torch.signal.windows.exponential

torch.signal.windows.exponential(M, *, center=None, tau=1.0, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)

计算一个指数波形窗口。也称为泊松窗口。

指数窗口定义为如下：

$$w_n = \exp{\left(-\frac{|n - c|}{\tau}\right)}$$

其中 c 是窗口的 center 。

窗口归一化到 1（最大值为 1）。然而，如果 M 是偶数且 sym 为真，则 1 不会出现。

参数:

M（整数）- 窗口的长度。换句话说，返回窗口的点数。

关键字参数:

• center（浮点数，可选）- 窗口中心的定位位置。默认：如果 sym 为 False，则为 M / 2，否则为(M - 1) / 2。

• tau（浮点数，可选）- 衰减值。tau 通常与百分比相关联，这意味着值应在区间(0, 100]内变化。如果 tau 为 100，则认为是均匀窗口。默认：1.0。

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

• 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 Tensor 的期望布局。默认： torch.strided 。

• 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 。

返回类型:

张量

示例：

>>> # Generates a symmetric exponential window of size 10 and with a decay value of 1.0.
>>> # The center will be at (M - 1) / 2, where M is 10.
>>> torch.signal.windows.exponential(10)
tensor([0.0111, 0.0302, 0.0821, 0.2231, 0.6065, 0.6065, 0.2231, 0.0821, 0.0302, 0.0111])

>>> # Generates a periodic exponential window and decay factor equal to .5
>>> torch.signal.windows.exponential(10, sym=False,tau=.5)
tensor([4.5400e-05, 3.3546e-04, 2.4788e-03, 1.8316e-02, 1.3534e-01, 1.0000e+00, 1.3534e-01, 1.8316e-02, 2.4788e-03, 3.3546e-04])