torch.bartlett_window

torch.bartlett_window(window_length, periodic=True, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

Bartlett 視窗函數。

$$w[n] = 1 - \left| \frac{2n}{N-1} - 1 \right| = \begin{cases} \frac{2n}{N - 1} & \text{if } 0 \leq n \leq \frac{N - 1}{2} \\ 2 - \frac{2n}{N - 1} & \text{if } \frac{N - 1}{2} < n < N \\ \end{cases},$$

其中 $N$ 是完整的視窗大小。

輸入 window_length 是一個正整數，控制回傳的視窗大小。periodic 旗標決定回傳的視窗是否會從對稱視窗中移除最後一個重複的值，以便作為週期性視窗與 torch.stft() 等函數一起使用。因此，如果 periodic 為真，則上述公式中的 $N$ 實際上是 $\text{window\_length} + 1$。此外，我們始終有 torch.bartlett_window(L, periodic=True) 等於 torch.bartlett_window(L + 1, periodic=False)[:-1])。

注意

如果 window_length $=1$，則回傳的視窗包含一個單一值 1。

參數

• window_length (int) – 回傳視窗的大小

• periodic (bool, optional) – 如果為 True，則回傳要作為週期函數使用的視窗。如果為 False，則回傳對稱視窗。

關鍵字參數

• dtype (torch.dtype, optional) – 回傳 tensor 的所需資料類型。預設值：如果 None，則使用全域預設值 (請參閱 torch.set_default_dtype())。僅支援浮點類型。

• layout (torch.layout, optional) – 回傳視窗 tensor 的所需佈局。僅支援 torch.strided (密集佈局)。

• device (torch.device, optional) – 回傳 tensor 的所需裝置。預設值：如果 None，則針對預設 tensor 類型使用目前的裝置 (請參閱 torch.set_default_device())。device 將會是 CPU tensor 類型的 CPU，以及 CUDA tensor 類型的目前 CUDA 裝置。

• requires_grad (bool, optional) – 如果 autograd 應該記錄回傳 tensor 上的操作。預設值：False。

回傳

大小為 $(\text{window\_length},)$ 的 1-D tensor，包含視窗

回傳類型

Tensor