torch.signal.windows.general_hamming

torch.signal.windows.general_hamming(M, *, alpha=0.54, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False)

計算廣義 Hamming 窗函式。

廣義 Hamming 窗函式定義如下

$$w_n = \alpha - (1 - \alpha) \cos{ \left( \frac{2 \pi n}{M-1} \right)}$$

該窗函式被歸一化到 1（最大值為 1）。然而，如果 M 是偶數且 sym 為 True，則最大值 1 不會出現。

引數

M (int) – 窗函式的長度。換句話說，返回的窗函式的點數。

關鍵字引數

• alpha (float, 可選的) – 窗函式係數。預設值：0.54。

• sym (bool, 可選的) – 如果為 False，返回適合用於頻譜分析的週期性窗函式。如果為 True，返回適合用於濾波器設計的對稱窗函式。預設值：True。

• dtype (torch.dtype, 可選的) – 返回張量的所需資料型別。預設值：如果為 None，則使用全域性預設設定（參見 torch.set_default_dtype()）。

• layout (torch.layout, 可選的) – 返回張量的所需佈局。預設值：torch.strided。

• device (torch.device, 可選的) – 返回張量的所需裝置。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, 可選的) – 如果 autograd 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 Hamming window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, sym=True)
tensor([0.0800, 0.1876, 0.4601, 0.7700, 0.9723, 0.9723, 0.7700, 0.4601, 0.1876, 0.0800])

>>> # Generates a periodic Hann window with the general Hamming window.
>>> torch.signal.windows.general_hamming(10, alpha=0.5, sym=False)
tensor([0.0000, 0.0955, 0.3455, 0.6545, 0.9045, 1.0000, 0.9045, 0.6545, 0.3455, 0.0955])