Table of Contents
Shortcuts

torch.signal.windows.hamming

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

计算汉明窗。

汉明窗定义如下：

wn=α−β cos⁡(2πnM−1)w_n = \alpha - \beta\ \cos \left( \frac{2 \pi n}{M - 1} \right)

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

Parameters

M (int) – 窗口的长度。 换句话说，返回窗口的点的数量。

Keyword Arguments

  • sym (bool, 可选) – 如果为False，返回一个适合用于光谱分析的周期性窗口。如果为True，返回一个适合用于滤波器设计的对称窗口。默认值：True。

  • alpha (float, 可选) – 方程中的系数 α\alpha。

  • beta (float, 可选) – 上述方程中的系数 β\beta。

  • 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()）。

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

  • 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。

Return type

张量

示例：

>>> # 生成一个对称的汉明窗。
>>> torch.signal.windows.hamming(10)
tensor([0.0800, 0.1876, 0.4601, 0.7700, 0.9723, 0.9723, 0.7700, 0.4601, 0.1876, 0.0800])

>>> # 生成一个周期性的汉明窗。
>>> torch.signal.windows.hamming(10, sym=False)
tensor([0.0800, 0.1679, 0.3979, 0.6821, 0.9121, 1.0000, 0.9121, 0.6821, 0.3979, 0.1679])
优云智算