torch.signal.windows.windows.gaussian

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

Вычисляет окно с гауссовской формой сигнала.

Гауссовское окно определяется следующим образом:

$$w_n = \exp{\left(-\left(\frac{n}{2\sigma}\right)^2\right)}$$

Окно нормировано на 1 (максимальное значение равно 1). Однако значение 1 не появляется, если M чётно, а sym равно True.

Параметры:

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

Именованные аргументы:

• std (float, необязательно) – стандартное отклонение гауссовского распределения. Оно определяет, насколько узким или широким будет окно. Значение 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. Значение по умолчанию: True.
• dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. Значение по умолчанию: если None, используется глобальное значение по умолчанию (см. torch.set_default_dtype()).
• layout (torch.layout, необязательно) – требуемый формат возвращаемого тензора. Значение по умолчанию: torch.strided.
• device (torch.device, необязательно) – требуемое устройство для возвращаемого тензора. Значение по умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_device()). device будет CPU для типов тензоров CPU и текущим устройством CUDA для типов тензоров CUDA.
• requires_grad (bool, необязательно) – следует ли autograd записывать операции над возвращаемым тензором. Значение по умолчанию: False.

Тип возвращаемого значения:

Tensor

Примеры:

>>> # Generates a symmetric gaussian window with a standard deviation of 1.0.
>>> torch.signal.windows.gaussian(10)
tensor([4.0065e-05, 2.1875e-03, 4.3937e-02, 3.2465e-01, 8.8250e-01, 8.8250e-01, 3.2465e-01, 4.3937e-02, 2.1875e-03, 4.0065e-05])

>>> # Generates a periodic gaussian window and standard deviation equal to 0.9.
>>> torch.signal.windows.gaussian(10, sym=False,std=0.9)
tensor([1.9858e-07, 5.1365e-05, 3.8659e-03, 8.4658e-02, 5.3941e-01, 1.0000e+00, 5.3941e-01, 8.4658e-02, 3.8659e-03, 5.1365e-05])