torch.kaiser_window

torch.kaiser_window(window_length, periodic=True, beta=12.0, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

計算窗長為 window_length 且形狀引數為 beta 的 Kaiser 窗。

設 I_0 為第一類修正的零階 Bessel 函式（參見 torch.i0()），如果 periodic 為 False，則 N = L - 1；如果 periodic 為 True，則 N = L，其中 L 是 window_length。此函式計算

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

呼叫 torch.kaiser_window(L, B, periodic=True) 等價於呼叫 torch.kaiser_window(L + 1, B, periodic=False)[:-1])。periodic 引數旨在作為一個便捷的簡寫，用於生成周期窗，作為諸如 torch.stft() 等函式的輸入。

注意

如果 window_length 為 1，則返回的窗是包含一個元素的張量，其值為 1。

引數

• window_length (int) – 窗的長度。

• periodic (bool, 可選) – 如果為 True，返回適用於頻譜分析的週期窗。如果為 False，返回適用於濾波器設計的對稱窗。

• beta (float, 可選) – 窗的形狀引數。

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，則使用全域性預設型別（參見 torch.set_default_dtype()）。

• layout (torch.layout, 可選) – 返回窗張量的期望佈局。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（參見 torch.set_default_device()）。device 對於 CPU 張量型別將是 CPU，對於 CUDA 張量型別將是當前 CUDA 裝置。

• requires_grad (bool, 可選) – 如果 autograd 應該記錄返回張量上的操作。預設值：False。