Python SciPy fft.next_fast_len用法及代碼示例

本文簡要介紹 python 語言中 scipy.fft.next_fast_len 的用法。

用法:

scipy.fft.next_fast_len()#

找到 fft 的下一個快速輸入數據大小，用於零填充等。

SciPy 的 FFT 算法通過遞歸分治策略來提高速度。這依賴於輸入長度的小質因數的有效函數。因此，當使用由 fft 實現處理的質因數的複合時，變換速度最快。如果所有基都存在有效函數 <=n，那麽結果將是一個數字x>=target隻有質因數<n. (也稱為n- 平滑的數字)

參數 ：：

target： int

開始搜索的長度。必須是正整數。

real： 布爾型，可選

如果 FFT 涉及實際輸入或輸出，則為真(例如， rfft 或 hfft 但不是 fft )。默認為假。

返回 ：：

out： int

大於或等於 target 的最小快速長度。

注意：

此函數的結果將來可能會隨著性能考慮的變化而變化，例如，如果添加了新的素因子。

使用真實輸入數據調用 fft 或 ifft 會在內部執行 'R2C' 轉換。

例子：

在特定機器上，素數長度的 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)

零填充到下一個常規長度將計算時間減少到 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 的下一個冪不是最優的，需要 3.0 毫秒來計算；比 next_fast_len 給出的大小長 1.9 倍：

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