torch.signal.windows.gaussian

torch.signal.windows.gaussian(M, *, std=1.0, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)

計算具有高斯波形的視窗。

高斯視窗定義如下：

$$w_n = \exp{\left(-\left(\frac{n}{2\sigma}\right)^2\right)}$$

視窗被歸一化為 1（最大值為 1）。但是，如果 M 是偶數且 sym 為 True，則最大值 1 不會出現。

引數

M (int) – 視窗的長度。換句話說，即返回視窗的點數。

關鍵字引數

• std (float, 可選) – 高斯分佈的標準差。它控制視窗的窄或寬程度。預設值：1.0。

• sym (bool, 可選) – 如果為 False，返回適用於頻譜分析的週期視窗。如果為 True，返回適用於濾波器設計的對稱視窗。預設值：True。

• 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（參見 torch.set_default_dtype()）。

• layout (torch.layout, 可選) – 返回張量的期望佈局。預設值：torch.strided。

• 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 張量型別將是當前的 CUDA 裝置。

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

返回型別

Tensor

示例

>>> # Generates a symmetric gaussian window with a standard deviation of 1.0.
>>> torch.signal.windows.gaussian(10)
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.gaussian(10, 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])