torch.signal.windows.blackman

torch.signal.windows.blackman(M, *, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)

計算 Blackman 視窗。

Blackman 視窗定義如下

$$w_n = 0.42 - 0.5 \cos \left( \frac{2 \pi n}{M - 1} \right) + 0.08 \cos \left( \frac{4 \pi n}{M - 1} \right)$$

此視窗已正規化為 1（最大值為 1）。然而，如果 M 是偶數且 sym 為 True，則不會顯示 1。

參數

M (int) – 視窗的長度。換句話說，是傳回視窗的點數。

關鍵字引數

• sym (bool, optional) – 如果為 False，則傳回適用於頻譜分析的週期性視窗。 如果為 True，則傳回適用於濾波器設計的對稱視窗。 預設值： True。

• dtype (torch.dtype, optional) – 傳回張量的期望資料類型。預設值：如果 None，則使用全域預設值（請參閱 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 傳回張量的期望佈局。預設值： torch.strided。

• device (torch.device, optional) – 傳回張量的期望裝置。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) – 是否應讓 autograd 記錄對傳回張量的操作。預設值： False。

傳回類型

張量

範例

>>> # Generates a symmetric Blackman window.
>>> torch.signal.windows.blackman(5)
tensor([-1.4901e-08,  3.4000e-01,  1.0000e+00,  3.4000e-01, -1.4901e-08])

>>> # Generates a periodic Blackman window.
>>> torch.signal.windows.blackman(5, sym=False)
tensor([-1.4901e-08,  2.0077e-01,  8.4923e-01,  8.4923e-01,  2.0077e-01])