torchaudio.functional.lfilter¶
- torchaudio.functional.lfilter(waveform: Tensor, a_coeffs: Tensor, b_coeffs: Tensor, clamp: bool = True, batching: bool = True) Tensor[源代码]¶
通过评估差分方程执行 IIR 滤波器，使用了由 Yu et al. [Yu and Fazekas, 2023] 和 Forgione et al. [Forgione and Piga, 2021] 分别开发的、可微分的实现。
a_coeffs的梯度是基于 Yu et al. [Yu et al., 2024] 的更快速算法计算的。
注意
为避免数值问题，优先使用较低的滤波器阶数。使用双精度也可以最大程度地减少数值精度误差。
- 参数
waveform (Tensor) – 音频波形，维度为 (..., time)。必须标准化到 -1 到 1。
a_coeffs (Tensor) – 差分方程的分母系数，维度为 1D，形状为 (num_order + 1)，或 2D，形状为 (num_filters, num_order + 1)。低延迟系数在前，例如
[a0, a1, a2, ...]。必须与 b_coeffs 大小相同（如有必要，用 0 填充）。b_coeffs (Tensor) – 差分方程的分子系数，维度为 1D，形状为 (num_order + 1)，或 2D，形状为 (num_filters, num_order + 1)。低延迟系数在前，例如
[b0, b1, b2, ...]。必须与 a_coeffs 大小相同（如有必要，用 0 填充）。clamp (bool, optional) – 如果为
True，则将输出信号限制在 [-1, 1] 范围内（默认：True）。batching (bool, optional) – 仅当系数为 2D 时有效。如果为
True，则 waveform 至少应为 2D，并且从最后一个开始的第二个轴的大小应等于num_filters。输出可以表示为output[..., i, :] = lfilter(waveform[..., i, :], a_coeffs[i], b_coeffs[i], clamp=clamp, batching=False)。（默认：True）。
- 返回
波形维度为 (..., num_filters, time)（如果
a_coeffs和b_coeffs为 2D Tensor）或 (..., time)（否则）。- 返回类型
张量
