快捷方式

torch.istft

torch.istft(input, n_fft, hop_length=None, win_length=None, window=None, center=True, normalized=False, onesided=None, length=None, return_complex=False) Tensor:

逆短时傅里叶变换。预计这将是 stft() 的逆运算。

警告

从 2.1 版本开始,如果未指定 window,将提供警告。在将来的版本中,此属性将是必需的。请提供与 stft 调用中使用的相同窗口。

它具有相同的参数(+ length 的附加可选参数),它应该返回原始信号的最小二乘估计。该算法将使用 NOLA 条件(非零重叠)进行检查。

参数 windowcenter 中的重要考虑因素,以便所有窗口的求和创建的包络在时间上的某个点永远不为零。具体来说,t=w2[nt×hop_length]=0\sum_{t=-\infty}^{\infty} |w|^2[n-t\times hop\_length] \cancel{=} 0.

由于 stft() 会丢弃不适合帧的信号末尾的元素,istft 可能会返回比原始信号更短的信号(如果 center 为 False,则可能发生这种情况,因为信号没有进行填充)。如果参数中给出了 length 并且比预期长,istft 将在返回信号的末尾填充零。

如果 centerTrue,则将存在填充,例如 'constant''reflect' 等。左侧填充可以精确地被裁剪掉,因为它们可以被计算出来,但是右侧填充在没有额外信息的情况下无法被计算出来。

示例:假设最后一个窗口是:[17, 18, 0, 0, 0] vs [18, 0, 0, 0, 0]

n_ffthop_lengthwin_length 都是相同的,这阻止了右侧填充的计算。这些附加值可以是零,也可以是信号的反射,因此提供 length 可能会有用。如果 lengthNone,则填充将被积极地去除(一些信号丢失)。

[1] D. W. Griffin 和 J. S. Lim,“从修改后的短时傅立叶变换中估计信号”,IEEE Trans. ASSP,第 32 卷,第 2 期,第 236-243 页,1984 年 4 月。

参数
  • input (Tensor) –

    输入张量。预计格式为 stft() 的输出。即形状为 (B?, N, T) 的复数张量,其中

    • B? 是可选的批次维度。

    • N 是频率样本的数量,对于单边输入,(n_fft // 2) + 1,否则为 n_fft

    • T 是帧数,对于中心化的 stft,1 + length // hop_length,否则为 1 + (length - n_fft) // hop_length

    在版本 2.0 中更改:不再支持实数数据类型输入。输入现在必须具有复数数据类型,如 stft(..., return_complex=True) 所返回。

  • n_fft (int) – 傅里叶变换的大小

  • hop_length (Optional[int]) – 相邻滑动窗口帧之间的距离。(默认:n_fft // 4

  • win_length (Optional[int]) – 窗口帧和 STFT 滤波器的大小。(默认:n_fft

  • window (Optional[torch.Tensor]) – 可选的窗口函数。形状必须为 1d 且 <= n_fft (默认:torch.ones(win_length)

  • center (bool) – 是否 input 在两侧进行了填充,以便第 tt-th 帧以时间 t×hop_lengtht \times \text{hop\_length} 为中心。(默认:True

  • normalized (bool) – 是否对 STFT 进行了归一化。(默认:False

  • onesided (Optional[bool]) – 是否 STFT 是单边的。(默认:如果输入大小中的 n_fft != fft_size,则为 True

  • length (Optional[int]) – 要对信号进行裁剪的量(即原始信号长度)。对于中心化的 stft,默认值为 (T - 1) * hop_length,否则为 n_fft + (T - 1) * hop_length,其中 T 是输入帧数。

  • return_complex (Optional[bool]) – 输出是否应该是复数,或者输入是否应该被假定为来自实数信号和窗口。注意,这与 onesided=True 不兼容。(默认:False

返回值

原始信号的最小二乘估计,形状为 (B?, length),其中

B? 是输入张量中的可选批次维度。

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