torch.signal.windows.exponential

torch.signal.windows.exponential(M, *, center=None, tau=1.0, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)

计算具有指数波形的窗口。也称为泊松窗口。

指数窗口定义如下

$$w_n = \exp{\left(-\frac{|n - c|}{\tau}\right)}$$

其中 c 是窗口的 center。

窗口被归一化为 1（最大值为 1）。但是，如果 M 为偶数且 sym 为 True，则不会出现 1。

参数

M (int) – 窗口的长度。换句话说，返回窗口的点数。

关键字参数

• center (float, optional) – 窗口中心将位于的位置。默认值：如果 sym 为 False，则为 M / 2，否则为 (M - 1) / 2。

• tau (float, optional) – 衰减值。Tau 通常与百分比相关联，这意味着该值应在区间 (0, 100] 内变化。如果 tau 为 100，则它被认为是均匀窗口。默认值：1.0。

• sym (bool, optional) – 如果为 False，则返回适合在频谱分析中使用的周期性窗口。如果为 True，则返回适合在滤波器设计中使用的对称窗口。默认值：True。

• 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（参见 torch.set_default_dtype()）。

• layout (torch.layout, 可选) – 返回张量的期望布局。默认值：torch.strided。

• device (torch.device, 可选) – 返回张量的期望设备。默认值：如果为 None，则使用当前设备作为默认张量类型（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将为 CPU，而对于 CUDA 张量类型，device 将为当前 CUDA 设备。

• requires_grad (bool, 可选) – 是否应记录对返回张量的操作。默认值：False。

返回类型

张量

示例

>>> # Generates a symmetric exponential window of size 10 and with a decay value of 1.0.
>>> # The center will be at (M - 1) / 2, where M is 10.
>>> torch.signal.windows.exponential(10)
tensor([0.0111, 0.0302, 0.0821, 0.2231, 0.6065, 0.6065, 0.2231, 0.0821, 0.0302, 0.0111])

>>> # Generates a periodic exponential window and decay factor equal to .5
>>> torch.signal.windows.exponential(10, sym=False,tau=.5)
tensor([4.5400e-05, 3.3546e-04, 2.4788e-03, 1.8316e-02, 1.3534e-01, 1.0000e+00, 1.3534e-01, 1.8316e-02, 2.4788e-03, 3.3546e-04])