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。

$$w[n] = 1 - \left| \frac{2n}{N-1} - 1 \right| = \begin{cases} \frac{2n}{N - 1} & \text{if } 0 \leq n \leq \frac{N - 1}{2} \\ 2 - \frac{2n}{N - 1} & \text{if } \frac{N - 1}{2} < n < N \\ \end{cases},$$

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 标志确定返回的窗口是否从对称窗口中修剪掉最后一个重复值，并准备好用作 torch.stft() 等函数的周期性窗口。因此，如果 periodic 为 true，则上述公式中的 $N$ 实际上是 $\text{window\_length} + 1$。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 $=1$，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, optional) – 如果为 True，则返回要用作周期函数的窗口。如果为 False，则返回对称窗口。

关键字参数

• dtype (torch.dtype, optional) – 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（请参阅 torch.set_default_dtype()）。仅支持浮点类型。

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

• device (torch.device, optional) – 返回张量的所需设备。默认值：如果为 None，则使用默认张量类型的当前设备（请参阅 torch.set_default_device()）。device 对于 CPU 张量类型将为 CPU，对于 CUDA 张量类型将为当前 CUDA 设备。

• requires_grad (bool, optional) – 如果 autograd 应该记录返回张量的操作。默认值：False。

返回

大小为 $(\text{window\_length},)$ 的 1-D 张量，其中包含窗口

返回类型

张量