torch.signal.windows.hann

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

計算 Hann 窗。

Hann 窗的定義如下：

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

窗函式歸一化到 1（最大值為 1）。但是，如果 M 是偶數且 sym 為 True，則 1 不會出現。

引數

M (int) – 窗的長度。換句話說，返回的窗函式的點數。

關鍵字引數

• sym (bool, optional) – 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, optional) – 返回張量的期望資料型別。預設值：如果為 None，則使用全域性預設設定（參見 torch.set_default_dtype()）。

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

• device (torch.device, optional) – 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()）。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, optional) – 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 Hann window.
>>> torch.signal.windows.hann(10)
tensor([0.0000, 0.1170, 0.4132, 0.7500, 0.9698, 0.9698, 0.7500, 0.4132, 0.1170, 0.0000])

>>> # Generates a periodic Hann window.
>>> torch.signal.windows.hann(10, sym=False)
tensor([0.0000, 0.0955, 0.3455, 0.6545, 0.9045, 1.0000, 0.9045, 0.6545, 0.3455, 0.0955])