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) → 张量

汉明窗函数。

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

其中 $N$ 是完整窗口大小。

输入的 window_length 是一个控制返回窗口大小的正整数。periodic 标志决定返回的窗口是否从对称窗口中修剪掉最后一个重复值，并准备好用作周期性窗口，例如用于 torch.stft() 等函数。因此，如果 periodic 为真，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 $=1$, 返回的窗口包含一个值 1。

注意

这是 torch.hann_window() 的广义版本。

Parameters

• window_length (int) – 返回窗口的大小

• 周期性 (bool, 可选) – 如果为True，返回一个用作周期性函数的窗口。如果为False，返回一个对称的窗口。

• alpha (float, 可选) – 方程中的系数 $\alpha$ 如上所述

• beta (float, 可选) – 方程中的系数 $\beta$ 如上所述

Keyword Arguments

• dtype (torch.dtype, 可选) – 返回张量的所需数据类型。 默认值：如果 None，则使用全局默认值（参见 torch.set_default_dtype()）。仅支持浮点类型。

• 布局 (torch.layout, 可选) – 返回窗口张量的所需布局。仅支持torch.strided（密集布局）。

• 设备 (torch.device, 可选) – 返回张量所需的设备。 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 将是 CPU 用于 CPU 张量类型，以及当前 CUDA 设备用于 CUDA 张量类型。

• requires_grad (布尔值, 可选) – 如果 autograd 应该记录对返回张量的操作。默认值：False。

Returns

一个大小为 $(\text{window\_length},)$ 的一维张量，包含窗口。

Return type

张量