torch.bartlett_window

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

巴特利特窗函式。

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

其中 $N$ 是完整的窗大小。

輸入 window_length 是一個正整數，控制返回的窗大小。periodic 標誌確定返回的窗是否從對稱窗中移除最後一個重複值，並準備好與 torch.stft() 等函式一起用作週期窗。因此，如果 periodic 為 True，則上述公式中的 $N$ 實際上是 $\text{window\_length} + 1$。此外，torch.bartlett_window(L, periodic=True) 始終等於 torch.bartlett_window(L + 1, periodic=False)[:-1])。

注意

如果 window_length $=1$，返回的窗將包含單個值 1。

引數

• window_length (int) – 返回窗的大小

• periodic (bool, optional) – 如果為 True，返回一個用作週期函式的窗。如果為 False，返回一個對稱窗。

關鍵字引數

• dtype (torch.dtype, optional) – 返回張量所需的資料型別。預設值：如果為 None，則使用全域性預設值（參見 torch.set_default_dtype()）。僅支援浮點型別。

• layout (torch.layout, optional) – 返回窗張量所需的佈局。僅支援 torch.strided（密集佈局）。

• device (torch.device, optional) – 返回張量所需的裝置。預設值：如果為 None，則使用預設張量型別的當前裝置（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，device 將是當前的 CUDA 裝置。

• requires_grad (bool, optional) – 如果自動微分應該記錄返回張量上的操作。預設值：False。

返回值

一個大小為 $(\text{window\_length},)$ 的 1-D 張量，包含窗值

返回型別

Tensor