torch.signal.windows.kaiser ¬

torch.signal.windows.kaiser(M, *, beta=12.0, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)[source][source] ¬

计算凯撒窗

凯撒窗口定义为如下：

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

其中 I_0 是第一类零阶修正贝塞尔函数（见 torch.special.i0() ），以及 N = M - 1 if sym else M 。

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:

• beta（浮点数，可选）- 窗口形状参数。必须为非负数。默认：12.0

• 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 gaussian window with a standard deviation of 1.0.
>>> torch.signal.windows.kaiser(5)
tensor([4.0065e-05, 2.1875e-03, 4.3937e-02, 3.2465e-01, 8.8250e-01, 8.8250e-01, 3.2465e-01, 4.3937e-02, 2.1875e-03, 4.0065e-05])
>>> # Generates a periodic gaussian window and standard deviation equal to 0.9.
>>> torch.signal.windows.kaiser(5, sym=False,std=0.9)
tensor([1.9858e-07, 5.1365e-05, 3.8659e-03, 8.4658e-02, 5.3941e-01, 1.0000e+00, 5.3941e-01, 8.4658e-02, 3.8659e-03, 5.1365e-05])