torch.signal.windows.windows.general_cosine

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

Вычисляет общее косинусное окно.

Общее косинусное окно определяется следующим образом:

$$w_n = \sum^{M-1}_{i=0} (-1)^i a_i \cos{ \left( \frac{2 \pi i n}{M - 1}\right)}$$

Окно нормировано на 1 (максимальное значение равно 1). Однако значение 1 не достигается, если M — чётное число, а sym — True.

Параметры:

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

Именованные аргументы:

• a (Iterable) – коэффициенты, соответствующие каждой из косинусных функций.
• sym (bool, необязательный) – Если False, возвращает периодическое окно, подходящее для спектрального анализа. Если True, возвращает симметричное окно, подходящее для проектирования фильтров. По умолчанию: True.
• dtype (torch.dtype, необязательный) – требуемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальное значение по умолчанию (см. torch.set_default_dtype()).
• layout (torch.layout, необязательный) – требуемый формат возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, необязательный) – требуемое устройство для возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_device()). device будет процессором для типов тензоров CPU и текущим устройством CUDA для типов тензоров CUDA.
• requires_grad (bool, необязательный) – следует ли autograd записывать операции над возвращаемым тензором. По умолчанию: False.

Тип возвращаемого значения:

Tensor

Примеры:

>>> # Generates a symmetric general cosine window with 3 coefficients.
>>> torch.signal.windows.general_cosine(10, a=[0.46, 0.23, 0.31], sym=True)
tensor([0.5400, 0.3376, 0.1288, 0.4200, 0.9136, 0.9136, 0.4200, 0.1288, 0.3376, 0.5400])

>>> # Generates a periodic general cosine window with 2 coefficients.
>>> torch.signal.windows.general_cosine(10, a=[0.5, 1 - 0.5], sym=False)
tensor([0.0000, 0.0955, 0.3455, 0.6545, 0.9045, 1.0000, 0.9045, 0.6545, 0.3455, 0.0955])