torch.signal.windows.windows.exponential

torch.signal.windows.windows.exponential(M, *, center=None, tau=1.0, sym=True, dtype=None, layout=torch.strided, device=None, requires_grad=False) [исходный код]

Вычисляет окно с экспоненциальной формой волны. Также известно как окно Пуассона.

Экспоненциальное окно определяется следующим образом:

$$w_n = \exp{\left(-\frac{|n - c|}{\tau}\right)}$$

где c — это center окна.

Окно нормализовано до 1 (максимальное значение равно 1). Однако значение 1 не появляется, если M чётно и sym — True.

Параметры:

M (int) – длина окна. Другими словами, количество точек в возвращаемом окне.

Именованные аргументы:

• center (float, необязательно) – положение центра окна. По умолчанию: M / 2, если sym — False, иначе (M - 1) / 2.
• tau (float, необязательно) – значение затухания. Tau обычно связывают с процентным значением, то есть значение должно находиться в интервале (0, 100]. Если tau равно 100, окно считается равномерным. По умолчанию: 1.0.
• sym (bool, необязательно) – если False, возвращает периодическое окно, подходящее для спектрального анализа. Если True, возвращает симметричное окно, подходящее для проектирования фильтров. По умолчанию: True.
• dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальное значение по умолчанию (см. torch.set_default_dtype()).
• layout (torch.layout, необязательно) – требуемый формат возвращаемого Tensor. По умолчанию: torch.strided.
• device (torch.device, необязательно) – требуемое устройство для возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_device()). device будет ЦП для типов тензоров ЦП и текущим устройством CUDA для типов тензоров CUDA.
• requires_grad (bool, необязательно) – следует ли autograd записывать операции над возвращаемым тензором. По умолчанию: False.

Тип возвращаемого значения:

Tensor

Примеры:

>>> # Generates a symmetric exponential window of size 10 and with a decay value of 1.0.
>>> # The center will be at (M - 1) / 2, where M is 10.
>>> torch.signal.windows.exponential(10)
tensor([0.0111, 0.0302, 0.0821, 0.2231, 0.6065, 0.6065, 0.2231, 0.0821, 0.0302, 0.0111])

>>> # Generates a periodic exponential window and decay factor equal to .5
>>> torch.signal.windows.exponential(10, sym=False,tau=.5)
tensor([4.5400e-05, 3.3546e-04, 2.4788e-03, 1.8316e-02, 1.3534e-01, 1.0000e+00, 1.3534e-01, 1.8316e-02, 2.4788e-03, 3.3546e-04])