文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.HammingWindow

class mindspore.ops.HammingWindow(periodic=True, alpha=0.54, beta=0.46, dtype=mstype.float32)

使用输入窗口长度计算汉明窗口函数。

$$w[n]=\alpha -\beta \cos \left(\frac{2\pi n}{N-1}\right),$$

其中， $N$ 是全窗口尺寸。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• periodic (bool，可选) - 一个标志，表示返回的窗口是否修剪掉来自对称窗口的最后一个重复值。默认值： True 。

  • 如果为True，则返回的窗口作为周期函数，在上式中， $N=\text{length}+1$ 。

  • 如果为False，则返回一个对称窗口， $N=\text{length}$ 。

• alpha (float，可选) - 加权系数，上式中的 $\alpha$ ，默认值： 0.54 。

• beta (float，可选) - 加权系数，上式中的 $\beta$ ，默认值： 0.46 。

• dtype (mindspore.dtype，可选) - 数据类型，可选值为 mstype.float16 、 mstype.float32 或 mstype.float64 。默认值： mstype.float32 。

输入：

• length (Tensor) - 一个1D的正整数Tensor，控制返回窗口的大小。

输出：

Tensor，一个包含窗口的1-D Tensor，其shape为 $(\text{length},)$ 。

异常：

• TypeError - 如果 length 不是一个Tensor。

• TypeError - 如果 length 的数据类型不是整型。

• TypeError - 如果 periodic 的数据类型不是bool类型。

• TypeError - 如果 alpha 的数据类型不是float类型。

• TypeError - 如果 beta 的数据类型不是float类型。

• TypeError - 如果 dtype 的取值不是 mindspore.float16 、 mindspore.float32 或 mindspore.float64 。

• ValueError - 如果 length 的维度不是1。

• ValueError - 如果 length 的值是负数。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> # case 1: periodic=True.
>>> length = Tensor(np.array([6]).astype(np.int32))
>>> hamming_window = ops.HammingWindow(periodic=True)
>>> y = hamming_window(length)
>>> print(y)
[0.08000001 0.31       0.77000004 1.         0.77000004 0.31      ]
>>> # case 2: periodic=False.
>>> length = Tensor(np.array([7]).astype(np.int32))
>>> hamming_window = ops.HammingWindow(periodic=False)
>>> y = hamming_window(length)
>>> print(y)
[0.08000001 0.31       0.77000004 1.         0.77000004 0.31       0.08000001]