Python numpy fft.rfft用法及代码示例

本文简要介绍 python 语言中 numpy.fft.rfft 的用法。

用法:

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

计算实际输入的一维离散傅里叶变换。

此函数通过称为快速傅里叶变换 (FFT) 的高效算法计算实值数组的一维 n-point 离散傅里叶变换 (DFT)。

参数：

a： array_like

输入数组

n： 整数，可选

要使用的输入中沿变换轴的点数。如果 n 小于输入的长度，则裁剪输入。如果它更大，则用零填充输入。如果未给出 n，则使用沿轴指定的轴的输入长度。

axis： 整数，可选

计算 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： 复杂的ndarray

截断或补零的输入，沿由轴, 或者最后一个如果轴未指定。如果n是偶数，变换轴的长度是(n/2)+1.如果n是奇数，长度是(n+1)/2.

抛出：

IndexError

如果axis不是a的有效轴。

注意：

当为纯实输入计算 DFT 时，输出是厄米对称的，即负频率项只是相应正频率项的复共轭，因此负频率项是多余的。此函数不计算负频率项，因此输出的变换轴的长度为 n//2 + 1 。

当A = rfft(a) 和 fs 为采样频率时，A[0] 包含 zero-frequency 项 0*fs，由于 Hermitian 对称性，这是实数。

如果n甚至，A[-1]包含表示正和负奈奎斯特频率的术语(+fs/2 和 -fs/2)，并且也必须是纯实数。如果n很奇怪，在 fs/2 处没有项；A[-1]包含最大的正频率 (fs/2*(n-1)/n)，并且在一般情况下是复杂的。

如果输入 a 包含一个虚部，它会被默默地丢弃。

例子：

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

请注意，对于实数输入， fft 输出的最后一个元素是第二个元素的复共轭。对于 rfft ，利用这种对称性来仅计算非负频率项。