torch.istft

torch.istft(input, n_fft, hop_length=None, win_length=None, window=None, center=True, normalized=False, onesided=None, length=None, return_complex=False) → Tensor:

逆短时傅里叶变换。这被认为是 stft() 的逆操作。

警告

从 2.1 版本开始，如果未指定 window，将会提供警告。在未来的版本中，此属性将是必需的。请提供与 stft 调用中使用的相同的窗口。

它具有相同的参数（加上额外的可选参数 length），并且应该返回原始信号的最小二乘估计。算法将通过 NOLA 条件（非零重叠）进行检查。

关于参数 window 和 center 的重要考虑因素是，所有窗口的总和所产生的包络在任何时间点都不会为零。具体来说，$\sum_{t=-\infty}^{\infty} |w|^2[n-t\times hop\_length] \cancel{=} 0$.

由于 stft() 会丢弃信号末尾不适合帧的元素，因此 istft 返回的信号可能比原始信号短（如果 center 为 False，因为信号未填充，则可能发生此情况）。如果参数中提供了 length 并且其长度长于预期，则 istft 会在返回的信号末尾填充零。

如果 center 为 True，则会有填充，例如 'constant'、'reflect' 等。左填充可以精确地裁剪掉，因为它们可以被计算出来，但右填充在没有额外信息的情况下无法计算。

示例：假设最后一个窗口是：[17, 18, 0, 0, 0] vs [18, 0, 0, 0, 0]

参数 n_fft、hop_length、win_length 都相同，这会阻碍右填充的计算。这些额外的值可以是零或信号的反射，因此提供 length 可能很有用。如果参数中 length 为 None，则会用力移除填充（可能会丢失部分信号）。

[1] D. W. Griffin and J. S. Lim, “Signal estimation from modified short-time Fourier transform,” IEEE Trans. ASSP, vol.32, no.2, pp.236-243, Apr. 1984.

参数

• input (Tensor) –

  输入张量。预期格式与 stft() 输出相同。即一个形状为 (B?, N, T) 的复数张量，其中

  • B? 是可选的批次维度

  • N 是频率样本的数量，对于单边输入为 (n_fft // 2) + 1，否则为 n_fft。

  • T 是帧的数量，对于中心化 stft 为 1 + length // hop_length，否则为 1 + (length - n_fft) // hop_length。

  版本 2.0 已更改：不再支持实数数据类型的输入。输入现在必须具有复数数据类型，如 stft(..., return_complex=True) 返回的那样。

• n_fft (int) – 傅里叶变换的大小

• hop_length (Optional[int]) – 相邻滑动窗口帧之间的距离。(默认：n_fft // 4)

• win_length (Optional[int]) – 窗口帧和 STFT 滤波器的尺寸。(默认：n_fft)

• window (Optional[torch.Tensor]) – 可选的窗口函数。形状必须是 1D 且 <= n_fft (默认：torch.ones(win_length))

• center (bool) – input 是否在两侧进行了填充，以便 $t$-th 帧位于时间 $t \times \text{hop\_length}$ 的中心。(默认：True)

• normalized (bool) – STFT 是否进行了归一化。(默认：False)

• onesided (可选[bool]) – STFT 是否为单侧。 (默认值：当输入大小中的 n_fft != fft_size 时为 True)

• length (可选[int]) – 要裁剪信号的量（即原始信号长度）。对于中心化 STFT，默认为 (T - 1) * hop_length；否则默认为 n_fft + (T - 1) * hop_length，其中 T 是输入帧的数量。

• return_complex (可选[bool]) – 输出是否应为复数，或者输入是否应假定来自实信号和窗口。请注意，这与 onesided=True 不兼容。（默认值：False）

返回

原始信号的最小二乘估计，形状为 (B?, length)，其中

B? 是输入张量的可选批处理维度。

返回类型

张量