torch.kaiser_window

torch.kaiser_window(window_length, periodic=True, beta=12.0, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

计算窗长为 window_length 且形状参数为 beta 的 Kaiser 窗。

设 I_0 为第一类修正的零阶 Bessel 函数（参见 torch.i0()），如果 periodic 为 False，则 N = L - 1；如果 periodic 为 True，则 N = L，其中 L 是 window_length。此函数计算

$$out_i = I_0 \left( \beta \sqrt{1 - \left( {\frac{i - N/2}{N/2}} \right) ^2 } \right) / I_0( \beta )$$

调用 torch.kaiser_window(L, B, periodic=True) 等价于调用 torch.kaiser_window(L + 1, B, periodic=False)[:-1])。periodic 参数旨在作为一个便捷的简写，用于生成周期窗，作为诸如 torch.stft() 等函数的输入。

注意

如果 window_length 为 1，则返回的窗是包含一个元素的张量，其值为 1。

参数

• window_length (int) – 窗的长度。

• periodic (bool, 可选) – 如果为 True，返回适用于频谱分析的周期窗。如果为 False，返回适用于滤波器设计的对称窗。

• beta (float, 可选) – 窗的形状参数。

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，则使用全局默认类型（参见 torch.set_default_dtype()）。

• layout (torch.layout, 可选) – 返回窗张量的期望布局。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（参见 torch.set_default_device()）。device 对于 CPU 张量类型将是 CPU，对于 CUDA 张量类型将是当前 CUDA 设备。

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