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

Hamming 窗函数。

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

其中 $N$ 是完整的窗大小。

输入 window_length 是一个正整数，控制返回的窗大小。periodic 标志决定了返回的窗是否从对称窗中移除最后一个重复值，以便与 torch.stft() 等函数一起用作周期性窗。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，torch.hamming_window(L, periodic=True) 总是等于 torch.hamming_window(L + 1, periodic=False)[:-1])。

注意

如果 window_length $=1$，返回的窗只包含一个值 1。

注意

这是 torch.hann_window() 的通用版本。

参数

• window_length (int) – 返回窗的大小

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

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

• beta (float, optional) – 上述公式中的系数 $\beta$

关键字参数

• dtype (torch.dtype, optional) – 返回张量所需的数据类型。默认值：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, optional) – 返回窗张量所需的布局。仅支持 torch.strided（密集布局）。

• device (torch.device, optional) – 返回张量所需的设备。默认值：如果为 None，则对默认张量类型使用当前设备（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，将是当前的 CUDA 设备。

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

返回

一个大小为 $(\text{window\_length},)$ 的 1-D 张量，包含窗函数的值。

返回类型

张量