Python SciPy fft.ifft用法及代码示例

本文简要介绍 python 语言中 scipy.fft.ifft 的用法。

用法:

scipy.fft.ifft(x, n=None, axis=-1, norm=None, overwrite_x=False, workers=None, *, plan=None)#

计算一维离散傅里叶逆变换。

此函数计算一维的倒数n-点离散傅里叶变换计算为scipy.fft.fft.换一种说法，ifft(fft(x)) == x在数值精度范围内。

输入的排序方式应与 fft 返回的方式相同，即

• x[0] 应包含零频率项，

• x[1:n//2] 应该包含正频率项，

• x[n//2 + 1:] 应包含负频率项，从最负频率开始按升序排列。

对于偶数个输入点，x[n//2] 表示正负奈奎斯特频率的值之和，因为两者混叠在一起。有关详细信息，请参阅 fft 。

参数 ：：

x： array_like

输入数组，可以很复杂。

n： 整数，可选

输出的变换轴的长度。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。请参阅有关填充问题的说明。

axis： 整数，可选

计算逆 DFT 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 fft )。默认为“backward”。

overwrite_x： 布尔型，可选

如果为真，则内容x可以销毁；默认为假。看scipy.fft.fft更多细节。

workers： 整数，可选

用于并行计算的最大工作线程数。如果为负，则该值从 os.cpu_count() 环绕。有关详细信息，请参阅 fft 。

plan： 对象，可选

此参数保留用于传递下游 FFT 供应商提供的预先计算的计划。它目前未在 SciPy 中使用。

返回 ：：

out： 复杂的ndarray

截断或补零的输入，沿轴指示的轴转换，如果未指定轴，则为最后一个。

抛出 ：：

IndexError

如果轴大于 x 的最后一个轴。

注意：

如果输入参数n大于输入的大小，则通过在末尾附加零来填充输入。尽管这是常见的方法，但它可能会导致令人惊讶的结果。如果需要不同的填充，则必须在调用之前执行ifft.

如果 x 是一维数组，则 ifft 相当于

y[k] = np.sum(x * np.exp(2j * np.pi * k * np.arange(n)/n)) / len(x)

与 fft 一样，ifft 支持所有浮点类型，并针对实际输入进行了优化。

例子：

>>> import scipy.fft
>>> import numpy as np
>>> scipy.fft.ifft([0, 4, 0, 0])
array([ 1.+0.j,  0.+1.j, -1.+0.j,  0.-1.j]) # may vary

创建并绘制具有随机相位的 band-limited 信号：

>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> t = np.arange(400)
>>> n = np.zeros((400,), dtype=complex)
>>> n[40:60] = np.exp(1j*rng.uniform(0, 2*np.pi, (20,)))
>>> s = scipy.fft.ifft(n)
>>> plt.plot(t, s.real, 'b-', t, s.imag, 'r--')
[<matplotlib.lines.Line2D object at ...>, <matplotlib.lines.Line2D object at ...>]
>>> plt.legend(('real', 'imaginary'))
<matplotlib.legend.Legend object at ...>
>>> plt.show()