当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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.

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, 或者最后一个如果未指定。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。

相关用法


注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.fft.irfft。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。