torch.kaiser_window

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

计算具有 window_length 窗口长度和 beta 形态参数的 Kaiser 窗。

令 I_0 为第一类零阶修正贝塞尔函数（参见 torch.i0()），且当 periodic 为 False 时 N = L - 1，当 periodic 为 True 时 N = L，其中 L 为 window_length。此函数计算：

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

调用 torch.kaiser_window(L, B, periodic=True) 等同于调用 torch.kaiser_window(L + 1, B, periodic=False)[:-1])。 periodic 参数旨在作为一种便捷的简写方式，为 torch.stft() 等函数提供周期性窗作为输入。

注意

如果 window_length 为一，则返回的窗口是一个包含一的单元素张量。

参数

• window_length (int) – 窗口的长度。

• periodic (bool, optional) – 如果为 True，则返回适合用于频谱分析的周期性窗口。如果为 False，则返回适合用于滤波器设计的对称窗口。

• beta (float, optional) – 窗口的形状参数。

关键字参数

• dtype (torch.dtype, optional) – 返回张量的期望数据类型。默认值：如果 None，则使用全局默认值（参见 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 返回窗口张量的目标布局。仅支持 torch.strided（密集布局）。

• device (torch.device, 可选) – 返回张量的所需设备。默认：如果为 None，则使用当前设备作为默认张量类型（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，device 将是当前的 CUDA 设备。

• requires_grad (bool, optional) – 如果 autograd 应记录在返回的张量上的操作。默认值：False。