torch.signal.windows.hann

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

计算 Hann 窗。

Hann 窗的定义如下：

$$w_n = \frac{1}{2}\ \left[1 - \cos \left( \frac{2 \pi n}{M - 1} \right)\right] = \sin^2 \left( \frac{\pi n}{M - 1} \right)$$

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

参数

M (int) – 窗的长度。换句话说，返回的窗函数的点数。

关键字参数

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

• dtype (torch.dtype, optional) – 返回张量的期望数据类型。默认值：如果为 None，则使用全局默认设置（参见 torch.set_default_dtype()）。

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

• device (torch.device, optional) – 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()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，将是当前的 CUDA 设备。

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

返回类型

Tensor

示例

>>> # Generates a symmetric Hann window.
>>> torch.signal.windows.hann(10)
tensor([0.0000, 0.1170, 0.4132, 0.7500, 0.9698, 0.9698, 0.7500, 0.4132, 0.1170, 0.0000])

>>> # Generates a periodic Hann window.
>>> torch.signal.windows.hann(10, sym=False)
tensor([0.0000, 0.0955, 0.3455, 0.6545, 0.9045, 1.0000, 0.9045, 0.6545, 0.3455, 0.0955])