Python SciPy fft.next_fast_len用法及代码示例

本文简要介绍 python 语言中 scipy.fft.next_fast_len 的用法。

用法:

scipy.fft.next_fast_len()#

找到 fft 的下一个快速输入数据大小，用于零填充等。

SciPy 的 FFT 算法通过递归分治策略来提高速度。这依赖于输入长度的小质因数的有效函数。因此，当使用由 fft 实现处理的质因数的复合时，变换速度最快。如果所有基都存在有效函数 <=n，那么结果将是一个数字x>=target只有质因数<n. (也称为n- 平滑的数字)

参数 ：：

target： int

开始搜索的长度。必须是正整数。

real： 布尔型，可选

如果 FFT 涉及实际输入或输出，则为真(例如， rfft 或 hfft 但不是 fft )。默认为假。

返回 ：：

out： int

大于或等于 target 的最小快速长度。

注意：

此函数的结果将来可能会随着性能考虑的变化而变化，例如，如果添加了新的素因子。

使用真实输入数据调用 fft 或 ifft 会在内部执行 'R2C' 转换。

例子：

在特定机器上，素数长度的 FFT 需要 11.4 毫秒：

>>> from scipy import fft
>>> import numpy as np
>>> rng = np.random.default_rng()
>>> min_len = 93059  # prime length is worst case for speed
>>> a = rng.standard_normal(min_len)
>>> b = fft.fft(a)

零填充到下一个常规长度将计算时间减少到 1.6 ms，加速了 7.3 倍：

>>> fft.next_fast_len(min_len, real=True)
93312
>>> b = fft.fft(a, 93312)

四舍五入到 2 的下一个幂不是最优的，需要 3.0 毫秒来计算；比 next_fast_len 给出的大小长 1.9 倍：

>>> b = fft.fft(a, 131072)