torch.signal.windows.通用汉明窗 ¶

torch.signal.windows.通用汉明窗(M, *, alpha=0.54, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)[source][source] ¶

计算通用汉明窗。

通用汉明窗的定义如下：

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

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:

• alpha（浮点数，可选）- 窗口系数。默认值：0.54。

• 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 Hamming window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, sym=True)
tensor([0.0800, 0.1876, 0.4601, 0.7700, 0.9723, 0.9723, 0.7700, 0.4601, 0.1876, 0.0800])

>>> # Generates a periodic Hann window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, alpha=0.5, sym=False)
tensor([0.0000, 0.0955, 0.3455, 0.6545, 0.9045, 1.0000, 0.9045, 0.6545, 0.3455, 0.0955])