torch.signal.windows.hamming

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

计算汉明窗。

汉明窗定义如下

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

窗口归一化为 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

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

• alpha (float, 可选) – 上述公式中的系数 $\alpha$。

• beta (float, 可选) – 上述公式中的系数 $\beta$。

• dtype (torch.dtype, 可选) – 返回张量的所需数据类型。默认值：如果为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。

• 设备 (torch.device, 可选) – 返回张量的目标设备。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()）。对于 CPU 张量类型，device 将为 CPU；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])