torch.stft

torch.stft(input, n_fft, hop_length=None, win_length=None, window=None, center=True, pad_mode='reflect', normalized=False, onesided=None, return_complex=None) [source]

Преобразование Фурье короткого времени (STFT).

Предупреждение

С версии 1.8.0, return_complex всегда должен быть явно указан для вещественных входных данных и return_complex=False устарел. Сильно рекомендуется использовать return_complex=True, так как в будущей версии PyTorch эта функция будет возвращать только комплексные тензоры.

Обратите внимание, что torch.view_as_real() может использоваться для восстановления вещественного тензора с дополнительным последним измерением для вещественной и мнимой составляющих.

STFT вычисляет преобразование Фурье коротких перекрывающихся окон входных данных. Это дает частотные составляющие сигнала, как они изменяются с течением времени. Интерфейс этой функции смоделирован по (но не является прямым аналогом) функции librosa stft.

Игнорируя необязательное измерение пакетной обработки, этот метод вычисляет следующее выражение:

$$X[\omega, m] = \sum_{k = 0}^{\text{win\_length-1}}$$

где $m$ — индекс скользящего окна, а $\omega$ — частота $0 \leq \omega < \text{n\_fft}$ для onesided=False, или $0 \leq \omega < \lfloor \text{n\_fft} / 2 \rfloor + 1$ для onesided=True.

• input должно быть либо одномерной временной последовательностью, либо двумерным набором временных последовательностей.
• Если hop_length равно None (по умолчанию), оно рассматривается как равное floor(n_fft / 4).
• Если win_length равно None (по умолчанию), оно рассматривается как равное n_fft.
• window может быть одномерным тензором размера win_length, например, из torch.hann_window(). Если window равно None (по умолчанию), оно рассматривается как имеющее значение $1$ повсюду в окне. Если $\text{win\_length} < \text{n\_fft}$, window будет дополнено с обеих сторон до длины n_fft перед применением.
• Если center равно True (по умолчанию), input будет дополнено с обеих сторон так, чтобы $t$-й кадр был центрирован во времени $t \times \text{hop\_length}$. В противном случае $t$-й кадр начинается во времени $t \times \text{hop\_length}$.
• pad_mode определяет метод заполнения, используемый для input когда center равно True. См. torch.nn.functional.pad() для всех доступных вариантов. По умолчанию "reflect".
• Если onesided равно True (по умолчанию для вещественного входа), возвращаются только значения для $\omega$ в $\left[0, 1, 2, \dots, \left\lfloor \frac{\text{n\_fft}}{2} \right\rfloor + 1\right]$ потому что вещественно-комплексное преобразование Фурье удовлетворяет сопряжённой симметрии, т.е., $X[m, \omega] = X[m, \text{n\_fft} - \omega]^*$. Обратите внимание, что если входные или тензоры окна являются комплексными, то onesided вывод невозможен.
• Если normalized равно True (по умолчанию False), функция возвращает результаты нормированного STFT, т.е., умноженные на $(\text{frame\_length})^{-0.5}$.
• Если return_complex равно True (по умолчанию, если вход комплексный), результат — комплексный тензор размерности input.dim() + 1. Если False, вывод — вещественный тензор размерности input.dim() + 2, где последнее измерение представляет вещественную и мнимую составляющие.

Возвращает либо комплексный тензор размера $(* \times N \times T)$, если return_complex истинно, или вещественный тензор размера $(* \times N \times T \times 2)$. Где $*$ — необязательный размер пакета input, $N$ — количество частот, к которым применяется STFT, и $T$ — общее количество используемых кадров.

Предупреждение

Подпись этой функции изменилась в версии 0.4.1. Вызов с предыдущей подписью может привести к ошибке или неправильному результату.

Параметры

• input (Тензор) – входной тензор формы (B?, L) где B? — это необязательное размерность пакет
• n_fft (int) – размер преобразования Фурье
• hop_length (int, необязательно) – расстояние между соседними кадрами скользящего окна. По умолчанию: None (считается равным floor(n_fft / 4))
• win_length (int, необязательно) – размер кадра окна и фильтра STFT. По умолчанию: None (считается равным n_fft)
• window (Тензор, необязательно) – необязательная функция окна. Форма должна быть одномерной и <= n_fft По умолчанию: None (считается окном из всех $1$ )
• center (bool, необязательно) – нужно ли добавлять заполнение input с обеих сторон, чтобы $t$-й кадр был центрирован во времени $t \times \text{hop\_length}$. По умолчанию: True
• pad_mode (str, необязательно) – управляет методом заполнения, используемым, когда center равно True. По умолчанию: "reflect"
• normalized (bool, необязательно) – управляет тем, нужно ли возвращать результаты нормированного STFT. По умолчанию: False
• onesided (bool, необязательно) – управляет тем, нужно ли вернуть половину результатов, чтобы избежать избыточности для вещественных входных данных. По умолчанию: True для вещественных input и window, False в противном случае.

• return_complex (bool, необязательно) –

  возвращать комплексный тензор или вещественный тензор с дополнительным последним измерением для вещественной и мнимой компонент.

  Изменено в версии 2.0: return_complex теперь является обязательным аргументом для вещественных входных данных, так как значение по умолчанию переходит к True.

  Устарело начиная с версии 2.0: return_complex=False устарело, вместо этого используйте return_complex=True Обратите внимание, что вызов torch.view_as_real() на выходе восстановит устаревший формат вывода.

Возвращаемые значения

A tensor containing the STFT result with shape (B?, N, T, C?) where

• B? — необязательное размерность пакета из входных данных
• N — количество частотных выборок, (n_fft // 2) + 1 для onesided=True, или n_fft в противном случае.
• T — количество кадров, 1 + L // hop_length для center=True, или 1 + (L - n_fft) // hop_length в противном случае.
• C? — необязательное двумерное измерение вещественной и мнимой компонент, присутствующее, когда return_complex=False.

Тип возвращаемого значения

Тензор