torch.signal.windows.hamming

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

计算 Hamming 窗函数。

Hamming 窗函数定义如下：

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

窗函数被归一化到 1（最大值为 1）。但是，如果 M 是偶数且 sym 为 True，则不会出现值 1。

参数

M (int) – 窗函数的长度。换句话说，就是返回的窗函数点的数量。

关键字参数

• sym (bool, 可选) – 如果为 False，返回一个适用于频谱分析的周期性窗函数。如果为 True，返回一个适用于滤波器设计的对称窗函数。默认值：True。

• alpha (float, 可选) – 上述方程中的系数 $\alpha$。

• beta (float, 可选) – 上述方程中的系数 $\beta$。

• 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，则对默认张量类型使用当前设备（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，device 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。

返回类型

张量

示例

>>> # Generates a symmetric Hamming window.
>>> torch.signal.windows.hamming(10)
tensor([0.0800, 0.1876, 0.4601, 0.7700, 0.9723, 0.9723, 0.7700, 0.4601, 0.1876, 0.0800])

>>> # Generates a periodic Hamming window.
>>> torch.signal.windows.hamming(10, sym=False)
tensor([0.0800, 0.1679, 0.3979, 0.6821, 0.9121, 1.0000, 0.9121, 0.6821, 0.3979, 0.1679])