torch.signal.windows.gaussian

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

Вычисляет окно с гауссовской формой.

Окно Гаусса определяется следующим образом:

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

Окно нормировано к 1 (максимальное значение равно 1). Однако 1 не появляется, если M чётное, и sym равно True.

Параметры

M (int) – длина окна. Другими словами, количество точек возвращаемого окна.

Ключевые аргументы

• std (float, необязательно) – стандартное отклонение гауссианы. Оно контролирует, насколько узким или широким будет окно. По умолчанию: 1.0.
• sym (bool, необязательно) – Если False, возвращает периодическое окно, подходящее для использования в спектральном анализе. Если True, возвращает симметричное окно, подходящее для использования в проектировании фильтров. По умолчанию: True.
• dtype (torch.dtype, optional) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальный стандарт (см. torch.set_default_tensor_type()).
• layout (torch.layout, optional) – желаемая структура возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, optional) – желаемое устройство возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_tensor_type()). device будет CPU для типов тензоров CPU и текущим CUDA устройством для типов тензоров CUDA.
• requires_grad (bool, необязательно) – Если autograd должен записывать операции над возвращаемым тензором. 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])