torch.hann_window

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

汉宁窗函数。

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

其中 $N$ 是完整的窗口大小。

输入 window_length 是一个正整数，控制返回窗口的大小。 periodic 标志决定是否返回的窗口会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与 torch.stft() 等函数一起使用。 因此，如果 periodic 为真，则上述公式中的 $N$ 事实上是 $\text{window\_length} + 1$。 此外，我们始终有 torch.hann_window(L, periodic=True) 等于 torch.hann_window(L + 1, periodic=False)[:-1])。

注意

如果 window_length $=1$，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：如果为 None，则使用全局默认值（见 torch.set_default_dtype()）。 只支持浮点类型。

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

• device (torch.device, optional) – 返回张量的所需设备。 默认：如果为 None，则使用当前设备作为默认张量类型（见 torch.set_default_device()）。 device 将是 CPU（对于 CPU 张量类型）或当前 CUDA 设备（对于 CUDA 张量类型）。

• requires_grad (bool, optional) – 如果应记录对返回张量的操作的 autograd。 默认：False。

返回值

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

返回值类型

张量