torch.signal.windows.kaiser

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

计算 Kaiser 窗口。

Kaiser 窗口定义如下：

$$w_n = I_0 \left( \beta \sqrt{1 - \left( {\frac{n - N/2}{N/2}} \right) ^2 } \right) / I_0( \beta )$$

其中 I_0 是第一类零阶修正贝塞尔函数（参见 torch.special.i0()），如果 sym 为 True 则 N = M - 1，否则为 M。

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

• 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, optional) – 返回张量的期望数据类型。默认值: 如果 None，则使用全局默认值（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 None，则使用默认张量类型的当前设备（参见 torch.set_default_device()）。 device 对于 CPU 张量类型将是 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 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])