stft

paddle.signal. stft ( x, n_fft, hop_length=None, win_length=None, window=None, center=True, pad_mode='reflect', normalized=False, onesided=True, name=None ) [源代码]

短时傅里叶变换。

短时傅里叶变换将输入的信号先进行分帧，然后逐帧进行离散傅的里叶变换计算，计算的公式如下：

\[X_t[f] = \sum_{n = 0}^{N-1} \mathrm{window}[n]\ x[t \times H + n]\ \exp(-{2 \pi j f n}/{N})\]

上式中符号的意义：

  • \(t\)：第 \(t\) 帧输入信号；

  • \(f\)：傅里叶变换频域的自变量，如果 onesided=False , \(f\) 取值范围是 \(0 \leq f < n\_fft\) , 如果 onesided=True，取值范围是 \(0 \leq f < \lfloor n\_fft / 2 \rfloor + 1\)；

  • \(N\): n_fft 参数的值；

  • \(H\): hop_length 参数的值。

参数

  • x (Tensor) - 输入数据，是维度为 1D 或者 2D 的 Tensor，数据类型可为复数（复信号），其形状 为 [..., seq_length]；

  • n_fft (int) - 离散傅里叶变换的样本点个数；

  • hop_length (int，可选) - 对输入分帧时，相邻两帧偏移的样本点个数，默认为 None (为 n_fft//4)；

  • win_length (int，可选) - 信号窗的长度，默认为 None (为 n_fft)；

  • window (int，可选) - 维度为 1D 长度为 win_length 的 Tensor，数据类型可为复数。 如果 win_length < n_fft，该 Tensor 将被补长至 n_fft。默认为 None (长度 为 win_length 幅值为 1 的矩形窗)；

  • center (bool，可选) - 选择是否将输入信号进行补长，使得第 \(t \times hop\_length\) 个样本点在第 t 帧的中心，默认为 True；

  • pad_mode (str，可选) - 当 center 为 True 时，确定 padding 的模式，模式 的选项可以参考 paddle.nn.functional.pad，默认为 "reflect"；

  • normalized (bool，可选) - 是否将傅里叶变换的结果乘以值为 1/sqrt(n) 的缩放系 数；

  • onesided (bool，可选) - 当输入为实信号时，选择是否只返回傅里叶变换结果的一半的频点 值（输入信号和窗函数均为实数时，傅里叶变换结果具有共轭对称性）。如果输入的信号或者窗函数的 数据类型是复数，则此时不能设置为 True。默认为 True；

  • name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回

短时傅里叶变换的结果，复数 Tensor。当输入实信号和实窗函数，如果 onesided 为 True， 其形状为 [..., n_fft//2 + 1, num_frames]；否则为 [..., n_fft, num_frames]。

代码示例

>>> import paddle
>>> from paddle.signal import stft

>>> # real-valued input
>>> x = paddle.randn([8, 48000], dtype=paddle.float64)
>>> y1 = stft(x, n_fft=512)
>>> print(y1.shape)
[8, 257, 376]

>>> y2 = stft(x, n_fft=512, onesided=False)
>>> print(y2.shape)
[8, 512, 376]

>>> # complex input
>>> x = paddle.randn([8, 48000], dtype=paddle.float64) + \
...         paddle.randn([8, 48000], dtype=paddle.float64)*1j
>>> print(x.shape)
[8, 48000]
>>> print(x.dtype)
paddle.complex128

>>> y1 = stft(x, n_fft=512, center=False, onesided=False)
>>> print(y1.shape)
[8, 512, 372]

使用本API的教程文档