torch.blackman_window

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

布莱克曼窗函数。

$$w[n] = 0.42 - 0.5 \cos \left( \frac{2 \pi n}{N - 1} \right) + 0.08 \cos \left( \frac{4 \pi n}{N - 1} \right)$$

其中 $N$ 是整个窗口的大小。

输入 window_length 是一个正整数，用于控制返回窗口的大小。 periodic 标志决定返回的窗口是否会从对称窗口中裁剪掉最后一个重复值，并准备用作周期性窗口，例如 torch.stft()。 因此，如果 periodic 为真，则上述公式中的 $N$ 实际上是 $\text{window\_length} + 1$。 此外，我们始终有 torch.blackman_window(L, periodic=True) 等于 torch.blackman_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，则返回一个用作周期性函数的窗口。 如果为 False，则返回一个对称窗口。

关键字参数

• dtype (torch.dtype, 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（见 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，则使用当前设备，用于默认张量类型（见 torch.set_default_device()）。 device 将对于 CPU 张量类型为 CPU，对于 CUDA 张量类型为当前 CUDA 设备。

• requires_grad (bool, optional) – 是否应该记录返回张量上的操作。 默认值：False。

返回值

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

返回类型

张量