快捷方式

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]=αβ cos(2πnN1),w[n] = \alpha - \beta\ \cos \left( \frac{2 \pi n}{N - 1} \right),

其中,NN 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 NN 事实上是 window_length+1\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=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 α\alpha

  • beta (float, 可选) – 上述公式中的系数 β\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 (window_length,)(\text{window\_length},) 的一维张量,包含窗口数据。

返回类型

张量

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