torch.signal.windows.gaussian

torch.signal.windows.gaussian(M, *, std=1.0, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)

計算具有高斯波形的窗函數。

高斯窗函數定義如下：

$$w_n = \exp{\left(-\left(\frac{n}{2\sigma}\right)^2\right)}$$

窗函數會被正規化至 1（最大值為 1）。但是，如果 M 是偶數且 sym 為 True，則 1 不會出現。

參數

M (int) – 窗函數的長度。換句話說，是返回的窗函數的點數。

關鍵字參數

• std (float, optional) – 高斯的標準差。它控制窗函數的寬度。預設值：1.0。

• sym (bool, optional) – 如果為 False，則返回適合用於頻譜分析的週期性窗函數。如果為 True，則返回適合用於濾波器設計的對稱窗函數。預設值：True。

• dtype (torch.dtype, optional) – 返回的張量所需資料類型。預設值：如果 None，則使用全域預設值（請參閱 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 返回的張量所需的佈局。預設值：torch.strided。

• device (torch.device, optional) – 返回的張量所需的裝置。預設值：如果 None，則使用預設張量類型的當前裝置（請參閱 torch.set_default_device()）。device 將是 CPU 張量類型的 CPU，以及 CUDA 張量類型的當前 CUDA 裝置。

• requires_grad (bool, optional) – 如果 autograd 應該記錄返回的張量上的操作。預設值：False。

返回類型

Tensor

範例

>>> # Generates a symmetric gaussian window with a standard deviation of 1.0.
>>> torch.signal.windows.gaussian(10)
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])

>>> # Generates a periodic gaussian window and standard deviation equal to 0.9.
>>> torch.signal.windows.gaussian(10, 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])