torch.signal.windows.general_hamming

torch.signal.windows.general_hamming(M, *, alpha=0.54, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)

计算广义汉明窗。

广义汉明窗定义如下

$$w_n = \alpha - (1 - \alpha) \cos{ \left( \frac{2 \pi n}{M-1} \right)}$$

窗口已归一化为 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

• alpha (float, 可选) – 窗口系数。默认值：0.54。

• sym (bool, 可选) – 如果为 False，则返回适用于频谱分析的周期性窗口。如果为 True，则返回适用于滤波器设计的对称窗口。默认值：True。

• dtype (torch.dtype, 可选) – 返回张量的所需数据类型。默认值：如果 None，则使用全局默认值（请参阅 torch.set_default_dtype()）。

• layout (torch.layout, 可选) – 返回张量的所需布局。默认值：torch.strided。

• device (torch.device, 可选) – 返回张量的所需设备。默认值：如果 None，则使用默认张量类型的当前设备（请参阅 torch.set_default_device()）。device 对于 CPU 张量类型将为 CPU，对于 CUDA 张量类型将为当前 CUDA 设备。

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

返回类型

张量

示例

>>> # Generates a symmetric Hamming window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, sym=True)
tensor([0.0800, 0.1876, 0.4601, 0.7700, 0.9723, 0.9723, 0.7700, 0.4601, 0.1876, 0.0800])

>>> # Generates a periodic Hann window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, alpha=0.5, sym=False)
tensor([0.0000, 0.0955, 0.3455, 0.6545, 0.9045, 1.0000, 0.9045, 0.6545, 0.3455, 0.0955])