Table of Contents
Shortcuts

torch.signal.windows.kaiser

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

计算Kaiser窗。

Kaiser窗口定义如下：

wn=I0(β1−(n−N/2N/2)2)/I0(β)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()），并且 N = M - 1 如果 sym 否则 M。

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

  • beta (float, 可选) – 窗口的形状参数。必须为非负数。默认值：12.0

  • 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。

  • 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：

>>> # 生成一个标准差为1.0的对称高斯窗口。
>>> 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])
>>> # 生成一个周期性高斯窗口，标准差等于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])
优云智算