快捷方式

torch.stft

torch.stft(input, n_fft, hop_length=None, win_length=None, window=None, center=True, pad_mode='reflect', normalized=False, onesided=None, return_complex=None)[源代码]

短时傅里叶变换 (STFT)。

警告

从版本 1.8.0 开始,对于实数输入,必须始终显式给出 return_complex,并且 return_complex=False 已弃用。强烈建议使用 return_complex=True,因为在未来的 PyTorch 版本中,此函数将仅返回复数张量。

请注意,可以使用 torch.view_as_real() 来恢复具有额外最后一个维度(表示实部和虚部)的实数张量。

警告

从版本 2.1 开始,如果未指定 window,则会提供警告。在将来的版本中,此属性将是必需的。目前,不提供窗口默认为使用矩形窗口,这可能会导致不需要的伪影。请考虑使用锥形窗口,例如 torch.hann_window()

STFT 计算输入的短重叠窗口的傅里叶变换。这提供了信号的频率成分随时间变化的情况。此函数的接口模仿了(但不是 librosa stft 函数的直接替代)librosa

忽略可选的批处理维度,此方法计算以下表达式

X[ω,m]=k=0win_length-1window[k] input[m×hop_length+k] exp(j2πωkn_fft),X[\omega, m] = \sum_{k = 0}^{\text{win\_length-1}}% \text{window}[k]\ \text{input}[m \times \text{hop\_length} + k]\ % \exp\left(- j \frac{2 \pi \cdot \omega k}{\text{n\_fft}}\right),

其中 mm 是滑动窗口的索引,ω\omega 是频率,对于 onesided=False0ω<n_fft0 \leq \omega < \text{n\_fft};对于 onesided=True0ω<n_fft/2+10 \leq \omega < \lfloor \text{n\_fft} / 2 \rfloor + 1.

  • input 必须是一维时间序列或二维时间序列批次。

  • 如果 hop_lengthNone(默认),则将其视为等于 floor(n_fft / 4)

  • 如果 win_lengthNone(默认),则将其视为等于 n_fft

  • window 可以是大小为 win_length 的一维张量,例如来自 torch.hann_window()。如果 windowNone(默认),则将其视为窗口中所有位置的值都为 11。如果 win_length<n_fft\text{win\_length} < \text{n\_fft},则在应用 window 之前,会在其两侧填充到长度 n_fft

  • 如果 centerTrue(默认),则会在 input 的两侧填充,以便第 tt 帧以时间 t×hop_lengtht \times \text{hop\_length} 为中心。否则,第 tt 帧从时间 t×hop_lengtht \times \text{hop\_length} 开始。

  • pad_mode 决定当 centerTrue 时用于 input 的填充方法。有关所有可用选项,请参阅 torch.nn.functional.pad()。默认值为 "reflect"

  • 如果 onesidedTrue(实数输入的默认值),则仅返回 ω\omega[0,1,2,,n_fft2+1]\left[0, 1, 2, \dots, \left\lfloor \frac{\text{n\_fft}}{2} \right\rfloor + 1\right] 中的值,因为实数到复数的傅里叶变换满足共轭对称性,即 X[m,ω]=X[m,n_fftω]X[m, \omega] = X[m, \text{n\_fft} - \omega]^*. 请注意,如果输入或窗口张量是复数,则 onesided 输出是不可能的。

  • 如果 normalizedTrue(默认为 False),则该函数返回归一化的 STFT 结果,即乘以 (frame_length)0.5(\text{frame\_length})^{-0.5}.

  • 如果 return_complexTrue(如果输入为复数,则为默认值),则返回值为一个 input.dim() + 1 维复数张量。如果为 False,则输出为一个 input.dim() + 2 维实数张量,其中最后一维表示实部和虚部。

返回大小为 (×N×T)(* \times N \times T) 的复数张量(如果 return_complex 为真),或大小为 (×N×T×2)(* \times N \times T \times 2) 的实数张量。其中 *input 的可选批次大小,NN 是应用 STFT 的频率数,TT 是使用的帧总数。

警告

此函数在 0.4.1 版本中更改了签名。使用以前的签名调用可能会导致错误或返回不正确的结果。

参数
  • input (张量) – 形状为 (B?, L) 的输入张量,其中 B? 是可选的批次维度

  • n_fft (整数) – 傅里叶变换的大小

  • hop_length (整数, 可选) – 相邻滑动窗口帧之间的距离。默认值:None(视为等于 floor(n_fft / 4)

  • win_length (整数, 可选) – 窗口帧和 STFT 滤波器的大小。默认值:None(视为等于 n_fft

  • window (张量, 可选) – 可选的窗口函数。形状必须为 1d 且 <= n_fft 默认值:None(视为所有 11 的窗口)

  • center (布尔值, 可选) – 是否在两侧填充 input,以便第 tt 帧以时间 t×hop_lengtht \times \text{hop\_length} 为中心。默认值:True

  • pad_mode (字符串, 可选) – 控制当 centerTrue 时使用的填充方法。默认值:"reflect"

  • normalized (布尔值, 可选) – 控制是否返回归一化的 STFT 结果。默认值:False

  • onesided (布尔值, 可选) – 控制是否返回一半结果以避免实数输入的冗余。默认值:对于实数 inputwindowTrue,否则为 False

  • return_complex (布尔值, 可选) –

    是否返回一个复数张量,或者一个实数张量,并在最后一个维度上额外添加实部和虚部的分量。

    2.0版本中的变化: return_complex 现在对于实数输入是必需的参数,因为默认值正在过渡到 True

    自2.0版本起已弃用: return_complex=False 已弃用,请改用 return_complex=True。请注意,在输出上调用 torch.view_as_real() 将恢复已弃用的输出格式。

返回

一个包含 STFT 结果的张量,形状为 (B?, N, T, C?),其中
  • B? 是输入中的可选批次维度。

  • N 是频率样本的数量,对于 onesided=True(n_fft // 2) + 1,否则为 n_fft

  • T 是帧的数量,对于 center=True1 + L // hop_length,否则为 1 + (L - n_fft) // hop_length

  • C? 是一个可选的长度为 2 的维度,表示实部和虚部,当 return_complex=False 时存在。

返回类型

张量

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源