Python numpy fft.irfft用法及代码示例

本文简要介绍 python 语言中 numpy.fft.irfft 的用法。

用法:

fft.irfft(a, n=None, axis=- 1, norm=None)

计算 rfft 的倒数。

此函数计算一维的逆n实际输入的点离散傅里叶变换由下式计算numpy.fft.rfft.换一种说法，irfft(rfft(a), len(a)) == a在数值精度范围内。 (请参阅下面的注释了解原因len(a)这里是必需的。)

输入应采用 rfft 返回的形式，即实数 zero-frequency 项后跟复数正频率项，按频率递增的顺序排列。由于实际输入的离散傅立叶变换是厄米对称的，因此负频率项被视为相应正频率项的复共轭。

参数：

a： array_like

输入数组。

n： 整数，可选

输出的变换轴的长度。为了n输出点，n//2+1输入点是必要的。如果输入比这个长，它会被裁剪。如果它比这短，则用零填充。如果n没有给出，它被认为是2*(m-1)其中m是输入沿指定轴的长度轴.

axis： 整数，可选

计算逆 FFT 的轴。如果未给出，则使用最后一个轴。

norm： {“backward”, “ortho”, “forward”}，可选

标准化模式(参见 numpy.fft )。默认为“backward”。指示前向/后向变换对的哪个方向被缩放以及使用什么归一化因子。

返回：

out： ndarray

截断或补零的输入，沿由轴, 或者最后一个如果轴未指定。变换轴的长度为n， 或者如果n没有给出，2*(m-1)其中m是输入的变换轴的长度。要获得奇数个输出点，n必须指定。

抛出：

IndexError

如果axis不是a的有效轴。

注意：

返回实际值n-点离散傅里叶逆变换a，其中a包含 Hermitian 对称序列的非负频率项。n是结果的长度，而不是输入的长度。

如果您指定一个n这样a必须补零或截断，额外/删除的值将以高频添加/删除。因此，可以对一个系列重新采样以m通过傅里叶插值点：a_resamp = irfft(rfft(a), m).

厄米特输入的正确解释取决于原始数据的长度，如n.这是因为每个输入形状都可能对应于奇数或偶数长度的信号。默认，irfft假设一个偶数输出长度，将最后一个条目置于奈奎斯特频率；与其对称对应物混叠。通过 Hermitian 对称性，该值因此被视为纯实数。为避免丢失信息，真实输入的正确长度必须被给予。

例子：

>>> np.fft.ifft([1, -1j, -1, 1j])
array([0.+0.j,  1.+0.j,  0.+0.j,  0.+0.j]) # may vary
>>> np.fft.irfft([1, -1j, -1])
array([0.,  1.,  0.,  0.])

请注意普通 ifft 的输入中的最后一项是第二项的复共轭，并且输出到处都有零虚部。调用 irfft 时，未指定负频率，并且输出数组是纯实数。