torch.kaiser_window

torch.kaiser_window(window_length, periodic=True, beta=12.0, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

計算具有 window_length 視窗長度和 beta 形態引數的 Kaiser 窗。

令 I_0 為第一類零階修正貝塞爾函式（參見 torch.i0()），且當 periodic 為 False 時 N = L - 1，當 periodic 為 True 時 N = L，其中 L 為 window_length。此函式計算：

$$out_i = I_0 \left( \beta \sqrt{1 - \left( {\frac{i - N/2}{N/2}} \right) ^2 } \right) / I_0( \beta )$$

呼叫 torch.kaiser_window(L, B, periodic=True) 等同於呼叫 torch.kaiser_window(L + 1, B, periodic=False)[:-1])。 periodic 引數旨在作為一種便捷的簡寫方式，為 torch.stft() 等函式提供週期性窗作為輸入。

注意

如果 window_length 為一，則返回的視窗是一個包含一的單元素張量。

引數

• window_length (int) – 視窗的長度。

• periodic (bool, optional) – 如果為 True，則返回適合用於頻譜分析的週期性視窗。如果為 False，則返回適合用於濾波器設計的對稱視窗。

• beta (float, optional) – 視窗的形狀引數。

關鍵字引數

• dtype (torch.dtype, optional) – 返回張量的期望資料型別。預設值：如果 None，則使用全域性預設值（參見 torch.set_default_dtype()）。

• 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。