用全局默认值(请参见 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) – 返回张量的目标设备。默认值:如果为None,则使用默认张量类型的当前设备(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。默认值:False

返回

大小为 (window_length,)(\text{window\_length},) 的一维张量,包含窗口

返回类型

Tensor

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源