torch.hann_window

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

Hann 窗函式。

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

其中 $N$ 是完整的窗長。

輸入 window_length 是一個正整數，控制返回視窗的大小。 periodic 標誌決定是否從對稱視窗中去除最後一個重複值，並準備好與 torch.stft() 等函式一起作為週期性視窗使用。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。

引數

• window_length (int) – 返回視窗的大小

• periodic (bool, optional) – 如果為 True，則返回一個用作週期性函式的視窗。如果為 False，則返回一個對稱視窗。

關鍵字引數

• dtype (torch.dtype, optional) – 返回張量的目標資料型別。預設：如果 None，則使用全域性預設值（請參閱 torch.set_default_dtype()）。僅支援浮點型別。

• layout (torch.layout, optional) – 返回視窗張量的目標佈局。僅支援 torch.strided（密集佈局）。

• device (torch.device, 可選) – 返回張量的所需裝置。預設：如果為 None，則使用當前裝置作為預設張量型別（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，device 將是當前的 CUDA 裝置。

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

返回

一個大小為 $(\text{window\_length},)$ 的一維張量，包含視窗。

返回型別

張量