torch.kaiser_window

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

计算长度为 window_length 的 Kaiser 窗和形状参数为 beta 的窗。

设 I_0 为第一类零阶修正贝塞尔函数（见 torch.i0() ）和 N = L - 1 ，如果 periodic 为 False 则为 L ，如果 periodic 为 True 则为 L ，其中 L 是 window_length 。此函数计算：

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

调用 torch.kaiser_window(L, B, periodic=True) 等价于调用 torch.kaiser_window(L + 1, B, periodic=False)[:-1]) 。 periodic 参数作为一个有用的缩写，用于生成周期性窗口作为输入传递给 torch.stft() 等函数。

注意

如果 window_length 为 1，则返回的窗口是一个包含单个元素的张量，其中包含一个 1。

参数:

• window_length（整数）- 窗口长度。

• 周期性（bool，可选）- 如果为 True，则返回适用于频谱分析的周期性窗口。如果为 False，则返回适用于滤波器设计的对称窗口。

• beta（float，可选）- 窗口的形状参数。

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() ）。

• 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 。