torch.hann_window

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

Hann 窗函式。

$$w[n] = \frac{1}{2}\ \left[1 - \cos \left( \frac{2 \pi n}{N - 1} \right)\right] = \sin^2 \left( \frac{\pi n}{N - 1} \right),$$

其中 $N$ 是完整的視窗大小。

輸入引數 window_length 是一個正整數，控制返回的視窗大小。 periodic 標誌決定返回的視窗是否會截掉對稱視窗的最後一個重複值，以便與 torch.stft() 等函式一起用作週期性視窗。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.hann_window(L, periodic=True) 總是等於 torch.hann_window(L + 1, periodic=False)[:-1])。

注意

如果 window_length $=1$，返回的視窗包含單個值 1。

引數

• window_length (int) – 返回的視窗大小

• periodic (bool, 可選) – 如果為 True，返回用作週期性函式的視窗。如果為 False，返回對稱視窗。

關鍵字引數

• dtype (torch.dtype, 可選) – 返回張量的期望資料型別。預設值：如果為 None，則使用全域性預設值（參閱 torch.set_default_dtype()）。僅支援浮點型別。

• layout (torch.layout, 可選) – 返回視窗張量的期望佈局。僅支援 torch.strided（密集佈局）。

• device (torch.device, 可選) – 返回張量的期望裝置。預設值：如果為 None，則使用預設張量型別的當前裝置（參閱 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，將是當前的 CUDA 裝置。

• requires_grad (bool, 可選) – 如果自動微分應記錄對返回張量的操作。預設值：False。

返回

一個大小為 $(\text{window\_length},)$ 的 1 維張量，包含視窗值

返回型別

Tensor