torch.hann_window

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

Hann 視窗函數。

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

其中 $N$ 是完整的視窗大小。

輸入的 window_length 是一個正整數，用於控制返回的視窗大小。periodic 標記決定了返回的視窗是否會從對稱視窗中修剪掉最後一個重複值，並準備好用作具有像 torch.stft() 這樣的函數的週期性視窗。因此，如果 periodic 為 true，則上述公式中的 $N$ 實際上是 $\text{window\_length} + 1$。 此外，我們始終有 torch.hann_window(L, periodic=True) 等於 torch.hann_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) – 若為 True，則傳回一個可用作週期性函數的視窗。若為 False，則傳回一個對稱視窗。

關鍵字引數

• dtype (torch.dtype, optional) – 傳回張量的期望資料型別。預設值：如果 None，則使用全域預設值 (請參閱 torch.set_default_dtype())。僅支援浮點數型別。

• layout (torch.layout, optional) – 傳回視窗張量的期望佈局。僅支援 torch.strided (密集佈局)。

• device (torch.device, optional) – 傳回張量的期望裝置。預設值：如果 None，則對預設張量型別使用目前裝置 (請參閱 torch.set_default_device())。對於 CPU 張量型別，device 將為 CPU；對於 CUDA 張量型別，將為目前的 CUDA 裝置。

• requires_grad (bool, optional) – 如果 autograd 應記錄傳回張量上的操作。預設值：False。

傳回

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

傳回型別

Tensor