torch.bartlett_window

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

巴特利特窗函数。

$$w[n] = 1 - \left| \frac{2n}{N-1} - 1 \right| = \begin{cases} \frac{2n}{N - 1} & \text{if } 0 \leq n \leq \frac{N - 1}{2} \\ 2 - \frac{2n}{N - 1} & \text{if } \frac{N - 1}{2} < n < N \\ \end{cases},$$

$N$ 表示完整窗口大小。

输入 window_length 是一个控制返回窗口大小的正整数。 periodic 标志决定返回的窗口是否修剪掉对称窗口的最后一个重复值，以便作为具有 torch.stft() 等功能的周期性窗口使用。因此，如果 periodic 为真，上述公式中的 $N$ 实际上是 $\text{window\_length} + 1$ 。此外，我们始终有 torch.bartlett_window(L, periodic=True) 等于 torch.bartlett_window(L + 1, periodic=False)[:-1]) 。

注意

如果 window_length $=1$ ，则返回的窗口包含单个值 1。

参数:

• window_length（整型）- 返回窗口的大小

• periodic (bool, 可选) – 如果为 True，则返回用作周期函数的窗口。如果为 False，则返回对称窗口。

关键字参数:

• dtype ( torch.dtype , 可选) – 返回张量的期望数据类型。默认：如果 None ，则使用全局默认值（见 torch.set_default_dtype() ）。仅支持浮点类型。

• layout ( torch.layout , 可选) – 返回窗口张量的期望布局。仅支持 torch.strided （密集布局）。

• device ( torch.device ，可选) – 返回张量的期望设备。默认：如果 None ，则使用当前设备用于默认张量类型（见 torch.set_default_device() ）。 device 将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。

• requires_grad (bool，可选) – 如果 autograd 应记录对返回张量的操作。默认： False 。

返回值:

包含窗口的 1-D 张量，大小为 $(\text{window\_length},)$ 。

返回类型:

张量