快捷方式

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]=12 [1cos(2πnN1)]=sin2(πnN1),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 NN 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 NN 事实上是 window_length+1\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=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 (window_length,)(\text{window\_length},) 的 1 维张量,包含窗口

返回值类型

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