快捷方式

torch.signal.windows.kaiser

torch.signal.windows.kaiser(M, *, beta=12.0, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)[源代码]

计算凯泽窗。

凯泽窗定义如下

wn=I0(β1(nN/2N/2)2)/I0(β)w_n = I_0 \left( \beta \sqrt{1 - \left( {\frac{n - N/2}{N/2}} \right) ^2 } \right) / I_0( \beta )

其中 I_0 是第一类零阶修正贝塞尔函数(见 torch.special.i0()),以及 N = M - 1 if sym else M

窗口被归一化到 1(最大值为 1)。但是,如果 M 是偶数且 symTrue,则 1 不会出现。

参数

M (int) – 窗口长度。换句话说,返回的窗口的点数。

关键字参数
  • beta (float, optional) – 窗口的形状参数。必须是非负数。默认值:12.0

  • sym (bool, optional) – 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

  • dtype (torch.dtype, optional) – 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(见 torch.set_default_dtype())。

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

  • device (torch.device, optional) – 返回张量的所需设备。默认值:如果为 None,则使用默认张量类型的当前设备(见 torch.set_default_device())。device 将是 CPU 张量类型的 CPU,以及 CUDA 张量类型的当前 CUDA 设备。

  • requires_grad (bool, optional) – 是否应在返回的张量上记录自动梯度。默认值:False

返回类型

张量

示例

>>> # Generates a symmetric gaussian window with a standard deviation of 1.0.
>>> torch.signal.windows.kaiser(5)
tensor([4.0065e-05, 2.1875e-03, 4.3937e-02, 3.2465e-01, 8.8250e-01, 8.8250e-01, 3.2465e-01, 4.3937e-02, 2.1875e-03, 4.0065e-05])
>>> # Generates a periodic gaussian window and standard deviation equal to 0.9.
>>> torch.signal.windows.kaiser(5, sym=False,std=0.9)
tensor([1.9858e-07, 5.1365e-05, 3.8659e-03, 8.4658e-02, 5.3941e-01, 1.0000e+00, 5.3941e-01, 8.4658e-02, 3.8659e-03, 5.1365e-05])

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源