请问Pytorch内置的STFT的使用，输出的是数据是啥？

Question

import torch 
import numpy as np
wav_data1 = torch.tensor(np.arange(0,102.4,0.01))

请问如何把这个wav_data1,利用256的窗口，重叠区为128,变成32*128

Answer 1

PyTorch内置的STFT函数为torch.stft，它可以将时域信号转换为频域信号。输出的是一个复数张量，表示频域信号的幅度和相位信息。具体来说，输出的形状为(N, C, L // hop_length + 1, fft_size // 2 + 1, 2)，其中N是batch size，C是通道数，L是输入信号的长度，hop_length是帧移参数，fft_size是FFT窗口大小。最后一个维度的2表示幅度和相位信息。