torch.blackman_window

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

Blackman 視窗函數。

$$w[n] = 0.42 - 0.5 \cos \left( \frac{2 \pi n}{N - 1} \right) + 0.08 \cos \left( \frac{4 \pi n}{N - 1} \right)$$

其中 $N$ 為完整的視窗大小。

輸入的 window_length 是一個正整數，控制返回的視窗大小。periodic 旗標決定返回的視窗是否會刪除對稱視窗的最後一個重複值，並且準備好作為週期性視窗與 torch.stft() 之類的功能一起使用。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.blackman_window(L, periodic=True) 等於 torch.blackman_window(L + 1, periodic=False)[:-1]。

注意

如果 window_length $=1$，則返回的視窗包含單個值 1。

參數

• window_length (int) – 返回的視窗大小

• periodic (bool, optional) – 如果為 True，則返回一個視窗以用作週期函數。 如果為 False，則返回一個對稱視窗。

關鍵字參數

• dtype (torch.dtype, optional) – 返回張量的所需數據類型。 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) – 返回的視窗張量的所需 layout。僅支援 torch.strided (密集 layout)。

• device (torch.device, optional) – 返回的張量的所需裝置。預設值：如果 None，則使用預設張量類型的目前裝置 (請參閱 torch.set_default_device())。device 對於 CPU 張量類型將為 CPU，對於 CUDA 張量類型將為目前的 CUDA 裝置。

• requires_grad (bool, optional) – 如果 autograd 應記錄返回張量的運算。預設值：False。

回傳

大小為 $(\text{window\_length},)$ 的 1 維張量，包含視窗

回傳類型

Tensor