torch.signal.windows.hamming

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

計算漢明窗。

漢明窗定義如下：

$$w_n = \alpha - \beta\ \cos \left( \frac{2 \pi n}{M - 1} \right)$$

該視窗被歸一化為 1（最大值為 1）。但如果 M 為偶數且 sym 為 True，則 1 不會出現。

引數

M (int) – 視窗的長度。換句話說，返回視窗的點數。

關鍵字引數

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

• alpha (float, optional) – 上式中的係數 $\alpha$。

• beta (float, optional) – 上式中的係數 $\beta$。

• 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, 可選) – 返回張量的所需佈局。預設：torch.strided。

• device (torch.device, optional) – 返回張量的期望裝置。預設值：如果為 None，則使用預設張量型別的當前裝置（請參閱 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU，對於 CUDA 張量型別，將是當前 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。

返回型別

張量

示例

>>> # Generates a symmetric Hamming window.
>>> torch.signal.windows.hamming(10)
tensor([0.0800, 0.1876, 0.4601, 0.7700, 0.9723, 0.9723, 0.7700, 0.4601, 0.1876, 0.0800])

>>> # Generates a periodic Hamming window.
>>> torch.signal.windows.hamming(10, sym=False)
tensor([0.0800, 0.1679, 0.3979, 0.6821, 0.9121, 1.0000, 0.9121, 0.6821, 0.3979, 0.1679])