torch.hamming_window

torch.hamming_window(window_length, periodic=True, alpha=0.54, beta=0.46, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

汉明窗函数。

$w[n] = \alpha - \beta\ \cos \left( \frac{2 \pi n}{N - 1} \right),$

其中 $N$ 表示完整的窗口大小。

输入参数 window_length 是一个正整数，用于控制返回的窗口大小。periodic 标志确定是否从对称窗口中裁剪掉最后一个重复值，并准备好作为像torch.stft() 这样的函数的周期性窗口使用。因此，如果 periodic 为真，则上述公式中的$N$ 实际上是 $\text{window\_length} + 1$。此外，我们总是有torch.hamming_window(L, periodic=True) 等于 torch.hamming_window(L + 1, periodic=False)[:-1]。

注意

如果 window_length 等于 1，返回的窗口将只包含一个值 1。

注意

这是torch.hann_window()的通用版本。

参数

• window_length (int) – 窗口的大小

• periodic (bool, 可选) – 如果为 True，将返回一个用于周期性函数的窗口。如果为 False，则返回一个对称窗口。

• alpha (float, optional) – 方程中的系数 $\alpha$

• beta (float, optional) – 方程中的系数 $\beta$ 值

关键字参数

• dtype (torch.dtype, 可选) - 返回张量所需的数据类型。默认情况下，如果未指定，则使用全局默认数据类型（参见 torch.set_default_dtype()）。仅支持浮点数类型。

• layout (torch.layout, 可选) – 返回窗口张量所需的布局。目前仅支持 torch.strided（稠密布局）。

• device (torch.device, 可选) – 返回张量所需的设备。默认情况下，如果未指定 None，则使用当前的默认张量类型设备（参见torch.set_default_device()）。对于 CPU 张量类型，默认为 CPU 设备；对于 CUDA 张量类型，则为当前的 CUDA 设备。

• requires_grad (bool, optional) – 是否启用自动求导记录返回的张量上的操作。默认值：False。

返回值

一个大小为$(\text{window\_length},)$的1-D张量，包含窗口的内容。

返回类型

张量