torch.hann_window

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

Hann 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。

输入参数 window_length 是一个正整数，控制返回的窗口大小。 periodic 标志决定返回的窗口是否会截掉对称窗口的最后一个重复值，以便与 torch.stft() 等函数一起用作周期性窗口。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.hann_window(L, periodic=True) 总是等于 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) – 返回的窗口大小

• periodic (bool, 可选) – 如果为 True，返回用作周期性函数的窗口。如果为 False，返回对称窗口。

关键字参数

• dtype (torch.dtype, 可选) – 返回张量的期望数据类型。默认值：如果为 None，则使用全局默认值（参阅 torch.set_default_dtype()）。仅支持浮点类型。

• layout (torch.layout, 可选) – 返回窗口张量的期望布局。仅支持 torch.strided（密集布局）。

• device (torch.device, 可选) – 返回张量的期望设备。默认值：如果为 None，则使用默认张量类型的当前设备（参阅 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, 可选) – 如果自动微分应记录对返回张量的操作。默认值：False。

返回

一个大小为 $(\text{window\_length},)$ 的 1 维张量，包含窗口值

返回类型

Tensor